ESTADISTICA
1.1. El concepto de Estadística. ¿Qué es y para qué sirve? La Estadística se ocupa de la
recolección, agrupación, presentación, análisis e interpretación de datos. A menudo se
llaman estadísticas a las listas de estos datos, cosa que crea una cierta ambigüedad, que no
debería originarnos confusiones. La Estadística no son sólo los resultados de encuestas, ni
el cálculo de unos porcentajes, la Estadística es un método científico que pretende sacar
conclusiones a partir de unas observaciones hechas. Tema 1. 1.Introducción. 1/10 ¿Cuándo
empezó la Estadística? La Estadística actual es el resultado de la unión de dos disciplinas
que evolucionaron de forma independiente hasta confluir en el siglo XIX: x el Cálculo de
Probabilidades, que nació en el siglo XVII como la teoría matemática de los juegos de azar,
x la “Estadística”, o ciencia del Estado, que estudia la descripción de datos, y que tiene
unas raíces más antiguas, de hecho, tan antiguas como la humanidad (censos de
población). La interacción de ambas líneas de pensamiento da lugar a la ciencia que
estudia cómo obtener conclusiones de la investigación empírica mediante el uso de
modelos matemáticos. Tema 1. 1.Introducción. 2/10 Resumiendo: La Estadística actúa
como disciplina puente entre los modelos matemáticos y los fenómenos reales. Un modelo
matemático es una abstracción simplificada de una realidad más compleja y siempre
existirá una cierta discrepancia entre lo que se observa y lo previsto por el modelo. La
Estadística proporciona una metodología para evaluar y juzgar estas discrepancias entre la
realidad y la teoría. Tema 1. 1.Introducción. 3/10 Tema 1. 1.Introducción. 4/10 1.2.
Conceptos generales. Algunas definiciones: Población estadística: conjunto finito o infinito
de elementos, denominados individuos, sobre los cuales se realizan observaciones.
Ejemplos: todos los habitantes de cierto lugar, todos los ejemplares de una determinada
especie de tortugas, todos los microchips que fabrica una empresa, etc. Muestra:
subconjunto finito de una población. El número de individuos que forman la muestra se
denomina tamaño muestral. Variable o carácter: cada una de las características que
pueden observarse en un individuo de la muestra. Ejemplos: en una muestra de una
población de seres humanos podemos medir: la altura, la edad, el peso, el sexo, número
de hermanos…; en una muestra de una población de una especie de tortugas podemos
medir: la anchura del caparazón, la longitud del caparazón, la edad…; Tema 1.
1.Introducción. 5/10 Tipos de variables: Cualitativas, categóricas (o alfanuméricas): Pueden
tomar valores no cuantificables numéricamente. Se denomina categoría a cada uno de los
valores que toma la variable. Nominales: si no existe ningún orden entre las categorías de
la variable. Ejemplos: el grupo sanguíneo (A ,B ,AB, O); el color de los ojos (azules, verdes,
marrones, negros),… Hay que distinguir las variables binarias, aquéllas que sólo toman dos
valores posibles (sí/no, presencia/ausencia de cierto carácter), dentro de las nominales.
Ejemplo: el sexo, ser fumador, tener carné de conducir, ser daltónico,… Ordinales: cuando
existe un cierto orden entre las categorías de la variable. Ejemplo: el nivel de estudios (sin
estudios, básicos, medios, superiores), el grado de miopía (ausencia, bajo, medio, alto),…
Cuantitativas (o numéricas): Pueden tomar valores cuantificables numéricamente.
