c Ê



  
ÚÊ Experimento: Proceso planeado para obtener información.
ÚÊ × ceso: Es c alq iera de los res ltados esperados de n experimento.
ÚÊ Evento: Es el res ltado oc rrido.

3 Ê J
 

Es na ciencia q e est dia la recolección, análisis e interpretación de
datos, ya sea para ay dar en la toma de decisiones o para explicar condiciones
reg lares o irreg lares de algún fenómeno o est dio aplicado, de oc rrencia o
condicional. ×in embargo estadística es más q e eso, en otras palabras es el
vehíc lo q e permite llevar a cabo el proceso relacionado con la investigación
científica.

 Ê 
 

Ga estadística tiene por objeto el desarrollo de técnicas para el conocimiento

n mérico de n conj nto.

Ga estadística se divide en 2 ramas principales:

ÚÊ Estadística descriptiva: C yo objetivo es examinar a todos los individ os de n

conj nto.

ÚÊ Estadística inferencial: Por la q e, mediante el est dio de na m estra se sacan

concl siones validas para la totalidad.

u Ê 
 
 


 

Ga Estadística Económica tiene s s antecedentes en el siglo XVII y s máximo

exponente f e William Petty q ién es considerado por Carlos Marx como el
creador de esta ciencia sin olvidar a Gregory King q e también realizó cálc los
aproximados de los índices económicos sociales de esta ciencia.
Ga economía necesita de la Estadística, con la ay da de esta se confeccionan los
planes de desarrollo de la economía nacional, se s pervisa el control de s
c mplimiento y se determinan las necesidades de rec rsos por territorios, así
como las reservas con q e c enta la economía a c alq ier nivel. Además la
estadística constit ye n instr mento de s ma importancia para q e se conozca
el comportamiento de la economía a diferentes niveles ya sea en na empresa,
m nicipio, provincia, nación, así como a escala internacional.
El conocimiento de la Estadística Económica permite apoyar la toma de
decisiones para la aplicación de la política económica q e se proponen los países
para cond cir la sociedad, así como para trazar la estrategia de desarrollo acorde
con los programas q e se consideran según las condiciones imperantes en cada
nación. ×ería n error concebir la Estadística Económica como n simple
instr mento para est diar aspectos parciales.
El amplio campo de s aplicación permite inc rsionar en cada no de los
elementos q e componen el complejo sistema socio-económico, así como
 investigar de na manera integral la relación entre s s principales variables. Es
por esto q e en el est dio de la Estadística Económica constit ye n elemento
de inestimable valor.

[ Ê ^
 
  
 

ÚÊ Agricultura
ÚÊ ‰iotecnología
ÚÊ ^omercio
ÚÊ ^omunicaciones
ÚÊ lectrónica
ÚÊ nergía
ÚÊ stadística
ÚÊ  otografía
ÚÊ ÿeofísica y ÿeodesia
ÚÊ ÿeología
ÚÊ Œmagen y sonido
ÚÊ Œndustria  armacéutica
ÚÊ Œndustria  inanciera
ÚÊ Œndustria Pesada
ÚÊ Œndustria Petrolífera
ÚÊ Œndustria Química
ÚÊ Œnformática
ÚÊ Œngeniería Aérea
ÚÊ Œngeniería Aeronáutica
ÚÊ Œngeniería Automovilística
ÚÊ Œnstrumentación
ÚÊ èatemáticas
ÚÊ èedicina
ÚÊ èeteorología
ÚÊ ×ervicios / ^onsumo
ÚÊ ]ecnología de alimentos

V Ê ^ 
 

ÚÊ Ga estadística descriptiva.

ÚÊ Ga estadística inferencial.

m Ê 

×e dedica a los métodos de recolección, descripción, vis alización y res men de

datos originados a partir de los fenómenos de est dio. Gos datos p eden ser
res midos n mérica o gráficamente. Ejemplos básicos de parámetros estadísticos
son: la media y la desviación estándar. Alg nos ejemplos gráficos son: histograma,
pirámide poblacional, clústers, entre otros.

Ê 



 

×e dedica a la generación de los modelos, inferencias y predicciones asociadas a

los fenómenos en c estión teniendo en c enta la aleatoriedad de las observaciones.
×e sa para modelar patrones en los datos y extraer inferencias acerca de la
población bajo est dio. Estas inferencias p eden tomar la forma de resp estas aÊ
 preg ntas si/no (pr eba de hipótesis), estimaciones de características n méricas
(estimación), pronósticos de f t ras observaciones, descripciones de asociación
(correlación) o modelamiento de relaciones entre variables (análisis de regresión).
Otras técnicas de modelamiento incl yen anova, series de tiempo y minería de
datos.

