estadistica basica

Views:
 
Category: Education
     
 

Presentation Description

describe los conceptos basicos de la estadistica

Comments

Presentation Transcript

Slide 1: 

2008 ARITMETICA ESTADISTICA

Slide 2: 

Dedicatoria En este mes me toco publicar el tema de ESTADISTICA en la fecha adecuada .Obviamente en el mes de septiembre .con buenos resultados ,pese que seria razonable mi examen mensual .Sin mas preámbulos comienzo el tema …. Gracias al profesor JUAN CHAUCA

“Año de las Cumbres Mundiales ” : 

“Año de las Cumbres Mundiales ” AREA: ARITMETICA PROFESOR :Juan Chauca ASIGNACION : ESTADISTICA ALUMNA :Cordero Paniagua , Vianey GRADO Y SECCION :5º “C” I.E.P : ALFONSO UGARTE TURNO :MAÑANA FRECUENCIA :VIERNES DIRECTORA : Tello Casafranca Fecha de entrega :26/09/08

ÍNDICE : 

ÍNDICE Etimología ……………………………5 Orígenes en Probabilidad ………….6 Conceptos Básicos …………………..7 Poblacion……………………………8 Muestra ……………………………..9 Muestreo …………………………..10 Variables y Atributos …………….11 Censo ………………………………..14 Estadísticas Primarias …………...22 Clasificación de Datos …………...23 Técnicas Estadísticas …………….25 Disciplinas especializadas ……….26 Computación estadística ………...28 Criticas a la Estadista …………..29 Análisis de la estadística ……….30 Ejercicios Resueltos ……………..32

Etimología : 

Etimología La palabra "estadística" procede del latín statisticum collegium ("consejo de Estado") y de su derivado italiano statista ("hombre de Estado" o "político"). El término alemán Statistik, que fue primeramente introducido por Gottfried Achenwall (1749), designaba originalmente el análisis de datos del Estado, es decir, "la ciencia del Estado" (también llamada "aritmética política" de su traducción directa del inglés). No fue hasta el siglo XIX cuando el término estadística adquirió el significado de recolectar y clasificar datos. Este concepto fue introducido por el inglés John Sinclair. En su origen, por tanto, la estadística estuvo asociada a datos, a ser utilizados por el gobierno y cuerpos administrativos (a menudo centralizados). La colección de datos acerca de estados y localidades continúa ampliamente a través de los servicios de estadística nacionales e internacionales. En particular, los censos suministran información regular acerca de la población. Desde los comienzos de la civilización han existido formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el número de personas, animales o ciertas cosas. Hacia el año 3000 a. C. los babilónicos usaban ya pequeñas tablillas de arcilla para recopilar datos en tablas sobre la producción agrícola y de los géneros vendidos o cambiados mediante trueque. Los egipcios analizaban los datos de la población y la renta del país mucho antes de construir las pirámides en el siglo XI a. C. Los libros bíblicos de Números y Crónicas incluyen, en algunas partes, trabajos de estadística. El primero contiene dos censos de la población de Israel y el segundo describe el bienestar material de las diversas tribus judías. En China existían registros numéricos similares con anterioridad al año 2000 a. C. Los griegos clásicos realizaban censos cuya información se utilizaba hacia el 594 a. C. para cobrar impuestos.

Orígenes en probabilidad : 

Orígenes en probabilidad Los métodos estadístico matemáticos emergieron desde la teoría de probabilidad, la cual data desde la correspondencia ciertamente entre Pierre de Fermat y Blaise Pascal (1654). Christian Huygens (1657) da el primer tratamiento científico que se conoce a la materia. El Ars Conjectandi (póstumo, 1713) de Jakob Bernoulli y la Doctrina de Posibilidades (1718) de Abraham de Moivre estudiaron la materia como una rama de las matemáticas.1 En la era moderna, el trabajo de Kolmogórov ha sido un pilar en la formulación del modelo fundamental de la Teoría de Probabilidades, el cual es usado a través de la estadística. La teoría de errores se puede remontar a la Opera Miscellanea (póstuma, 1722) de Roger Cotes y al trabajo preparado por Thomas Simpson en 1755 (impreso en 1756) el cual aplica por primera vez la teoría de la discusión de errores de observación. La reimpresión (1757) de este trabajo incluye el axioma de que errores positivos y negativos son igualmente probables y que hay unos ciertos límites asignables dentro de los cuales se encuentran todos los errores; se describen errores continuos y una curva de probabilidad. Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para la combinación de observaciones desde los principios de la teoría de probabilidades. Laplace representó la ley de probabilidades de errores mediante una curva y dedujo una formula para la media de tres observaciones. También, en 1871, obtiene la formula para la ley de facilidad del error (término introducido por Lagrange, 1744) pero con ecuaciones inmanejables. Daniel Bernoulli (1778) introduce el principio del máximo producto de las probabilidades de un sistema de errores concurrentes

