REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION UNIVERSITARIA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA
CS FISCALES
Conceptos básicos de la
Estadística descriptiva e
inferencial
PROFESORA. BACHILLERES.
Mairelis Pérez Francisco Maray C.I.V-
30.478.359
Yurexi Rivas C.I.V- 27.577.022
Ciudad Bolívar, 09 de Diciembre del 2023.
Datos estadístico
en este marco, son los valores que se obtienen al llevar a cabo un estudio de tipo
estadístico. Se trata del producto de la observación de aquel fenómeno que se pretende
analizar.
son los valores que representan, de manera numérica o cualitativa, una característica
específica de un elemento o un conjunto. En general, estos pueden ser cifras, letras,
símbolos o cadenas de texto. Este tipo de dato se almacena o se asigna a una variable
estadística, es decir, el aspecto a analizar de una población.
Estos datos se utilizan para medir y describir un fenómeno. Esto hace necesario que,
durante el análisis estadístico, se apliquen diversos cálculos matemáticos con el fin de
obtener la mayor precisión respecto a los resultados.
Durante el desarrollo de una investigación, se suele utilizar el método estadístico para la
obtención de datos estadísticos. A partir de los mismos, los investigadores pueden realizar
inferencias, respecto al comportamiento de una población, y conclusiones.
Universo
Un universo, en estadística, se refiere a una población que comprende las unidades o los
informantes de los datos, ya sean animados o inanimados, relativos a un problema en
estudio. En otras palabras, es la totalidad del fenómeno estudiado o el conjunto de los
objetos de una investigación estadística.
Así, cuando no se dispone de datos secundarios para el problema que se estudia, se puede
tomar la decisión de corregir los datos primarios utilizando cualquier método adecuado. La
información requerida también puede obtenerse mediante los siguientes métodos, a saber,
el método del censo y el método de la muestra.
Por ejemplo, si vamos a estudiar el gasto medio realizado por los alumnos de un
determinado colegio que consta de 5.000 alumnos, el universo, en este caso, será el
«colegio» que consta de todos los 5.000 alumnos y la unidad o el informante, en tal caso,
será cada uno de estos 5.000 alumnos pertenecientes a dicho colegio.
Tipos de Universo
Universo finito
El universo finito es aquel en el que el número de unidades de información es definido y
limitado. Por ejemplo, el «colegio» citado anteriormente es un universo finito, ya que en
este caso el número de unidades de información, es decir, los estudiantes, es definido y
limitado, es decir, 5000.
Universo infinito
Un universo infinito se refiere a una población en la que el número de unidades que la
componen no puede determinarse definitivamente. Por ejemplo, la población de estrellas en
el cielo, la población de temperaturas en varios puntos de la atmósfera, la población de
alturas, pesos y edades de las personas en un país son ejemplos de universo infinito.
Además, si un universo es muy grande, también se considera un universo infinito, como el
número de hojas de un árbol.
Universo existente
Un universo existente es aquel que ya existe con todas sus unidades en forma de objetos
concretos. El investigador no tiene nada que hacer para su creación, excepto su
descubrimiento y localización. Por ejemplo, un colegio, una universidad, una biblioteca, un
país y un estado, con sus objetos concretos, como estudiantes, libros e individuos,
respectivamente, son ejemplos de universo existente. Tal universo, también, puede estar
bajo un universo finito o bajo un universo infinito.
Población
Una población es un grupo distinto de individuos, ya sea una nación o un grupo de personas
con una característica común. En estadística, una población es el conjunto de individuos del
que se extrae una muestra estadística para un estudio. Así, cualquier selección de
individuos agrupados por una característica común puede decirse que es una población.
En la mayoría de los usos, la palabra población implica un grupo de personas o, al menos,
un grupo de seres vivos. Sin embargo, los estadísticos se refieren a cualquier grupo que
estén estudiando como una población. La población de un estudio puede ser los bebés
nacidos en Norteamérica en 2021, el número total de empresas tecnológicas en Asia desde
el año 2000, la altura media de todos los candidatos a exámenes de contabilidad o el peso
medio de los contribuyentes estadounidenses.
Población Finita e Infinita
La población o el universo pueden ser finitos o infinitos. Se dice que la población es finita
si está formada por un número fijo de elementos, de modo que es posible enumerarla en su
totalidad. Por ejemplo, la población de una ciudad o el número de trabajadores de una
fábrica son ejemplos de poblaciones finitas. El símbolo (N) se utiliza generalmente para
indicar cuántos elementos (o ítems) hay en el caso de una población finita.
Una población infinita es aquella en la que es teóricamente imposible observar todos los
elementos. Por tanto, en una población infinita el número de elementos es infinito, es decir,
no podemos tener ninguna idea sobre el número total de elementos. El número de estrellas
en un cielo, las posibles tiradas de un par de dados son ejemplos de población infinita. Hay
que recordar que no existe ninguna población verdaderamente infinita de objetos físicos, a
pesar de que muchas de esas poblaciones parecen ser muy grandes. Desde un punto de vista
práctico, utilizamos el término población infinita para una población que no puede ser
enumerada en un periodo de tiempo razonable. De este modo, utilizamos el concepto
teórico de población infinita como una aproximación a una población finita muy grande.
Los estadísticos e investigadores prefieren conocer las características de cada entidad de
una población para sacar las conclusiones más precisas posibles. Sin embargo, esto es
imposible o poco práctico la mayoría de las veces, ya que los conjuntos de población suelen
ser bastante grandes.
Muestra
Muestreo, en estadística, proceso o método para extraer un grupo representativo de
individuos o casos de una población determinada. El muestreo y la inferencia estadística se
utilizan en circunstancias en las que no es práctico obtener información de cada miembro
de la población, como en el análisis biológico o químico, el control de calidad industrial o
las encuestas sociales.
Muestreo Aleatorio Simple
El diseño básico del muestreo es el muestreo aleatorio simple, basado en la teoría de la
probabilidad. En esta forma de muestreo aleatorio, cada elemento de la población
muestreada tiene la misma probabilidad de ser seleccionado. En una muestra aleatoria de
una clase de 50 alumnos, por ejemplo, cada alumno tiene la misma probabilidad, 1/50, de
ser seleccionado. Cada combinación de elementos extraídos de la población también tiene
la misma probabilidad de ser seleccionada.
Muestreo Probabilístico
El muestreo basado en la teoría de la probabilidad permite al investigador determinar la
probabilidad de que los resultados estadísticos sean fruto del azar. Los métodos más
utilizados, que perfeccionan esta idea básica, son el muestreo estratificado (en el que la
población se divide en clases y se extraen muestras aleatorias simples de cada clase), el
muestreo por conglomerados (en el que la unidad de la muestra es un grupo, como un
hogar) y el muestreo sistemático (muestras tomadas por cualquier sistema que no sea la
elección aleatoria, como uno de cada diez nombres de una lista).
Muestreo de Juicio
Una alternativa al muestreo probabilístico es el muestreo de juicio, en el que la selección se
basa en el juicio del investigador y existe una probabilidad desconocida de inclusión en la
muestra para cualquier caso. Se suelen preferir los métodos probabilísticos porque evitan el
sesgo de selección y permiten estimar el error de muestreo (la diferencia entre la medida
obtenida de la muestra y la de toda la población de la que se extrajo la muestra).
Parámetros estadísticos
Un parámetro estadístico es un número que se obtiene a partir de los datos de una muestra
estadística. Los parámetros estadísticos también se conocen como estadísticos descriptivos.
Los parámetros estadísticos sirven para sintetizar o resumir la información dada por una
tabla o por una gráfica. En otras palabras, dados unos pocos parámetros estadísticos se
puede tener una idea general de la distribución de la información.
Los parámetros estadísticos dan un buen resumen cuando se conoce la distribución de la
población. En particular, si la muestra proviene de una distribución normal, entonces el
promedio típico y la desviación estándar dan un buen resumen de la distribución.
Ejemplos de parámetros estadísticos son el promedio, la mediana, la desviación estándar o
los cuartiles.
Los parámetros estadísticos se clasifican según la información que resumen. Los dos tipos
más comunes de parámetros estadísticos son:
De tendencia central
De dispersión
Otros tipos de parámetros estadísticos son aquellos de forma y escala. Estos parámetros son
más utilizados en distribuciones como la Beta, Pareto o Weibul
Variables
Las variables estadísticas son características o cualidades de una persona, animal u objeto,
las cuales puedes medir. Por ejemplo: la edad, la estatura, el peso o la altura de un edificio.
Cada uno de estos números representa una variable y, como su nombre lo indica, puede
cambiar y adquirir diferentes valores.
Tipos de variables
Hay dos tipos de variables que se utilizan en el análisis e interpretación de datos:
Variables cualitativas: son características de un individuo u objeto, que se pueden
expresar con palabras. Algunos ejemplos son: el color de ojos, el color del cabello,
el género, el estado civil o la marca de un producto.
Variables cuantitativas: son aquellas características de un objeto o individuo que se
pueden escribir en números. Por ejemplo: edad, ingresos, peso, altura, presión,
humedad o cantidad de hermanos.
A su vez, las variables cuantitativas se dividen en discretas y continuas.
Variables discretas: son aquellas que no aceptan un valor entre dos números consecutivos.
Si tienes los datos 1, 2, 3, 10, 11 y 15, entre el 1 y 2 no puede aparecer el 1.48, porque del 1
salta directamente al 2. Generalmente, las variables discretas son resultado de un conteo y
no permiten los números decimales. Por ejemplo: número de pacientes, número de
alumnos, número de motos por modelo.
Variables continuas: son aquellas que pueden tomar cualquier valor entre dos intervalos o
números. Por ejemplo, si necesitas escribir la estatura de un grupo de basquetbolistas,
seguramente, no podrás utilizar los números 1 y 2, pero si las variables 1.78, 1.65, 1.45,
porque la altura suele expresarse de esa manera. Las variables continuas también se utilizan
para medir el tiempo transcurrido, la temperatura, el peso o la distancia entre dos puntos.
Escalas de medición
Para que los datos tengan sentido es necesario compararlos. Y para poder compararlos
debemos utilizar escalas de medición. Dichas escalas tendrán diferentes propiedades en
función de las características de los datos que se compararán. En estadística existen cuatro
escalas de medición: nominal, ordinal, de intervalo y de razón.
Escala nominal
Cuando un dato identifica una etiqueta (o el nombre de un atributo) de un elemento, se
considera que la escala de medición es una escala nominal. En esta carecen de sentido el
orden de las etiquetas, así como la comparación y las operaciones aritméticas. La única
finalidad de este tipo de datos es clasificar a las observaciones. Ejemplo:
Una variable que indica si el visitante de este post es «hombre» o «mujer».
En esta variable se tienen dos etiquetas para clasificar a los visitantes. El orden carece de
sentido, así como la comparación u operaciones aritméticas.
Escala ordinal
Cuando los datos muestran las propiedades de los datos nominales, pero además tiene
sentido el orden (o jerarquía) de estos, se utiliza una escala ordinal. Ejemplo:
Una variable que mide la calidad de un post. La variable puede tomar valores enteros del 1
al 5, donde el valor 1 es el peor y el 5 el mejor.
En esta variable sigue sin tener sentido las operaciones aritméticas, pero ahora sí tiene
sentido el orden. Si un post tiene valor 4 y otro tiene valor 2, el primero se entiende que es
mejor que es segundo.
Escala de intervalo
En una escala de intervalo, los datos tienen las propiedades de los datos ordinales, pero a su
vez la separación entre las variables tiene sentido. Este tipo de datos siempre es numérico, y
el valor cero no indica la ausencia de la propiedad. Veamos un ejemplo:
La temperatura (en grados centígrados) media de una ciudad.
En esta escala, los números mayores corresponden a temperaturas mayores. Es decir, el
orden importa, pero a la vez la diferencias entre las temperaturas importa.
Escala de razón
En una escala de razón, los datos tienen todas las propiedades de los datos de intervalo, y la
proporción entre ellos tiene sentido. Para esto se requiere que el valor cero de la escala
indique la ausencia de la propiedad a medir. Ejemplos de este tipo de variables son el peso
de una persona a el tiempo utilizado para una tarea. Ejemplo:
Una variable que mide el salario de una persona.
En esta variable, si una persona gana 100, y otra 10, la primera gana más que la segunda
(comparación). También tiene sentido decir que la primera gana 90 más que la segunda
(diferencia), o que gana 10 veces más (proporción).
Distribución de frecuencias
Las distribuciones de frecuencias son tablas en que se dispone las modalidades de la
variable por filas. En las columnas se dispone el número de ocurrencias por cada valor,
porcentajes, etc. La finalidad de las agrupaciones en frecuencias es facilitar la obtención de
la información que contienen los datos.
Ejemplo: Quieren conocer si un grupo de individuos está a favor o en contra de la
exhibición de imágenes violentas por televisión, para lo cual han recogido los siguientes
datos:
La inspección de los datos originales no permite responder fácilmente a cuestiones como
cuál es la actitud mayoritaria del grupo, y resulta bastante más difícil determinar la
magnitud de la diferencia de actitud entre hombres y mujeres.
Podemos hacernos mejor idea si disponemos en una tabla los valores de la variable
acompañados del número de veces (la frecuencia) que aparece cada valor:
X: Símbolo genérico de la variable.
f: Frecuencia (también se simboliza como ni).
La distribución de frecuencias de los datos del ejemplo muestra que la actitud mayoritaria
de los individuos del grupo estudiado es indiferente.
La interpretación de los datos ha sido facilitada porque se ha reducido el número de
números a examinar (en vez de los 20 datos originales, la tabla contiene 5 valores de la
variable y 5 frecuencias).
Generalmente las tablas incluyen varías columnas con las frecuencias relativas (son el
número de ocurrencias dividido por el total de datos, y se simbolizan "fr" o "pi"),
frecuencias acumuladas (la frecuencia acumulada es el total de frecuencias de los valores
iguales o inferiores al de referencia, y se simbolizan "fa" o "na". No obstante, la frecuencia
acumulada también es definida incluyendo al valor de referencia), frecuencias acumuladas
relativas (la frecuencia acumulada relativa es el total de frecuencias relativas de los valores
iguales o inferiores al de referencia, y se simbolizan "fr" o "pa")
Ejemplo: Consideremos el siguiente grupo de datos:
La distribución de frecuencias es:
La reducción de datos mediante el agrupamiento en frecuencias no facilita su
interpretación: La tabla es demasiado grande. Para reducir el tamaño de la tabla agrupamos
los valores en intervalos, y las frecuencias son las de los conjuntos de valores incluidos en
los intervalos:
Ahora es más sencillo interpretar los datos. Por ejemplo, podemos apreciar inmediatamente
que el intervalo con mayor número de datos es el 34-39, o que el 75% de los datos tiene
valor inferior a 46.
Este tipo de tabla es denominado "tabla de datos agrupados en intervalos".
Elementos básicos de las tablas de intervalos:
Intervalo: Cada uno de los grupos de valores de la variable que ocupan una fila en una
distribución de frecuencias
Límites aparentes: Valores mayor y menor del intervalo que son observados en la tabla.
Dependen de la precisión del instrumento de medida. En el ejemplo, los límites aparentes
del intervalo con mayor número de frecuencias son 34 y 39.
Límites exactos: Valores máximo y mínimo del intervalo que podrían medirse si se contara
con un instrumento de precisión perfecta. En el intervalo 34-39, estos límites son 33.5 y
39.5
Punto medio del intervalo (Mco Marca de clase): Suma de los límites dividido por dos. Mc
del intervalo del ejemplo= 36.5
Amplitud del intervalo: Diferencia entre el límite exacto superior y el límite exacto inferior.
En el ejemplo es igual a 6.
