1-1

OBJETIVO

Proporcionar a los estudiantes de especializaciones

multidisciplinarias, una descripcin didctica general de
numerosas aplicaciones de la asignatura, as como
desarrollar habilidades en el procesamiento y anlisis de
variables cualitativas y cuantitativas a travs de la
utilizacin de herramientas estadsticas, complementado
con la aplicacin de paquetes informticos
especializados.

1-3

CONTENIDOS ANALTICOS
1. Nociones bsicas de Estadstica Descriptiva
1.1 Variables estadsticas
1.2 Tablas de distribucin de frecuencias
1.3 Medidas de tendencia central
1.4 Medidas de forma
1.5 Medidas de dispersin
1.6 Representacin grfica
1.7 Aplicaciones de la estadstica
1.8 Interpretacin de los valores estadsticos

2001Alfaomega Grupo Editor

1-3

Quin usa la estadstica?

Los usos de la estadstica son ilimitados, las

tcnicas estadsticas se usan ampliamente en
todas las reas del conocimeinto, como en las
finanzas , produccin, control de calidad,
mercadotecnia, deportes, educacin, poltica,
medicina, etctera...

2001Alfaomega Grupo Editor

1-5

Trminos bsicos

Una poblacin o universo es un conjunto de

todos los posibles individuos, objetos o
eventos cuyas propiedades sern analizadas.
Una muestraes un subconjunto de la poblacin
con caractersticas similares a esta.

2001 Alfaomega Grupo Editor

1-7

Trminos bsicos

Tipos de variables
Variable cualitativa o de atributos: la
caracterstica o variable que se estudia no es
numrica.
EJEMPLOS: gnero, religin, color de ojos,
estado civil, sector de vivienda, entre otros.
2001 Alfaomega Grupo Editor

1-8

Trminos bsicos

Variable cuantitativa: la caracterstica o variable que se

estudia se puede expresar numricamente.
Las variables cuantitativas pueden ser continuas y discretas.
Variables continuas: asumen cualquier valor, entero y/o
fraccin.
EJEMPLO: saldo en una cuenta bancaria, edad, peso,
estatura, tiempo de vuelo, distancia a un punto, ingresos,
gastos, etc.
2001 Alfaomega Grupo Editor

1-9

Trminos bsicos

Variables discretas: asumen nicamente

valores enteros.
EJEMPLO: nmero de miembros en una
familia, estudiantes en una aula, agencias
bancarias, cursos de capacitacin realizados,
presidentes que han existido en el Ecuador, etc.

2001 Alfaomega Grupo Editor

2-2

Trminos bsicos

Ordenamiento de datos: organiza los valores en orden

ascendente o descendente
Distribucin de frecuencias: manera de compactar datos a
travs de registrar (tabular) el nmero de veces que se
repite un mismo valor de la variable de estudio.
Datos agrupados: concentracin de datos en categoras
que muestran el nmero de observaciones en cada una de
allas.
2001 Alfaomega Grupo Editor

Media aritmtica: Constituye un valor de

concentracin, siendo el valor ms representativo
de una serie de datos.
U = Media aritmtica de una poblacin
X = Media aritmtica de una muestra
Serie simple de
datos
n

( fi Xm)
i 1

Datos agrupados

Media aritmtica ponderada: Permite calcular un

promedio tomando en cuenta la importancia o peso
de cada valor con respecto al total.

2-5

Medidasdetendencia central

Media geomtrica: Se utiliza para calcular el cambio

porcentual promedio de una variable en el tiempo.

MG =

X 1. X 2. X 3..... Xn

2001 Alfaomega Grupo Editor

2-5

Medidasdeposicin

Fractiles: se usan para describir la posicin que tiene un

valor de datos especficos (segmento), en
relacin con el resto de datos.
Cuartiles
Deciles
Quintiles
Percentiles

.
2001 Alfaomega Grupo Editor

2-5

Medidasdeposicin

Fm

.
4

Q1 Liv
i
fi

2N

Fm

Q2 Liv
i
fi

3N

Fm

Q3 Liv
i
fi
2001 Alfaomega Grupo Editor

2-5

Medidasdedispersin

Describen la cantidad de dispersin, o variabilidad que

se encuentra entre los datos. Estas medidas dan una
distancia promedio de cualquier observacin del
conjunto de datos respecto a la media de la
distribucin.