Conceptos Básicos : 

Conceptos Básicos La estadística es comúnmente considerada como una colección de hechos numéricos expresados en términos de una relación sumisa, y que han sido recopilado a partir de otros datos numéricos Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la estadística como un valor resumido, calculado, como base en una muestra de observaciones que generalmente, aunque no por necesidad, se considera como una estimación de parámetro de determinada población; es decir, una función de valores de muestra. "La estadística es una técnica especial apta para el estudio cuantitativo de los fenómenos de masa o colectivo, cuya mediación requiere una masa de observaciones de otros fenómenos más simples llamados individuales o particulares". (Gini, 1953.Murria R. Spiegel, (1991) dice: "La estadística estudia los métodos científicos para recoger, organizar, resumir y analizar datos, a sí como para sacar conclusiones válidas y tomar decisiones razonables basadas en tal análisis. "La estadística es la ciencia que trata de la recolección, clasificación y presentación de los hechos sujetos a una apreciación numérica como base a la explicación, descripción y comparación de los fenómenos". (Yale y Kendal, 1954). Cualquiera sea el punto de vista, lo fundamental es la importancia científica que tiene la estadística, debido al gran campo de aplicación que posee.

Población: : 

Población: El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal. Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan características comunes. "Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales intentamos sacar conclusiones". Levin & Rubin (1996). "Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974). Ejemplo: Los miembros del Colegio de Ingenieros del Estado Cojedes. El tamaño que tiene una población es un factor de suma importancia en el proceso de investigación estadística, y este tamaño vienen dado por el número de elementos que constituyen la población, según el número de elementos la población puede ser finita o infinita. Cuando el número de elementos que integra la población es muy grande, se puede considerar a esta como una población infinita, por ejemplo; el conjunto de todos los números positivos. Una población finita es aquella que está formada por un limitado número de elementos, por ejemplo; el número de estudiante del Núcleo San Carlos de la Universidad Nacional Experimental Simón Rodríguez. Cuando la población es muy grande, es obvio que la observación de todos los elementos se dificulte en cuanto al trabajo, tiempo y costos necesario para hacerlo. Para solucionar este inconveniente se utiliza una muestra estadística. Es a menudo imposible o poco práctico observar la totalidad de los individuos, sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado población o universo, se examina una pequeña parte del grupo llamada muestra.

Muestra: : 

Muestra: "Se llama muestra a una parte de la población a estudiar que sirve para representarla". Murria R. Spiegel (1991). "Una muestra es una colección de algunos elementos de la población, pero no de todos". Levin & Rubin (1996). "Una muestra debe ser definida en base de la población determinada, y las conclusiones que se obtengan de dicha muestra solo podrán referirse a la población en referencia", Cadenas (1974). Ejemplo; El estudio realizado a 50 miembros del Colegio de Ingenieros del Estado Cojedes. El estudio de muestras es más sencillo que el estudio de la población completa; cuesta menos y lleva menos tiempo. Por último se aprobado que el examen de una población entera todavía permite la aceptación de elementos defectuosos, por tanto, en algunos casos, el muestreo puede elevar el nivel de calidad. Una muestra representativa contiene las características relevantes de la población en las mismas proporciones que están incluidas en tal población. Los expertos en estadística recogen datos de una muestra. Utilizan esta información para hacer referencias sobre la población que está representada por la muestra. En consecuencia muestra y población son conceptos relativos. Una población es un todo y una muestra es una fracción o segmento de ese todo.

Muestreo: : 

Muestreo: Esto no es más que el procedimiento empleado para obtener una o más muestras de una población; el muestreo es una técnica que sirve para obtener una o más muestras de población. Este se realiza una vez que se ha establecido un marco muestral representativo de la población, se procede a la selección de los elementos de la muestra aunque hay muchos diseños de la muestra. Al tomar varias muestras de una población, las estadísticas que calculamos para cada muestra no necesariamente serían iguales, y lo más probable es que variaran de una muestra a otra. Ejemplo; Consideremos como una población a los estudiantes de educación del Núcleo San Carlos de la UNESR, determinando por lo menos dos caracteres ser estudiados en dicha población; *Religión de los estudiantes *Sexo.

