ESTADISTICA Y PROBABILIDADES
CONCEPTOS BASICOS
Aidé Yanet Huamán Rivera
SEMANA :01
OBJETIVOS:
Comprender qué es y porqué se estudia la estadística.
Comprender los conceptos básicos de la estadística.
Explicar lo que significan estadística descriptiva y estadística
inferencial.
Diferenciar entre una variable cualitativa y cuantitativa.
¿Qué es estadística?
Recolecta
Organiza
Presenta
Analiza
interpreta
Concepto de Estadística
Sus fines son describir al conjunto de datos
obtenidos y tomar decisiones o realizar
generalizaciones acerca de las características
de todas las observaciones bajo
consideración.
¿Para que sirve la estadística?
La Estadística se utiliza como tecnología al
servicio de las ciencias.......
OBJETIVOS DE LA ESTADISTICA
LA DESCRIPCION: Conjunto de datos presentados a través de Cuadros ó
tablas y Gráficos para describir el comportamiento u composición de las
variables.
EL ANALISIS: Generalización de resultados basándose en una muestra.
LA PREDICCION: Proyección de resultados, basándose en datos del
pasado.
Áreas que conforman a la Estadística
Estadística Descriptiva (Deductiva): es la
encargada de la organización, condensación,
presentación de los datos en tablas y gráficos y
del cálculo de medidas numéricas que permitan
estudiar los aspectos más importantes de los
datos.
DESCRIBIR
Áreas que conforman a la Estadística
Estadística Inferencial o Inferencia Estadística:
está definida por un conjunto de técnicas,
mediante las cuales se hacen generalizaciones o
se toman decisiones en base a información
parcial obtenida mediante técnicas descriptivas.
INFERIR
Áreas de Aplicación de la Estadística
El uso de la Estadística es muy amplio. Resulta difícil nombrar
un área en la cual no se emplee.
Los métodos estadísticos han encontrado aplicación en:
◦ Gobierno
◦ Negocios
◦ Ciencias Sociales
◦ Ingeniería
◦ Ciencias Física y Naturales
◦ Control de Calidad
◦ Procesos de Manufactura
◦ Muchos otros campos de la actividad intelectual.
CONCEPTOS BÁSICOS
Población
Muestra
Unidad de Estudio
Variable
Dato
Información
Parámetro
Estadístico
Conceptos de Población y
Muestra
Población: es la colección de todas las posibles
mediciones u observaciones que pueden hacerse de una
variable bajo estudio.
Conceptos de Población y
Muestra
La población se clasifica en dos categorías:
◦ Finita: es aquella que incluye una cantidad limitada
contable de observaciones, individuos o medidas.
Siempre que sea posible alcanzar (contar) el número total
de todas las posibles mediciones, se considera como
finita la población.
Conceptos de Población y
Muestra
◦ Infinita: es aquella que incluye un gran conjunto de
observaciones o mediciones que no pueden
alcanzarse por conteo. Al menos, hipotéticamente,
no existe límite en cuanto al número de
observaciones que el experimento puede generar.
Conceptos de Población y
Muestra
Muestra:
◦ es un conjunto de mediciones u observaciones tomadas
a partir de una población.
◦ es un subconjunto de la población.
Conceptos de Población y
Muestra
Muestra aleatoria: se considera aleatoria siempre y cuando
cada observación, medición o individuo de la población
tenga la misma probabilidad de ser seleccionado.
Tipos de datos y escalas de medida
Variables:
◦ son las características o lo que se estudia de cada
individuo de la muestra. Ej: sexo, edad, peso,
estatura, color de ojos, estado civil, temperatura,
cantidad de nacimientos, presión, grosor, diámetro,
...
Datos:
◦ son los valores que toma la variable en cada caso.
Ejemplo: Se desea hacer un estudio sobre el
ingreso familiar de Lima Metropolitana
Identifique: Población, una posible muestra, la
característica en estudio y la unidad elemental.
Solución:
1. Población: Familias de Lima Metropolitana
2. Muestra: 400 familias de Lima Metropolitana
3. Variable: Ingreso familiar
4. Unidad elemental: Familia de Lima Metropolitana
EJEMPLO
Se ha hecho un estudio para determinar la preferencia de una marca
especial de detergente por parte de las amas de casa. Entre las 50
amas de casa entrevistadas, 30 dijeron que preferían esta marca.
a. ¿Qué constituye la muestra?.
Rpta: 50 amas de casa
b. ¿Qué constituye la población?.
Rpta: Amas de casa de una determinada ciudad
c. ¿Cuál es la proporción, dentro de la muestra, de las amas de casa
que prefieren la marca del detergente?
Rpta: p=30/50=0,60 (60% …prefieren la marca…)
Variables
Son las características que se desea apreciar de los elementos de la población.
CUALITATIVAS CUANTITATIVAS
ATRIBUTO NUMERICO
NOMINAL ORDINAL DISCRETA CONTINUA
TIPOS DE VARIABLES
Cualitativas
◦ Nominales: Si sus categorías no se pueden ordenar
Sexo, Tipo de empresa, profesión u oficio, Consume el producto
(Sí/No)
◦ Ordinales: Si sus categorías se pueden ordenar
Grado de satisfacción, Nivel de instrucción, frecuencia de compra
Cuantitativas o Numéricas
◦ Discretas: Si toma valores enteros
Número trabajadores, Número de hijos, numero de faltas al trabajo
◦ Continuas: Si entre dos valores, son posibles infinitos valores intermedios.
Ingreso mensual, Gasto en educación, edad, ventas mensuales
EJEMPLO
Clasificar cada una de las siguientes variables:
◦ Distancia diaria recorrida por cada estudiante
para ir de su casa a la universidad.
(Cuantitativa. Continua)
◦ Tiempo que requiere un estudiante para
responder a un examen
(Cuantitativa. Continua)
◦ Llamadas que llegan a la central telefónica de la
UNC en un día.
(Cuantitativa. Discreta)
◦ Preferencia de consumidores por cierta
marca de refresco.
(Cualitativa -Nominal)
◦ Sexo de los estudiantes que toman el
curso de estadística en el semestre.
(Cualitativa -Nominal)
◦ Número de acciones vendidas en un
día en la Bolsa de Valores.
(Cuantitativa. Discreta)
◦ Nivel educativo de pobladores de cierta
comunidad.
(Cualitativa -Ordinal)
Pasos en un estudio estadístico
Plantear hipótesis sobre una población
Decidir qué datos recoger (diseño de experimentos)
• Qué individuos pertenecerán al estudio (muestras)
• Qué datos recoger de los mismos (variables)
Recoger los datos (muestreo)
• ¿Simple? ¿Estratificado? ¿Sistemático? ¿Agrupado?
Describir (resumir) los datos obtenidos
Realizar una inferencia sobre la población
Cuantificar la confianza en la inferencia
• Nivel de confianza • Margen de error:
