Академический Документы
Профессиональный Документы
Культура Документы
Conceptos Generales
Origen, Avance y Desarrollo Histórico
La estadística surgió en épocas muy remotas; como todas las ciencias, no se creó de
improviso, sino mediante un proceso largo de desarrollo y evolución, desde hechos de
simple recolección de datos hasta la diversidad y rigurosa interpretación de los datos que
se dan hoy en día.
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 cosas. Es una
ciencia con tanta antigüedad como la escritura, y es por sí misma auxiliar de todas
las demás ciencias.
Los mercados, la medicina, la ingeniería, los gobiernos, etc. se nombran entre los más
destacados clientes de esta ciencia.
Los comienzos de la estadística pueden ser hallados en el antiguo Egipto, cuyos faraones
lograron recopilar, hacia el año 3050 a. C., prolijos datos relativos a la población y la
riqueza del país.
El Imperio Romano, fue el primer gobierno en emplear los recursos estadísticos para
calcular su población, su superficie territorial y renta de sus territorios.
Durante los mil años siguientes a la caída del imperio Romano realizaron operaciones
sobre las relaciones de tierras pertenecientes a la Iglesia; en la edad media sólo se
realizaron algunos censos exhaustivos en Europa. Los reyes caloringios Pipino el Breve
y Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en
los años 758 y 762 respectivamente.
Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicolás
Copérnico, Galileo, Neper, William Harvey, Sir Francis Bacon y René Descartes,
hicieron grandes operaciones al método científico, de tal forma que cuando se crearon los
Estados Nacionales y surgió como fuerza el comercio internacional existía ya un método
capaz de aplicarse a los datos económicos.
Por el año 1540 el alemán Sebastián Muster realizó una compilación estadística de los
recursos nacionales, comprensiva de datos sobre organización política, instrucciones
sociales, comercio y poderío militar. Durante el siglo XVII aportó indicaciones más
concretas de métodos de observación y análisis cuantitativo y amplió los campos de la
inferencia y la teoría Estadística.
Los eruditos del siglo XVII demostraron especial interés por la Estadística Demográfica
como resultado de la especulación sobre si la población aumentaba, decrecía o
permanecía estática. En los tiempos modernos tales métodos fueron resucitados por
algunos reyes que necesitaban conocer las riquezas monetarias y el potencial humano de
sus respectivos países.
El primer empleo de los datos estadísticos para fines ajenos a la política tuvo lugar en
1691 y estuvo a cargo de Gaspar Neumann, un profesor alemán que vivía en Breslau.
Durante el siglo XVII y principios del XVIII, matemáticos como Bernoulli, Francis
Maseres, Lagrange y Laplace desarrollaron la teoría de probabilidades. No obstante
durante cierto tiempo, la teoría de las probabilidades limitó su aplicación a los juegos de
azar y hasta el siglo XVIII no comenzó a aplicarse a los grandes problemas científicos.
científicos.
Jacques Quételect es quien aplica las Estadísticas a las ciencias sociales. Este interpretó
la teoría de la probabilidad para su uso en las ciencias sociales y resolver la aplicación del
principio de promedios y de la variabilidad a los fenómenos sociales. Quételect fue el
primero en realizar la aplicación práctica de todo el método Estadístico, entonces
conocido, a las diversas ramas de la ciencia.
A finales del siglo XIX, Sir Francis Gaston ideó el método conocido por Correlación,
que tenía por objeto medir la influencia relativa de los factores sobre las variables. De
aquí partió el desarrollo del coeficiente de correlación creado por Karl Pearson y otros
cultivadores de la ciencia biométrica como J. Pease Norton, R. H. Hooker y G. Udny
Yule, que efectuaron amplios estudios sobre la medida de las relaciones.
Una vez sentadas las bases de la teoría de probabilidades, podemos situar el nacimiento
de la estadística moderna y su empleo en el análisis de experimentos en los trabajos de
Francis Galton y Kurt Pearson. Este último publicó en 1892 el libro The Grammar of
Science (La gramática de la ciencia), un clásico en la filosofía de la ciencia, y fue él quien
ideó el conocido test de Chi -cuadrado. El hijo de Pearson, Egon, y el matemático nacido
en Polonia Jerzy Neyman pueden considerarse los fundadores de las pruebas modernas
de contraste de hipótesis.