Tipos de muestreo. : 

Tipos de muestreo. Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el muestreo aleatorio o de probabilidad. En este último todos los elementos de la población tienen la oportunidad de ser escogidos en la muestra. Una muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la población. Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir como tomar una muestra aleatoria más adelante. Las muestras de juicio evitan el análisis estadístico necesarios para hacer muestras de probabilidad. Variables y Atributos: Las variables, también suelen ser llamados caracteres cuantitativos, son aquellos que pueden ser expresados mediante números. Son caracteres susceptibles de medición. Como por ejemplo, la estatura, el peso, el salario, la edad, etc. Según, Murray R. Spiegel, (1992) "una variable es un símbolo, tal como X, Y, Hx, que puede tomar un valor cualquiera de un conjunto determinado de ellos, llamado dominio de la variable. Si la variable puede tomar solamente un valor, se llama constante." Todos los elementos de la población poseen los mismos tipos de caracteres, pero como estos en general no suelen representarse con la misma intensidad, es obvio que las variables toman distintos valores. Por lo tanto estos distintos números o medidas que toman los caracteres son los "valores de la variable". Todos ellos juntos constituyen una variable. Los atributos también llamados caracteres cualitativos, son aquellos que no son susceptibles de medición, es decir que no se pueden expresar mediante un número. IUTIN (1997). "Reciben el nombre de variables cualitativas o atributos, aquellas características que pueden presentarse en individuos que constituyen un conjunto. La forma de expresar los atributos es mediante palabras, por ejemplo; profesión, estado civil, sexo, nacionalidad, etc. Puede notar que los atributos no se presentan en la misma forma en todos los elementos. Estas distintas formas en que se presentan los atributos reciben el nombre de "modalidades". Ejemplo; El estado civil de cada uno de los estudiantes del curso de estadísticas I, no se presenta en la misma modalidad en todos

Formas de Observar la Población: : 

Formas de Observar la Población: 1. Atendiendo a la fuente se clasifican en directa o indirecta. Observación directa: es aquella donde se tienen un contacto directo con los elementos o caracteres en los cuales se presenta el fenómeno que se pretende investigar, y los resultados obtenidos se consideran datos estadísticos originales. Para Ernesto Rivas González (1997) "Investigación directa, es aquella en que el investigador observa directamente los casos o individuos en los cuales se produce el fenómeno, entrando en contacto con ellos; sus resultados se consideran datos estadísticos originales, por esto se llama también a esta investigación primaria". Ejemplo; el seguimiento de la población agrícola por año, llevado en una determinada granja. Observación Indirecta: es aquella donde la persona que investiga hace uso de datos estadísticos ya conocidos en una investigación anterior, o de datos observados por un tercero (persona o entidad). Con el fin de deducir otros hechos o fenómenos. Ejemplo; si un investigador pretende estudiar la producción por años de una granja avícola, en sus últimos cinco años de producción, tendría que hacer un seguimiento, a tal fin recurriría a las observaciones que posee la oficina administrativa de la granja durante estos cinco años, o dirigirse a la oficina de estadística, llevada en el ministerio de producción y comercio (M.P.C) de la localidad donde está registrada dicha granja. Es de notar que el investigador se vale de observaciones realizadas por terceros. 2. Atendiendo a la periodicidad, puede ser continua, periódica o circunstancial. Una observación continua; como su nombre lo indica es aquella que se lleva acabo de un modo permanente. Ejemplo: la contabilidad comercial, llevada en cuanto a compras, ventas y otras operaciones que se van registrando a medida que van produciéndose. Una observación periódica; es aquélla que se lleva a cabo a través de períodos de tiempo constantes. Estos períodos de tiempos pueden ser semanas, trimestres, semestres, años, etc. Lo que debemos destacar es que los períodos de tiempo tomados como unidad deben tomarse constantes en los posible. Ejemplo; el registro llevado por la Oficinas de Control de Estudios de la UNESR, en cuanto a la inscripción de los estudiantes por semestre. La observación circunstancial, es aquella que se efectúa en forma ocasional o esporádica, esta observación hecha más por una necesidad momentánea, que de carácter regular o permanente. Ejemplo; la obtención de números de aulas utilizadas y no utilizadas en los colegios pertenecientes al municipio San Carlos del Estado Cojedes.

3. Atendiendo a la cobertura; pueden ser exhaustiva, parcial o mixta : 

3. Atendiendo a la cobertura; pueden ser exhaustiva, parcial o mixta Observación Exhaustiva. Cuando la observación es efectuada sobre la totalidad de los elementos de la población se habla de una observación exhaustiva. Observación Parcial. Dados que las poblaciones en general son grandes, la observación de todos sus elementos se ve imposibilitada. La solución para superar este inconveniente es observar una parte de esta población. Observación Mixta. En este tipo de observación se combinan adecuadamente la observación exhaustiva con la observación parcial. Por lo general, este tipo de observaciones se lleva a cabo de tal manera que los caracteres que se consideran básicos se observan exhaustivamente y los otros mediante una muestra; o bien cuando la población es muy grande, parte de ella se observa parcialmente.

