PREGUNTAS

1. Diferencia entre estadística descriptiva e inferencial

o La estadística descriptiva recolecta, organiza presenta, y reduce información

hasta obtener un conjunto de datos (edad de una población, altura de los
estudiantes de una escuela, peso de la población, beneficios diarios de una
empresa, temperatura mensual) con el objetivo de describir las características y
comportamientos de este conjunto mediante medidas de resumen, tablas o
gráficos. la estadística descriptiva es la primera etapa a desarrollar en un análisis
de información.
- Si un profesor desea saber las calificaciones de sus alumnos, puede optar por
usar la estadística deductiva o descriptiva, y calcular las calificaciones haciendo
un redondeo del grupo completo. Así obtiene un número exacto basado en las
calificaciones que han obtenido sus alumnos como grupo, pero haciéndolo de
forma fácil, comprensible y en general.
o La Estadística inferencial o Inferencia estadística estudia cómo sacar
conclusiones generales para toda la población a partir del estudio de una
muestra, y el grado de fiabilidad o significación de los resultados obtenidos.
- Si el profesor de igual forma desea saber las calificaciones de sus estudiantes,
en este caso puede optar la estadística inductiva o inferencial, al tomar todas las
calificaciones de sus alumnos, analizar y sacar cuentas de cada una de ellas
hasta concluir las calificaciones exactas de todo el grupo de estudiantes, pero
de manera individual y más detallada.

2. ¿Cuál es la diferencia entre parámetro y estadístico?

o Parámetro: es un valor, medida o indicador representativo (descripción o

caracterización) de la población que se selecciona para ser estudiado
o Estadístico: describe o caracteriza una muestra y sirve como una estimación del
parámetro de la población correspondiente.

3. ¿Qué se entiende por unidad de observación y que se entiende por variable?

Es la unidad de observación a la unidad física que nos interesa estudiar u observar con
fines de investigación como un paciente, una familia, una vivienda, una persona, un
cajón de manzanas, un pollo, un predio, etc. Cada uno de estos es considerado unidad
de observación cuando es nuestro particular interés observarlo de manera sistemática.
El conjunto de todas las unidades de observación constituye la población en estudio.
Poseen características ejemplo: Una familia tiene: tipo de vivienda, número de
integrantes, ingreso familiar, gasto en salud, etc. Un pollo tiene: peso, edad, raza, color,
etc. Una parcela tiene: superficie, tipo de suelo, cantidad de frutos cosechados, cantidad
de árboles, etc.
Estas características pueden ser variables (asumen valores distintos en las distintas
unidades de observación) o contantes (no cambian su valor en las distintas unidades de
observación)
Tipos de variables
Según su naturaleza las variables se pueden clasificar en cualitativas y cuantitativas.
 o Cualitativa: Variable que asume valores de cualidad. Ej. Grande, mediano, chico.
Blanco, rojo, negro. Opaco, brillante.
- Nominales: asumen nombres, por ejemplo, la variable “estado civil” asumirá los
valores: “casado”, “soltero”, “viudo”, “divorciado”. Nótese que los valores
asumidos son nombres o palabras que bien podrían estar dispuestos en distinto
orden.
- Ordinales: asumen nombres o palabras con un cierto orden implícito. Por
ejemplo, la variable “grado de intensidad de un síntoma” asumirá los valores:
“alto”, “mediano”, “bajo”.
o Cuantitativa: Variable que asume valores de cantidad. Ej. 5 hijos, 3 habitaciones
- Discretas o discontinuas: asumen valores numéricos enteros que generalmente
son resultado de recuentos. Por ejemplo, la variable “número de hijos tenidos”
asumirá los valores 1, 2, 3, 4, etc
- Continuas: pueden asumir cualquier valor numérico, que generalmente es
resultado de una medición. Por ejemplo, la variable “temperatura corporal” de un
enfermo asumirá valores entre 37,5°C y 42,0°C.

4. ¿Cuándo se dice que una distribución de datos es simétrica?

Cuando la curva que la representa es exactamente igual a ambos lados del punto de
referencia, resultando así la moda, mediana y media iguales

5. ¿Qué se entiende por prueba de hipótesis estadística?

Es un proceso para determinar la validez de una aseveración echa sobre la población a
nivel de parámetros (media, varianza o desviación estándar, proporción) basándose en
evidencia muestral.
- La hipótesis nula, (Ho), es el statu quo o estado actual (lo que se cree hasta el
momento), o la que asegura que no hay diferencias en la población. Es la
hipótesis de no efecto.
- La hipótesis alternativa, (H1 Ó Ha), es lo opuesto a la hipótesis nula; representa
el cambio en la población que el investigador espera sea verdadero (bajo Hi).
- Las hipótesis nula y alternativa se refieren ambas a la misma población.

6. ¿Cuáles son los pasos para el desarrollo de una prueba de hipótesis?

 Plantear hipótesis
- Establecer la hipótesis nula en términos de igualdad Ho
- Establecer la hipótesis alternativa, que puede hacerse de tres maneras, dependiendo
del interés del investigador
 Niveles de significación
Probabilidad de rechazar la hipótesis nuka cuando es verdadera El nivel de significación
se denota mediante la letra griega sigma.
- ERROR TIPO 1.- La probabilidad de rechazar la hipótesis nula cuando en realidad es
verdadera.
- ERROR TIPO 2.- L probabilidad de aceptar la hipótesis nula cuando en realidad es
falsa.
 Estadístico de prueba
Un valor, determinado a partir de la información muestral, que se utiliza para aceptar o
rechazar la hipótesis nula.
 Regla de decisión
Es una regla simple la cual es una afirmación de las condiciones bajo las que se acepta
la hipótesis nula.
 Toma de decisión
Es la toma de decisión si se debe aceptar o rechazar la hipótesis nula
7. ¿Cómo describirías la técnica de análisis de varianza?
Es un método para comparar 2 o más medias en diversas situaciones, siendo por eso
la base del análisis multivariante
8. ¿Qué es un diseño experimenta?
Técnica que permite identificar y cuantificar las causas de un efecto dentro de un estudio
experimental. Se plantea un conjunto de pruebas, de tal manera que, los datos
generados puedan analizarse estadísticamente para obtener conclusiones válidas. Aquí
el investigador establece un conjunto de circunstancias, de causa y efecto bajo
condiciones específicas y aplica el método científico al observar, medir y evaluar los
resultados obtenidos.
9. ¿Principios básicos de un diseño experimental?

o Aleatorizar, todos los factores no controlados por el experimentador en el diseño

experimental y que pueden influir en los resultados serán asignados al azar a las
unidades experimentales”.
o Control local o bloqueo, Es una técnica que se usa para aumentar la precisión
del experimento.
o La factorización del diseño, Un diseño factorial es una estrategia experimental
que consiste en cruzar los niveles de todos los factores tratamiento en todas las
combinaciones posibles”.