Pero es sin lugar a dudas Ronald Arnold Fisher la figura más influyente de la
estadística, pues la situó como una poderosa herramienta para la planeación y análisis
de experimentos. Contemporáneo de Pearson, desarrolló el análisis de varianza y fue
pionero en el desarrollo de numerosas técnicas de análisis multivariante y en la
introducción del método de máxima verosimilitud para la estimación de parámetros. Su
libro Statistical Methods for Research Workers (Métodos estadísticos para los
investigadores), publicado en 1925, ha sido probablemente el libro de estadística más
utilizado a lo largo de muchos años.
En el siglo XIX, con la generalización del método científico para estudiar todos los
fenómenos de las ciencias naturales y sociales, los investigadores vieron la necesidad de
reducir la información a valores numéricos para evitar la ambigüedad de las descripciones
verbales.
La estadística que conocemos hoy día debe gran parte de sus logros a los trabajos
matemáticos de aquellos hombres que desarrollaron la teoría de las probabilidades, con
la cual se adhirió la estadística a las ciencias formales. El desarrollo de la teoría de la
probabilidad ha aumentado el alcance de las aplicaciones de la estadística.
De manera más específica, sirve para saber quien, de entre los miembros de una población
importante, va a encontrar trabajo o a quedarse sin él; o en cuales miembros va a verse
aumentada o disminuida una familia concreta en los próximos meses. Sin
embargo, puede proporcionar estimaciones fiables del próximo aumento o disminución
de la tasa de desempleo referido al conjunto de la población; o de la posible variación de
os índices de natalidad o mortalidad.
Hoy las técnicas de muestreo asistidas por computadoras, son herramientas básicas,
pues la rápida toma de decisiones que hay que ejecutar en la dinámica de
los procesos económicos, demanda el uso de nuevas tecnologías que le impriman una
rapidez, confiabilidad, disponibilidad y capacidad, entre otras facilidades, que se han
ido buscando a través de los recursos informáticos.
Definiciones de la Estadística
¿Qué es la Estadística?
Después de haber conocido el origen y desarrollo de la Estadística como ciencia así como
su influencia y aplicaciones en la sociedad actual, toca turno de definir y comprender qué
es la Estadística.
Así pues, Estadística proviene del término alemán Statistik que se traduce como “La
ciencia del Estado”, por lo que designaba originalmente el análisis de datos del Estado.
En el siglo XIX cuando el militar británico Sir John Sinclair (1754-1835) introdujo al
término estadística el significado de recolectar y clasificar datos. También se sabe
proviene del latín statisticum collegium (“consejo de Estado”) y su derivado
italiano statista (“hombre de Estado o político”).
“La rama de las matemáticas que recopila, organiza, analiza e interpreta los datos
obtenidos de un problema estadístico, para obtener conocimiento de los hechos pasados,
para prever situaciones futuras y tomar decisiones en base a las experiencias”.
1. Es una rama de las matemáticas que se ocupa de reunir, organizar y analizar datos
numéricos y que ayuda a resolver problemas como el diseño de experimentos y la
toma de decisiones. [6]
2. Es el recuento, ordenación y clasificación de los datos obtenidos por las
observaciones, para poder hacer comparaciones y sacar conclusiones. [12]
3. Es un conjunto de métodos científicos ligados a la toma, organización,
recopilación, presentación y análisis de datos, tanto para la deducción de
conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
[13]
Consiste sobre todo en la presentación de datos en forma de tablas y gráficas; así que
se emplea simplemente para resumir de forma numérica o gráfica un conjunto de datos.
Esta comprende cualquier actividad relacionada con los datos y está diseñada para
resumir o describir los mismos sin factores pertinentes adicionales; esto es, sin intentar
inferir nada que vaya más allá de los datos, como tales.
Así pues, si aplicamos las herramientas ofrecidas por la estadística descriptiva a una
muestra, solo nos limitaremos a describir los datos encontrados en dicha muestra, por lo
que no se podrá generalizar la información hacia la población.
Para que éstas generalizaciones sean válidas la muestra deben ser representativa de la
población y la calidad de la información debe ser controlada, además puesto que las
conclusiones así extraídas están sujetas a errores, se tendrá que especificar el riesgo o
probabilidad que con que se pueden cometer esos errores.
Por ejemplo, a partir de una muestra representativa tomada a los habitantes de una
ciudad, se podrá inferir la votación de todos los ciudadanos que cumplan los requisitos
con un error de aproximación.
Ahora bien este tipo de análisis ha sido muy criticado ya que la realidad se presenta
interconectada, relacionada. Por ejemplo existe una relación entre el peso y la talla de las
personas o entre la el interés y el rendimiento escolar, etc.
Estadística Bivariada
Estadística Multivariada
Los datos multivariados surgen cuando a un mismo individuo se le mide más de una
característica de interés. Un individuo puede ser un objeto o concepto que se puede
Concepto de Población
“Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los
cuales intentamos sacar conclusiones”.
Cadenas (1974).
Es entonces que cuando tenemos un conjunto muy grande de datos numéricos para
analizar decimos que tenemos un Universo o Población de observaciones; tiene como
objetivo final descubrir las características y propiedades de aquello que generó los
datos. En estadística es representado con N.
Concepto de Muestra
“Se llama muestra a una parte de la población a estudiar qué sirve para representarla”.
“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).
La muestra tiene que estar protegida contra el riesgo de resultar sesgada, manipulada u
orientada durante el proceso de selección, con la finalidad de proporcionar una base válida
a la que se pueda aplicar la teoría de la distribución estadística. A la muestra de una
población se le representa en estadística con la letra n.
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando
la población que estamos manejando es muy grande.
Este procedimiento exige, como el anterior, numerar todos los elementos de la población,
pero en lugar de extraer n números aleatorios sólo se extrae uno. Se parte de ese número
aleatorio i, que es un número elegido al azar, y los elementos que integran la muestra son
los que ocupa los lugares i, i+k, i+2k, i+3k,…, i+(n-1) k, es decir se toman los individuos
de k en k, siendo k el resultado de dividir el tamaño de la población entre el tamaño de la
muestra: k= N/n. El número i que empleamos como punto de partida será un número al
azar entre 1 y k.
Consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran
homogeneidad respecto a alguna característica. Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de interés estarán representados
adecuadamente en la muestra.
Las razones para estudiar muestras en lugar de poblaciones son diversas y entre ellas
podemos señalar:
1. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo.
2. Como consecuencia del punto anterior ahorraremos costes.
3. Estudiar la totalidad de los pacientes o personas con una característica
determinada en muchas ocasiones puede ser una tarea inaccesible o imposible de
realizar.
4. Aumentar la calidad del estudio. Al disponer de más tiempo y recursos, las
observaciones y mediciones realizadas a un reducido número de individuos
pueden ser más exactas y plurales que si las tuviésemos que realizar a una
población.
5. La selección de muestras específicas nos permitirá reducir la heterogeneidad de
una población al indicar los criterios de inclusión y/o exclusión.
Los Datos Estadísticos, son aquellos que se estudian en cada elemento de la muestra y
son variables que tomaran valores dependiendo del problema.
Los datos estadísticos son lo que estudiamos en cada individuo de la muestra son las
variables (edad, sexo, peso, talla, tensión arterial sistólica, etcétera). Los datos son los
valores que toma la variable en cada caso. Lo que vamos a realizar es medir, es decir,
asignar valores a las variables incluidas en el estudio. Deberemos además concretar la
escala de medida que aplicaremos a cada variable.
análisis. Con este fin, clasificaremos a estos datos estadísticos, a grandes rasgos, en dos
tipos: datos cuantitativos o datos cualitativos.
Datos cuantitativos
Las Datos Cuantitativos son aquellos que se pueden expresar mediante valores
numéricos, y se dividen en continuos (enteros y decimales) y discretos (sólo enteros):
Datos cualitativos.
Son datos que no se pueden expresar numéricamente, debido a que suponen cualidades,
opiniones, sentimientos entre otros, y se dividen en nominales (categorías que no
mantiene relación de orden) y los jerarquizados (escalas utilizadas bajo un orden).
Son datos dicotómicos o binarios. Como resulta obvio, en muchas ocasiones este tipo
de clasificación no es suficiente y se requiere de un mayor número de categorías (color
de los ojos, grupo sanguíneo, profesión, etcétera).
Escalas nominales: ésta es una forma de observar o medir en la que los datos se
ajustan por categorías que no mantienen una relación de orden entre sí (color de los
ojos, sexo, profesión, presencia o ausencia de un factor de riesgo o enfermedad,
etcétera).
Escalas ordinales o jerarquizados: en las escalas utilizadas, existe un cierto orden o
jerarquía entre las categorías (grados de disnea, estadiaje de un tumor, etcétera).
Variable cualitativa
Por ejemplo: El estado civil, con las siguientes modalidades: soltero, casado, separado,
divorciado y viudo.
Variable cuantitativa
Variable discreta: Una variable discreta es aquella que toma valores aislados, es
decir no admite valores intermedios entre dos valores específicos. Es decir, sólo puede
ser expresado con números enteros.
Variable continua: Una variable continua es aquella que puede tomar valores
comprendidos entre dos números por lo cual tiene un número infinito de valores
posibles. Es decir, puede ser expresada con números decimales o fraccionarios.
Por ejemplo: La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.
Variables dependientes
Son las variables de respuesta que se observan en el estudio y que podrían estar
influenciadas por los valores de las variables independientes. Hayman la define como
propiedad o característica que se trata de cambiar mediante la manipulación de la
variable independiente. La variable dependiente es el factor que es observado y medido
para determinar el efecto de la variable independiente.
Fuentes del subtema 1.5 [22], [23], [24], [25], [25], [27], [28], [29] y [30],
Cuadros Estadísticos
Modalidad Frec. Abs. Frec. Rel. Frec. Abs. Acumu. Frec. Rel. Acumu.
C ni fi Ni Fi
c1 n1 N1 = n1
… … … … …
cj nj
… … … … …
ck nk Nk = n Fk = 1
n 1
Si tenemos datos estadísticos que los podemos manejar también los podemos ordenar. Si
luego de la recopilación, obtenemos un conjunto de datos estadísticos demasiado
numeroso, poco o nada se puede hacer con ellos. Pero si los organizamos y los
clasificamos se nos va a facilitar la información incluso la interpretación.
Si se trabaja con variables discretas las clases pueden ser sin agrupamiento,
siempre y cuando su recorrido sea menor a 20.
Cuando estamos encontrando estadísticas de variables continuas y por lo general
numerosa, debemos agrupar, o por lo general cuando su rango sea mayor a 20.
1. Serie simple o tipo I, también llamada ordinaria (cuando las estadísticas representan
un rango menor a 10.
3. Serie de intervalos de clase o tipo III, o de datos agrupados (cuando los datos
observados son numerosos o su rango es mayor que 20).
1. Tablas Tipo I
2. Tablas Tipo II
3. Tablas Tipo III
5 11 22 40 65 80
2122124211
2321113422
2212111322
3231242141
1343222133
Podemos observar que la variable toma valores comprendidos entre 1 y 4, por lo que
precisaremos una tabla en la que resumamos estos datos quedando la siguiente tabla:
Cuando el tamaño de la muestra y el recorrido de la variable son grandes, por lo que será
necesario agrupar en intervalos los valores de la variable. Por ejemplo, si a un grupo de
Evidentemente, la variable estadística tiene un recorrido muy grande, 4998 pesetas, por
lo que sí queremos hacer una tabla con estos datos tendremos que tomar intervalos. Para
decidir la amplitud de los intervalos, necesitaremos decidir ¿cuántos intervalos
queremos?
[ Li-1 , Li ) Frecuencia
[ 0,500) 16
[ 500, 1000) 6
[ 1000,1500) 3
[ 1500, 2000) 2
[ 2000, 2500) 1
[ 2500, 3000) 1
[ 3000, 3500) 0
[ 3500, 4000) 0
[ 4000, 4500) 0
[ 4500, 5000) 0
[ 5000,5500) 1
Fuentes del subtema 1.8 [31], [32], y [33]
Cuando se hace un estudio estadístico se obtiene una gran cantidad de datos numéricos.
Para tener una información clara y rápida de lo obtenido en el estudio se han creado
las gráficas estadísticas.
Hay un punto que conviene remarcar: existe software que permite la construcción rápida
y eficiente de gráficas a partir de bases de datos o hojas de cálculos, pero no importa cuán
bonita, bien delineada, bien coloreada o bien presentada esté una gráfica, si no se han
tomado en cuenta consideraciones de este tipo que tienen que ver más sobre el objetivo
de estas herramientas y la Estadística: la transmisión eficiente de la información.
Hay muchos tipos de gráficas estadísticas. Cada una de ellas es adecuada para un estudio
determinado, ya que no siempre se puede utilizar la misma para todos los casos. Tienen
una estructura distinta, lo cual les permite ser utilizados para diferentes objetivos, y es
que la mayoría de las veces utilizan datos o variables distintos.
Histograma
Histograma de Frecuencias
Se utilizan para variables continuas o para variables discretas, con un gran número de
datos, y que se han agrupado en clases.
En el eje abscisas se construyen unos rectángulos que tienen por base la amplitud del
intervalo, y por altura, la frecuencia absoluta de cada intervalo. La superficie de
cada barra es proporcional a la frecuencia de los valores representados.
Algunos de los usos más comunes del uso de un histograma son: aumentar la calidad de
alguno de nuestros procesos, pues todos sabemos que es necesario reducir al mínimo la
variación que se presente en el mismo. Es por eso, que el histograma nos permite
identificar cuantas veces se repite un mismo valor, así como la frecuencia con la que
se presenta. Siendo base para la toma de decisiones.
Diagrama de Barras
En este tipo de gráfica, sobre los valores de las variables se levantan barras estrechas
de longitudes proporcionales a las frecuencias correspondientes. Se utilizan para
representar variables cualitativas y cuantitativas discretas.
Para este tipo de gráfica, elaboradas con rectángulos también, se pide que sus bases sean
del mismo ancho y sus alturas equivalentes con las frecuencias. A diferencia
Barras múltiples: es muy recomendable para comparar una serie estadística con otra,
para ello emplea barras simples de distinto color o tramado en un mismo plano
cartesiano, una al lado de la otra.
Barras compuestas: en este método de graficación las barras de la segunda serie se
colocan encima de las barras de la primera serie en forma respectiva.
Pirámides de población.
De población expansiva: con una base ancha y una rápida reducción a medida que
ascendemos. Es propia de los países del Tercer Mundo en plena transición demográfica
con altas tasas de natalidad y mortalidad, y con un crecimiento natural alto.
De población regresiva: con una base más estrecha que el cuerpo central y un
porcentaje de ancianos relativamente grande. Se trata de una población envejecida con
bajas tasas de natalidad y de mortalidad, y con un crecimiento natural reducido.
De población estacionaria: con una notable igualdad entre las generaciones jóvenes y
adultas, y una reducción importante en las ancianas. El crecimiento natural es bajo. Este
tipo de pirámide es propia de las poblaciones que no presentan cohortes de la transición
demográfica.
Gráficas de Líneas
Cuando los datos se relacionan entre sí, es decir, cuando podemos decir que existe cierta
continuidad entre las observaciones se pueden utilizar las gráficas de líneas, que
consisten en una serie de puntos trazados en las intersecciones de las marcas de clase y
las frecuencias de cada una, uniéndose consecutivamente con líneas.
Polígono de Frecuencias
Otra forma de representación de un uso menos común, y muy parecida a las gráficas de
líneas, es el polígono de frecuencias.
Éste, es un gráfico que se realiza a través de la unión de los puntos más altos de las
columnas en un histograma de frecuencia (que utiliza columnas verticales para mostrar
las frecuencias). La diferencia fundamental entre ambas es que en el polígono de
frecuencias se añaden dos clases con frecuencias cero: una antes de la primera clase
con datos y otra después de la última.
El resultado es que se “sujeta” la línea por ambos extremos al eje horizontal y lo que
podría ser una línea separada del eje se convierte, junto con éste, en un
polígono. Los polígonos de frecuencia para datos agrupados, por su parte, se
construyen a partir de la marca de clase que coincide con el punto medio de cada
columna del histograma.
Pictograma
Son gráficos con dibujos alusivos al carácter que se está estudiando y cuyo tamaño es
proporcional a las frecuencias que representan.La mayor frecuencia se identifica por la
mayor acumulación de símbolos. Los pictogramas se emplean sobre todo, para hacer más
amigables y entendibles los informes estadísticos. Se utilizan en estadística, en muchas
ocasiones como parte de una tabla.
