UNIDAD I: CONCEPTOS Y TERMINOLOGÍA

OBJETIVO: Que conozcan los conceptos básicos más utilizados en la estadística, reconociendo la
importancia que tiene la misma para el desarrollo profesional.

1.1 CONCEPTOS BÁSICOS

ESTADÍSTICA:
Puede considerarse como un conjunto de datos numéricos. O en un sentido más amplio:
“Es la ciencia que trata de los métodos y medios para recolectar, clasificar, describir, presentar, analizar
e interpretar datos, con el objeto de tomar decisiones más eficaces”

Es la rama de la matemática que nos permite recoger, organizar y analizar datos. Existen dos
conceptos importantes dentro de la estadística que nos permiten analizar y estudiar dichos datos, estos
son: población y muestra.

Descriptiva
Estadística Inferencial

Estadística descriptiva o deductiva: Trata de la presentación de datos en gráficas o en distribuciones

de frecuencias y de aplicar diversos promedios y medidas de dispersión, con el objeto de describir el
comportamiento de un fenómeno o variable.
Estadística Inferencial o inductiva: A partir de una muestra hace estimaciones de una característica
de la población con base en los resultados del muestreo realizado

Población: Conjunto completo de individuos, objetos o medidas que poseen alguna característica
común observable. Es el conjunto de datos que caracteriza el fenómeno que se desea estudiar.
- Trabajadores/as de la industria manufacturera de E.S.
- Trabajadores/as del sector agropecuario
- Población del municipio de La Libertad
- Número de caras en el lanzamiento de una moneda 100 veces

Parámetro: Son todas aquellas medidas que describen numéricamente la característica de una
población. Es el resultado de medir la población. Una característica poblacional tiene un solo parámetro,
mientras que la población puede tener varias características y por tanto varios parámetros. Ej.:
- Proporción de accidentes de tránsito
- Salario promedio del sector agropecuario
- Salario promedio de las obreras de la industria textil
- Valor esperado de la vida de la población salvadoreña

Censo: Método o procedimiento que se encarga de medir a todos los elementos de una población de
interés.

Muestra: Es un subconjunto o parte de la población, que lleva implícita todas las características del
universo. Características: representativa, hace uso de técnicas de muestreo. Es un subconjunto de la
población a estudiar, el cual es necesario que sea representativo de toda la población.

1
Estadígrafo o estadístico: Es la medida resultante del análisis de una muestra.
(Los mismos ejemplos siempre que hayan hecho en muestras)

Muestreo: Son diferentes técnicas para seleccionar una muestra representativa de una población, con
el objeto de que los resultados se puedan generalizar a toda la población.

1.2 DATOS Y VARIABLES

Dato estadístico:
Es la información dada o hechos recopilados con el propósito de intentar deducir de ellos ciertas
conclusiones generales. Cuando recolectamos y organizamos datos numéricos estamos recogiendo
hechos numéricos con el propósito de intentar deducir de ellos ciertas conclusiones generales. Los
datos que necesitamos para la solución de un problema pueden clasificarse de la siguiente manera:
Cualitativos
Cuantitativos
Por su origen

Los datos Cualitativos: Son aquellos cuya medición está basada en la subjetividad. Ejemplo:
 Número de estudiantes que pertenecen a un determinado club de Servicio.
 Número de personas con X ó Y características.

Los datos Cuantitativos: Son datos cuya medición está basada en la objetividad. Ejemplo:
 Peso en libras o kilos de un número de estudiantes.
 Estaturas.
 Coeficiente intelectual.
Originales
Indirectos
Por su forma de recolectar

Los datos Originales: Son los que recopilamos nosotros mismos, los cuales pueden obtenerse
mediante entrevistas, encuestas, observaciones, experimentos, etc. Ejemplos:

 Edad en años cumplidos

 Preferencias por un programa de televisión.

Los datos Indirectos: Son los recopilados por otras personas y que pueden obtenerse en
enciclopedias, revistas, periódicos, tesis, registros, etc. Ejemplo:
 Número de nacimientos en un periodo en una población.
 Número de divorcios.

Variable: Característica que puede tomar diferentes valores, en cuanto a calidad y cantidad.
Generalmente se simbolizan con las últimas letras: x, y, z. ej:
- Edad, peso, estatura, duración de un producto, # de accidentes diarios, # de consultas diarias en
el hospital B.B.
Las variables son de dos tipos:
Cualitativas
Cuantitativas
Variables

2
Ordinales o cualitativas: Son atributos, categorías no cuantificables, se componen de distintas
categorías en las que puede haber implícito un orden:
- Clasificación de un producto
- Riesgo de una inversión
- Sexo
- Religión

Cardinales o cuantitativas: Cuando pueden expresarse a través de una medida. Se refieren a

atributos o propiedades que implican conteos o mediciones
Edad, peso, estatura, duración de un producto, # de accidentes diarios, # de consultas diarias en el
hospital B. B.

Las variables cardinales a su vez, pueden ser:

Discretas
Variables Cuantitativas
Continuas

Discretas: son el resultado de contar o enumerar, no aceptan decimales, son números enteros.

Continuas: Una variable que teóricamente puede tomar cualquier valor entre dos valores dados; para
identificarlas: son el resultado de medir

De acuerdo a la función que desempeñan en una hipótesis, las variables pueden ser:
Independientes
Variables Dependientes
Intervinientes

Independientes: Es la que explica o determina los cambios en otra u otras (dependientes). Es la

supuesta causa de los cambios ocurridos en la otra: Es la que el investigador manipula para comprobar
su efecto en la variabilidad de la dependiente.

Dependientes: Es la que es explicada, condicionada o determinada por la variable independiente. El

investigador observará los efectos que la variable independiente genera en la dependiente con el objeto
de confirmar o rechazar la suposición de que su variación es el resultado de los cambios introducidos
en la variable independiente.

Interviniente: Es aquella que puede influir en la relación de dependencia entre la variable

independiente y la dependiente; es decir, es la que puede influir entre estímulo y respuesta. Es
necesario aislar esta variable para determinar con exactitud que la variación observada en los
resultados es exactamente provocada por los cambios introducidos por la variable independiente. Ej.

Ejemplos: Diferenciar variables independientes y dependientes

Rendimiento académico, coeficiente intelectual
Consumo de un producto, precio del mismo
Temperatura, dilatación
Desempleo, delincuencia
Maras, desintegración familiar
Pobreza, Desempleo

3
1.3 ESCALAS DE MEDIDA:

Las escalas de medida consisten en una metodología o convención para medir distintas magnitudes
para lo cual se utilizan instrumentos de medida, tales como: termómetros, reglas, polígrafos, básculas,
etc. Las escalas de medida pueden ser: Nominal, Ordinal, De intervalo y De razón.
Cualitativos Escala Nominal
Escala Ordinal
Datos
Cuantitativos Escala de Intervalo
Escala de razón

La aplicación de técnicas estadísticas depende del tipo de datos que produzcan las escalas de
medición. Estos datos pueden ser: cualitativos o no métricos y cuantitativos o métricos.

Los datos no métricos pueden ser atributos, características y propiedades categóricas usadas para
identificar y describir un conjunto de cosas o sujetos. Estos datos se miden en escala nominal y ordinal.

Datos cualitativos Escala Nominal

Escala Ordinal

Los datos métricos, sirven para medir o determinar las posibles diferencias de los sujetos en cantidad
y grado. Estos datos se miden en escala de intervalo y de razón.
Datos cuantitativos Escala de Intervalo
Escala de razón

ESCALA NOMINAL: Esta escala consiste en asignar números a objetos, sujetos u observaciones para
su clasificación, indica la presencia o ausencia de las características, sin tener en cuenta la magnitud
con que dicha característica es poseída por cada uno de las categorías. Si los datos son simplemente
identificadores o categorías con las que se define un elemento. Pueden ser numéricos o no. Ejemplos:
Número del seguro social (numérico); sexo y estado civil (no numéricos)

ESCALA ORDINAL: Esta escala no solo supone la clasificación de los individuos, sino que además en
ella se determina la posición relativa de objetos e individuos con relación a ciertos atributos, pero sin
indicar la distancia ni la magnitud que hay entre las posiciones. Pueden ser numéricos o no. Ejemplos:
Nivel socioeconómico, nivel educativo, Tallas (S, M. L) etc. Calificación por los estudiantes de los
cursos recibidos en el ciclo 0II-2010 (a) Malo; b) Regular; c) Bueno; d) Muy bueno

ESCALA DE INTERVALO: Esta escala tiene las características de las dos anteriores, pero también
calcula la distancia entre los intervalos. Aquí, no solo interesa si un elemento es superior, igual o inferior
a otro en relación con una propiedad, sino que requiere medir la diferencia entre pares de elementos de
modo que se pueden tomar medidas de las posiciones relativas de los intervalos. Solo son numéricos.
Todas las variables continuas se pueden medir en esta escala.

ESCALA DE RAZÓN: Esta escala posee todas las características de las escalas anteriores; pero,
además posee un punto cero verdadero como origen, lo cual indica que si un objeto tiene el valor cero,
ese objeto no posee la propiedad que está indicado.

4
1.4 CÁLCULO DEL TAMAÑO DE LA MUESTRA:

¿CÓMO SELECCIONAR UNA MUESTRA?

1 Hay que definir la unidad de análisis (personas, organizaciones, revistas, etc.). “El quienes van a ser
medidos”, depende de precisar claramente el problema a investigar y los objetivos de investigación.
2 Delimitación de una población. En esta parte se caracteriza y se delimita a la población. Las
poblaciones deben situarse claramente en torno a sus características de contenido, lugar y tiempo.
3 Tipo de muestras:
Probabilísticas
No Probabilísticas
Muestras

En las muestras no probabilísticas, la elección de los elementos no depende de la probabilidad, sino de

causas relacionadas con las características del investigador o del que hace la muestra. El
procedimiento no es mecánico ni se usan fórmulas, sino de la toma de decisiones de un grupo de
personas. Tienen la desventaja de ser sesgadas. Entre estás están
Muestra de sujetos voluntarios
Muestra de expertos
Muestreo no
Sujetos-tipo
probabilístico
Muestra por cuotas

En las muestras probabilísticas todos los elementos tienen la misma posibilidad de ser escogidos. Se
necesita determinar el tamaño de la muestra y el procedimiento adecuado para que todos tengan
igualdad de ser seleccionados.
Muestreo aleatorio simple
Muestreo estratificado
Muestreo
Muestreo sistemático
probabilístico
Muestreo por conglomerados

a) Muestreo aleatorio simple

La muestra a seleccionar es en el cual todos los elementos de la población tienen la misma

probabilidad de ser escogidos como parte de la muestra. Puede hacerse sin reemplazo (es cuando
un elemento que ya fue seleccionado ya no se devuelve a la población) O se puede realizar con
reemplazo (aun cuando ya ha sido seleccionado puede volver a participar)

b) Muestreo aleatorio estratificado

La población es dividida en estratos o sub grupos significativos, de los cuales se obtiene una
muestra aleatoria por estratos. (Estratificación de los residentes de un departamento, según sus
ingresos; estratificación de una población de votantes, según la edad, sexo, ingreso salarial, nivel
educativo, etc.)

c) Muestreo sistemático
Cada elemento de la población se ha identificado con un código (número) y secuencialmente se van
tomando. Esta secuencia es aleatoria. La separación sucesiva entre los elementos de la muestra
está dada por N/n. Una máquina llena de latas de aluminio con refresco, luego se empacan y se
distribuyen. Para determinar el volumen de llenado de la línea se toma una muestra sistemática, ya
que la población de latas está en una banda móvil de longitud infinita. El procedimiento de obtención

5
 consiste en acercarse a la línea a una hora arbitraria y sacar 1 de cada 50 latas, conforme pasen el
punto de selección en un período de 2 semanas

d) Muestreo por conglomerados

Implica la selección aleatoria de grupos o conglomerados de elementos como parte de la muestra.

Una vez seleccionados un conglomerado, cada elemento de éste se incluye en la muestra. Si los
conglomerados son grandes puede elegirse una muestra aleatoria simple de cada uno.
Ej. Una compañía consultora utiliza un mapa de la ciudad de San Salvador para hacer
investigaciones aleatorias sobre las preferencias de los residentes en cuanto a los noticieros de TV.
locales. Procedimiento: Se enumera cada cuadra de la ciudad y se obtienen el total de cuadras. Se
eligen 20 números aleatorios de 3 dígitos y las cuadras que corresponden a éstos números se usan
en la muestra. Luego se envía a los entrevistadores a cada una de las casas de las cuadras
seleccionadas.
SE harán varios viajes para concertar las entrevistas, ya que mucha gente no se encuentra en la
casa en la primera llamada. Este proceso de entrevistas da como resultado una muestra por
conglomerados que es aleatoria.

VENTAJAS DE USAR MUESTRAS

 Economía de tiempo y dinero
 El manejo de la información es más práctico
 Los resultados son más exactos y oportunos debido a que permite obtener rápidamente
información sobre una característica poblacional que cambia constantemente.
 El muestreo produce resultados más exactos que un censo, pues el volumen de la información
en un censo es tan grande, que causa fatiga y aburrimiento, lo que nos puede llevar a errores
incontrolables.

Esto es importante y se da siempre y cuando la muestra cumpla ciertas características:

CARACTERÍSTICAS DE LA MUESTRA:
 Confiable o representativa: Que posea todas las características del universo.
 Aleatoria: Que sus elementos sean escogidos al azar
 Fácilmente manejable: Que se reduzca el tiempo, esfuerzo y dinero

FACTORES PARA DETERMINAR EL TAMAÑO ADECUADO DE UNA MUESTRA.

El tamaño adecuado de una muestra depende básicamente de 3 factores:

 La variabilidad del fenómeno (pq)
 La magnitud del error muestral E, el cual indica la precisión con que se generalizarán los
resultados.
 El nivel de confianza, requerido para generalizar los resultados hacia toda la población.

FÓRMULAS PARA CALCULAR EL TAMAÑO DE LA MUESTRA:

6
 z 2 pqN z 2 pq
n n
(n  1) E 2  z 2 pq E2
Para Poblaciones Finitas Para Poblaciones Infinitas o no se conoce
la población

En donde:
Z = Valor crítico proporcionado por la tabla de la distribución normal de Gauss, para un nivel de
confianza deseado.
(Margen que se da a una investigación para su seguridad).

Para Medicina Z = 99%

Para Sociales Z = 90% - 99%

E= Indica la precisión con que se generalizarán los resultados hacia toda la población; puede variar
entre 0 y 10%

p= Probabilidad de Éxito Si p=0.50, entonces q=0.50

q= Probabilidad de Fracaso

n= Tamaño de Muestra
N= Tamaño de Población

NOTAS:
 p y q son complementarios: p + q = 1 ó p = 1 - q
 Todos los valores se escriben en términos de proporciones.
 Z y E, no son complementarios
 Si no se conocen p y q, es conveniente tomar los valores máximos, que nos garanticen la mayor
variabilidad y en consecuencia un tamaño mayor para n. LO anterior indica que p = q = 0.5

Ejemplo No. 1

Se quiere hacer una encuesta en Soyapango para determinar el nivel de aceptación de un producto.
Calcular la muestra a tomar si queremos un 95% de nivel de significancia y un 4% de Error.

Ejemplo No. 2

Queremos hacer un estudio en la Facultad de Derecho que tiene 3,800 alumnos, queremos un nivel de
significancia del 98% y un error permisible del 6%.

Ejemplo No. 3

¿De que tamaño será la muestra que tenemos que tomar en Metro Sur, si queremos un 93% de
confianza y un 3% de error?