El documento presenta información sobre estadística y diseño experimental. Explica conceptos básicos como población, muestra, variables, estadística descriptiva e inferencial. También describe métodos de muestreo probabilísticos como el muestreo simple aleatorio y no probabilísticos. Finalmente, destaca la importancia de la estadística en la investigación científica.
6. . Población total según grupo de edad y sexo Comodoro Rivadavia- Grupos de edad Mujeres Varones Frecuencia % Frecuencia % Hasta 9 años 13590 19.3% 12492 18.1% De 10 a 14 años 7042 10.0% 7454 10.8% De 15 a 19 años 6268 8.9% 5866 8.5% De 20 a 24 años 5775 8.2% 7385 10.7% De 25 a 29 años 5211 7.4% 6557 9.5% De 30 a 39 años 9860 14.0% 8420 12.2% De 40 a 49 años 8099 11.5% 7868 11.4% De 50 a 59 años 7394 10.5% 6764 9.8% De 60 a 69 años 4014 5.7% 3865 5.6% De 70 y mas años 3169 4.5% 2347 3.4% Total 70422 100.0% 69018 100.0%
7. La Estadística se ocupa de los métodos y procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar los datos , siempre y cuando la variabilidad e incertidumbre sea una causa intrínseca de los mismos; así como de realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso formular predicciones .
8.
9. Ejemplo 1-Estadística Descriptiva Exámenes y calificación –FCA-UNER Años 2000 2001 2002 2003 Porcentaje de exámenes aprobados 71,4 74,3 71,6 69,4 Promedio de calificaciones 5,5 5,8 5,6 5,5
10. Ejemplo 2- Estadística Inferencial Población: mayor de 18 años, en el ámbito geográfico AMBA (Ciudad de Buenos Aires y Gran Buenos Aires). Tamaño de la muestra: 303 Conoce el Programa de Salud Sexual y Procreación Responsable ? ENCUESTA DE OPINIÓN PÚBLICA SOBRE SALUD REPRODUCTIVA - el Ministerio de Salud de la Nación 2003 Aplicando Intervalos de Confianza puede inferirse con un 95% de confianza que entre 21% y 31 % de la población mayor a 18 años del AMBA conoce el Programa Si conoce 26% No conoce 74%
16. Cuantitativas pueden medirse y expresarse en forma numérica Cualitativas son no medibles y se expresan en forma de clases categorías Discretas Continuas Nominales Ordinales
17.
18.
19. Son aquellas que si bien no pueden medirse, sus categorías pueden ordenarse en una escala numérica Calificaciones Sobresaliente :9-10 Distinguido: 8-9 Bueno: 6-7 Aprobado: 4-5 Insuficiente:1-23 Reprobado: 0 Grado de Resistencia al Cancro del Tallo-Soja Resistente: 5 M oderadamente resistente :4 M oderadamente susceptible:3 S usceptible :2 Altamente susceptible :1 Grado de Alcoholismo No bebedor: 0 Bebedor Moderado:1 Bebedor Habitual :3 Bebedor Excesivo:4 Alcoholico: 5
20.
21.
22.
23. Según el modo de recolectar los datos........ Diseños de Experimento: S on diseñados y controlados por el investigador.” Provocan” un fenómeno bajo condiciones controladas . Ej. Aplicación de diferentes dosis de un fertilizante para evaluar el rendimiento de diferentes variedades de trigo. Estudios observacionales S urgen como resultado de un proceso de observación bajo ciertas condiciones dadas . Ej. Datos publicados de registros de temperaturas mínimas y máximas en la ultima década del siglo XX, en la ciudad de Paraná. Relevamientos muestrales S e vinculan con encuestas de opinión aplicando métodos de muestreo para la selección de individuos. Ej. Evaluar la opinión de los estudiantes universitarios respecto a diferentes aspectos del funcionamiento del Departamento Alumnado y Biblioteca de la facultad donde cursan su carrera.
24.
25.
26.
27.
28.
29. Población : N= 30 establecimientos Tamberos en un Departamento Muestra: n=10 Numero del Establecimiento Nombre del Productor 1 BoccaJ.P 2 ........... 3 ........... 4 ........... ................................................................................ 27 ................ 28 ............... 29 ............. 30 Miro, J.S
Cuando coloquialmente se habla de estadística, se suele pensar en una relación de datos numéricos presentada de forma ordenada y sistemática. Esta idea es la consecuencia del concepto popular que existe sobre el término y que cada vez está más extendido debido a la influencia de nuestro entorno, ya que hoy día es casi imposible que cualquier medio de difusión, periódico, radio, televisión, etc, no nos aborde diariamente con cualquier tipo de información estadística sobre accidentes de tráfico, índices de crecimiento de población, turismo, tendencias políticas, etc.