ë Ê w

 

Ga estadística descriptiva analiza, est dia y describe a la totalidad de individ os de

na población. × finalidad es obtener información, analizarla, elaborarla y simplificarla
lo necesario para q e p eda ser interpretada cómoda y rápidamente y, por tanto, p eda
tilizarse eficazmente para el fin q e se desee.

Ga estadística inferencial, sin embargo, trabaja con m estras, s bconj ntos

formados por alg nos individ os de la población. A partir del est dio de la m estra se
pretende inferir aspectos relevantes de toda la población. Cómo se selecciona la
m estra, cómo se realiza la inferencia, y q é grado de confianza se p ede tener en ella
son aspectos f ndamentales de la estadística inferencial, para c yo est dio se req iere
n alto nivel de conocimientos de estadística, probabilidad y matemáticas.

c Ê
 


Es na actividad q e tiene como fr to desc brir las esencias de na realidad

empleando para ello técnicas estadísticas.

cc Ê]
 


Õay c atro tipos de mediciones o escalas de medición en estadística. Gos c atro

tipos de niveles de medición (nominal, ordinal, intervalo y razón) tienen diferentes
grados de so en la investigación estadística.

c3 Ê 
 


ÚÊ ×elección y determinación de la población o m estra y las características

contenidas q e se Obtención de los datos. Esta p ede ser realizada mediante la
observación directa de los elementos, la aplicación de enc estas y entrevistas, y
la realización de experimentos. 
ÚÊ Clasificación, tab lación y organización de los datos. Ga clasificación incl ye el
tratamiento de los datos considerados anómalos q e p eden en n momento
dado, falsear n análisis de los indicadores estadísticos. Ga tab lación implica el
res men de los datos en tablas y gráficos estadísticos, falsear n análisis de los
indicadores estadísticos como las medidas: de tendencia central, dispersión,
posición y forma.
ÚÊ Análisis inferencial de los datos. ×e aplican técnicas de tratamiento de datos q e
invol cran elementos probabilísticos q e permiten inferir concl siones de na
m estra hacia la población (opcional).
 c Ê 



 


El concepto de población en estadística va más allá de lo q e comúnmente se

conoce como tal. Una población se precisa como n conj nto finito o infinito de
personas y objetos q e presentan características com nes. Una población es n conj nto
de todos los elementos q e estamos est diando, acerca de los c ales intentamos sacar
concl siones.

5
Una población es n conj nto de elementos q e presentan na característica
común.
Ejemplo: Gos miembros del Colegio de Ingenieros del Estado Cojedes.
El tamaño q e tiene na población es n factor de s ma importancia en el
proceso de investigación estadística, y este tamaño vienen dado por el número de
elementos q e constit yen la población, según el número de elementos la población
p ede ser finita o infinita.
C ando el número de elementos q e integra la población es m y grande, se
p ede considerar a esta como na población infinita, por ejemplo; el conj nto de todos
los números positivos. Una población finita es aq ella q e está formada por n limitado
número de elementos, por ejemplo; el número de est diante del Núcleo ×an Carlos de la
Universidad Nacional Experimental ×imón Rodríg ez.
C ando la población es m y grande, es obvio q e la observación de todos los
elementos se dific lte en c anto al trabajo, tiempo y costos necesarios para hacerlo.
Para sol cionar este inconveniente se tiliza na m estra estadística.
Es a men do imposible o poco práctico observar la totalidad de los individ os,
sobre todos si estos son m chos. En l gar de examinar el gr po entero llamado
población o niverso, se examina na peq eña parte del gr po llamada m estra.


×e llama m estra a na parte de la población a est diar q é sirve para
representarla.
Una m estra es na colección de alg nos elementos de la población, pero no de
todos". "Una m estra debe ser definida en base de la población determinada, y las
concl siones q e se obtengan de dicha m estra solo podrán referirse a la población en
referencia, ejemplo;
El est dio realizado a 50 miembros del Colegio de Ingenieros del Estado
Cojedes.
El est dio de m estras es más sencillo q e el est dio de la población completa;
c esta menos y lleva menos tiempo. Por último se aprobado q e el examen de na
población entera todavía permite la aceptación de elementos defect osos, por tanto, en
alg nos casos, el m estreo p ede elevar el nivel de calidad.
Una m estra representativa contiene las características relevantes de la
población en las mismas proporciones q e están incl idas en tal población.
 Gos expertos en estadística recogen datos de na m estra. Utilizan esta
información para hacer referencias sobre la población q e está representada por la
m estra. En consec encia m estra y población son conceptos relativos. Una población
es n todo y na m estra es na fracción o segmento de ese todo.