Censo: : 

Censo: Se entiende por censo aquella numeración que se efectúa a todos y cada uno de los caracteres componentes de una población. Para Levin & Rubin (1996) "Algunas veces es posible y práctico examinar a cada persona o elemento de la población que deseamos describir. A esto lo llamamos una numeración completa o censo. Utilizamos el muestre cuando no es posible contar o medir todos los elementos de la población. Si es posible listar (o enumerar) y observar cada elemento de la población, los censos se utilizan rara vez porque a menudo su compilación es bastante difícil, consume mucho tiempo por lo que resulta demasiado costoso Encuesta: Se entiende por encuesta las observaciones realizadas por muestreo, es decir son observaciones parciales. El diseño de encuestas es exclusivo de las ciencias sociales y parte de la premisa de que si queremos conocer algo sobre el comportamiento de las personas, lo mejor, más directo y simple es preguntárselo directamente a ellas. (Cadenas, 1974). Según Antonio Napolitano "La encuesta, es un método mediante el cual se quiere averiguar. Se efectúa a través de cuestionarios verbales o escritos que son aplicados a un gran número de personas".

Estadística Descriptiva: : 

Estadística Descriptiva: Tienen por objeto fundamental describir y analizar las características de un conjunto de datos, obteniéndose de esa manera conclusiones sobre las características de dicho conjunto y sobre las relaciones existentes con otras poblaciones, a fin de compararlas. No obstante puede no solo referirse a la observación de todos los elementos de una población (observación exhaustiva) sino también a la descripción de los elementos de una muestra (observación parcial). En relación a la estadística descriptiva, Ernesto Rivas Gonzáles dice; "Para el estudio de estas muestras, la estadística descriptiva nos provee de todos sus medidas; medidas que cuando quieran ser aplicadas al universo total, no tendrán la misma exactitud que tienen para la muestra, es decir al estimarse para el universo vendrá dada con cierto margen de error; esto significa que el valor de la medida calculada para la muestra, en el oscilará dentro de cierto límite de confianza, que casi siempre es de un 95 a 99% de los casos Estadística Inductiva Está fundamentada en los resultados obtenidos del análisis de una muestra de población, con el fin de inducir o inferir el comportamiento o característica de la población, de donde procede, por lo que recibe también el nombre de Inferencia estadística. Según Berenson y Levine; Estadística Inferencial son procedimientos estadísticos que sirven para deducir o inferir algo acerca de un conjunto de datos numéricos (población), seleccionando un grupo menor de ellos (muestra). El objetivo de la inferencia en investigación científica y tecnológica radica en conocer clases numerosas de objetos, personas o eventos a partir de otras relativamente pequeñas compuestas por los mismos elementos. En relación a la estadística descriptiva y la inferencial, Levin & Rubin (1996) citan los siguientes ejemplos para ayudar a entender la diferencia entre las dos.

Medición de Caracteres : 

Medición de Caracteres Medición Existen diversas definiciones del termino "medición", pero estas dependen de los diferentes puntos de vista que se puedan tener al abordar el problema de la cuantificación y el proceso mismo de la construcción de una escala o instrumento de medición. En general, se entiende por medición la asignación de números a elementos u objetos para representar o cuantificar una propiedad. El problema básico está dado por la asignación un numeral que represente la magnitud de la característica que queremos medir y que dicho números pueden analizarse por manipulaciones de acuerdo a ciertas reglas. Por medio de la medición, los atributos de nuestras percepciones se transforman en entidades conocidas y manejables llamadas "números". Es evidente que el mundo resultaría caótico si no pudiéramos medir nada. En este caso cabría preguntarse de que le serviría la físico saber que el hierro tiene una alta temperatura de fusión

Niveles o Escalas de mediciones : 

Niveles o Escalas de mediciones Escala Nominal: La escala de medida nominal, puede considerarse la escala de nivel más bajo, y consiste en la asignación, puramente arbitraria de números o símbolos a cada una de las diferentes categorías en las cuales podemos dividir el carácter que observamos, sin que puedan establecerse relaciones entre dichas categorías, a no ser el de que cada elemento pueda pertenecer a una y solo una de estas categorías. Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a la misma sean equivalentes respecto del atributo o propiedad en estudio, después de lo cual se asignan nombres a tales clases, y el hecho de que a veces, en lugar de denominaciones, se le atribuyan números, puede ser una de las razones por las cuales se le conoce como "medidas nominales". Por ejemplo, podemos estar interesados en clasificar los estudiantes de la UNESR Núcleo San Carlos de acuerdos a la carrera que cursan.

