CONCEPTOS BASICOS

ESTADISTICA DESCRIPTIVA
PROBABILIDAD
MUESTREO

INTERNA PATRICIA VARGAS CHANG

LA ESTADISTICA

 La estadística es una ciencia con base

matemática referente a la recolección,
análisis e interpretación de datos, que
busca explicar condiciones regulares en
fenómenos de tipo aleatorio
ESTADISTICA DESCRIPTIVA

 La estadística descriptiva es una

ciencia que analiza series de datos (por
ejemplo, edad de una población, altura
de los estudiantes de una escuela,
temperatura en los meses de verano,
etc) y trata de extraer conclusiones
sobre el comportamiento de estas
variables.
VARIABLES

Tipos

 Variables cualitativas o atributos: no se pueden

medir numéricamente (por ejemplo: nacionalidad,
color de la piel, sexo).

 Variables cuantitativas: tienen valor numérico

(edad, precio de un producto, ingresos anuales).
 VARIABLES
 Variables unidimensionales
 Sólo recogen información sobre una característica (por ejemplo:
edad de los alunmos de una clase).

 Variables bidimensionales
 Recogen información sobre dos características de la población
(por ejemplo: edad y altura de los alumnos de una clase).

 Variables pluridimensionales
 Recogen información sobre tres o más características (por
ejemplo: edad, altura y peso de los alumnos de una clase).
VARIABLES CUANTITATIVAS

 Discretas
 Sólo pueden tomar valores enteros (1, 2, 8, -4,
etc.). Por ejemplo: número de hermanos (puede
ser 1, 2, 3....,etc, pero, por ejemplo, nunca podrá
ser 3,45).

 Continuas
 Pueden tomar cualquier valor real dentro de un
intervalo. Por ejemplo, la velocidad de un vehículo
puede ser 80,3 km/h, 94,57 km/h...etc.
 Cuando se estudia el comportamiento de una variable hay que
distinguir los siguientes conceptos:

 Individuo
 Cualquier elemento que porte información sobre el fenómeno que se estudia. Así,
si estudiamos la altura de los niños de una clase, cada alumno es un individuo.

 Población
 Conjunto de todos los individuos (personas, objetos, animales, etc.) que porten
información sobre el fenómeo que se estudia. Por ejemplo, si estudiamos el
precio de la vivienda en una ciudad, la población será el total de las viviendas de
dicha ciudad.

 Muestra
 Subconjunto que seleccionamos de la población. Así, si se estudia el precio de la
vivienda de una ciudad, lo normal será no recoger información sobre todas las
viviendas de la ciudad (sería una labor muy compleja), sino que se suele
seleccionar un subgrupo (muestra) que se entienda que es suficientemente
representativo.
DISTRIBUCION DE FRECUENCIAS

 La distribución de frecuencia
 Es la representación estructurada, en forma de tabla, de
toda la información que se ha recogido sobre la variable que
se estudia.
EJEMPLO

 Medimos la altura de los niños de una clase y

obtenemos los siguientes resultados (cm):
 Con la información brindada podemos armar la
siguiente tabla de frecuencias
MEDIDAS DE POSICION

 Nos facilitan información sobre la serie de

datos que estamos analizando

 Clases
 a) Medidas de posición central: informan
sobre los valores medios de la serie de datos.

 b) Medidas de posición no centrales:

informan de como se distribuye el resto de los
valores de la serie.
MEDIA
 Es el valor medio ponderado de la serie de datos.

 Lo más positivo de la media es que en su cálculo se

utilizan todos los valores de la serie, por lo que no se
pierde ninguna información.

 Su valor (tanto en el caso de la media aritmética

como geométrica) se puede ver muy influido por
valores extremos, que se aparten en exceso del resto
de la serie, perdiendo ésta representatividad.

 Se pueden calcular diversos tipos de media

MEDIA

Media aritmética
 Se calcula multiplicando cada valor por

el número de veces que se repite. La

suma de todos estos productos se
divide por el total de datos de la
muestra
MEDIA
Media geométrica:
 Se eleva cada valor al número de veces que se ha repetido. Se
multiplican todo estos resultados y al producto final se le calcula la raíz
"n" (siendo "n" el total de datos de la muestra).

