UNIVERSIDAD AUTONOMA DE NUEVO LEON

FACULTAD DE CIENCIAS BIOLOGICAS

BIOESTADSTICA
POR: Dr Abraham Octavio Rdz de la Fuente

Datos generales
Horas aula-teora y/o
prctica, totales:
Horas extra aula, totales:
Modalidad:
Tipo de periodo
acadmico:
Tipo de Unidad de
aprendizaje:
rea Curricular:
Crditos UANL:

72
18
Escolarizada
2 Semestre
Obligatoria
ACFBP
3

BREVE HISTORIA DE LA ESTADSTICA

Hacia el ao 3.000 a.C. los babilonios usaban ya pequeas tablillas de
arcilla para recopilar datos en tablas sobre la produccin agrcola y los
gneros vendidos o cambiados mediante trueque.
En la Biblia observamos en uno de los libros del Pentateuco, bajo el
nombre de Nmeros, el censo que realiz Moiss despus de la salida
de Egipto. En el libro bblico Crnicas describe el bienestar material de
las diversas tribus judas.
La palabra estadstica es de origen italiano. Se deriva de la palabra
stato, Estado, y de statista, que es un hombre que se dedica a los
asuntos del Estado. El significado original de estadstica era
entonces, una coleccin de hechos de inters para un hombre de
Estado.
La mayora de las civilizaciones antiguas recogan datos sobre los
impuestos recaudados, el nmero de soldados reclutados, baja de
batallas, censos, etc.
John Graunt (1623-1674) fue el primero en realizar tablas de
mortalidad y estudios demogrficos.

Breve Historia
La estadstica moderna surge de la confluencia de dos disciplinas que
evolucionaron de manera independiente: la aritmtica de estado
(estadsticas) y el clculo de probabilidades. A la teora de la probabilidad
contribuyeron entre otros los franceses Blaise Pascal (1623-1662), Pierre
Fermant (1601-1665) y el suizo Jacques Bernoulli. Abraham de Moivre (16671754) combin la estadstica con la teora de la probabilidad.
El Belga , Adolph Quetelet (1976-1894), fue el primero en aplicar mtodos
modernos a conjuntos de datos y se le considera el padre de la estadstica
moderna por su insistencia en la importancia de aplicar mtodos estadsticos.

Francis Galton (1822-1911) se interes en el estudio de la herencia y su

principal contribucin fue el desarrollar mtodos como la regresin y la
correlacin. Karl Pearson (1857-1936) descubri en 1900 uno de los
mtodos ms importantes en la estadstica La distribucin Ji cuadrada y
sent las bases para gran parte de la estadstica descriptiva y de correlacin.

En el siglo XX Williams S. Gosset (1876-1937) quien escriba bajo el

pseudnimo de Student dedujo la distribucin t en el campo de la
teora de las pequeas muestras.
Ronald A. Fisher (1890-1962) desarroll la distribucin F y fue la figura
dominante del siglo XX, se desarroll en los campos de la biologa, gentica
y agricultura, pero sus contribuciones crearon gran impacto en todas las
aplicaciones de la estadstica. Se considera el padre del Diseo
Experimental. A la lista de los pioneros de su uso hay que aadir los de
Frank Yates, W.G. Cochran y G. E.P. Box,

MOMENTOS
IMPORTANTES
EN LA HISTORIA
DE LA
ESTADSTICA

Algunas razones para estudiar la estadstica

a)
b)

Estamos rodeados de datos por todas partes.

Las tcnicas estadsticas se usan para tomar decisiones en
muchos de los aspectos que afectan nuestra vida.
c) El conocimiento de los mtodos estadsticos ayuda a tomar
decisiones con mayor efectividad.
La Estadstica puede dar respuesta a muchas de las necesidades que
la sociedad actual nos plantea. Su tarea fundamental es la
reduccin de datos, con el objetivo de representar la realidad y
transformarla, predecir su futuro o simplemente conocerla.
El pensamiento estadstico ser algn da tan necesario para el
ciudadano competente como la habilidad de leer y escribir.
H.G. Wells.