Escala Ordinal: : 

Escala Ordinal: En caso de que puedan detectarse diversos grados de un atributo o propiedad de un objeto, la medida ordinal es la indicada, puesto que entonces puede recurrirse a la propiedad de "orden" de los números asignándolo a los objetos en estudio de modo que, si la cifra asignada al objeto A es mayor que la de B, puede inferirse que A posee un mayor grado de atributo que B. La asignación de números a las distintas categorías no puede ser completamente arbitraria, debe hacerse atendiendo al orden existente entre éstas. Los caracteres que posee una escala de medida ordinal permiten, por el hecho mismo de poder ordenar todas sus categorías, el cálculo de las medidas estadísticas de posición, como por ejemplo la mediana. Ejemplo: Al asignar un número a los pacientes de una consulta médica, según el orden de llegada, estamos llevando una escala ordinal, es decir que al primero en llegar ordinal, es decir que al primeo en llegar le asignamos el nº 1, al siguiente el nº 2 y así sucesivamente, de esta forma, cada número representará una categoría en general, con un solo elemento y se puede establecer relaciones entre ellas, ya que los números asignados guardan la misma relación que el orden de llegada a la consulta. Escalas de intervalos iguales: la escala de intervalos iguales, está caracterizada por una unidad de medida común y constante que asigna un número igual al número de unidades equivalentes a la de la magnitud que posea el elemento observado. Es importante destacar que el punto cero en las escalas de intervalos iguales es arbitrario, y no refleja en ningún momento ausencia de la magnitud que estamos midiendo. Esta escala, además de poseer las características de la escala ordinal, encontramos que la asignación de los números a los elemento es tan precisa que podemos determinar la magnitud de los intervalos (distancia) entre todos los elementos de la escala. Sin lugar a dudas, podemos decir que la escala de intervalos es la primera escala verdaderamente cuantitativa y a los caracteres que posean esta escala de medida pueden calculársele todas las medidas estadísticas a excepción del coeficiente de variación. Ejemplo: El lapso transcurrido entre 1998-1999 es igual al que transcurrió entre 2000-2001.

Escala de coeficientes o Razones : 

Escala de coeficientes o Razones El nivel de medida más elevado es el de cocientes o razones, y se diferencia de las escalas de intervalos iguales únicamente por poseer un punto cero propio como origen; es decir que el valor cero de esta escala significa ausencia de la magnitud que estamos midiendo. Si se observa una carencia total de propiedad, se dispone de una unidad de medida para el efecto. A iguales diferencias entre los números asignados corresponden iguales diferencias en el grado de atributo presente en el objeto de estudio. Además, siendo que cero ya no es arbitrario, sino un valor absoluto, podemos decir que A. Tiene dos, tres o cuatro veces la magnitud de la propiedad presente en B. Ejemplo: En una encuesta realizada en un barrio de esta localidad se observó que hay familias que no tienen hijos, otras tienen 6 hijos que es exactamente el doble de hijos que aquellas que tienen 3 hijos.

Las variables y su medición: : 

Las variables y su medición: Una variable es un símbolo, tal como X, Y, H, x ó B, que pueden tomar un conjunto prefijado de valores, llamado dominio de esa variable. Para Murray R. Spiegel (1991) "una variable que puede tomar cualquier valor entre dos valores dados se dice que es una variable continua en caso contrario diremos que la variable es discreta". Las variables, también llamadas caracteres cuantitativos, son aquellas cuyas variaciones son susceptibles de ser medidas cuantitativamente, es decir, que pueden expresar numéricamente la magnitud de dichas variaciones. Por intuición y por experiencia sabemos que pueden distinguirse dos tipos de variables; las continuas y las discretas Las variables continuas se caracterizan por el hecho de que para todo para de valores siempre se puede encontrar en valor intermedio, (el peso, la estatura, el tiempo empleado para realizar un trabajo, etc.) Una variable es continua, cuando puede tomar infinitos valores intermedios dentro de dos valores consecutivos. Por ejemplo, la estatura, el peso, la temperatura.

Ejemplo:En el preescolar Blanca de Pérez, ubicado en la urbanización Monseñor Padilla de esta ciudad se procedió a recoger las medidas de talla y peso de los niños que a este asisten.Niño Peso TallaJosé 18,300 1,15Julio 20,500 1,20Pedro 19,000 1,10Luis 18,750 1,18 : 

Ejemplo:En el preescolar Blanca de Pérez, ubicado en la urbanización Monseñor Padilla de esta ciudad se procedió a recoger las medidas de talla y peso de los niños que a este asisten.Niño Peso TallaJosé 18,300 1,15Julio 20,500 1,20Pedro 19,000 1,10Luis 18,750 1,18 Las variables discretas serán aquellas que pueden tomar solo un número limitado de valores separados y no continuos; son aquellas que solo toman un determinado números de valores, porque entre dos valores consecutivos no pueden tomar ningún otro; por ejemplo el número de estudiantes de una clase es una variable discreta ya que solo tomará los valores 1, 2, 3, 4... nótese que no encontramos valor como 1,5 estudiantes

Estadísticas Primarias: : 

Estadísticas Primarias: Datos Estadísticos : Los datos estadísticos no son otra cosa que el producto de las observaciones efectuadas en las personas y objetos en los cuales se produce el fenómeno que queremos estudiar. Dicho en otras palabras, son los antecedentes (en cifras) necesarios para llegar al conocimiento de un hecho o para reducir las consecuencias de este . Ejemplo: Si se quiere conocer las características de los estudiantes del Núcleo San Carlos de la UNESR, que solicitan préstamo a la biblioteca de dicha Universidad, la recolección de la información debe clasificar a cada estudiante sobre la base de: Carrera que estudia, edad, semestre de estudios, etc. Vemos pues que la clasificación marca la pauta de la clase de datos que debe ser obtenido

Clasificación de los datos : 

Clasificación de los datos Los datos estadísticos pueden ser clasificados en cualitativos, cuantitativos, cronológicos y geográficos Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos es de clase y no de cantidad. Ejemplo: Si deseamos clasificar los estudiantes que cursan la materia de estadística I por su estado civil, observamos que pueden existir solteros, casados, divorciados, viudos. Datos cronológicos : cuando los valores de los datos varían en diferentes instantes o períodos de tiempo, los datos son reconocidos como cronológicos. Ejemplo: Al registrar los promedios de notas de los Alumnos del Núcleo San Carlos de la UNESR en los diferentes semestres Datos geográficos :cuando los datos están referidos a una localidad geográfica se dicen que son datos geográficos. Ejemplo El número de estudiantes de educación superior en las distintas regiones del país.

Fuentes de datos Estadísticos: : 

Fuentes de datos Estadísticos: Los datos estadísticos necesarios para la comprensión de los hechos pueden obtenerse a través de fuentes primarias y fuentes secundarias. Fuentes de datos primarias: es la persona o institución que ha recolectado directamente los datos. Fuentes secundarias: son las publicaciones y trabajos hechos por personas o entidades que no han recolectado directamente la información. Las fuentes primarias más confiables, son las efectuadas por oficinas gubernamentales encargadas de tal fin. En la práctica, es aconsejable utilizar fuentes de datos primarias y en última instancia cuando estas no existan, usar estadísticas de fuentes secundarias. Con este último tipo no debemos pasar por alto que la calidad de las conclusiones estadísticas dependen en grado sumo de la exactitud de los datos que se recaben. De anda serviría usar técnicas estadísticas precisas y refinadas para llegar a conclusiones valederas, si estas técnicas no son aplicadas a datos adecuados o confiables. Cuando un investigador quiere obtener datos estadísticos relativo a un estudio que desea efectuar, puede elegir entre una fuente primaria o en su defecto, una secundaria. O recopilar los datos por sí mismo. La posibilidad mencionada en último termino podrá deberse bien a la inexistencia de los datos o bien a que esto no se encuentran discriminados en la forma requerida. Ejemplo: Si un investigador quiere conocer el número de alumnos repitientes en educación media, clasificados por ciclos, para los últimos diez años, el investigador puede usar una fuente primaria, tal como la memoria y cuenta el Ministerio de Educación cada año

Técnicas estadísticas : 

Técnicas estadísticas Algunos tests y procedimientos para investigación de observaciones bien conocidos son: Prueba t de Student Prueba chi-cuadrado Análisis de varianza (ANOVA) U de Mann-Whitney Análisis de regresión Correlación Iconografía de las correlaciones Prueba de la diferencia menos significante de Fisher Coeficiente de correlación producto momento de Pearson Coeficiente de correlación de rangos de Spearman Análisis factorial exploratorio Análisis factorial confirmatorio

Disciplinas especializadas : 

Disciplinas especializadas Algunos campos de investigación usan la estadística tan extensamente que tienen terminología especializada. Estas disciplinas incluyen: Ciencias actuariales Física estadística Estadística industrial Estadística Espacial Matematicas Estadística Estadística en Medicina Estadística en Nutrición Estadística en Agronomía Estadística en Planificación Estadística en Investigación Estadística en Derecho Estadística en Restauración de Obras Estadística en Literatura Estadística en Astronomía Estadística en la Antropología (Antropometría) Estadística Militar Geoestadística Bioestadística Estadísticas de negocios