 La media geométrica se suele utilizar en series de datos como tipos de

interés anuales, inflación, etc., donde el valor de cada año tiene un
efecto multiplicativo sobre el de los años anteriores
MEDIANA

 Es el valor de la serie de datos que se sitúa

justamente en el centro de la muestra (un
50% de valores son inferiores y otro 50% son
superiores).

 No presentan el problema de estar influido

por los valores extremos, pero en cambio no
utiliza en su cálculo toda la información de la
serie de datos (no pondera cada valor por el
número de veces que se ha repetido).
COMO CALCULAR LA MEDIANA

Datos sin agrupar

 Considerando X1, X2,X3….Xn los datos de una muestra
ordenada en orden creciente y designando la mediana como
Me, distinguimos dos casos:

 Si n es impar
La mediana es el valor que ocupa la posición (n+1)/2 una
vez que los datos han sido ordenados (en orden creciente o
decreciente), porque éste es el valor central.

Por ejemplo: x1 = 3, x2 = 6, x3 = 7, x4 = 8, x5 = 9
 Si n es par
La mediana es la media aritmética de las dos
observaciones centrales n/2 y (n/2)+1.
. .

 Por ejemplo x1 = 3, x2 = 6, x3 = 7, x4 = 8,
x5 = 9, x6 = 10
MODA

 Es el valor que más se repite en la

muestra
EJEMPLOS
 La media Aritmética

 La Media Geométrica
 La Mediana
 Es 1,26 cm, ya que por debajo está el 50% de los
valores y por arriba el otro 50%. Esto se puede
ver al analizar la columna de frecuencias relativas
acumuladas.

 La Moda
 Hay 3 valores que se repiten en 4 ocasiones: el
1,21, el 1,22 y el 1,28, por lo tanto esta seria
cuenta con 3 modas
Medidas de posición no
centrales
 Permiten conocer otros puntos característicos de la distribución
que no son los valores centrales.

 Entre otros indicadores, se suelen utilizar una serie de valores

que dividen la muestra en tramos iguales:

 Cuartiles: son 3 valores que distribuyen la serie de datos, ordenada de

forma creciente o decreciente, en cuatro tramos iguales, en los que cada
uno de ellos concentra el 25% de los resultados.

 Deciles: son 9 valores que distribuyen la serie de datos, ordenada de

forma creciente o decreciente, en diez tramos iguales, en los que cada uno
de ellos concentra el 10% de los resultados.

 Percentiles: son 99 valores que distribuyen la serie de datos, ordenada de

forma creciente o decreciente, en cien tramos iguales, en los que cada uno
de ellos concentra el 1% de los resultados.
 Vamos a calcular los cuartiles de la serie de datos
referidos a la estatura de un grupo de alumnos
 Los deciles y centiles se calculan de igual manera,
aunque haría falta distribuciones con mayor número de
datos.
 1º cuartil: es el valor 1,22 cm, ya que por debajo suya
se situa el 25% de la frecuencia (tal como se puede ver
en la columna de la frecuencia relativa acumulada).

 2º cuartil: es el valor 1,26 cm, ya que entre este valor

y el 1º cuartil se situa otro 25% de la frecuencia.

 3º cuartil: es el valor 1,28 cm, ya que entre este valor

y el 2º cuartil se sitúa otro 25% de la frecuencia.
Además, por encima suya queda el restante 25% de la
frecuencia.

 Atención: cuando un cuartil recae en un valor que se

ha repetido más de una vez (como ocurre en el ejemplo
en los tres cuartiles) la medida de posición no central
sería realmente una de las repeticiones.
Medidas de Dispersión
 Estudia la distribución de los valores de la serie, analizando si
estos se encuentran más o menos concentrados, o más o
menos dispersos.

 Existen diversas medidas de dispersión

 Rango
 Mide la amplitud de los valores de la muestra y se calcula por diferencia
entre el valor más elevado y el valor más bajo.

