Este documento define conceptos básicos de estadística como población, muestra, variable, escalas de medición, parámetros estadísticos, proporción, tasa, razón y frecuencia. Explica que una población es el conjunto total de casos de interés y una muestra es un subconjunto de la población. También describe las diferentes escalas de medición y tipos de parámetros estadísticos, así como cómo calcular proporciones, tasas, razones y frecuencias.
tipos de organización y sus objetivos y aplicación
Trabajo estadistica
1. TÉRMINOS BÁSICOS
EN ESTADÍSTICA
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Superior
I.U.P Santiago Mariño
Realizado por: Jaimes Garnica Leidy Andrea
C.I: 25921484
2. Definición y ejemplo de población y muestra
Se denomina población a un conjunto de individuos o
casos, objetivo de nuestro interés. Podemos distinguir entre
poblaciones tangibles y poblaciones conceptuales. Una
población es tangible si consta de elementos físicos reales
que forman un conjunto finito. Una población conceptual no
tiene elementos reales, sino que sus casos se obtienen por la
repetición de un experimento.
Ejemplo la población en una universidad puede ser el total de
estudiantes que cursan una carrera, el total de estudiantes nuevos, aquellos que
se gradúan.
Muestra es el conjunto de sujetos tomados de una población. El objetivo de
una muestra, ya sea en una población tangible o en una población conceptual
es que los elementos de la muestra representen al conjunto de todos los
elementos de la población.
Ejemplo podemos tomar de muestra de la población estudiantil aquellos
que deseen estudiar diurno o nocturno, los que se gradúan con un alto o bajo
promedio.
3. Definición, tipos y ejemplo de Variable
Una variable o dato es una característica concreta de una población
Variables cuantitativas son las que representan una cantidad
reflejada en una escala numérica. A su vez, puede clasificarse como
cuantitativos discretos si se refieren al conteo de alguna característica, o
cuantitativos continuos si se refiere a una medida.
Ejemplo puede reflejar el numero de alumnos por sección.
Variable cualitativa o categóricos se refieren a características de
la población que no pueden asociarse a cantidades con significado
numéricos, sino a características que solo pueden clasificarse.
Ejemplo nivel socioeconómico también puede clasificar por sexo.
4. Definición, Tipos y Ejemplo de Escalas de Medición.
Las escalas de medición son utilizadas para diferenciar elementos en
un proceso. Se clasifican en nominal, ordinal, intervalo y de razón. En diversos
estudios, la escala a utilizar, depende de la naturaleza del elemento o del
interés del investigador.
La Escala Nominal, se utiliza cuando un objeto o evento se diferencia
de otro
solamente por la nominación con que se conoce. Se pueden utilizar numerales,
letras o
cualquier otra nominación sin que ello represente orden o continuidad; solo se
pretende
clasificar.
La Escala Ordinal, se utiliza de manera nominal pero para jerarquizar
datos.
La Escala de Intervalo, esta escala posee todas las características de
una escala ordinal. Además se conoce la distancia entre dos números
cualesquiera, y el valor cero no representa ausencia de una característica. La
escala utilizada en los termómetros, es de tipo por intervalo ordinal y el valor
cero representa punto de congelación, pero por debajo de cero existen otros
valores.
5. La Escala de Razón. Esta escala es similar a la anterior,
excepto en que el cero sí representa ausencia de una característica. La
escala utilizada para el tiempo es de tipo razón, ya que debajo de cero
unidades de tiempo no hay valores.
6. Definición y Ejemplo de Parámetros estadísticos
Un parámetro estadístico es un número que resume la ingente cantidad
de datos que pueden derivarse del estudio de una variable estadística. El cálculo
de este número está bien definido, usualmente mediante una fórmula aritmética
obtenida a partir de datos de la población.
Existen principalmente tres tipos de parámetros estadísticos: de
posición, dispersión y forma.
Parámetros de Posición: Permiten identificar el valor en torno al cual se
agrupan mayoritariamente los datos, es decir, cuyo valor es representativo de
todos ellos. Pueden ser de dos tipos:
Medidas de tendencia central: media, mediana y moda
Medidas de posición no central: cuartiles, deciles y percentiles.
Este tipo de parámetros no tiene por qué coincidir con un valor exacto de la
variable, y no deben usarse con carácter general para hacer pronósticos. La
elección de un parámetro u otro, dependerá de cada caso particular y de la
distribución que siga la variable, pero podemos concluir que en el caso de que los
datos sigan una distribución normal, la media aritmética es el parámetro más
representativo, mientras que si presenta cierta asimetría conviene más utilizar la
mediana. La moda sólo es adecuada en el caso de variables cualitativas.
7. Parámetros de Dispersión
Las medidas de posición resumen la distribución de datos,
pero resultan insuficientes y simplifican excesivamente la información.
Estas medidas adquieren verdadero significado cuando van
acompañadas de otras que informen sobre la
heterogeneidad de los datos. Estas medidas se
conocen como parámetros de dispersión y miden
en qué medida los datos se agrupan entorno a un
valor central.