Estadística Computacional Estadística en las ciencias de la Salud Investigación de Operaciones Estadísticas de Consultoría Estadística de la educación, la enseñanza, y la formación Estadística en la comercialización o mercadotecnia Cienciometría Estadística del Medio Ambiente Estadística en Epidemiología Minería de datos (aplica estadística y reconocimiento de patrones para el conocimiento de datos) Estadística económica (Econometría) Estadística en ingeniería Geografía y Sistemas de información geográfica, más específicamente en Análisis espacial Demografía Estadística en psicología (Psicometría) Calidad y productividad Estadísticas sociales (para todas las ciencias sociales) Cultura estadística Encuestas por muestreo Análisis de procesos y quimiometría (para análisis de datos en química analítica e ingeniería química) Confiabilidad estadística Procesamiento de imágenes Estadísticas deportivas : 

Estadística Computacional Estadística en las ciencias de la Salud Investigación de Operaciones Estadísticas de Consultoría Estadística de la educación, la enseñanza, y la formación Estadística en la comercialización o mercadotecnia Cienciometría Estadística del Medio Ambiente Estadística en Epidemiología Minería de datos (aplica estadística y reconocimiento de patrones para el conocimiento de datos) Estadística económica (Econometría) Estadística en ingeniería Geografía y Sistemas de información geográfica, más específicamente en Análisis espacial Demografía Estadística en psicología (Psicometría) Calidad y productividad Estadísticas sociales (para todas las ciencias sociales) Cultura estadística Encuestas por muestreo Análisis de procesos y quimiometría (para análisis de datos en química analítica e ingeniería química) Confiabilidad estadística Procesamiento de imágenes Estadísticas deportivas La estadística es una herramienta básica en negocios y producción. Es usada para entender la variabilidad de sistemas de medición, control de procesos (como en control estadístico de procesos o SPC (CEP)), para compilar datos y para tomar decisiones. En estas aplicaciones es una herramienta clave, y probablemente la única herramienta disponible.

Computación estadística : 

Computación estadística El rápido y sostenido incremento en el poder de cálculo de la computación desde la segunda mitad del siglo XX ha tenido un sustancial impacto en la práctica de la ciencia estadística. Viejos modelos estadísticos fueron casi siempre de la clase de los modelos lineales. Ahora, complejos computadores junto con apropiados algoritmos numéricos, han causado un renacer del interés en modelos no lineales (especialmente redes neuronales y árboles de decisión) y la creación de nuevos tipos tales como modelos lineales generalizados y modelos multinivel. El incremento en el poder computacional también ha llevado al crecimiento en popularidad de métodos intensivos computacionalmente basados en remuestreo, tales como tests de permutación y de bootstrap, mientras técnicas como el muestreo de Gibbs han hecho los métodos bayesianos más accesibles. La revolución en computadores tiene implicaciones en el futuro de la estadística, con un nuevo énfasis en estadísticas "experimentales" y "empíricas". Un gran numero de paquetes estadísticos está ahora disponible para los investigadores. Los Sistemas dinámicos y teoría del caos, desde hace una década, empezaron a interesar en la comunidad hispana, pues en la anglosajona de Estados Unidos estaba ya establecida la conducta caótica en sistemas dinámicos no lineales con 350 libros para 1997 y empezaban algunos trabajos en los campos de las Ciencias Sociales y en aplicaciones de la Física. También se estaba contemplando su uso en analítica.

Críticas a la estadística : 

Críticas a la estadística Hay una percepción general de que el conocimiento estadístico es intencionada y demasiado frecuentemente mal usado, encontrando formas de interpretar los datos que sean favorables al presentador. Un dicho famoso, al parecer de Benjamin Disraeli,2 es "Hay tres tipos de mentiras — mentiras, grandes mentiras y estadísticas". El popular libro How to Lie with Statistics ("Cómo Mentir con Estadísticas") de Darrell Huff discute muchos casos de mal uso de la estadística, con énfasis en gráficas malintencionadas. Al escoger (o rechazar o modificar) una cierta muestra, los resultados pueden ser manipulados; eliminando outliers por ejemplo. Este puede ser el resultado de fraudes o sesgos intencionales por parte del investigador. El Decano de Harvard Lawrence Lowell escribió en 1909 que las estadísticas, "como algunos pasteles, son buenas si se sabe quién las hizo y se está seguro de los ingredientes." Algunos estudios contradicen resultados obtenidos previamente, y la población comienza a dudar en la veracidad de tales estudios. Se podría leer que un estudio dice (por ejemplo) que "hacer X reduce la presión sanguínea", seguido por un estudio que dice que "hacer X no afecta la presión sanguínea", seguido por otro que dice que "hacer X incrementa la presión sanguínea". A menudo los estudios se hacen siguiendo diferentes metodologías, o estudios en muestras pequeñas que prometen resultados maravillosos que no son obtenibles en estudios de mayor tamaño. Sin embargo, muchos lectores no notan tales diferencias, y los medios de comunicación simplifican la información alrededor del estudio y la desconfianza del público comienza a crecer. Sin embargo, las críticas más fuertes vienen del hecho que la aproximación de pruebas de hipótesis, ampliamente usada en muchos casos requeridos por ley o reglamentación, obligan una hipótesis a ser 'favorecida' (la hipótesis nula), y puede también exagerar la importancia de pequeñas diferencias en estudios grandes. Una diferencia que es altamente significativa puede ser de ninguna significancia práctica. Véase también críticas de prueba de hipótesis y controversia de la hipótesis nula.