Diagrama de Sectores
Si el estudio estadístico tiene pocos valores distintos, suele ocurrir con los caracteres
cualitativos, se puede usar un diagrama en forma de círculo dividido en tantos sectores
como datos distintos haya, de modo que la frecuencia de cada valor viene dada por un
trozo de área del círculo. Así, el círculo queda dividido en sectores cuya amplitud es
proporcional a las frecuencias de los valores.
Para obtener esta característica fundamental del diagrama de sectores, en que el ángulo de
cada sector es proporcional a la frecuencia absoluta correspondiente, tenemos que el
ángulo se calcula de la siguiente forma:
También puede usarse para datos cuantitativos agrupados en clases, y en tales casos, cada
sector corresponde a una clase. Dada la índole de esta representación, sólo se utiliza para
distribuciones de frecuencias relativas usualmente expresadas en porcentajes.
Los textos necesarios pueden situarse dentro del pastel o fuera de éste (preferiblemente
fuera cuando las secciones representen valores pequeños) y el color debe usarse para dar
énfasis y estética. Su principal inconveniente consiste en que requieren de mucho espacio
en cada página.
Ejemplo
El grado de correlación indica la proximidad que hay entre los puntos de la nube de
puntos. Se pueden dar tres tipos:
1. Correlación fuerte: La correlación será fuerte cuanto más cerca estén los puntos de la
recta.
2. Correlación débil: La correlación será débil cuanto más separados estén los puntos de
la recta.
3. Correlación nula: No existe el más mínimo grado de correlación entre los puntos.
Los gráficos de área destacan la magnitud del cambio en el tiempo y se pueden utilizar
para llamar la atención hacia el valor total en una tendencia. Por ejemplo, se pueden trazar
los datos que representan el beneficio en el tiempo en un gráfico de área para destacar el
beneficio total. Al mostrar la suma de los valores trazados, un gráfico de área también
muestra la relación de las partes con un todo.
Áreas apiladas y áreas 100% apiladas: Los gráficos de áreas apiladas muestran la
tendencia de la contribución de cada valor a lo largo del tiempo u otros datos de
categoría. Las gráficas se pueden proyectar en perspectiva 3D.
Otros gráficos
Existen muchos otros gráficos, que en este trabajo no abordaremos de manera profunda
debido a que son poco comunes; principalmente, se trata de gráficas estadísticas utilizadas
en ciencias o actividades muy específicas y muchas veces se requiere de un conocimiento
avanzado para su realización. Como ejemplo, vale la pena mencionar:
Gráficos de superficie
Un gráfico de superficie es útil cuando busca combinaciones óptimas entre dos conjuntos
de datos. Como en un mapa topográfico, los colores y las tramas indican áreas que están
en el mismo rango de valores.
Puede utilizar un gráfico de superficie cuando ambas categorías y series de datos sean
valores numéricos.
Gráficos de anillos
Gráficas Radiales
Los datos organizados en columnas o filas en una hoja de cálculo se pueden representar
en un gráfico radial. Los gráficos radiales comparan los valores agregados de varias series
de datos y muestran cambios en valores relativos a un punto central.
Glosario
Al Azar o Aleatorio: Son todos aquellos eventos fortuitos o productos de la suerte.
Datos: Son los valores cualitativos o cuantitativos mediante los cuales se miden las
características de los objetos, o fenómenos a estudiar.
Estadística: Rama de las matemáticas que se ocupa de reunir, organizar y analizar datos
numéricos y que ayuda a resolver problemas como el diseño de experimentos y la toma
de decisiones.
Evento: Uno o más de los resultados posibles de hacer algo, o uno de los resultados
posibles de realizar un experimento
Límites del Intervalo: Son los valores extremos que tiene el intervalo de clase, inferior
y superior, entre los cuales van a estar los valores de los datos agrupados en
ese intervalo de clase.
Muestreo aleatorio: Las técnicas de muestreo aleatorio aseguran que cada elemento
en la población de interés tenga una probabilidad (no nula) de ser incluido en la
muestra.
Regresión: Proceso general que consiste en predecir una variable a partir de otra
mediante medios estadísticos, utilizando datos anteriores.