Rango
Desviacin media
Varianza
Desviacin tpica

2001 Alfaomega Grupo Editor

2-5

Medidasdeforma

Las medidas de forma se basan en su representacin grfica.

Curtosis (K): medida de apuntamiento o concentracin
central, estudian la mayor o menor concentracin de datos
alrededor de la media. Indica qu tan puntiaguda es la
distribucin de los datos observados.
Si K > 0 , la distribucin presenta un pico alto y se llama
leptocrtica.
Si K <0 , la distribucin es plana, y se llamaplaticrtica.
Si K = 0 , la distribucin no presenta ningn pico ni es
plana, se llama mesocrtica(normal).
2001 Alfaomega Grupo Editor

Q
K
P90 P10
Q
P90
P10

=
=
=

(Q3Q1)
Percentil90
Percentil10

2-5
Distribuciones normales

2 , 4 , 8 (u = 5 0 )

Medidasdeforma

P (X )

0 ,2

0 ,1

0 ,0

2 5

30

35

4 0

45

50

2001 Alfaomega Grupo Editor

5 5

6 0

6 5

70

75

2-5

Medidasdeforma

Coeficiente de asimetra: El coeficiente de asimetra analiza

si la distribucin de datos presenta la misma forma a la
izquierda o a la derecha de la media aritmtica. Estas
curvas pueden ser simtricas o sesgadas.
Si CA >0 , la curva presenta una asimetra positiva
Si CA <0 , la curva presenta una asimetra negativa
Si CA =0 , la curva es simtrica

2001 Alfaomega Grupo Editor

3-26

Distribucin simtrica
sesgo cero

moda = mediana = media

3-27

Distribucin con asimetra positiva

sesgo a la derecha:
media y mediana se
encuentran a la
derecha de la moda.

moda < mediana < media

3-28

Distribucin con asimetra negativa

sesgo a la izquierda: media y mediana
estn a la izquierda de la moda.

media < mediana < moda

2-5

Nociones Bsicas
Inferencial

de

Estadstica

DEFINICIN DE PROBABILIDAD

La probabilidad se determina con base a la

proporcin de veces en las que ocurre un resultado
favorable en cierto nmero de observaciones o
experimentos.

2001 Alfaomega Grupo Editor

2-5

Trminos utilizados
Experimento.- Es el proceso mediante el cual se obtiene una
observacin o medicin de un fenmeno y que puede tener
dos o ms resultados, llamados eventos o sucesos.
Ejemplos: (1) el lanzamiento de una moneda, (2) el
lanzamiento de un par de dados, (3) el revisar un producto,
entre otros.
Evento o suceso.- Es el conjunto de uno o ms resultados
producto de un experimento.

Ejemplos: (1) en el lanzamiento de una moneda, los eventos

posibles son: cara o sello, (2) en el lanzamiento de un dado,
los eventos posibles son: 1,2,3,4,5 o 6.
2001 Alfaomega Grupo Editor

2-5

Trminos utilizados

EVENTO CONJUNTO O ESPACIO MUESTRAL

Es el conjunto de todos los resultados posibles de un

experimento en particular. A sus elementos se los denomina
muestra.
Ejemplo, al lanzar dos monedas por una sola vez, el evento
conjunto sera:

2001 Alfaomega Grupo Editor

2-5

PROBABILIDAD DE UN EVENTO

Si al evento A se observa n veces en un gran nmero

de N repeticiones de un experimento, entonces la
probabilidad del evento A est dado por la siguiente frmula:

Donde:

n
P A
N

P = Probabilidad.
A = Evento esperado.
n = Nmero de observaciones del evento esperado.
N = Nmero total de eventos en un experimento.

2001 Alfaomega Grupo Editor

2-5

PROBABILIDAD DE UN EVENTO

En un experimento dado, un evento o suceso debe ocurrir o no

ocurrir. En consecuencia, la suma de la probabilidad de la
ocurrencia ms la no ocurrencia ser siempre igual a 1 en
valores relativos 100% en valores porcentuales.
Lo expuesto, se indica en la siguiente ecuacin:
P + Q = 1.
P + Q = 100 %.
P = Probabilidad de ocurrencia o xito.
Q = Probabilidad de no ocurrencia o fracaso.