 Varianza
 Mide la distancia existente entre los valores de la serie y la media. Se
calcula como sumatorio de las difrencias al cuadrado entre cada valor y la
media, multiplicadas por el número de veces que se ha repetido cada valor.
El sumatorio obtenido se divide por el tamaño de la muestra.
  La varianza siempre será mayor que cero.
Mientras más se aproxima a cero, más
concentrados están los valores de la serie
alrededor de la media. Por el contrario, mientras
mayor sea la varianza, más dispersos están.

 Desviación típica
 Se calcula como raíz cuadrada de la varianza.

 Coeficiente de varización de Pearson

 Se calcula como cociente entre la desviación típica

y la media.
EJEMPLOS
 Rango
 Diferencia entre el mayor valor de la muestra (1,30) y

el menor valor (1,20).

 El rango de esta muestra es 10 cm.

 Varianza:
 Recordemos que la media de esta muestra es 1,253.

Luego, aplicamos la fórmula:

 Desviación típica
 Es la raíz cuadrada de la varianza.

 Coeficiente de variación de Pearson

 Se calcula como cociente entre la

desviación típica y la media de la muestra.

 El coeficiente de variación es un porcentaje que
permite comparar el nivel de dispersión de dos
muestras. Esto no ocurre con la desviación típica, ya
que viene expresada en las mismas unidas que los
datos de la serie.

 Por ejemplo, para comparar el nivel de dispersión de

una serie de datos de la altura de los alumnos de
una clase y otra serie con el peso de dichos alumnos,
no se puede utilizar las desviaciones típicas (una
viene expresada en cm y la otra en kg). En cambio,
sus coeficientes de variación son ambos porcentajes,
por lo que sí se pueden comparar.
PROBABILIDAD
PROBABILIDAD
 La probabilidad mide la frecuencia con la que aparece un
resultado determinado cuando se realiza un experimento.
 Ejemplo: tiramos un dado al aire y queremos saber cual es

la probabilidad de que salga un 2, o que salga un número

par, o que salga un número menor que 4.

 El experimento tiene que ser aleatorio, es decir, que

pueden presentarse diversos resultados, dentro de un conjunto
posible de soluciones, y esto aún realizando el experimento en
las mismas condiciones.
 Probabilidad: Conceptos

 Suceso elemental
 Hace referencia a cada una de las posibles soluciones que se

pueden presentar.
 Ejemplo: al lanzar una moneda al aire, los sucesos elementales

son la cara y la cruz. Al lanzar un dado, los sucesos elementales

son el 1, el 2, .., hasta el 6.

 Suceso compuesto
 Subconjunto de sucesos elementales.

 Ejemplo: lanzamos un dado y queremos que salga un número

par. El suceso "numero par" es un suceso compuesto, integrado

por 3 sucesos elementales: el 2, el 4 y el 6
 Espacio muestral
 Al conjunto de todos los posibles sucesos
elementales. Cada experimento aleatorio
tiene definido su espacio muestral (es
decir, un conjunto con todas las soluciones
posibles).
 Ejemplo: si tiramos una moneda al aíre una
sola vez, el espacio muestral será cara o
cruz.
 Probabilidad: Relación entre
sucesos
 Un suceso puede estar contenido en otro
 Ejemplo: lanzamos un dado y analizamos dos sucesos: a) que salga el
número 6, y b) que salga un número par. Vemos que el suceso a) está
contenido en el suceso b).
 Siempre que se da el suceso a) se da el suceso b), pero no al contrario.
Por ejemplo, si el resultado fuera el 2, se cumpliría el suceso b), pero
no el el a).

 Dos sucesos pueden ser iguales

 Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que
salga número par, y b) que salga múltiplo de 2. Vemos que las
soluciones coinciden en ambos casos.
 Unión de dos o más sucesos
 Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
número par y b) que el resultado sea mayor que 3. El suceso unión estaría
formado por los siguientes resultados: el 2, el 4, el 5 y el 6

 Intersección de sucesos
 Ejemplo: lanzamos un dado al aire, y analizamos dos sucesos: a)
que salga número par, y b) que sea mayor que 4. La intersección
de estos dos sucesos tiene un sólo elemento, el número 6 (es el
único resultado común a ambos sucesos: es mayor que 4 y es
número par).
 Sucesos incompatibles
 Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a)
que salga un número menor que 3, y b) que salga el número 6. Es
evidente que ambos no se pueden dar al mismo tiempo.