Discretas: si solamente toman valores aislados (generalmente enteros). Suelen
corresponder a contajes. Ejemplos: el número de hermanos, el número de cafés/día, el
número de multas/año,… Continuas: potencialmente puede tomar cualquier valor
numérico dentro de un intervalo o de una unión de intervalos. Ejemplos: el tiempo de
reacción a un cierto medicamento, el peso de un individuo, la longitud del caparazón de
una tortuga,… 1.3. Métodos de muestreo. ¿Por qué seleccionamos una muestra? En la
práctica no va a ser posible estudiar todos los elementos de la población, por varias
razones: x El estudio puede implicar la destrucción del elemento (estudio de la vida media
de una partida de bombillas, estudio de la tensión de rotura de unos cables…) x Los
elementos pueden existir conceptualmente, pero no en realidad (población de piezas
defectuosas que producirá una máquina en su vida útil). x Puede ser inviable
económicamente estudiar a toda la población. x El estudio llevaría tanto tiempo que sería
impracticable e incluso las propiedades de la población podrían variar con el tiempo. Tipos
de muestreo Muestreo aleatorio simple. Muestreo estratificado. Muestreo por
conglomerados. Tema 1. 1.Introducción. 6/10 1.3.1. Muestreo aleatorio simple. ¿Cuándo
de utiliza? Cuando los elementos de la población son homogéneos respecto de la variable
de estudio, es decir, cuando a priori no disponemos de información adicional sobre la
población. Definición: Una muestra es aleatoria simple cuando:
1.2. 1) cada elemento de la población tiene la misma probabilidad de ser escogido,
1.3. 2) las observaciones se realizan con reposición, de manera que la población es idéntica en
todas las extracciones. Comentarios: La condición
1.4. (1) asegura la representatividad. La condición
1.5. 2) se impone por simplicidad: si el tamaño de la población N es grande con respecto al
tamaño muestral n, es prácticamente indiferente realizar el muestreo con o sin reposición.
(Atención: Si el cociente n/N>0.1 los métodos que estudiaremos aquí son aproximados y
deberían tenerse en cuenta las correcciones pertinentes). ¿Cómo se realiza? Se utilizan las
tablas de números aleatorios: se enumeran los elementos de la población del 1 al N y se
toman números aleatorios de tantas cifras como tenga N. El valor del número aleatorio
indicará el elemento a seleccionar. Tema 1. 1.Introducción. 7/10 1.3.2. Muestreo
estratificado. Disponemos de información adicional sobre la población e interesa que la
muestra tenga una composición análoga a de la población. Los elementos de la población
se dividen en clases o estratos según los valores de alguna otra variable (por ejemplo,
según el sexo, la edad, la profesión,...) ¿Cómo se realiza? x se asigna un número o cuota de
miembros a cada estrato, x dentro de cada estrato se seleccionan los elementos por
muestreo aleatorio simple.
1.6. Si hay k estratos de tamaños N1,…,Nk, de manera que N= N1+…+Nk , la composición de la
muestra será n= n1+…+n k , donde las cuotas ni, se pueden determinar de dos formas
distintas: 1) proporcionalmente al tamaño de cada estrato: N N n n i i 2)
proporcionalmente a la variabilidad de cada estrato: ¦ k i i i i i i N N n n 1 V V donde ıi es
una medida de la variabilidad del estrato i-ésimo. Tema 1. 1.Introducción. 8/10 1.3.3.
Muestreo por conglomerados. Hay situaciones en que ni el muestreo aleatorio simple ni el
estratificado son aplicables. En estos casos es habitual que los elementos de la población
se encuentren agrupados en conglomerados, de los cuales sí que se sabe cuántos hay. (Por
ejemplo, la población se distribuye en provincias, los habitantes de una ciudad se
distribuyen en barrios,…) ¿Cómo se realiza? Si puede suponerse que cada conglomerado es
una muestra representativa de la población total respecto de la variable de estudio,
podemos: x seleccionar al azar algunos de estos conglomerados, x dentro de cada
conglomerado, analizar: a) todos sus elementos, b) una muestra aleatoria simple de sus
elementos. Inconveniente: Si los conglomerados son heterogéneos entre ellos, puesto que
sólo se analizan algunos de ellos, la muestra final puede ser no representativa de la
población. Tema 1. 1.Introducción. 9/10 Las ideas de estratificación y conglomerado son
opuestas: La estratificación funciona mejor cuánto mayor sean las diferencias entre
estratos, pero es necesario que los estratos sean homogéneos internamente. Los
conglomerados funcionan mejor cuánto menores sean las diferencias entre ellos, pero
deben ser muy heterogéneos internamente, es decir, dentro de cada conglomerado debe
estar incluida toda la variabilidad de la población. Conclusión: La regla general que se
aplica a todos los procedimientos de muestreo es que cualquier información previa tiene
que utilizarse para subdividir la población y asegurar una mayor representatividad de la
muestra. Una vez se tienen las subpoblaciones homogéneas, la selección dentro de ellas
debe realizarse por muestreo aleatorio simple.