2001 Alfaomega Grupo Editor

2-5

LA DISTRIBUCIN NORMAL DE PROBABILIDAD

Conocida tambin como curva normal o campana de Gauss

tiene una importancia fundamental en estadstica, por el elevado
nmero de fenmenos que se explican con esta distribucin.
La curva normal no es otra cosa que la expresin grfica de una
distribucin de Frecuencias, misma que tiene muchas
observaciones cercanas al centro de la distribucin y luego
disminuyen gradual y simtricamente.

2001 Alfaomega Grupo Editor

2-5

PROPIEDADES
1. Es simtrica y tiene forma de campana.
2. La media aritmtica est en el centro y divide el rea en dos
partes iguales. Por consiguiente, la mediana y la moda tienen
el mismo valor.
1. Tericamente la curva normal se extiende hacia el infinito en
ambas direcciones y tiende gradualmente a unirse con el eje
de la abscisa (x), sin llegar a tocar el eje.
2001 Alfaomega Grupo Editor

1-1

rea bajo la curva

de

0.90

-1.64

1.64

0.95

-1.96

1.96

0.99

-2.58

2.58

2-5

CURVA NORMAL
El objetivo de la curva normal es el de encontrar la proporcin
o probabilidad de un evento, a travs de la utilizacin de la
siguiente frmula y las tablas de reas bajo la curva normal.

X U

Donde:
X = Valor indicado de la variable de estudio.

U = Media aritmtica de la poblacin.

= Desviacin tpica de la poblacin

2001 Alfaomega Grupo Editor

2-5

PUNTOS PERCENTILES BAJO LA CURVA NORMAL

El clculo de los puntos percentiles bajo la curva

normal sirven para determinar valores de la
variable de estudio en el eje de la abscisa.

2001 Alfaomega Grupo Editor

X U

2-5

NIVELES DE CONFIANZA
Es una probabilidad que asociamos con la estimacin de un
intervalo el cual incluya al parmetro buscado. Es decir, significa
que las medias de todas las muestras, consideramos como
probables que el 95 % de estos valores se acerquen al valor
verdadero (u) , dejando el 5 % restante como improbable su
obtencin (es el riesgo a equivocarnos).
Un nivel de confianza est representado por la letra Z. A su
vez, los valores de Z estn expresados en unidades de
desviaciones tpicas, mismos que se pueden determinar por
medio de la grfica de la curva normal y las tablas de reas
2001 Alfaomega Grupo Editor

1-3

ELEMENTOS CONCEPTUALES
PROCEDIMIENOS DEL MUESTREO
NO PROBABILSTICOS

Muestreo por conveniencia

Muestreo de juicio
Muestreo por cuotas

2001Alfaomega Grupo Editor

PROBABILSTICOS

Muestreo aleatorio simple

Muestreo estratificado
Muestreo por
conglomerados
a. Muestreo sistemtico
b. Muestreo por reas

1-3

ELEMENTOS CONCEPTUALES
PASOS PARA LA SELECCIN DE UNA MUESTRA
SELECCIONAR FSICAMENTE LA MUESTRA
SELECCIONAR UN PROCEDIMEINTO DE MUESTREO

DETERMINAR EL TAMAO DE MUESTRA

IDENTIFICAR EL MARCO MUESTRAL

DEFINIR LA POBLACIN

2001Alfaomega Grupo Editor

Elementos
2. Unidades
3. Alcance
4. Tiempo
1.

1-1

rea bajo la curva

de

0.90

-1.64

1.64

0.95

-1.96

1.96

0.99

-2.58

2.58

2-5

ESTIMACIN
Debido a factores de tiempo y costo, los
parmetros

de

una

poblacin

proceso

frecuentemente se estiman sobre la base de

estadsticas muestrales. Cualquier estadstico de
la muestra que se utilice para estimar un
parmetro poblacional se conoce como estimador.
2001 Alfaomega Grupo Editor

2-5

INTERVALOS DE CONFIANZA

Es el rango de la estimacin que se est realizando.