Hay medidas de dispersión absolutas, entre las cuales se
encuentran la varianza, la desviación típica o el recorrido y medidas de
dispersión relativas, como el coeficiente de variación. Las medidas
absolutas tienen que ir acompañadas de un parámetro de posición,
normalmente la media, y no permiten comparaciones entre distintas
muestras. Las medidas relativas suelen ser adimensionales por lo que
permiten la comparación entre distintas muestras
8. Parámetros de Forma
Las variables aleatorias continuas presentan
frecuentemente una pauta de variabilidad que se caracteriza por el
hecho de que los datos tienden a acumularse en torno a un valor
central, que coincide con la media, decreciendo su frecuencia de
forma aproximadamente simétrica a medida que se alejan por
ambos lados de dicho valor. Los histogramas de estas variables
continuas tienen forma de campana de Gauss, que es el modelo
matemático de la distribución normal, siendo la distribución que con
más frecuencia aparece en multitud fenómenos reales.
Los parámetros de forma son indicativos de la forma típica
que presenta la gráfica o histograma de los datos, es decir de cómo
se distribuyen. Entre ellas destacan el coeficiente de asimetría y
curtosis.
Ejemplo: si se considera como universo a todos los
estudiantes regulares del Santiago Mariño, la edad promedio de
estos, el porcentaje de estudiantes de sexo femenino que fuman, el
ingreso medio de todos los estudiantes, son valores que describen
un parámetro.
9. Definición y Ejemplo de Sumatoria Razón, Proporción,
Tasa y Frecuencia.
Proporción: Las proporciones son medidas que expresan la frecuencia con la
que ocurre un evento en relación con la población total. Esta medida se calcula
dividiendo el número de eventos ocurridos entre la población en la que
ocurrieron. Como cada elemento de la población puede contribuir únicamente con
un evento, es lógico que al ser el numerador (el volumen de eventos) una parte
del denominador (la población en la que se presentaron los eventos), el primero
nunca será más grande que el segundo. Esta es la razón por la que el resultado
no puede ser mayor que la unidad y oscila siempre entre cero y uno.
En la proporción, el numerador está incluido en el denominador. El
numerador consta de los individuos con un evento; el denominador comprende el
total de los individuos.
Ejemplo: Si en un año se presentan 3 muertes en una población
compuesta por 100 personas, la proporción anual de muertes en esa población
será:
10. Tasa: El concepto de tasa es similar al de una proporción, con la
diferencia de que
las tasas llevan incorporado el concepto de tiempo. Las tasas expresan la
dinámica de un suceso en una población a lo largo del tiempo. Se puede
definir como la magnitud del cambio de una variable (enfermedad o muerte)
por unidad de cambio de otra (usualmente el tiempo) en relación con el
tamaño de la población que se encuentra en riesgo de experimentar el
suceso. En las tasas, el numerador expresa el número de eventos sucedidos
durante un periodo en un número determinado de sujetos observados. A
diferencia de una proporción, el denominador de una tasa no expresa el
número de sujetos en observación, sino el tiempo durante el cual tales
sujetos estuvieron en riesgo de sufrir el evento. La unidad de medida
empleada se conoce como tiempo – persona de seguimiento u observación.
Ejemplos: La observación de 100 individuos en riesgo de padecer
el evento durante un año corresponde a 100 años – persona de
seguimiento. De manera similar, 10 sujetos observados durante 10 años
corresponden a 100 años – persona de seguimiento.
Si en una población la tasa de infarto al miocardio es 0,008 años-1,
la interpretación será que se producen ocho infartos por mil habitantes al
año.
11. Razón: Es el cociente de una cantidad dividida para otra. Esta es la
principal
operación de transformación o "normalización " estadística. Divide la
cantidad que se quiere "normalizar" por la cantidad "normalizadora".
Por ejemplo, el número de mujeres dividido por el número de
hombres es la "razón de feminidad". La mayoría de medidas se obtienen
como cocientes; sin embargo, dado que involucran otras operaciones, el
SIISE ha preferido usar términos específicos para caracterizarlas:
porcentaje, tasa, índice, etc.
Frecuencia: La frecuencia es la cantidad de veces que se repite un
suceso
en un rango de un espacio muestral dado.
Hay diferentes tipos de frecuencia: frecuencia absoluta,
absoluta acumulada, relativa y relativa acumulada.
Por ejemplo, una profesora en su informe anual, señalará que
para el curso de 35 alumnos, la frecuencia de notas es la siguiente.
12. KENNEDY, J.; NEVILLE, A. (1974). Estadística para Ciencias e
Ingeniería. Harla.
Esccolares.net http://www.escolares.net/matematicas/frecuencia-
estadistica/
Prof. Dr. Antonio José Sáez Castillo (junio de 2012). Apuntes de
estadística para ingenieros versión 1.3
Ross, S. M. (2005) Ross, S. M. (2005). Introducción a la Estadística.
Editorial Reverté.
Dr. DEPOOL RIVERO, RAMÓN. Ing. MONASTERIO, DIÓSCORO.
PROBABILIDAD Y ESTADÍSTICAAPLICACIONES A LA INGENIERÍA
http://www.bqto.unexpo.edu.ve/
Bibliografía