UNIVERSO

En estadística es el nombre especifico que recibe particularmente la investigación social la

operación dentro de la delimitación del campo de investigación que tienen por objeto la
determinación del conjunto de unidades de observaciones del conjunto de unidades de
observación que van a ser investigadas. Para muchos investigadores él termino universo y
población son sinónima. En general, el universo es la totalidad de elementos o características
que conforman el ámbito de un estudio o investigación.

POBLACIÓN

En estadística el concepto de población va más allá de lo que comúnmente se conoce como tal.
En términos estadísticos, población es un conjunto finito o infinito de personas, animales o cosas
que presentan características comunes, sobre los cuales se quiere efectuar un estudio
determinado. En otras palabras, la población se define como la totalidad de los valores posibles
(mediciones o conteos) de una característica particular de un grupo especificado de personas,
animales o cosas que se desean estudiar en un momento determinado. “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).

MUESTRA

Un subconjunto cualquiera de la población . Para que la muestra nos sirva para extraer
conclusiones sobre la población deber ser representativa , lo que se consigue seleccionando sus
elementos al azar , lo que da lugar a una muestra aleatoria. Es una parte o porción extraída de
un conjunto por métodos que permiten considerarla como representativa del mismo. Entonces,
una muestra no es más que una parte de la población que sirve para representarla. La muestra
debe obtenerse de la población que se desea estudiar; una muestra debe ser definida sobre la
base de la población determinada, y las conclusiones que se obtengan de dicha muestra sólo
podrán referirse a la población en referencia.

Valida , No valida

Una parte fundamental para realizar un estudio estadístico de cualquier tipo es obtener unos
resultados confiables para lo cual se necesita generalmente la mayor cantidad de datos posibles.
Pero generalmente resulta casi imposible o impráctico llevar a cabo algunos estudios sobre toda
una población, para esto la solución es desarrollar el estudio basándose en un subconjunto de
dicha población realizando un muestreo.

3. Población

Llamado también Universo, es el conjunto de todos los elementos que tienen una característica
o hacen parte de un espacio común y de los cuales queremos realizar un estudio para conocer
datos específicos. Muestra: Parte de una población seleccionada mediante alguna técnica. La
muestra es un subconjunto representativo, adecuado y válido de la población. Muestra
Probabilística o Aleatoria No Probabilística, Dirigida o de Juicio

las muestras probabilísticas todos los elementos de la población tienen la misma posibilidad de
ser escogidos, la muestra se obtiene utilizando herramientas estadísticas las cuales devolverán
un valor resultante de una cantidad representativa de la población. En las muestras no
probabilísticas, la elección de los elementos no depende de la probabilidad, sino de las
características de la investigación o de quien hace la muestra. Aquí el procedimiento no es
mecánico ni con base en fórmulas de probabilidad, sino de las decisiones del investigador o
investigadores obedeciendo a diversos criterios.

La muestra de una investigación cualitativa se determina durante o después de la inmersión

inicial en el campo y puede ser reajustada en pasos posteriores del proceso. Casi en la totalidad
de los casos la muestra es no probabilística e incluso podría llegar a ser formada por la totalidad
de la población. En los estudios cualitativos el tamaño de muestra no es importante desde una
perspectiva matemática, pues el interés del investigador no es generalizar los resultados sino
que se busca la profundidad de los mismos.
 Aun así un muestreo adecuado tiene una importancia crucial en la investigación, y por esta
razón es necesario reflexionar detenidamente sobre cuál es la estrategia de muestreo más
pertinente para lograr los objetivos de investigación, tomando en cuenta criterios de rigor,
estratégicos, éticos y pragmáticos. Por lo general son tres los factores que intervienen para
determinar el número de casos: 1. Capacidad operativa de recolección y análisis: Número de
casos que podemos manejar de manera realista. 2. El entendimiento del fenómeno: Número de
casos que nos permitan responder a las preguntas de investigación. 3. La naturaleza del
fenómeno bajo análisis: Si los casos son frecuentes y accesibles o no, si el recolectar información
lleva poco o mucho tiempo.

Ejemplo 1: En un estudio sobre las emociones que los pacientes jóvenes pueden experimentar
antes de ser operados de tumores cerebrales, el investigador o investigadora procurará analizar
el mayor número de casos posible que depende, en primera instancia, de cuántas cirugías para
extirpar tumores cerebrales se realizan en una institución medica o ciudad, mensual o
anualmente a jóvenes de 13 a 17 años. Ejemplo 2: en una investigación se reclutó abiertamente,
buscando la mayoría de casos posibles, a las participantes con el requisito que hubiesen vivido
abuso sexual prolongado durante su infancia. La muestra final fue de 11 mujeres.

Frecuentes en ciencias sociales y médicas y se refieren, a individuos que voluntariamente

acceden a participar en un estudio. A esta clase de muestra también se le puede llamar
autoseleccionada, ya que las personas se proponen como participantes en el estudio
respondiendo activamente a una invitación. Muestra de Participantes Voluntarios.