Iniciamos este capítulo con la definición de algunos conceptos elementales y básicos, y sin embargo pilares, para una comprensión intuitiva y real de lo que es la Bioestadística. Pretendemos introducir al estudiante en los primeros pasos sobre el uso y manejos de datos numéricos: distinguir y clasificar las características en estudio, enseñarle a organizar y tabular las medidas obtenidas mediante la construcción de tablas de frecuencia y por último los métodos para elaborar una imagen que sea capaz de mostrar gráficamente unos resultados. El aserto ``una imagen vale más que mil palabras'' se puede aplicar al ámbito de la estadística descriptiva diciendo que ``un gráfico bien elaborado vale más que mil tablas de frecuencias''. Cada vez es más habitual el uso de gráficos o imágenes para representar la información obtenida. No obstante, debemos ser prudente al confeccionar o interpretar gráficos, puesto que unas misma información se puede representar de formas muy diversas, y no todas ellas son pertinentes, correctas o válidas. Nuestro objetivo, en este capítulo, consiste en establecer los criterios y normas mínimas que deben verificarse para construir y presentar adecuadamente los gráficos en el ámbito de la estadística descriptiva
Podríamos por tanto clasificar la Estadística en descriptiva, cuando los resultados del análisis no pretenden ir más allá del conjunto de datos, e inferencial cuando el objetivo del estudio es derivar las conclusiones obtenidas a un conjunto de datos más amplio.
Hasta ahora, hemos estudiado estadística descriptiva, una serie de procedimientos y técnicas, que permitían un conocimiento descriptivo de las características básicas de una población . Pero en general, no podremos casi nunca tratar con poblaciones al completo. Ya sea porque la población a estudiar es muy grande, ya sea por motivos económicos, de falta de personal cualificado, o para una mayor rapidez en la recogida y presentación de los datos, lo que se suele hacer es obtener los datos, de tan sólo una muestra de la población. No podemos estudiar todos los coches que salen de una cadena de producción para determinar su calidad, ni es posible ensayar un medicamento en todas las personas, ni podemos costearnos preguntar a todos los españoles sobre una cuestión cualquiera (salvo en referendums, votaciones, o en el censo, siendo estos los pocos casos en que un estudio comprende a toda la población). En consecuencia, deberemos contentarnos con utilizar muestras, que sean capaces de revelarnos algo acerca de la población de las que han sido extraídas. De la forma de elegirlas, y las condiciones que han de verificar, hablaremos en el siguiente epígrafe. La Estadística inferencial se ocupa de extender o extrapolar a toda una población, informaciones obtenidos de una muestra, así como de la toma de decisiones.
Parece evidente, que a mayor tamaño, más se acercaran los parámetros que calculemos, a los de la población ( y es cierto siempre que se tenga en cuenta la representatividad de la muestra, que es un aspecto que desarrollaremos ahora). En la práctica real, el número de elementos de una muestra está determinado por una serie de factores: grado de fiabilidad deseado, dificultad en la elección de los elementos que la compongan, tiempo necesario para la elección, gastos originados,... La segunda y más importante cuestión es ¿ cómo deben ser elegidos los elementos que la compongan?. Para ser válidas,las muestras han de ser representativas, esto es, si queremos inferir de los resultados de una muestra, en ella se ha de reproducir en igual porcentaje el carácter estudiado, que en la población total. Por tanto, será necesario, que en el momento de la elección de los elementos de la muestra, verifiquemos que todos los elementos de la población tiene igual probabilidad de ser elegidos para la muestra. Cuando se pretende conocer de antemano los resultados de unas elecciones, se suelen hacer encuestas sobre intención de voto, a una muestra de ciudadanos. Se trata en este caso, de extrapolar para toda la población, los resultados derivados de la encuesta. La Estadística Inferencial nos ayuda en este caso, aunque siempre existirá una probabilidad de equivocarse, y un margen de error en los resultados obtenidos. En otros casos, lo que se pretende es tomar decisiones, ya sea a partir de la estimación o de la contrastación de un test, y aquí también la estadística inferencial nos lo permite, siempre con un margen controlado de error. Por ejemplo en Control de Calidad de Productos po ej. Bombillas de luz en base a nua muestra y analizando articulos defectuosos se puede tomar la decisión de retirar la partida si el porcentaje supera cierto valor
A modo de ejmplo Veremos el caso del Muestreo simple al azar. Su utilización es muy sencilla, una vez que todos los elementos de la población han sido identificados y numerados ( y éste es probablemente su mayor inconveniente ). A partir de aquí, decidido el tamaño n de la muestra, los elementos que la compongan se han de elegir aleatoriamente entre los N de la población. El método más adecuado para la elección en nuestro caso, es la utilización de tablas de números aleatorios. Si queremos elegir una muestra formada por 40 elementos de una población de 600, iremos tomando cifras aleatorias de tres en tres. Si la cifra considerada es menor de 600, ya tendremos elegido un elemento de la muestra. Siguiendo este proceso, y saltándonos las cifras superiores a 600, podremos elegir todos los elementos que compondrán la muestra.
Los productores cuyo numero de serie ha sido seleccionado formaran parte de la muestra para realizar un relevamiento