cu ʺ 

Al conj nto de los distintos valores n méricos q e adopta n carácter

c antitativo se llama variable estadísticau
c[ Ê] 
  

Variables c alitativasd

×on las variables q e expresan distintas c alidades, características o modalidad. Cada

modalidad q e se presenta se denomina atrib to o categoría y la medición consiste en
na clasificación de dichos atrib tos. Gas variables c alitativas p eden ser ordinales y
nominales.
Gas variables c alitativas p eden ser

 c ando sólo p eden tomar dos valores
posibles como sí y no, hombre y m jer o son politómicas c ando p eden adq irir tres o
más valores.
Dentro de ellas podemos disting ir:
ÚÊ Variable c alitativa ordinal: Ga variable p ede tomar distintos valores ordenados
sig iendo na escala establecida, a nq e no es necesario q e el intervalo entre
mediciones sea niforme, por ejemplo, leve, moderado, grave
ÚÊ Variable c alitativa nominal: En esta variable los valores no p eden ser
sometidos a n criterio de orden como por ejemplo los colores o el l gar de
residencia.

Variables c antitativas:

×on las variables q e se expresan mediante cantidades n méricas. Gas variables

c antitativas además p eden ser:
ÚÊ Variable discretad Es la variable q e presenta separaciones o interr pciones en la
escala de valores q e p ede tomar. Estas separaciones o interr pciones indican
la a sencia de valores entre los distintos valores específicos q e la variable
p eda as mir. Un ejemplo es el número de hijos.
ÚÊ Variable contin a: Es la variable q e p ede adq irir c alq ier valor dentro de n
intervalo especificado de valores. Por ejemplo el peso o la alt ra, q e solamente
limitado por la precisión del aparato medidor, en teoría permiten q e siempre
exista n valor entre dos c alesq iera.
×egún la nfl encia q e asignemos a nas variables sobre otras, podrán ser:
Variables independientesd ×on las q e el investigador escoge para establecer
agr paciones en el est dio, clasificando intrínsecamente a los casos del mismo. Un tipo
especial son las variables de conf sión, q e modifican al resto de las variables
independientes y q e de no tenerse en c enta adec adamente p eden alterar los
res ltados por medio de n sesgo.
 Variables dependientes: ×on las variables de resp esta q e se observan en el est dio
y q e podrían estar infl enciadas por los valores de las variables independientes.
cV Ê] 

  

Una escala es n patrón convencional de medición, y básicamente consiste en n
instr mento capaz de representar con gran fidelidad verbal, gráfica o simbólicamente el
estado de na variable.

Ga medición de las variables p ede realizarse por medio de c atro escalas de

medición. Dos de las escalas miden variables categóricas y las otras dos miden variables
n méricas.
Gos niveles de medición son las escalas nominal, ordinal, de intervalo y de
razón. ×e tilizan para ay dar en la clasificación de las variables, el diseño de las
preg ntas para medir variables, e incl so indican el tipo de análisis estadístico
apropiado para el tratamiento de los datos.
 

 
En este nivel de medición se establecen categorías distintivas q e no implican n
orden específico.
Por ejemplo, si la nidad de análisis es n gr po de personas, para clasificarlas
se p ede establecer la categoría sexo con dos niveles, masc lino (M) y femenino (F), los
respondientes solo tienen q e señalar s género, no se req iere de n orden real.
Así, si se asignan números a estos niveles solo sirven para identificación y p ede
ser indistinto: 1=M, 2=F o bien, se p eden invertir los números sin q e afecte la
medición: 1=F y 2=M. En res men en la escala nominal se asignan números a eventos
con el propósito de identificarlos. No existe ningún referente c antitativo. ×irve para
nombrar las nidades de análisis en na investigación y es tilizada en cárceles,
esc elas, deportes, etc. Ga relación lógica B (A es diferente de B).A q e se expresa es:
A


 
×e establecen categorías con dos o más niveles q e implican n orden inherente
entre sí. Ga escala de medición ordinal es c antitativa porq e permite ordenar a los
eventos en f nción de la mayor o menor posesión de n atrib to o característica.
Por ejemplo, en las instit ciones escolares de nivel básico s elen formar por
estat ra a los est diantes, se desarrolla n orden c antitativo pero no s ministra
medidas de los s jetos. Ga B (A es mayor q e B). Clasificarürelación lógica q e expresa
esta escala es A n gr po de personas por la clase social a la q e pertenecen implica n
orden prescrito q e va de lo más alto a lo más bajo. Estas escalas admiten la asignación
de números en f nción de n orden prescrito.
Gas formas más com nes de variables ordinales son ítems (reactivos) actit d ales
estableciendo na serie de niveles q e expresan na actit d de ac erdo o desac erdo
con respecto a algún referente.
Por ejemplo, ante el ítem: Ga economía mexicana debe dolarizarse, el
respondiente p ede marcar s resp esta de ac erdo a las sig ientes alternativas:
oÊ ]otalmente de ac erdo
oÊ De ac erdo
 oÊ Indiferente
oÊ En desac erdo
oÊ ]otalmente en desac erdo
Gas anteriores alternativas de resp esta p eden codificarse con números q e van del
no al cinco q e s gieren n orden preestablecido pero no implican na distancia entre
n número y otro. Gas escalas de actit des son ordinales pero son tratadas como
variables continúas.
 

 
Ga medición de intervalo posee las características de la medición nominal y
ordinal. Establece la distancia entre na medida y otra. Ga escala de intervalo se aplica a
variables contin as pero carece de n p nto cero absol to.
El ejemplo más representativo de este tipo de medición es n termómetro,
c ando registra cero grados centígrados de temperat ra indica el nivel de congelación
del ag a y c ando registra 100 grados centígrados indica el nivel de eb llición, el p nto
cero es arbitrario no real, lo q e significa q e en este p nto no hay a sencia de
temperat ra.
Una persona q e en n examen de matemáticas q e obtiene na p nt ación de
cero no significa q e carezca de conocimientos, el p nto cero es arbitrario por q e sig e
existiendo la característica medida.
 
 !

Una escala de medición de razón incl ye las características de los tres anteriores
niveles de medición anteriores (nominal, ordinal e intervalo).
Determina la distancia exacta entre los intervalos de na categoría.
Adicionalmente tiene n p nto cero absol to, es decir, en el p nto cero no existe la
característica o atrib to q e se mide. Gas variables de ingreso, edad, número de hijos,
etc. son ejemplos de este tipo de escala. El nivel de medición de razón se aplica tanto a
variables contin as como discretas.
cm Ê
"


Es na medida estadística diseñada para poner de relieve cambios en na

variable o en n gr po de variables relacionadas con respecto al tiempo, sit ación
geográfica, ingreso o c alq ier otra característica. Una colección de números índice
para diferentes años, l gares, etc.; se llama a veces serie de índices.

Gos números índices miden el tamaño o la magnit d de algún objeto en n p nto

determinado en el tiempo, como el porcentaje de na base o referencia en el pasado
En realidad, los números índices relacionan na o varias variables de n período
dado con la misma variable o variables en otro período, llamado período base.
Aplicaciones de los números índices.
Gos números índices se san para hacer comparaciones. Por ejemplo, con los
números índices podemos comparar los costes de alimentación o de otros servicios en
na ci dad d rante n año con los del año anterior, o la prod cción de arroz en n año
en na zona del país con la otra zona. A nq e se sa principalmente en Economía e
Ind stria; los números índices son aplicables en m chos campos.
 En Ed cación, por ejemplo, se p eden sar los números índices para comparar la
inteligencia relativa de est diantes en sitios diferentes o en años diferentes.
M chos gobiernos se oc pan de elaborar números índices (o índices, con el
propósito de predecir condiciones económicas o ind striales, tales como: índices de
precios, de prod cción, salariales, del cons midor, poder adq isitivo, costo de vida y
tantos otros.
]al vez el más conocido sea el índice de coste de la vida o índice de precios al
cons mo, q e prepara el Instit to de Estadística. En m chos contratos aparecen ciertas
clá s las de revisión q e prod cen a mentos salariales a tomáticos correspondientes a
los a mentos del índice de precios al cons mo.
c# Ê]
$


ÚÊ $"
% : Est dian la evol ción en el tiempo de na magnit d
q e sólo tiene n componente (sin desagregación). ×e emplean con gran dif sión
en el m ndo de la empresa a la hora de est diar las prod cciones y ventas de los
distintos artíc los q e fabrican y lanzan al mercado. Números Índices
Complejos ×in Ponderar Est dian la evol ción en el tiempo de na magnit d
q e tiene varios componentes y a los c ales se asigna la misma importancia o
peso relativo (siendo esta última hipótesis nada realista)
Por s nat raleza son de poco so en el m ndo de la economía.
ÚÊ $ "
 ^ 
 
 Est dian la evol ción en el tiempo
de na magnit d q e tiene varios componentes y a los c ales se asigna n
determinado coeficiente de ponderación wi. ×on los q e realmente se emplean
en el análisis de la evol ción de fenómenos complejos de nat raleza económica
(IPC, IPI, etc.)
Coeficiente de ponderación del componente y propiedades q e c mplen en general
los índices simples (pero no todos los complejos)
Identidad: si coinciden el periodo base y el de comparación, entonces:
Inversión: el prod cto de dos índices invertidos de dos periodos es:
Circ lar: la generalización de la inversión para varios periodos
Proporcionalidad: ×i la magnit d varía en proporción
"

Estos índices miden la evol ción de los precios a lo largo del tiempo.
Gos índices de precios se clasifican en: ×imples ×a erbeck Números índice de
precios ×in ponderar.
"
^ 
%


 Índice media aritmética de índices simples o de ×a erbeck Es la media aritmética de
los índices de precios simples para cada componente. P× Índice de ×a erbeck
Índice media agregativa simple o de Bradstreet ±D tot Es el cociente entre la media
aritmética simple de los N precios en el periodo t y en el 0.
PBD Índice de Bradstreet-D tot
"
^ 


Cada no de los métodos ap nta na forma distinta para establecer los
coeficientes de ponderación wi.
 Índice de precios de Gaspeyres PG Utiliza como coeficientes de ponderación el valor
de las transacciones en el periodo base
]iene la ventaja de q e las ponderaciones del periodo se mantienen fijas para
todos los periodos pero por contra el inconveniente de q e s representatividad
dismin ye según nos alejamos.
Índice de precios de Paasche PP Utiliza como coeficientes de ponderación el valor de
las transacciones, con las cantidades del periodo de comparación y los precios del
periodo base. Gas ponderaciones son por ello variables
]iene la ventaja de q e los pesos relativos de los distintos componentes se
act alizan cada periodo con el agravante de complejidad y costes derivados de este
cálc lo.
 Índice de precios de Edgeworth PE Utiliza como coeficientes de ponderación la s ma
de los dos anteriores.
 Índice de precios de Fisher PF ×e define como la media geométrica de los índices de
Gaspeyres y Paasche
"
^
^


Gos índices c ánticos miden la evol ción de cantidades a lo largo del tiempo.
Para c alq ier magnit d y por s p esto las cantidades, siempre se p eden elaborar
números índices simples, complejos sin ponderar y complejos ponderados empleando
las mismas consideraciones y la misma form lación q e la vista para índices de precios
Cada no de los métodos ap nta na forma distinta para establecer los
coeficientes de ponderación wi.
 Úº %w
ww ] 
Ú^ w%Ú^ 

]^^
Ú
 
%^Ú
w
w%]
^&^]
wÚ 

^
]w
%]
w%]^


 '( 

% )
 ^ 
 

  ^*c#m[[[ëc

 Ú &


 ^*3333

 % '

 ^*cV3cVc#c

  º   

 ^*cëë#Vm[

^$
)3cc
 IN]RODUCION.

Õoy en día, la estadística es na ciencia q e se encarga de est diar na

determinada población por medio de la recolección, recopilación e interpretación de
datos. Del mismo modo, está basada en na técnica especial apta para e est dio
c antitativo de los fenómenos de masa o colectivo

]ambién es aplicada diariamente por est diantes niversitarios, q e al realizar trabajos,

enc estas, entrevistas etc., hacen también el so de ella. Además es comúnmente
considerada como na colección de hechos n méricos expresados en términos de na
relación s misa, y q e han sido recopilados a partir de otros datos n méricos

En dicho investigación será explicada ampliamente cada p nto q e trate sobre cómo y
c áles son los campos q e se aplica la estadística como:

Ga clasificación, las diferencias

Población y m estra

Variables tipos y ejemplo entre otros.

 CONCGUCIÓN.

Desp és de haber brindado alg nas nociones básicas de la estadística, s s

objetivos, calificación y las diferentes técnicas q e la misma tiliza para est diar na
determinada población, podemos sintetizar lo sig iente: la estadística es na ciencia,
debido a q e tiliza métodos de investigación científica y a la vez es na serie de
herramientas, instr mentos y estrategia para est diar a na población.

Por otra parte, la estadística se califica en descriptiva e inferencial. Donde la primera

est dia los métodos de recolección y descripción de los fenómenos en est dios;
mientras q e la otra se dedica a la generación de los métodos, inferencias y predicciones
asociados a los fenómenos en c estión, teniendo en c enta lo aleatorio e incertid mbre
en las observaciones.