Documente Academic
Documente Profesional
Documente Cultură
Prlogo.
Este es primer folleto de estadstica aplicada a las licenciaturas: Administracin, Contadura e Informtica
Administrativa que se ofrecen de la Universidad de Sonora. Los temas presentados aqu son congruentes con
el programa vigente de la materia de Estadstica I del rea econmico- administrativo. Este fascculo
corresponde al primer tema del programa que titulado Introduccin, en l, el alumno identificar la
importancia de la estadstica en su contexto profesional.(Ver seccin 1), conocer e identificar las etapas de
un estudio estadstico (ver seccin 2), conocer los conceptos bsicos que se usan en la realizacin de un
estudio estadstico (ver seccin 3) y aprender a distinguir el uso de la estadstica descriptiva, estadstica
inferencial y la estadstica bayesiana mediante la presentacin de problemas prcticos aplicados a su rea
profesional (ver seccin 4). Adems, se informar, de estudios ya realizados, del buen uso que se le puede dar
a la estadstica y de los beneficios que se pueden lograr si se utiliza adecuadamente, y de los problemas que
puede generar si se hace un mal uso de la misma (ver la seccin 5). Por ltimo, distinguir la diferencia entre
un censo y una muestra y conocer los diferentes tipos de muestreo y las principales caractersticas de cada
de ellos (ver la seccin 6).
Nuestro propsito al elaborar este primer folleto es dotar al alumno de la informacin necesaria y suficiente,
apegada al programa vigente, a fin de que el estudiante cubra con los conocimientos estadsticos necesarios
para llevar a cabo el anlisis de informacin estadstica que ofrezcan peridicos, revistas, documentos de
Internet, etc. y tome decisiones por s mismo de la veracidad o falsedad de tal informacin.
Este trabajo se sita en el marco de un esfuerzo colectivo realizado por el Departamento de Matemticas por
dotar al alumno del material didctico necesario para que ste optimice su proceso de
enseanza/aprendizaje/formacin de las matemticas.
Agosto de 2010
Contenido
Pag.
02
Prlogo.
ndice.
03
Tema I. Introduccin
1.
1.1.
1.2.
1.3.
1.4.
2.
2.1.
2.2.
2.3.
2.4.
2.5.
05
06
06
06
07
07
07
07
07
08
09
10
10
10
3. Conceptos Bsicos.
b) Diferencia entre estadstica descriptiva e inferencial, en estudios ya realizados.
3.1. Conceptos preliminares.
3.1.1. Anlisis estadstico.
3.2. Clasificacin de datos.
3.2.1. Tipos de variables.
3.3. Escalas de medicin.
3.4. Conceptos Fundamentales.
3.4.1. Caracteres.
3.4.2. Modalidades de los caracteres.
3.4.3. La matriz de datos.
3.4.4. Clases de datos.
Ejercicios 1
11
11
11
11
14
14
14
15
15
16
16
17
17
18
19
20
21
22
22
23
24
24
25
31
32
Lecturas recomendadas.
33
33
Referencias.
33
Tema I.
Introduccin a la Estadstica Aplicada
Todos los campos de la estadstica tratan el mismo problema bsico, que es el problema de la toma de
decisiones ante la incertidumbre. Todas las reglas de decisiones deben evaluarse por sus consecuencias. Estas
consecuencias se pueden expresar en trminos de riesgo o, ms intrnsecamente, en trminos de las
probabilidades de tomar cualquiera de las acciones posibles que son inducidas por el experimento, las reglas
de decisin, y los posibles estados del sistema. En resumen no es en los hechos visibles, sino ms bien en las
decisiones derivadas de las observaciones, en las que debiera ponerse el nfasis principal de las
observaciones estadsticas elementales.
Hoy en da, la direccin, en todos sus niveles, se gua generalmente por los datos obtenidos mediante el
anlisis de registros, ms que por conocimientos obtenidos meramente de la observacin personal y la
experiencia. Por medio de la aplicacin de mtodos estadsticos apropiados se puede medir el rendimiento
diario, estudiar las relaciones significativas, analizar las experiencias pasadas y prever las tendencias futuras
probables.
El uso de mtodos estadsticos y la realizacin del trabajo analtico que es fundamentalmente de carcter
estadstico ya sea que se le d o no el nombre distintivo de estadstica ocupa un lugar conspicuo en el
trabajo de todos los departamentos de una compaa. En la estadstica, pueden hacerse las aplicaciones a casi
cualquier agregado de observaciones o mediciones. Por esta razn, es muy til en los negocios, en la
economa, sociologa, biologa, psicologa, educacin, fsica, qumica, agricultura y campos similares.
Para mucha gente la estadstica significa descripciones numricas. Sin embargo, en trminos ms precisos,
la estadstica est constituida por un conjunto de principios y procedimientos para el estudio de los
fenmenos aleatorios. En este sentido la ciencia estadstica tiene virtualmente un alcance ilimitado de
aplicaciones en un espectro tan amplio de disciplinas que van desde las ciencias, ingeniera, economa hasta
las leyes, medicina y la mercadotecnia. La estadstica como una ciencia aplicada constituye una vasta rama
del conocimiento para la investigacin, dado que la finalidad de toda investigacin es obtener conclusiones
vlidas que permiten establecer y dejar en un espacio especfico y concreto la importancia que un problema
conlleva.
Los tipos de estudios estadsticos tienen vital importancia en la investigacin, ya que la finalidad de sta es
que a partir de la recoleccin de buenos datos, proyectar conclusiones claras y de gran significancia, por
ello se hace distincin en la forma de obtener los datos; y que para lograrlo estn las tcnicas de diseo
estadstico, las cuales comprenden lo siguientes:
1) Estudios observacionales, donde el investigador es el observador y se utiliza principalmente para
describir lo suficiente respecto al problema.
