2. Estadística Descriptiva
Generalmente la información registrada en un proceso de observación es tratada, en un
primer momento, con el objetivo de describir y resumir sus características más
sobresalientes.
Esto se conoce como estadística descriptiva y generalmente se basa en el uso de tablas y
gráficos, y en la obtención de medidas resumen.
Por ejemplo: edad o altura de una población, temperatura en los meses de verano, etc.
Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama
variable estadística.
Recolecta Presenta Caracteriza
Un
conjunto
de datos
3. Las variables pueden ser de dos tipos:
• Variables cualitativas o categóricas: no se pueden medir numéricamente por ejemplo:
nacionalidad, color de la piel, sexo.
• Variables cuantitativas: tienen valor numérico (edad, precio de un producto, ingresos
anuales).
Color de fruto
Forma de fruto
Grados picor
Numero de frutos
Numero de flores
Nuero de horquetas
Peso de fruto
4. Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes
conceptos:
• Individuo: cualquier elemento que porte
información sobre el fenómeno que se
estudia con alguna característica observable
o medible.
• Población: conjunto de todos los individuos
(plantas, objetos, animales, etc.) que porten
información sobre el fenómeno que se
estudia.
• Muestra: subconjunto que es seleccionado
de una población. El numero de elementos
seleccionados se denomina tamaño de
muestra.
Las variables aleatorias son variables que son seleccionadas al azar o por procesos
aleatorios.
5. Muestra aleatoria: Es una parte de la población tomada al azar; para que se
considere propia y representativa de la población, deberá ser tomada al azar.
6. Estimación de Parámetros
En algunos casos se trata de estimar (aproximar numéricamente) la función de
distribución de una variable aleatoria. Se requiere que el investigador suponga la
distribución de su variable y una vez establecida ésta, el problema es encontrar
valores razonables para los parámetros que la caracterizan.
7. En el proceso de estimación de un parámetro hay dos enfoques que responden a
diferentes necesidades: la estimación puntual y la estimación por intervalo de
confianza.
E. Puntual
Cuando se aproxima un parámetro de una distribución a través de un valor, decimos
que se está haciendo es una estimación puntual.
8. Los estimadores puntuales son también variables aleatorias y, por lo tanto, no se
puede esperar que en una realización cualesquiera den un valor idéntico al parámetro
que estiman. Por ello, se desea que una estimación puntual esté acompañada de
alguna medida del posible error de esa estimación. Esto puede hacerse indicando el
error estándar del estimador o dando un intervalo que incluya al verdadero valor del
parámetro con un cierto nivel de confianza.
Por ejemplo:
Si se quiere reportar el rendimiento de un cultivo, en vez de decir que la media del
rendimiento se estima en 25 qq/ha se podría decir que, con una confianza del 95%, el
rendimiento promedio para ese cultivo está comprendido entre 23.5 y 26.5 qq/ha.
9. Si de una población con μ = 28, se toman 200 muestras independientes (m = 200) de
tamaño “n” y se construyen para cada una un intervalo de confianza con coeficiente
0.90 (o del 90%), entonces se debe “esperar” que 180 de los 200 intervalos incluyan al
valor 28.
Valores usuales de confianza son 0.95, 0.99 o 0.999. Estos niveles de confianza,
aunque ampliamente aceptados, no constituyen una norma y pueden utilizarse otros.