Variable: Propiedad o rasgo de un hecho u objeto (no constante) por la que puede ser
caracterizado o clasificado. Representación de una característica, de un tributo, que
posee alguna realidad.
Fuentes de Información
[1] http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.ht
m
[2] http://www.eumed.net/cursecon/libreria/drm/ped-drm-est.htm
[3] http://www.eumed.net/cursecon/libreria/drm/1a.htm
[5] http://www.galeon.com/estadisticautil/quees.htm
[7] http://www.uv.mx/cienciahombre/revistae/vol18num2/articulos/historia/index.ht
m
[8] http://www.monografias.com/trabajos10/esta/esta.shtml#apli
[9] http://web.cortland.edu/flteach/stats/stat-sp.html
[10] http://html.rincondelvago.com/estadistica_38.html
[11] http://www.monografias.com/trabajos27/muestreo-estadistico/muestreo-
estadistico.shtml
[12] http://www.vitutor.com/estadistica/descriptiva/a_1.html
[13] http://www.hrc.es/bioest/estadis_1.html
[14] http://www.eumed.net/cursecon/libreria/drm/0.htm
[15] http://www.monografias.com/trabajos19/la-estadistica/la-estadistica.shtml
[16] http://estadisticadescriptiva1.blogspot.com/2009/09/division-de-la-
estadistica.html
[17] http://sitios.ingenieria-
usac.edu.gt/estadistica/estadistica2/estadisticadescriptiva.html
[18] http://www.estadisticaparatodos.com/index_archivos/page0003.htm
[19] http://www.noparametricas.com/archivos/servicios/analisise.html
[20] http://es.wikipedia.org/wiki/Estadística_multivariante
[21] http://www.gestiopolis.com/canales7/fin/matematicas-aplicacion-de-estadisticas-
multivariables-e-indicadores-financieros.htm
[22] http://www.mitecnologico.com/Main/PoblacionEnEstadistica
[23] http://es.wikipedia.org/wiki/Población_estadística
[24] http://www.vitutor.com/estadistica/inferencia/inferenciaContenidos.html
[27] http://www.fisterra.com/mbe/investiga/10descriptiva/10descriptiva.asp
[28] http://www.vitutor.com/estadistica/descriptiva/a_2.html
[29] http://recursostic.educacion.es/descartes/web/materiales_didacticos/iniciacion_est
adististica_fjgarcia/01VariablesEstadisticas.htm
[30] http://es.wikipedia.org/wiki/Variable_estadística
[31] http://www.monografias.com/trabajos73/estadistica-descriptiva/estadistica-
descriptiva2.shtml
[32] http://www.bioestadistica.uma.es/libro/node7.htm
[33] http://thales.cica.es/rd/Recursos/rd97/UnidadesDidacticas/53-1-u-
punt12.html#seccion2
[34] http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistica/grficas_
estadsticas.html
[35] http://www.uaq.mx/matematicas/estadisticas/xu3.html
[36] http://www.vitutor.net/2/11/graficas_estadistica.html
[37] http://www.vitutor.com/estadistica/descriptiva/a_6.html
[39] http://mx.kalipedia.com/glosario/diagrama-barras.html?x=1487
[40] http://www.monografias.com/trabajos11/estadi/estadi.shtml
[41] http://definicion.de/poligono-de-frecuencia/
[42] http://www.vitutor.com/estadistica/descriptiva/a_5.html
[43] http://www.ceibal.edu.uy/contenidos/areas_conocimiento/mat/estadistica/diagra
ma_de_sectores.html
[44] http://www.ematematicas.net/estadistica/graficas/index.php?tipo=sectores
[45] http://dieumsnh.qfb.umich.mx/estadistica/graficas.htm
[46] http://www.ematematicas.net/estadistica/graficas/index.php?tipo=picto
[47] http://www.conevyt.org.mx/cursos/enciclope/prob_inf_graf.html#pictograma
[49] http://office.microsoft.com/es-es/excel-help/tipos-de-graficos-disponibles-
HA001233737.aspx#BMareacharts
[50] http://enciclopedia.us.es/index.php/Pir%C3%A1mide_de_poblaci%C3%B3n
[51] http://web.cortland.edu/flteach/stats/glos-sp.html
[52] http://es.scribd.com/doc/8050872/GLOSARIO-ESTADISTICO