Los intervalos de confianza se expresan tanto en
valores numricos de la variable de estudio como en
trminos de errores estndar
2001 Alfaomega Grupo Editor

2-5

FRMULAS PARA ESTABLECER UN INTERVALO DE

CONFIANZA

X Z .Sx
p Z .Sp
2001 Alfaomega Grupo Editor

Para estimar la media aritmtica

de una poblacin

Para estimar la proporcin de

una poblacin

2-5

FRMULAS PARA ESTABLECER UN INTERVALO DE

CONFIANZA

sx
Sp

s
n

p (1 p )
n

2001 Alfaomega Grupo Editor

Para estimar el error stndar de la

media aritmtica de una poblacin

Para estimar el error estndar de la

proporcin de una poblacin

2-5

EL ERROR MUESTRAL
El error muestral no es otra cosa que la diferencia entre la
media aritmtica muestral y la media aritmtica poblacional.
En trminos matemticos, esto significa que el error muestral
es la desviacin tpica de las distintas medias aritmticas
muestrales en relacin a la media aritmtica poblacional.
Por consiguiente, se designa a la desviacin tpica de una
distribucin de muestreo como error estndar

2001 Alfaomega Grupo Editor

2-5

ERROR DE ESTIMACIN

Es el error mximo permisible que el investigador est dispuesto a

tolerar.

Se identifica por la letra e, y sirve para establecer el intervalo de

confianza dentro del que nos movemos en la muestra, es decir, los
lmites formados por la media de la muestra, ms o menos el error
en cuestin, dentro del que se debe encontrar la media poblacional,
con el grado de probabilidad con que se trabaje.

El error puede determinarse en las mismas unidades de la variable

de estudio o en valores relativos

2001 Alfaomega Grupo Editor

2-5

Anlisis de regresin
Estudia la relacin
entre una variable conocida como
dependiente o explicada y una o ms variables independientes o
explicativas.
Es posible estar interesado en buscar la relacin de los siguientes
fenmenos econmicos y sociales:

Cantidad demandada de un bien y el precio del mismo

Ingresos del consumidor y gastos en vacaciones
Consumo de alcohol y delitos
Nmero de desempleados y delitos contra la propiedad.

2001 Alfaomega Grupo Editor

2-5

Anlisis de regresin con dos variables

Conocido tambin como anlisis de regresin
simple. En este caso, la variable dependiente (Y) se
relaciona con una sola variable explicativa o
independiente (X).
El anlisis de regresin se relaciona con la estimacin y/o
prediccin de la media poblacional o valor promedio de
la variable Y, con base en valores conocidos o fijos de la
variable X
2001 Alfaomega Grupo Editor

2-5

Datos correspondientes al desempleo y delitos por sector

2001 Alfaomega Grupo Editor

2-5

Estimacin de parmetros

- Se debe encontrar la manera de crear

estimaciones a
partir de la muestra, que garanticen la cercana al valor
verdadero

- Se debe averiguar hasta qu punto la estimacin es

buena.

Mtodos de estimacin
En trminos generales, existen tres mtodos de estimacin
de parmetros:
1- Mnimos cuadrados
2- Mxima verosimilitud
3- Mtodo de los momentos
2001 Alfaomega Grupo Editor

2-5

El

mtodo

de

mnimos

cuadrados

ordinarios

Dentro del anlisis de regresin , El mtodo que se utiliza

con mayor frecuencia por su simplicidad y eficacia es
aquel conocido como mnimos cuadrados ordinarios
(MCO),
atribudo a
Carl
Friedrich
Gauss.

Definicin
Consiste en seleccionar la lnea estimada, escogiendo una
pendiente (2) y una intercepcin (1), que tiene la suma
ms pequea posible de los residuales cuadrados.
2001 Alfaomega Grupo Editor

2-5

La funcin de regresin

= 1 + 2 X
Ecuaciones normales

1 =

y 2 x

2 =
2001 Alfaomega Grupo Editor

xy n x y
x nx
2

2-5

Coeficiente de correlacin, r
Mide la fuerza o el grado de asociacin lineal entre
dos variables
-1 r 1

n( xy) ( x)( y)
n x ( x) n y ( y)
2

2001 Alfaomega Grupo Editor

2-5

Coeficiente de correlacin, r
Mide la fuerza o el grado de asociacin lineal entre
dos variables
-1 r 1

n( xy) ( x)( y)
n x ( x) n y ( y)
2

2001 Alfaomega Grupo Editor