Etapa I. Estadstica Descriptiva y Probabilidad

Analizar conjuntos de datos por medio de mtodos de estadstica descriptiva para
conocer caractersticas de muestras o poblaciones de origen biolgico.
Reconocer las leyes y teoras de probabilidad en la solucin de problemas estructurados
para evaluar un evento probabilstico.

Evidencia 1. Reporte de problemas de casos en su rea de competencia empleando

estadstica descriptiva y probabilidad
Valor: 6%
Evidencia 2 Exposicin de la prctica de laboratorio de estadstica descriptiva.
Valor: 4%
Producto Parcial de Aprendizaje (PPA) Reporte de investigacin de la obtencin de una
muestra y su anlisis estadstico descriptivo como parte del producto integrador.
Valor: 10%
Primer Examen Parcial
Segundo Examen Parcial

Valor: 5%
Valor: 5%
Total = 30%

Etapa 2. Distribuciones de Probabilidad, Distribuciones Muestrales y Estimacin.

Diferenciar las distribuciones de probabilidad en la solucin de problemas que involucran
tanto variables continuas como discretas del rea de su competencia para evaluar eventos
probabilsticos.
Identificar las distribuciones muestrales de los diferentes parmetros poblacionales a partir de
muestras extradas aleatoriamente de una poblacin para entender las bases de la estadstica
inferencial.
Estimar los valores de los parmetros poblacionales a partir de sus respectivos estadsticos
muestrales con la finalidad de comprender las bases de la estadstica inferencial.
Evidencia 3 Reporte de la solucin de problemas de distribuciones de probabilidad,
distribuciones muestrales y estimacin.
Valor: 6%
Evidencia 4 Exposicin de la prctica de laboratorio de distribuciones de probabilidad,
distribuciones muestrales y estimacin.
Valor: 4%
Producto Parcial de Aprendizaje (PPA) Reporte de investigacin de la estimacin de
parmetros poblacionales, utilizando los datos obtenidos en la primera etapa, que
formar parte del producto integrador .
Valor: 10%
Primer Examen Parcial
Segundo Examen Parcial

Valor: 5%
Valor: 5%
Total = 30%

Etapa 3. Ensayos de Hiptesis, Regresin y Correlacin Lineal.

Aplicar las diferentes distribuciones de probabilidad en ensayos de hiptesis que le
ayudaran a realizar inferencias sobre una poblacin a partir de muestras extradas de la
misma, en situaciones que suceden en el campo de su competencia..
Aplicar los modelos de Regresin y Correlacin lineal en situaciones que suceden en el
campo de su competencia con la finalidad de predecir y explicar la asociacin entre dos
variables de una poblacin.
Evidencia 5 Reporte de solucin de problemas de ensayos de hiptesis,
regresin y correlacin lineal simple.

Valor: 6%

Evidencia 6 Exposicin de la prctica de laboratorio de ensayos de hiptesis,

regresin y correlacin lineal.
Valor: 4%
Producto Parcial de Aprendizaje (PPA) Reporte de investigacin de la
aplicacin de la estadstica inferencial en los conjuntos de datos obtenidos
en la primera etapa. Este formara parte del PIA..
Valor: 20%
Cuarto

Examen Parcial

Sexto

Examen Parcial

Valor: 5%
Valor: 5%
Total = 40%

DEFINICIN DE ESTADSTICA

La estadstica es una rama de las matemticas cuya

funcin principal es proporcionar principios y
mtodos para reunir, organizar, analizar e
interpretar informacin.
Es adems una disciplina que permite llegar a
conclusiones vlidas y tomar decisiones
acertadas en la solucin de problemas y en el
diseo de experimentos. La estadstica se divide
en dos ramas, como se muestra a continuacin.

DESCRIPTIVA

Organiza y resume
la informacin

ESTADSTICA
INFERENCIAL

ESTADSTICA
DESCRIPTIVA

Analiza e interpreta la
informacin para llegar a
conclusiones.

Describe conjuntos de datos a travs de:

Tablas de distribucin de frecuencias
Grficas
Medidas de tendencia central
Medidas de dispersin
Cuartiles
Percentiles
Sesgo
Curtosis

Conceptos bsicos
Poblacin. Es el conjunto o coleccin total de elementos acerca de los
cuales deseamos conocer alguna o varias caractersticas.
Muestra. Es un subconjunto de la poblacin de inters.
Unidad de observacin: Es cada uno de los elementos en donde hacemos
las observaciones.
Variable. Es una caracterstica de personas, animales, plantas o cosas y
que pueden tomar diferentes valores. Pueden ser cualitativas o
cuantitativas
Dato. Es cada uno de los valores que puede tomar una variable.
Medicin. Asignar valores numricos a las variables.
Estadstico. Es un valor numrico que describe una caracterstica de la
muestra.
Parmetro. Es un valor numrico que describe una caracterstica de la
poblacin.

CUALITATIVAS

DISCRETAS
DISCRETAS

VARIABLES
CUANTITATIVAS

CONTINUAS

Las variables son de dos tipos: a) cualitativas o de

atributos, son variables discretas ya que no pueden tomar
cualquier valor entre dos valores dados, por ej., sexo de
las personas y b) cuantitativas, pueden subdividirse en
discretas y continuas. Las cuantitativas discretas no
pueden tomar cualquier valor entre dos valores dados por
ej., el nmero de glbulos blancos en una rata (no hay
fracciones de glbulos blancos). Las cuantitativas
continuas si pueden tomar cualquier valor entre dos
valores dados, por ej., temperatura corporal de las ratas
(el valor puede ser una fraccin, por ejemplo 36.7 C)

Intervalo
(No hay cero
verdadero en su
origen)
Cuantitativas
Proporcin
(Hay un verdadero
cero en su origen)

Variables

Cualitativas

Nominal
(se forman categoras
No hay un orden)
Ordinal
(se forman categoras
se pueden ordenar)

Tipos de variables y sus niveles de medicin

Escalas utilizadas para la medicin:

a)
Escala nominal.- Es la escala de medicin ms baja, puede
designarse por nombres o atributos y consiste en clasificar los datos
en categoras. Son observaciones que sirven solo para identificar el
fenmeno, son arbitrarias y no tienen orden, sentido ni magnitud, por
ejemplo: clasificacin de personas por categoras, como el sexo, color
de los ojos, estado civil, xito y fracaso, etc... Con estos nmeros
podemos determinar, el nmero, fraccin o tanto por ciento de los
casos. Usted puede contar o enumerar datos nominales pero no podr
ordenarlos ni cuantificarlos.
b)
Escala ordinal.- Consiste en clasificar los datos en categoras
y ordenarlos o graduarlos. Son mediciones que reflejan de manera
aproximada el grado de intensidad de las propiedades de un fenmeno
de tal manera que permite agruparlos de mayor a menor o viceversa,
por ejemplo: la intensidad del dolor lo podemos clasificar en 0= no hay
dolor; 1= leve; 2= moderado; 3=intenso. Algunas otras caractersticas
por ej. los resultados de una prueba qumica se califican con cruces (-,
+, ++, +++, ++++). Usted puede contar o enumerar datos ordinales,
pero no cuantificarlos.

Las escalas de medicin de intervalo y de proporcin clasifican y gradan los

datos y establecen tambin una unidad de medicin, de tal modo que podamos
decir que tanto mayor o menor es una medicin respecto a otra.
c)
Escala de intervalo.- Son observaciones ordenadas que reflejan las
diferencias entre particularidades, se caracterizan por una medida comn y
constante, donde el punto cero y la unidad de medida son arbitrarias. Por
ejemplo, para medir la temperatura con la escala centgrada y la Fahrenheit. El
cero ha sido asignado en forma arbitraria al punto de congelacin,
correspondiendo 0C a 32 F. Esta escala permite realizar operaciones
aritmticas como la media y la desviacin estndar. Usted puede contar,
ordenar y cuantificar datos en escala de intervalo.
d)
Escala de proporciones o razones.- Son observaciones ordenadas,
caracterizadas por una medida comn y constante donde la escala es conocida
y tiene un punto cero real en su origen. La longitud, el peso, volumen y la
escala Kelvin de temperatura, etc., corresponden a este tipo. Para nuestros
propsitos consideraremos a las escalas de intervalo-proporcin (I-P) como una
sola ya que las pruebas estadsticas aplicables a ambas son las mismas. Usted
puede contar, ordenar y cuantificar datos en escala de proporcin.

EJEMPLO DE ALGUNAS POBLACIONES QUE PUEDEN PROPORCIONAR LOS

CUATRO TIPOS DE MEDICIONES.
POBLACIN
IP CONTNUOS IP DISCRETOS NOMINAL
ORDINAL
RATAS DE
LABORATORIO

Peso, edad

AUTOMVILES

Peso, longitud Nmero de

defectos por
auto

IP Intervalo-Proporcin

Nmero de
cras

Color: negro,
gris, blanco

Colores

Calidad del
nido:
excelente,
bueno,
regular, malo
Tamao

MUESTREO
El muestreo es simplemente un procedimiento para conocer la poblacin con base en
una cantidad de elementos extrada de ella de cierta manera.
Es, en verdad, un gran logro cientfico "hacia un dominio intelectual del mundo que nos
rodea", comenta Roy Jastram en Elements of Statistical Inference, "el generalizar en
forma lgica y precisa miles de valores que no hemos visto, simplemente con las pruebas
proporcionadas por cincuenta o cien de esos valores, es una herramienta valiosa de la
estadstica".
La teora del muestreo que hace posible este tipo de inferencia tiene un fundamento en las
caractersticas permanentes de los datos masivos, que se pueden resumir simple y
precisamente con la frase "diversidad en la unidad.
Poblacin
N (Tamao)
(Media)
2 (Varianza)
(Desv. Est.)
P (Proporcin %)
(Coef. de Corr.)
, (Coef. de Reg.)

Parmetros

Muestra
Muestreo

Inferencia

n
X
S2
S
p
r
a, b
Estadsticos

Cules son las razones para el muestreo?

Conocer el tamao de la poblacin e Inferencia de las caractersticas poblacionales.
Cul es la base terica del muestreo?
Las relaciones existentes entre una poblacin y muestras extradas de las mismas y determinar
si las diferencias que se pueden observar entre dos muestras son debidas a la aleatoriedad.
Cmo se deben disear las muestras?
Considerando el tamao de la poblacin , sus caractersticas y el objetivo del trabajo.
Cules son los mtodos de recopilacin de los datos muestrales?
Muestras aleatorias o no, encuestas, hojas de campo y hojas de clculo .
Cmo puede extraerse la informacin deseada de los datos muestrales?
Mediante la descripcin de la muestra, usando las distribuciones de probabilidad.
Cmo se puede utilizar la informacin muestral para deducir conclusiones acerca
de la poblacin que la produce?
Mediante la inferencia estadstica: Estimacin y Ensayo de hiptesis
Cmo se puede evaluar o medir la confiabilidad de las generalizaciones hechas acerca
de la poblacin a travs de la muestra?
Mediante el uso de las distribuciones de probabilidad apropiadas.

Si se extrae una muestra aleatoria cada vez mayor de la misma poblacin, las
caractersticas de cada muestra aumentada - es decir, promedios, variaciones, asimetra,
etc. - tendern a diferir cada vez menos de las caractersticas de la poblacin; es decir,
cuanto mayor es la muestra es ms representativa de la poblacin.
Teora del muestreo.
La teora de muestreo es un estudio de las relaciones existentes entre una poblacin y
muestras extradas de las mismas. Es tambin til para determinar si las diferencias que
se pueden observar entre dos muestras son debidas a la aleatoriedad de las mismas o si
por el contrario son realmente significativas.
En general, un estudio de inferencias, realizado sobre una poblacin mediante muestras
extradas de la misma, junto con las indicaciones sobre la exactitud de tales inferencias
aplicadas a la teora de probabilidad, se conoce como inferencia estadstica.

Las unidades muestrales pueden ocurrir individualmente o en grupos en la poblacin. Un

grupo de elementos, como una familia o una caja de cerillos se llama unidad de muestreo.
Las unidades de muestreo son colecciones disjuntas de elementos de la poblacin. En
algunos casos una unidad muestral est constituida por un solo elemento.

Tipos de muestreo.
Nos dedicaremos ahora a describir diversos procedimientos muestrales siguiendo la gua
que se da a continuacin:
No restringido o Simple
Estratificado
Aleatorio
(p1=p2=..=pN)

Restringidos

Agrupado (conglomerados)
Sistemtico

Tipos de
muestreo

Doble, Mltiple o Secuencial

No aleatorio

Muestreo dirigido
Muestreo por cuotas
Muestreo deliberado
Muestreo por accidente

La aplicacin del muestreo aleatorio tiene como condicin, de que todas los elementos de la
poblacin tienen la misma probabilidad de ser seleccionados. Mientras que en los no aleatorios
la probabilidad de los elementos de la poblacin poseen diferente probabilidad.

Muestreo aleatorio simple.

Al seleccionar una muestra aleatoria de n elementos de una poblacin finita de N
elementos, si el muestreo se lleva a cabo de forma que todas las muestras posibles de
tamao n tenga la misma probabilidad de ser seleccionadas, el muestreo se llama aleatorio
y el resultado es una muestra aleatoria simple.
Muestreo Aleatorio Estratificado,
Una muestra aleatoria estratificada es una muestra aleatoria que se obtiene separando los
elementos de la poblacin en grupos disjuntos, llamados estratos, y seleccionando una
muestra aleatoria simple dentro de cada estrato.
Muestreo Aleatorio por Conglomerados.
Una muestra por conglomerados se obtiene seleccionando aleatoriamente un conjunto de
m colecciones de elementos mustrales, llamados conglomerados, de la poblacin y
posteriormente llevando a cabo un censo completo en cada uno de los conglomerados.
En el muestreo aleatorio estratificado las unidades mustrales son los elementos
individuales de la poblacin, mientras que en el muestreo por conglomerados las
unidades mustrales son conglomerados de los elementos.

Muestreo Aleatorio por Conglomerados bi-etpico

Cuando el tamao de los conglomerados es muy grande o cuando los elementos de un
conglomerados son muy similares, el muestreo de dos etapas constituye una alternativa eficiente
para el muestreo por conglomerados.

Muestreo sistemtico.
Para obtener una muetra sistemtica, se elige aleatoriamente un elemento dentro de los
primeros k elementos del marco muestral y posteriormente se selecciona en forma
sucesiva el k-simo elemento que sigue al ultimo que se obtuvo.

Muestreo Doble, Mltiple o Secuencial.

Se obtienen dos muestras simples (Doble), o ms (Mltiple) o que siguen cada
determiado tiempo o espacio.
Muestreos no Aleatorios
En los muestreos no aleatorios, despus de determinar el tamao de la muestra, los elementos de
la poblacin sern seleccionados a criterio del investigador y del objetivo del trabajo que se est
desarrollando.

PARMETROS Y ESTADSTICOS
Los promedios o porcentajes por ej. Acerca de una caracterstica que
se desea conocer de una poblacin se llaman parmetros. Estos se
estimarn, es decir se calcularn de forma aproximada mediante
valores obtenidos de la muestra. Estos valores que se calculan con
los datos de la muestra se llaman estadsticos. Generalmente los
parmetros se describen con letras griegas y los estadsticos con
letras latinas.

POBLACIN
MUESTRA

PARMETROS

MEDIA

VARIANZA

DESVIACIN
ESTANDAR

S
ESTADSTICOS

En el siguiente esquema se describe de una manera muy simple como se

lleva a cabo un estudio estadstico.

MUESTRA: Es un subconjunto de la poblacin

El muestreo es simplemente un procedimiento para conocer
la poblacin con base en una muestra extrada de ella.

Tipos de Muestreo

1) Probabilstico o aleatorio (extrapolable a la poblacin)

a) aleatorio simple
b) sistemtico
c) estratificado
d) conglomerados
2) No probabilstico o no aleatorio (no extrapolable a la poblacin)
a) conveniencia
b) Por cuotas

MUESTREO PROBABILISTICO
Muestreo aleatorio simple
El tipo ms comn de muestreo probabilstico es el muestreo
aleatorio simple. Aqu cada miembro de la poblacin tiene una
probabilidad igual e independiente de ser seleccionado como
parte de la muestra. Este tipo de muestreo consta de cuatro
pasos: a) definir la poblacin de inters b) listar todos los
miembros de la poblacin c) asignar nmeros a cada miembro de
la poblacin y d) aplicar un criterio para seleccionar la muestra
deseada.
Muestreo Sistemtico.
En este tipo de muestreo se escoge cada k-simo nombre de la lista. El
trmino k-simo representa un nmero entre 0 y el tamao de la muestra
que se desea. Por ejemplo aqu se usara un muestreo sistemtico para
escoger 10 nombres de una lista de 50

Muestreo Estratificado
Los dos tipos de muestreo aleatorio que acabamos de ver funcionan bien si no nos
interesan caractersticas especficas de la poblacin como: edad, sexo, grupo tnico,
religin, etc. Cuando si nos interesan, debemos asegurarnos que el perfil de la muestra
coincida con el perfil de la poblacin y esto se hace con el muestreo estratificado.

Muestreo por conglomerados

Una muestra por conglomerados es una muestra aleatoria en la cual cada unidad de
muestreo es una coleccin, o conglomerado de elementos y no los elementos mismos
Ejemplos de conglomerados
Unidad de anlisis
Posibles conglomerados
Adolescentes
Preparatorias
Obreros
Industrias
Amas de casa
Mercados
Nios
Colegios
Personajes de televisin Programas de TV

MUESTREO NO PROBABILISTICO
Muestreo por conveniencia
Se le da igualmente el nombre de sesgado, en l, el investigador selecciona los
elementos que a su juicio son representativos, lo cual exige un conocimiento previo de
la poblacin que se investiga para poder determinar categoras o elementos que se
consideran como tipo o representativos del fenmeno que se estudia. Por ejemplo, en
un laboratorio de un hospital se est estandarizando un nuevo procedimiento para
analizar plomo en orina. Se toman muestras del personal del hospital porque seran
ms confiables. Es una forma muy cmoda de generar una muestra pero no es
aleatoria y tal vez ni representativa de la poblacin.
Muestreo por Cuotas
Cuando se desea obtener una muestra estratificada segn ciertas variables, pero por
alguna razn no es posible efectuar un muestreo estratificado. En este caso, el muestreo
por cuotas podra ser lo mejor.
Se divide a la poblacin en estratos o categoras y se asigna una cuota para las diferentes
categoras, a juicio del investigador se seleccionan las unidades de muestreo. Se utiliza en
estudios de opinin y de mercadotecnia. Por ejemplo, para un estudio sobre la actitud de
la poblacin hacia un candidato poltico, se les dice a los encuestadores que vayan a
determinado lugar y entrevisten a 150 sujetos. Que el 25% sean hombres mayores de 30
aos, 25% sen mujeres mayores de 30 aos, 25% hombres menores de 30 aos y 25%
mujeres menores de 30 aos.