ED

1. UNIDAD II
SESIÓN 11
Análisis de datos
-Estadística descriptiva e inferencial.
-Análisis cualitativo.

2. VIDEO INTRODUCTORIO

3. CONCEPTOS BÁSICOS DE ESTADÍSTICA
Estimador: Función de la muestra, usado para
estimar un parámetro desconocido de una
población.
Parámetro: Valor verdadero de la población
que puede estimarse mediante una muestra.
Parámetro
Estimador

4. CONCEPTOS BÁSICOS DE ESTADÍSTICA
Estadístico o estadígrafo: Son las medidas
descriptivas inherentes a una muestra, las
cuales pueden usarse como estimación
del parámetro.
Como ejemplo podría tomarse los
salarios promedio de una muestra de los
empleados de la empresa.

5. Estadística
Estadística
Descriptiva
Obtiene, organiza, presenta y
describe un conjunto de datos
Estadística
Inferencial
Analiza información a partir de una
muestra extraída de una población
mediante inferencias
Ciencia que involucra métodos y técnicas
en datos para la toma de decisiones.

6. CONCEPTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA
La estadística descriptiva es una disciplina que se encarga de recoger, almacenar,
ordenar, realizar tablas o gráficos y calcular parámetros básicos sobre el conjunto de datos.

7. Variables
Estadísticas
Variable Cuantitativa Hace referencia a una medida cuantitativa
Variable Cualitativa Hace referencia a una cualidad

8. Denominadas así porque ofrecen información sobre el centro de conjunto de datos.
Media: es el valor promedio de un conjunto de datos numéricos, calculada como la
suma del conjunto de valores dividida entre el número total de valores.
MEDIDAS DE TENDENCIA CENTRAL

9. Mediana: es un estadístico de posición central que parte la distribución en dos, es
decir, deja la misma cantidad de valores a un lado que a otro.
MEDIDAS DE TENDENCIA CENTRAL

10. Moda: es el valor que más se repite en una muestra estadística o población. No tiene
fórmula en sí mismo. Lo que habría que realizar es la suma de las repeticiones de
cada valor.
MEDIDAS DE TENDENCIA CENTRAL

11. Son números que indican si una variable se mueve mucho, poco, más o menos que otra. La
razón de ser de este tipo de medidas es conocer de manera resumida una característica de
la variable estudiada. En este sentido, deben acompañar a las medidas de tendencia
central. Juntas, ofrecen información de un sólo vistazo que luego podremos utilizar para
comparar y, si fuera preciso, tomar decisiones.
MEDIDAS DE DISPERSIÓN

12. MEDIDAS DE DISPERSIÓN
RANGO: El rango es un valor numérico que indica la diferencia entre el valor máximo y
el mínimo de una población o muestra estadística.

13. MEDIDAS DE DISPERSIÓN
VARIANZA: La varianza es una
medida de dispersión que
representa la variabilidad de
una serie de datos respecto a
su media.

14. MEDIDAS DE DISPERSIÓN
DESVIACIÓN ESTÁNDAR
Se obtiene con la raíz cuadrada de la varianza.

16. Las distribuciones de frecuencias son tablas en que se dispone las modalidades de la
variable por filas. En las columnas se dispone el número de ocurrencias por cada valor,
porcentajes, etc. La finalidad de las agrupaciones en frecuencias es facilitar la obtención de
la información que contienen los datos.
Frecuencia absoluta: Es el número total de veces que se repite una observación. En
ocasiones las observaciones se pueden presentar en intervalos.
Frecuencia relativa: Es el número que se repite una observación o un conjunto de ellas, es
decir, en relación al total de casos (expresado como fracción, decimal o porcentaje).
Frecuencia acumulada: Puede ser relativa acumulada o absoluta acumulada. Indica la
cantidad acumulada hasta cierta observación.
DISTRIBUCIÓN DE FRECUENCIAS

18. CONCEPTOS BÁSICOS DE ESTADÍSTICA INFERENCIAL
La estadística inferencial es una parte de la estadística que, a partir de datos muestrales,
hace inferencia de una población. A su vez hacer una inferencia, es hacer una estimación,
es decir realizar un cálculo aproximado de lo que sucede en la población.

19. Sea cual sea el fenómeno que deseamos explicar, recopilamos datos del mundo real
para probar nuestras hipótesis sobre el fenómeno de interés.
El grado en que un modelo estadístico representa los datos recogidos se conoce como
ajuste de modelo.
CONSTRUCCIÓN DE MODELOS ESTADÍSTICOS

20. La media es el más simple de los modelos estadísticos.
MODELOS ESTADÍSTICOS SIMPLES
Estas líneas representan la
desviación entre los datos
observados y nuestro
modelo. Pueden
considerarse como el error
dentro de este modelo.

21. Prácticamente en Estadística, todo cae dentro de la siguiente ecuación:
MODELO ESTADÍSTICO
Resultado = Modelo + Error

22. La hipótesis nula (H0) es una hipótesis que el investigador trata de refutar, rechazar o
anular. Generalmente “nula” se refiere a la opinión general de algo, mientras que la
hipótesis alternativa es lo que el investigador realmente piensa que es la causa de un
fenómeno.
HIPÓTESIS

23. Entre más amplia sea la zona de
rechazo, más probabilidad
tenemos de rechazar la
hipótesis nula, pero también
aumentamos la probabilidad de
error.
HIPÓTESIS

24. PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS
Pruebas Estadísticas
Paramétricas
Referidas a parámetros
poblacionales.
Se guían por la
normalidad de datos.
No paramétricas
No consideran supuestos
respecto a la población.
No se guían por la
normalidad de los datos.

25. SUPUESTOS PARA EL USO DE ESTADÍSTICA PARAMÉTRICA
-Las variables de resultado deben tener
un nivel de medición cuantitativo
(intervalo o razón).
-Las variables de resultado deben tener
una distribución normal.
-Homocedasticidad (homogeneidad
de varianzas, principalmente en
pruebas estadísticas de comparación
de grupos).
-La muestra tiene un tamaño superior a
30 casos.