Parametro

Un parámetro estadístico es un número que se obtiene a partir de los datos de una distribución
estadística. Los parámetros estadísticos sirven para sintetizar la información dada por una tabla o
por una gráfica.

Tipos de parámetros estadísticos

Hay tres tipos parámetros estadísticos:

De centralización

De posición

De dispersión

La media aritmética es el valor obtenido al sumar todos los datos y dividir el resultado entre el
número total de datos.

es el símbolo de la media aritmética.

ecuacion de media aritmetica

ecuacion de media aritmetica

Ejemplo:

Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg.

Hallar el peso medio.

ejemplo de media aritmetica

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 discreta

es una variable que no puede tomar algunos valores dentro de un mínimo conjunto numerable,
quiere decir, no acepta cualquier valor, únicamente aquellos que pertenecen al conjunto. En
estas variables se dan de modo coherente separaciones entre valores observables sucesivos.
Dicho con más rigor, se determina una variable discreta como la variable que hay entre dos
valores observables (potencialmente), hay por lo menos un valor no observable
(potencialmente). Como ejemplo, el número de animales en una granja (a, b, c, d, 4, 5, 6, 7,......).
Otro ejemplo sería el número de hijos en una familia (1; 2; 3; 4; ...).

variable continua

puede tomar un valor fijo dentro de un intervalo determinado. Y siempre entre dos valores
observables va a existir un tercer valor intermedio que también podría tomar la variable
continua. Una variable continua toma valores a lo largo de un continuo, esto es, en todo un
intervalo de valores. Un atributo esencial de una variable continua es que, a diferencia de una
variable discreta, nunca puede ser medida con exactitud; el valor observado depende en gran
medida de la precisión de los instrumentos de medición. Con una variable continua hay
inevitablemente un error de medida. Como ejemplo, la estatura de una persona (1.72m, 1.719m,
1.7186m....). Otro ejemplo, puede ser el tiempo que toma un atleta en recorrer 100 metros
planos, ya que este tiempo puede tomar valores como 9,623 segundos; 10,456485 segundos;
12,456412 segundos; es decir, un intervalo de valores.

Números Combinatorios

Las agrupaciones combinatorias que sólo consideran la esencia de los grupos formados y no su
orden, llamadas combinaciones, han constituido una rama específica dentro de la especialidad
del análisis combinatorio, con múltiples usos en diversos campos. La expresión numérica de tales
combinaciones recibe el nombre de número combinatorio o coeficiente binómico.

Coeficientes binómicos
Se define número combinatorio o coeficiente binómico como el valor numérico de las
combinaciones ordinarias (sin repetición) de un conjunto de n elementos tomados en grupos de
r, siendo n y r dos números enteros y positivos tales que n ³ r. Matemáticamente, un número
combinatorio se expresa como:

Los números combinatorios se leen «n sobre r».

Propiedades de los números combinatorios

Los números combinatorios presentan algunas propiedades muy interesantes que justifican el
amplio uso que se hace de ellos en algunas ramas científicas:

Primera propiedad de los números combinatorios:

Segunda propiedad de los números combinatorios.

Otras propiedades generales de los números combinatorios son las siguientes:

Cualquier número sobre 0 es igual a 1.

Todo número sobre sí mismo es igual a 1.

Un número sobre 1 es siempre igual al número.

se denomina variación a cada una de las tuplas que pueden formarse tomando elementos de un
conjunto. En combinatoria de conjuntos finitos frecuentemente se necesita conocer número de
variaciones de un conjunto de m elementos tomados en tuplas de n elementos (con o sin
elementos repetidos en las tuplas). Las variaciones con repetición de conjuntos de m elementos
tomados en tuplas de n elementos es el número de diferentes n-tuplas de un conjunto de m
elementos.

La estadistica

es la rama de las matemáticas que estudia la variabilidad, así como el proceso aleatorio que la
genera siguiendo leyes de probabilidad.2 Como parte de la matemática, la estadística es una
ciencia formal deductiva, con un conocimiento propio, dinámico y en continuo desarrollo
obtenido a través del método científico formal. En ocasiones, las ciencias fácticas necesitan
utilizar técnicas estadísticas durante su proceso de investigación factual, con el fin de obtener
nuevos conocimientos basados en la experimentación y en la observación. En estos casos, la
aplicación de la estadística permite el análisis de datos provenientes de una muestra
representativa, que busca explicar las correlaciones y dependencias de un fenómeno físico o
natural, de ocurrencia en forma aleatoria o condicional.

La estadística es útil para una amplia variedad de ciencias fácticas, desde la física hasta las
ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Además, se usa en
áreas de negocios o instituciones gubernamentales con el objetivo de describir el conjunto de
datos obtenidos para la toma de decisiones, o bien para realizar generalizaciones sobre las
características observadas.