Análisis de la estadística : 

Análisis de la estadística Otra de la críticas a las estadísticas es que, en ocasiones, se hace sabiendo que el receptor no va a hacer un análisis crítico de esta (quien produjo los números, como los produjeron, que tan grande fue la muestra, etc.), y en ocasiones, no dándole la posibilidad de hacerlo, como es común que suceda en la televisión, dando estadísticas sin decir quién las produjo y en el caso de que lo hagan ningún televidente se va a preocupar por hacer un análisis crítico. Otra crítica es utilizar un nombre diferente a lo que la estadística refleja, por ejemplo, la esperanza de vida, que en realidad representa la edad promedio de quienes se murieron el último año de una causa no violenta.

Estadísticos famosos : 

Estadísticos famosos Thomas Bayes Pafnuti Chebyshov George Dantzig René Descartes W. Edwards Deming Sir Ronald Fisher Sir Francis Galton Carl Friedrich Gauss William Sealy Gosset Andréi Kolmogórov Abraham De Moivre Sir Isaac Newton Jerzy Neyman Florence Nightingale Blaise Pascal Karl Pearson Adolphe Quetelet Walter A. Shewhart Charles Spearman John Tukey

Ejercicios Resueltos de Estadística:(Cálculo de Probabilidades) : 

Ejercicios Resueltos de Estadística:(Cálculo de Probabilidades) 1. Se lanzan 20 monedas en las que la probabilidad de cara es de 0,6. Calcular cual es el número mas probable de caras y qué probabilidad hay de que salga dicho número. SOLUCIÓN: El número de caras obtenido al lanzar 20 monedas es una variable aleatoria con distribución binomial de parámetros B(20;0,6). El número mas probable de caras es 20 ⋅ 0,6 − 0,4 ≤ m ≤ 20 ⋅ 0,6 + 0,6 ⇒ 11,6 ≤ m ≤ 12,6 . Luego el número mas probable de caras es 12, y la probabilidad de 12 caras es: P (X=12)=(20/12).0,6(ELEVADO A LA 12 ).0,48elevado a la 8 )=20!/12!..8!.0,0022.0,0007=0.0202 2. Sabiendo que P (A n B) = 0,6)y que la de la P (A n B =0,2), se pide calcular la probabilidad de A. SOLUCIÓN: P (A)= P[(A n B) U (A n B )]= P (A n B) + P (A n B )=0,6+0,2=0,8

3. Supongamos que las cotizaciones de las acciones de Telefónica y Sniace son variablesaleatorias independientes, y que la probabilidad de que un día cualquiera suban es del70% para ambas. ¿Cuál es la probabilidad de que un día suba sólo una de ellas?SOLUCIÓN:Sea p1 la probabilidad de que suba Telefónica y p2 la de que suba Sniace. La probabilidad deque solo suba una de ellas será:p1 (1 - p2) + (1 – p1) p2 = 0,7 0,3 + 0,3 0,7 = 0,21 + 0,21 = 0,42 : 

3. Supongamos que las cotizaciones de las acciones de Telefónica y Sniace son variablesaleatorias independientes, y que la probabilidad de que un día cualquiera suban es del70% para ambas. ¿Cuál es la probabilidad de que un día suba sólo una de ellas?SOLUCIÓN:Sea p1 la probabilidad de que suba Telefónica y p2 la de que suba Sniace. La probabilidad deque solo suba una de ellas será:p1 (1 - p2) + (1 – p1) p2 = 0,7 0,3 + 0,3 0,7 = 0,21 + 0,21 = 0,42

BIBLIOGRAFIA : 

BIBLIOGRAFIA thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-indice.html - 4k – www.hrc.es/bioest/estadis_1.html - 10k ciberconta.unizar.es/docencia/estadistica/ - 33k www.juntadeandalucia.es/averroes/iesarroyo/.../ www.elosiodelosantos.com/sergiman/index.html - 37k www.vitutor.com/estadistica/descriptiva/a_a.html - 29k www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm - 14k ciberconta.unizar.es/docencia/estadistica/ - 33k

authorStream Live Help