 Sucesos complementarios
 Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a)
que salga un número par, y b) que salga un número impar. Vemos
que si no se da el primero se tiene que dar el segundo (y
viceversa).
Cálculo de probabilidades

 La probabilidad toma valores entre 0 y 1 (o expresados en tanto por

ciento, entre 0% y 100%):

 El valor cero corresponde al suceso imposible:

 Lanzamos un dado al aire y la probabilidad de que salga el número
7 es cero.

 El valor uno corresponde al suceso seguro

 Lanzamos un dado al aire y la probabilidad de que salga cualquier
número del 1 al 6 es igual a uno (100%).

 El resto de sucesos tendrá probabilidades entre cero y uno

 Que será tanto mayor cuanto más probable sea que dicho suceso
tenga lugar.
¿Cómo se mide la probabilidad?

 Uno de los métodos más utilizados es aplicando la

Regla de Laplace:
 Define la probabilidad de un suceso como el cociente entre casos
favorables y casos posibles.

 P(A) = Casos favorables / casos posibles

 Probabilidad de que al lanzar un dado salga un número par:

en este caso los casos favorables son tres (que salga el dos, el
cuatro o el seis), mientras que los casos posibles siguen siendo
seis. Por lo tanto:

 P(A) = 3 / 6 = 0,50 (o lo que es lo mismo, 50%)

 a) El número de resultados posibles (sucesos)
tiene que ser finito.
 Si hubiera infinitos resultados, al aplicar la regla "casos
favorables / casos posibles" el cociente siempre sería cero.

 b) Todos los sucesos tienen que tener la misma

probabilidad.
 Si al lanzar un dado, algunas caras tuvieran mayor
probabilidad de salir que otras, no podríamos aplicar esta
regla.
Combinaciones
 Determina el número de subgrupos de 1, 2, 3, etc. elementos
que se pueden formar con los "n" elementos de una muestra.
 Cada subgrupo se diferencia del resto en los elementos que lo
componen, sin que influya el orden.
 Por ejemplo, calcular las posibles combinaciones de 2 elementos
que se pueden formar con los números 1, 2 y 3. Se pueden
establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el cálculo de
combinaciones las parejas (1,2) y (2,1) se consideran idénticas, por
lo que sólo se cuentan una vez.
Variaciones

 Calcula el número de subgrupos de 1, 2, 3, etc. elementos que

se pueden establecer con los "n" elementos de una muestra.
 Cada subgrupo se diferencia del resto en los elementos que lo
componen o en el orden de dichos elementos (es lo que le
diferencia de las combinaciones).
 Por ejemplo, calcular las posibles variaciones de 2 elementos que
se pueden establecer con los número 1, 2 y 3.
 Ahora tendríamos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1)
y (3,3). En este caso los subgrupos (1,2) y (2,1) se consideran
distintos.
Permutaciones

 Calcula las posibles agrupaciones que se pueden

establecer con todos los elementos de un grupo, por
lo tanto, lo que diferencia a cada subgrupo del resto
es el orden de los elementos.
 Por ejemplo, calcular las posibles formas en que se
pueden ordenar los número 1, 2 y 3.
 Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3),
(2, 3, 1), (3, 1, 2) y (3, 2, 1)
MUESTREO
CONCEPTOS BASICOS

 Elemento/Unidad
 Cada uno de los componentes de la muestra

 Marco Muestral
 Enumeración exhaustiva de toda la población o
unidades muestrales

 Parámetro
 Valor de la variable calculada sobre la población
CONCEPTOS BASICOS
 Error aleatorio del muestreo
 Diferencia entre los resultados obtenidos de una muestra y
los obtenidos sobre un censo, habiendo utilizado
procedimientos idénticos para obtener la información