En la actualidad, la estadística aplicada a las ciencias fácticas permite estudiar una determinada
población a partir de la recopilación de información, el análisis de datos y la interpretación de
resultados. Del mismo modo, también es una ciencia esencial para el estudio cuantitativo de los
fenómenos de masa o colectivos.

Tecnica estadistica

Objetivo:Identificar las Técnicas Estadísticas que puedan aplicarse al Sistema de Calidad y

faciliten la toma de decisiones sobre bases objetivas.

Alcance:Las Técnicas Estadísticas podrán ser utilizadas como herramientas de análisis en las
siguientes actividades.

- Control de Recepción

- Mejora de los Procesos

- Medida de la Fiabilidad

- Toma y análisis de datos para resolución de problemas

Las Técnicas Estadísticas se desarrollarán, una vez implantado eficazmente el Sistema de Calidad,
mediante Procedimientos Técnicos emitidos por el Director Calidad.

A continuación se indican alguna de las técnicas más habituales y que se prevean implantar
progresivamente.

La ciencia

es un sistema ordenado de conocimientos estructurados que estudia, investiga e interpreta los

fenómenos naturales, sociales y artificiales. El conocimiento científico se obtiene mediante
observación y experimentación en ámbitos específicos.

En estadística y probabilidad se llama distribución normal, distribución de Gauss, distribución

gaussiana o distribución de Laplace-Gauss, a una de las distribuciones de probabilidad de
variable continua que con más frecuencia aparece en estadística y en la teoría de probabilidades.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de un

determinado parámetro estadístico. Esta curva se conoce como campana de Gauss y es el gráfico
de una función gaussiana.

La importancia de esta distribución radica en que permite modelar numerosos fenómenos

naturales, sociales y psicológicos. 3Mientras que los mecanismos que subyacen a gran parte de
este tipo de fenómenos son desconocidos, por la enorme cantidad de variables incontrolables
que en ellos intervienen, el uso del modelo normal puede justificarse asumiendo que cada
observación se obtiene como la suma de unas pocas causas independientes.

De hecho, la estadística descriptiva sólo permite describir un fenómeno, sin explicación alguna.
Para la explicación causal es preciso el diseño experimental, de ahí que al uso de la estadística en
psicología y sociología sea conocido como método correlacional.

distribución normal

también es importante por su relación con la estimación por mínimos cuadrados, uno de los
métodos de estimación más simples y antiguos.

Algunos ejemplos de variables asociadas a fenómenos naturales que siguen el modelo de la

normal son:

caracteres morfológicos de individuos como la estatura;

caracteres fisiológicos como el efecto de un fármaco;

caracteres sociológicos como el consumo de cierto producto por un mismo grupo de individuos;

caracteres psicológicos como el cociente intelectual;

nivel de ruido en telecomunicaciones;

errores cometidos al medir ciertas magnitudes;

etc.

Distribucion de poisoon

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos
interesa determinar el número de hechos de cierto tipo que se pueden producir en un intervalo
de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas.
Otro de sus usos frecuentes es la consideración límite de procesos dicotómicos reiterados un
gran número de veces si la probabilidad de obtener un éxito es muy pequeña .

Proceso experimental del que se puede hacer derivar

Esta distribución se puede hacer derivar de un proceso experimental de observación en el que

tengamos las siguientes características

· Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a lo

largo de un espacio de observación

· Los hechos a observar tienen naturaleza aleatoria ; pueden producirse o no de una manera no
determinística.
· La probabilidad de que se produzcan un número x de éxitos en un intervalo de amplitud t no
depende del origen del intervalo (Aunque, sí de su amplitud)

· La probabilidad de que ocurra un hecho en un intervalo infinitésimo es prácticamente

proporcional a la amplitud del intervalo.

· La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es un

infinitésimo de orden superior a dos.

En consecuencia, en un intervalo infinitésimo podrán producirse O ó 1 hecho pero nunca más de

uno.

Cuadro estadistico

Tabla de la distribución normal

La tabla de la distribución normal presenta los valores de probabilidad para una variable
estándar Z, con media igual a 0 y varianza igual a 1.

Para usar la tabla, siempre debemos estandarizar la variable por medio de la expresión:

Siendo el valor de interés; la media de nuestra variable y su desviación estándar.

Recordemos que y corresponden a parámetros, o sea valores en el universo, que
generalmente no conocemos, por lo que debemos calcular Z usando los datos de nuestra
muestra.

En general, el valor de Z se interpreta como el número de desviaciones estándar que están

comprendidas entre el promedio y un cierto valor de variable x. En otras palabras, se puede
decir que es la diferencia entre un valor de la variable y el promedio, expresada esta diferencia
en cantidad de desviaciones estándar.

Suena abstracto, pero con un ejemplo se podrá entender mejor:

Supongamos un conjunto de personas con edad promedio 25 años y desviación estándar 3,86.
Nuestro valor de interés (x) es 30 años. El valor de Z correspondiente será: