ESTADÍSTICA

Estadística

 La estadística es la rama de las

matemáticas que se ocupa de la recolección,
ordenamiento, resumen y presentación de un
conjunto de datos, así como de las inferencias
que se pueden hacer a partir de su análisis.
 Se emplea en los negocios para:
◦ Conocer fenómenos
◦ Predecir
◦ Toma de decisiones
Sistema de evaluación
Proyecto en grupo 70 %
Evaluación 30 %
Total 100 %
 Proyecto debe contener datos que deben
procesar con todos los estadísticos
descriptivos.Y un método de estadística
inferencial.
 Presentar en forma digital en el programa
SPSS y en un informe.
Contenido
 Estadística descriptiva
◦ Media
◦ Moda
◦ Mediana
◦ Desviación estándar
◦ Varianza
◦ Frecuencias

 Estadística inferencial
◦ Tablas de contingencias
◦ Correlaciones
◦ Regresiones
Conocimiento básico del programa SPSS
 Frecuencia

Moda
Tendencia
Central
Mediana
Descriptiva
Media
Tipos de
Estadística
Varianza
Dispersión
Desviación
estándar
Asociación:
Correlaciones

Inferencial Causalidad:
Regresión

Comparación:
ANOVA y T
de Student
Variable
 Una variable estadística es una
característica que puede fluctuar y cuya
variación es susceptible de adoptar
diferentes valores, los cuales pueden
medirse u observarse. Las variables
adquieren valor cuando se relacionan con
otras variables, es decir, si forman parte
de una hipótesis o de una teoría. En este
caso se las denomina constructos o
construcciones hipotéticas.
Variable
 De acuerdo a los valores que puede tomar
una variable, ésta se puede clasificar en:
 Variables cualitativas: no se pueden medir
numéricamente, representan características
de las variables (categorías, por ejemplo:
nacionalidad, color de la piel, sexo).
 Variables cuantitativas: tienen valor numérico
(edad, precio de un producto, ingresos
anuales).
Clasificación
 Por su parte, las variables cuantitativas se pueden
clasificar atendiendo a los valores que pueden
tomar en discretas y continuas:
 Discretas: Son todas aquellas que toman valores
que se pueden contar, es decir, que se pueden
enumerar (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.
Escala de medición
 Medir una variable significa constatar la
observación en los elementos de la
población que es objeto de estudio, es decir,
consiste en verificar que valor toma la
variable en la unidad de análisis. Lo anterior
implica que para medir una variable, ésta
tiene que ser observable en el mundo real,
manteniendo el principio fundamental de la
construcción de una variable que consiste en
que sus categorías deben de ser totalmente
inclusivas y mutuamente excluyentes.
Escala de medición
 En Estadística se definen cuatro niveles o
escalas de medición las cuales son:
 Escala nominal
 Escala ordinal
 Escala intervalo
 Escala de proporción o razón
Escala Nominal
 En esta escala lo único que puede
decirse de una observación es a cuál de
un cierto número de categorías
pertenece.
 En esta escala de medición la única
relación que puede establecerse entre
observaciones es la de igualdad y por lo
tanto de desigualdad.
Ejemplo
 Dos observaciones son iguales si están en la
misma categoría (llamadas también clases) y
diferente si no lo están. Como consecuencia de lo
anterior, la única estadística válida para este tipo
de datos es la frecuencia de cada clase.
 Supóngase que en grupo de personas se desea
medir el estado de salud con respecto a una
enfermedad en particular. En este caso la
constatación de la variable (medición) en los
miembros de la población debe de concluir en
que están o no afectados por la enfermedad.
 Escala ordinal
 Las observaciones medidas en esta escala pueden
ordenarse de menor a mayor, y en consecuencia
no sólo se admiten las relación de igualdad, sino
además la de mayor que y menor que. Muchos de
los estudios realizados en las Ciencias Sociales
producen observaciones que son medidas bajo
esta escala, por lo difícil que es medir actitudes en
los seres humanos.
 En esta escala además de calcularse frecuencias
como en la escala nominal, se puede calcular una
medida de tendencia central llamada Mediana.
Escala de Intervalo
Con observaciones en esta escala no sólo se
pueden ordenarse las observaciones, sino que
además puede definirse una unidad de
distancia (puede ser arbitraria) entre ellas. La
principal diferencia de esta escala con la de
Proporciones es que en la escala de Intervalo
el cero y la unidad de distancia son arbitrarios
y, en particular, el cero no corresponde a una
característica física de las unidades de
medidas.
Ejemplo: temperatura
 Escala de Proporción o Razón
 En esta escala las observaciones pueden
ordenarse y existen un cero y una unidad
de distancia que son inherentes al sistema,
es decir, que no son arbitrarios. Ejemplos
típicos de características medidas en esta
escala el peso de un individuo, el
rendimiento por hectárea de una planta,
etc. Esta es la escala de medición más
fuerte que existe y por lo tanto permite
el cálculo de cualquier estadística.
Organización de la investigación
 Resulta de mucha importancia en el
campo de la investigación, utilizar técnicas
que permitan apreciar de una forma
rápida y fácilmente aprehensible un tipo
de información donde se resalten los
aspectos más importantes. Estas técnicas
o métodos deberán poseer características
o propiedades que faciliten lo antes
mencionado.
 Entre estas propiedades se pueden
mencionar las siguientes:
 1. Que proporcionen la máxima cantidad
de información contenida en los datos en
forma rápida y fácil de visualizar.
 2. Que posean sencillez operativa.
 3. Que permitan presentar los datos de
una manera estética.
 Estadística Descriptiva:
Describe los fenómenos
Medidas de Tendencia Central: Agrupan
los datos.

 Frecuencias: sirven para ordenar y

resumir un conjunto de datos mostrando
el número de veces que éstos se
presentan.
 Mediana
 Mediana: busca es encontrar el valor
intermedio de un conjunto de datos
cuando éstos se ordenan de menor a
mayor.
Ejemplo:

Ordenar: 13578905553421342
Ejemplo
Moda
 Moda: Se trata del valor que se presenta
con mayor frecuencia.

¿Cuál es la moda en estos datos?

Promedio
 Media: Es el estadístico más comúnmente
utilizado para resumir conjuntos de datos
cuantitativos.
◦ Se conoce más con el nombre de promedio.
◦ Se calcula sumando todos los valores y
dividendo el resultado entre el número de
observaciones.
Varianza
 La varianza retoma un nombre de
acuerdo a dónde se determina. Si la
determinación es en una población se la
llama Varianza Poblacional (σ²) y si es en
una muestra se le llama Varianza Muestral
(s²).
Ejemplo
Ejemplo
 Reemplazando datos:
 Medidas de dispersión
 Desviación Estándar
 Es la raíz cuadrada positiva de la varianza y
se convierte en la medida de variabilidad
más utilizada.
Ejemplo
Coeficiente de variación C.V.
 Es una medida de dispersión relativa de
un conjunto de datos, que se obtiene
dividiendo la desviación estándar del
conjunto de datos entre su media
aritmética.
MÉTODOS TABULARES
 Tablas de Frecuencias Relativas y
Absolutas
Frecuencia absoluta Fi
 Frecuencia relativa Fr
Ejemplo
Ejemplo
Fórmula de Stirling (Sturge)
1. ¿Cuántas clases?
K= 1+ 3.33* log(n)
 K=1+3.33* log (30)= 5.8 = 6
 2. Amplitud= valor máximo- valor mínimo
 A=1.98-1.01=0.97
 0.97/6=0.16
 0.16*6=0.96 0.17*6=1.02
 Intervalo=amplitud*clase (k)
 3. Construcción de intervalos de clases
 Md= medida de desplazamiento
 RI=Rango ideal
 A= amplitud
 Md=RI-A
 Md=( (0.17*6)-0.97)/2= 0.03
 1.01-0.03=0.98
 0.98+0.17=115
Puntos medios de clase
 PMC= (Li+Ls)/2
Al analizar algún
dato aparece una
ventana con los
resultados. Esta
ventana es el
Visor de
Resultados de
SPSS.
Deformación de curvas
 INFERENCIA ESTADÍSTICA

 A partir del estudio de una muestra seleccionada

es posible llegar a conclusiones respecto de la
población de donde proviene la muestra.

 Resultados en la muestra (INFERENCIA) aplicación al

universo.
 CONDICIONES PARA LA INFERENCIA.
 La muestra debe ser representativa.

 1.- Los sujetos deben ser seleccionados de forma

aleatoria.

 2.- Todas las personas deben tener una probabilidad

conocida de ser seleccionadas para entrar en la
muestra.

 3.- Cada persona debe ser elegida de manera

independiente de las demás.
 ALTERNATIVAS PARA LA INFERENCIA
ESTADÍSTICA.

a) Estimación puntual o de intervalos (valor de P e IC)

b) Pruebas de hipótesis (Hipótesis nula e Hipótesis

alterna).
 A) INTERVALO DE CONFIANZA (IC)

Consta de dos valores numéricos que definen un

rango dentro del cual se pretende que se encuentre
el parámetro de interés con un cierto grado de
confianza.
Se debe conocer:

a) La distribución de la variable: normal o anormal

b) Grado de confianza deseado (1-α): 90, 95 y 99.
 INTERVALO DE CONFIANZA (IC).

 Fórmula:
 Estimador puntual ± (coeficiente de confiabilidad) x (error
estándar)

 Interpretación:
 IC 95 %  de 100 muestras aleatorias de la población,
calculando el IC 95 % en cada una de ellas aproximadamente
95 de ellos contendrían el verdadero parámetro poblacional
y 5 no lo contendrían.
 PRUEBA DE HIPÓTESIS

 1.- HIPÓTESIS DE INVESTIGACIÓN: conjetura o

suposición que motiva el estudio que se sustenta en la
experiencia o conocimiento que se tiene del objeto
estudiado.

 a) descriptivas (describe alguna característica en la población)

 b) de correlación (establece asociaciones, predicciones o explicaciones)
 c) diferenciales: direccionales y no direccionales.
 d) de causalidad (sentido de relación causa-efecto)
 PRUEBA DE HIPÓTESIS
 2.- HIPÓTESIS ESTADÍSTICA: proposición sobre
los parámetros de una o más poblaciones; debe ser
comprobada a través de una prueba estadística (prueba
de hipótesis).

 a) Hipótesis nula (H0): asume la igualdad de los parámetros de

ambas poblaciones, (valores equivalentes) y cualquier diferencia
entre ellas se considera hecho casual resultado del error de
muestreo (μ1=μ2).

 b) hipótesis alterna (H1): pretende establecer una diferencia en

la comparación de dos muestras (µ1≠µ2).
SELECCIÓN DE LA PRUEBA ESTADÍSTICA
PRUEBA DE HIPÓTESIS ESTADÍSTICA

depende de: TIPOS

1.-Escala de medición PARAMÉTRICAS
a) Cuantitativa: - continua 1. prueba z
- discreta 2. prueba t- student
b) cualitativa: - nominal 3. prueba f
- ordinal 4. correlación de pearson

2.- Lo que se pretende comparar: NO PARAMÉTRICAS

a) Promedios 1. Chi-cuadrada
b) Varianzas 2. Prueba exacta de Fisher
c) Proporciones 3. prueba de Mann-Whitney
d) Medida de riesgo. 4. prueba Kruskal-Wallis
 ZONA DE RECHAZO

Está conformada por aquellos valores que tienen menos

probabilidad de ocurrir si la hipótesis nula (μ1=μ2) es
verdadera .

Nivel de significancia del estadístico de prueba (α).

α (0.05)= implica rechazo de la hipótesis nula con
probabilidad de 5% de cometer un error debido al muestreo.

 Estadística de prueba= (estadística relevante- parámetro supuesto)

(error estándar de la estadística relevante)
 REGLA DE DECISIÓN
El valor obtenido en la muestra se compara con los valores
de la distribución de la prueba de hipótesis para conocer si
el valor calculado cae en la zona de rechazo.

La hipótesis nula se rechaza a favor de la hipótesis alterna,

cuando la hipótesis nula se encuentra en la zona de rechazo.

Conclusiones posibles:

 a) rechazar H0
 b) no rechazar H0
Una hipótesis estadística nunca se considera “probada”

El procedimiento de prueba de hipótesis depende de la

información obtenida de la muestra, consistente o no con la
hipótesis alterna (H1).

En el procedimiento de prueba de hipótesis existe la

probabilidad de llegar a una conclusión equivocada (cometer
un error).

1. ERROR TIPO I (error α) cuando se rechaza una H0

verdadera.
2. ERROR TIPO II (error β)aceptación de H0 cuando es
falsa.
PRUEBA DE HIPÓTESIS

TIPOS DE ERROR

PODER ESTADÍSTICO DE LA PRUEBA (1-β) es la

probabilidad de rechazar la hipótesis nula cuando existe una
diferencia en la población (asociación), permite identificar
MAGNITUD.

NIVEL DE SIGNIFICANCIA ESTADÍSTICO (1- α). Es

la probabilidad de aceptar la H0 cuando es verdadera, (95%).
Representa el nivel de confianza de la muestra.
 TIPOS DE ERROR EN LAS PRUEBAS DE
HIPÓTESIS

Cuatro situaciones que definen si la decisión final es correcta o errónea al

probar cualquier hipótesis estadística.
 SIGNIFICANCIA ESTADÍSTICA
Representa la estimación de probabilidades de cometer
errores (α o β) ante la decisión de rechazar o no la hipótesis
nula.
Nivel de confianza determinado por (nivel de aceptación del
error α).
 Rechazar H0 depende de:
a) probabilidad de error α
b) consultar valor P (probabilidad de cometer error α)

 P menor a α (< a 0.05): rechazar la H0.

 P mayor a α (> a 0.05): no se puede rechazar H0

 Máximo de probabilidad de ocurrencia del azar (error α) 5%.

La significancia de los hallazgos obedece a
un balance entre la relevancia obtenida
mediante la prueba de hipótesis
estadística y el peso de los resultados.
 INFERENCIA ESTADÍSTICA

ESTIMACIÓN
INFERENCIA
ESTADÍSTICA PRUEBA DE
PUNTUAL HIPÓTESIS
( VALOR DE P )

1. HIPÓTESIS DE 2. HIPÓTESIS
INVESTIGACIÓN ESTADÍSTICA
DIFERENCIALES
INTERVALO DE
CONFIANZA
(IC 90, 95 Y 99%) DE HIPÓTESIS
HIPÓTESIS ALTERNA
CAUSALIDAD
NULA (H0) (H1)
DESCRIPTIVAS
DE
CORRELACIÓN

µ1=µ2 µ1≠µ2
Estadística inferencial
 Sirve para predecir, concluir e inferir
resultados.

◦ Comparación de medias
◦ Correlación
◦ Regresión
T de Student
◦ Se usa cuando se desean comparar dos
grupos.
◦ Ejemplo: Diferencias entre Hombres y
mujeres
◦ Se emplea para corroborar si existen
diferencias significativas entre los
grupos

 Se usa para corroborar las mismas

hipótesis que ANOVA
Comparación de medias
 ANOVA de un Factor
◦ Análisis de varianza
◦ Se usa cuando se desean comparar más
de dos grupos.
◦ Se emplea para corroborar si existen
diferencias significativas entre los
grupos
◦
Presentación según APA
Hipótesis que se pueden
comprobar con ANOVA
 Los estudiantes de administración tienen
un mayor desempeño académico en
comparación los estudiantes de
contaduría y economía.

 Existen diferencias significativas en la

cultura organizacional de las empresas X,
Y y Z.
Correlación

Asociación entre variables

Correlación de Pearson: Escala Likert
Correlación de Spearman:
Se usa con Variables continuas
Presentación según APA
Correlación
Hipótesis que se pueden comprobar
con Correlación
 El salario se asocia de manera significativo
y negativo con la satisfacción laboral en la
empresa X.

 A mayor salario, mayor será el nivel de

motivación de los empleados de la
empresa X.
 Regresión lineal
 Sirve para medir causalidad, efecto.
Hipótesis que se pueden
corroborar con Regresión
 El liderazgo influye positivamente sobre
el nivel de motivación de los trabajadores
de la empresa X.
Análisis de
correspondencias
 El análisis de correspondencias es un
método de composición de mapas
perceptuales que se basa en categorías
de una tabla de contingencia.
 Tabla de contingencia o cruce de dos
variables no métricas o categóricas en
la que las entradas son las frecuencias
de las respuestas que caen en cada
celda de la matriz.
 Análisis de
correspondencias
 Las dimensiones, son características
de un objeto. Un objeto particular
puede ser considerado como
poseedor de tanto dimensiones
subjetivas/percibidas (por ejemplo,
caro, frágil) como dimensiones y
objetivas (por ejemplo, color, precio,
características).
 Ejemplo
 En su forma más básica, el análisis de
correspondencias examina las relaciones
entre categorías de datos nominales en una
tabla de contingencia, el cruce de variables de
dos variables categóricas o no métricas.

 El análisis de correspondencias se puede

aplicar a cualquier tabla de contingencia y
representar un mapa perceptual en relación a
las categorías de cada variable no métrica en
un solo mapa perceptual.
 Ejemplo

Total
Tamaño\Alimento A B C row

Young (O) 20 20 20 60

Middle (O) 40 10 40 90

Mature (O) 20 10 40 70
Total col 80 40 100 220
p 0,36 0,18 0,45 1,00
Ejemplo
Tamaño\Aliment
o A B C Total row
Young (O) 20 20 20 60
(E) 21,82 10,91 27,27 60,00
Middle (O) 40 10 40 90
(E) 32,73 16,36 40,91 90,00
Mature (O) 20 10 40 70
(E) 25,45 12,73 31,82 70,00
2
𝐸−𝑂
𝜒2 =
𝐸
 Escalas de medición
 Nominal:
◦ Micro, pequeña, mediana, empresa grande.
 Nominal Dicotómica:
◦ SI-NO; Masculino-Femenino
• Intervalo:
 Likert, 1 (Siempre), 2 (Casi siempre), 3 (Rara vez)…
 Ordinal :
◦ 1 (Primero), 2 (segundo)…
Conocimientos básicos de
SPSS
Statistical Package for the social
Sciences

 El programa SPSS es un conjunto de

herramientas de tratamiento de datos y
análisis estadístico. Como el resto de los
programas que utilizan Windows como
soporte, funciona mediante menús
desplegables y cuadros de diálogo.
Tipos de ventanas
Los resultados del visor adoptan tres formatos
distintos: tablas, gráficos y texto. SPSS dispone de un
editor para cada uno de estos tres formatos básicos.
 El editor de tablas: permite editar los resultados
presentados en formato de tabla pivotante.
 El editor de gráficos: permite modificar los colores,
tipos de letra, etiquetas, posición de los ejes, etcétera.
 El editor de texto: permite modificar las fuentes
(tipo, tamaño, color, etc.), de los títulos, subtítulos y
notas.
Tipos de ventanas
El resto de las ventanas de SPSS son las siguientes:
 El borrador del visor de resultados: ofrece la
misma información que el visor de resultados,
pero en formato texto, menos depurado y sin la
posibilidad de edición.
 El editor de sintaxis: permite utilizar las
posibilidades de programación del SPSS. Las
instrucciones en sintaxis SPSS pueden pegarse
directamente en esta ventana, desde cualquier
cuadro de diálogo. El botón Pegar convierte en
sintaxis SPSS las selecciones hechas.
 El editor de procesos: permite personalizar y
automatizar algunas de las tareas que el SPSS lleva
a cabo, en especial lo relacionado con el
contenido y aspecto de las tablas de resultados.
SPSS cuenta con una barra de menús y una de herramientas
en cada uno de los tipos de ventanas.

Barra de Menús: Barra de Herramientas:

contiene los menús desplegables Contiene botones de las funciones
más utilizadas.
 La barra de Menús
 Las barras de menús contiene una serie de opciones
desplegables que permiten controlar la mayor parte de
las acciones que el SPSS puede llevar a cabo. Se
encuentran en la parte superior de cada ventana.
 Cada tipo de ventana tiene su propia barra de menús con
opciones particulares para las funciones relacionadas para
esa ventana.
 Algunos de estos menús, como estadísticos, gráficos o
ventana, se repiten en todas las ventanas.

 A continuación describiremos los principales menús, a

qué tipo de ventana pertenecen y en qué tipo de ventana
no están disponibles.
 Menú archivo
 Desde este menú pueden crearse archivos de datos y
de sintaxis.
 Abrir y guardar todo tipo de archivos.
 Importar y exportar archivos desde otros programas
(hojas de datos, bases de datos, procesadores de
texto).
 Imprimir archivos o partes del mismo.
 Obtener una vista previa del resultado de la impresión.
 Recuperar archivos utilizados recientemente.
Menú archivo
 Menú Ver
 Controla el aspecto de las distintas ventanas de SPSS,
mediante varias opciones que permiten mostrar/ocultar la
barra de estado, personalizar la barra de herramientas,
seleccionar tipo y tamaño de fuentes, etcétera.
 Permite controlar el aspecto de las celdas y
mostrar/ocultar las etiquetas de valores.
 En el visor de resultados sirve para mostrar/ocultar
resultados concretos y contraer/expandir, bloques de
resultados.
Menú Datos
Sólo está disponible
en el Editor de
Datos. Permite
fusionar archivos,
trasponer las filas y
las columnas,
seleccionar sólo
una parte del
archivo, dividir el
archivo en
subgrupos, insertar
filas o columnas
nuevas.
 Menú Transformar
 Sólo está
disponible en el
Editor de datos.
 Permite crear
variables nuevas
y cambiar los
valores de las ya
existentes.
 Menú Insertar
 Disponible en el Visor de
Resultados, en el Editor
de Tablas y en el Editor de
texto.

 Contiene opciones para

editar texto, gráficos,
títulos, encabezados, notas,
saltos de página, objetos
de otras aplicaciones,
etcétera.
 Menú Formato
 Disponible en el visor de
resultados y en sus tres
editores (texto, gráficas y
tablas).
 Permite cambiar el
alineamiento de los
objetos, modificar el tipo
de letra, el formato y las
propiedades de las tablas
de resultados, controla el
color y las tramas de
relleno, el estilo de línea
y las barras de las
gráficas.
Menú Analizar

Contiene
todos los
procedimientos
estadísticos. Su
contenido
corresponde a
la cantidad de
módulos de
SPSS que se
tienen
instalados.
 Menú Gráficos

Permite generar todo

tipo de gráficos con la
información de la base.
Gráficos de barras, de
líneas, de sectores,
diagramas de dispersión,
histogramas, etcétera.
Menú Utilidades

 No está disponible en el
editor de gráficos.
 Permite obtener
información sobre las
variables o sobre el archivo
de datos, controlar las
variables que aparecen en
la lista de variables de los
cuadros de diálogos,
ejecutar procesos y editar
las barras de menús.
 Menú Ayuda
 Ofrece ayuda general sobre las funciones más importantes del SPSS y
permite el acceso a la página principal del SPSS en Internet. En los
cuadros de diálogo y en las tablas del Visor de resultados puede
obtenerse ayuda a través de un click en el tema deseado. También tiene
un buscador por temas.
 ¡ GRACIAS !