 Error sistemático, ajeno al muestreo o no muestral

 Se trata de errores que no tienen que ver con el hecho de
seleccionar una muestra
 Puede ser consecuencia de la naturaleza del diseño del
estudio y de las imperfecciones en su ejecución
Muestreos probabilísticos
MUESTREO ALEATORIO
SIMPLE O CON REPOSICIÓN
 Se toma un elemento al azar, se analiza y se devuelve antes de extraer
el siguiente
 Todos los elementos tienen la misma probabilidad de ser extraídos
 Las extracciones son independientes

EJEMPLOS:
 Urna con reposición (p. finita)
 Máquina produce piezas (p. infinita)

Una m.a.s. de tamaño n (X1, ..., Xn) donde todas las Xi:
 Son independientes
 Tienen la misma distribución
 Su distribución coincide con la de población
MUESTREO ALEATORIO SIN
REPOSICIÓN
 Se toma un elemento al azar, se analiza y no se devuelve para
próximas extracciones
 No todos los elementos tienen la misma probabilidad de ser
extraídos
 Las extracciones NO son independientes

EJEMPLOS:
 Urna sin reposición (p. finita)

Una m.a. sin reposición de tamaño n (X1, ..., Xn) donde todas las Xi:
 Son dependientes
 Tienen la misma distribución
 Su distribución coincide con la de población
MUESTREO SISTEMÁTICO
Para tomar una muestra de tamaño n:
 Numerar las unidades de la población de 1 hasta N.

 Dividir la población en n bloques de k elementos

cada uno k = N / n
 Tomar un elemento al azar del primer bloque

(elemento h: 1≤h≤k). Repetir de forma sistemática

 La muestra queda formada por los elementos: h +

i•k i = 0,..., n-1

EJEMPLO: Elección de jurados

 MUESTREO ESTRATIFICADO
 Dividir la población en L estratos (subgrupos)
 Elementos homogéneos dentro del estrato
 Estratos heterogéneos entre sí

 Muestra total = Unión de las muestras de cada estrato. Cada submuestra independiente
del resto.

 Ventajas:
 Permite aplicar técnicas de selección diferentes dentro de cada estrato
 Permite obtener estimaciones separadas en cada estrato
 Consigue mayor precisión
 Disminuye el tamaño de la muestra

 Para seleccionar el tamaño de cada submuestra:

 Afijación uniforme
 Afijación proporcional (más usado)
 Afijación de mínima varianza
 Afijación óptima (costes asociados al muestreo)

EJEMPLO: Estudios de mercado

MUESTREO POR CONGLOMERADOS
 Sustituir los elementos de la población
por grupos
 Cada unidad es ahora un grupo:
conglomerado
 Se seleccionan los conglomerados y
dentro de ellos se realiza el estudio

EJEMPLO
Muestreos no
probabilísticos
MUESTREO DE
CONVENIENCIA
 La muestra estará formada por
unidades accesibles o favorables
 Se suele utilizar cuando se realiza una
prueba de un cuestionario o en un
estudio exploratorio
 Es un método de reducido coste
 Los estimadores no coincidirán con los
parámetros
MUESTREO DE JUICIOS

 Consiste en acudir a expertos para que

nos ayuden a determinar una muestra
Representativa
 MUESTREO POR CUOTAS
 Construye una muestra a escala de la población
objeto de estudio fijándose las condiciones que
deben cumplir los elementos muestrales

 Conlleva una muy buena planificación del trabajo

de campo

 Pueden conseguirse resultados próximos a un

muestreo estratificado
MUESTREO DE BOLA DE
NIEVE
 Se elige una submuestra por alguno de
los métodos anteriores

 Se pide a sus componentes que elijan a

otros a partir de unas condiciones
Calculo del tamaño de la
muestra
 Fórmula para el cálculo del tamaño de la muestra
cuando lo que se estiman son medias:

z = % de fiabilidad deseado para la media muestral

(valor estandarizado)
e = error máximo permitido para la media muestral
s2 = varianza de la población.
N = Tamaño de la población.
GRACIAS