2) Estudios experimentales, donde se hacen interpretaciones bastantes claras de diferencias, por
medio de procedimientos aleatorios.
3) Estudio de muestreo, donde una investigacin empieza a tomar forma como tal, debido a que
dependiendo de la obtencin de muestras significativas se obtienen resultados significativos que para
una investigacin es el objetivo primordial en su desarrollo y conclusin.
5
1.1.
El muestreo es imprescindible en la investigacin, ya sea sta de cualquier ciencia aplicada, tambin ha sido
el proceso por medio del cual algunas disciplinas han podido introducir en ellas metodologas y
procedimientos para su consolidacin como tal, una de las grandes disciplinas beneficiadas es la
administracin. La Estadstica es de gran importancia en las diferentes empresas, enfocadas desde cualquier
rea profesional ya que ayudan a lograr una adecuada planeacin y control apoyados en los estudios de
pronsticos, presupuestos etc. Los estudios estadsticos que se realizan dentro de una empresa, motivan a la
alta gerencia para que se definan los objetivos bsicos de la empresa y en base a ellos se precise una
estructura adecuada, determinando la responsabilidad y autoridad de cada una de las partes que integran la
organizacin. Adems, incrementan la participacin de los diferentes niveles de la organizacin, cuando
existe motivacin adecuada, obligan a mantener un archivo de datos histricos controlables, facilitan a la
administracin la utilizacin ptima de los diferentes insumos, facilitan tambin, la coparticipacin e
integracin de las diferentes reas de la compaa, obligan a realizar un auto anlisis peridico, facilitan el
control administrativo, son un reto que constantemente se presenta a los ejecutivos de una organizacin para
ejercitar su creatividad y criterio profesional a fin del mejoramiento de la empresa, ayudan a lograr una
mayor efectividad y eficiencia en las operaciones.
Para un administrador (a) o contador (a), la realizacin de pronsticos es de suma importancia ya que son
tiles para prevenir los cambios del entorno, de manera que anticipndose a ellos sea ms fcil la adaptacin
de las organizaciones y la integracin de los objetivos y decisiones de las mismas. A travs de los
pronsticos, se pueden prever las perdidas en los resultados de los estados financieros futuros, y de esta
manera se pueden tomar decisiones bien sea la reduccin de costos y gastos, planear estrategias que ayuden al
mejoramiento de la compaa, y que se cumpla con el objetivo de toda empresa que es la de generar dinero.
Por ejemplo, con base en un anlisis de rotacin de inventarios se puede tomar la decisin de aumentar o
sacar del mercado un determinado producto. Lo importante es detectar en cules reas de su competencia
profesional es til aplicar los tipos de anlisis estadsticos arriba mencionados.
1.2.
1. Todo ciudadano estamos en continuo contacto con las estadsticas en todos los medios de
comunicacin. Debemos saber comprender la informacin que se ofrece para detectar mentiras y tomar
decisiones informadas.
2. Como lector de artculos de investigacin debe poder comprender la informacin cuantitativa que se le
ofrece en los artculos que lee.
3. Como productor de investigaciones, debe poder utilizar las estadsticas en sus propias investigaciones.
1.3.
El proceso investigativo tradicional con el que se genera una disertacin o tesis consiste de varias etapas o
momentos entre los que se distinguen como esenciales:
1. El planteamiento del objetivo de la investigacin o creacin de la pregunta de investigacin.
2. El planteamiento de las hiptesis de investigacin.
3. La recopilacin de datos para someter a prueba la hiptesis de investigacin.
4. El anlisis de los datos recogidos.
5. La evaluacin de las hiptesis a la luz de estos anlisis.
6
1.4.
Dentro del proceso de investigacin se puede llamar estadstica a todos y cada uno de los siguientes
procesos:
1.Recoleccin de datos a travs de cuestionarios y observaciones.
2. Presentacin de los datos en tablas y grficas.
3. Transcripcin de datos por medio de medidas de tendencia central y dispersin.
4. Anlisis e interpretacin de resultados.
5. Presentacin de conclusiones (donde se interpretan cualitativamente los resultados cuantitativos).
6. Proceso (puntos 1-5) en su totalidad como la justificacin para la toma de decisiones.
Cuestionario 1.
1.
2.
3.
4.
5.
6.
7.
De acuerdo con el doctor Lefcovich [1], no se puede gestionar o administrar lo que no se mide. Las
mediciones son la clave. Si no puedes medir una dificultad en tu trabajo, no podrs controlarla. Si no puedes
controlarla, no podrs administrarla. Si no puedes administrarla, no podrs mejorarla. La falta sistemtica o
ausencia estructural de estadsticas en las organizaciones impide una administracin cientfica de las mismas.
Dirigir slo en base a datos financieros del pasado, realizar predicciones basadas ms en la intuicin o en
simples extrapolaciones, y tomar decisiones desconociendo las probabilidades de xito u ocurrencia, son slo
algunos de los problemas o inconvenientes ms comunes hallados en las empresas. Carecer de datos
estadsticos en cuanto a lo que acontece tanto interna como externamente, impide decidir sobre bases
racionales, y adoptar las medidas preventivas y correctivas con el suficiente tiempo para evitar daos, en
muchos casos irreparables, para la organizacin.
Peter Drucker (padre de la administracin) [2], hace dos afirmaciones bsicas. Primero, afirma que pocos
factores son tan importantes para la actuacin de la organizacin como la medicin. Segundo, lamenta el
hecho de que la medicin sea el rea ms dbil de la gestin en muchas empresas. Prcticamente todos los
autores de libros de gestin han lamentado que la medicin sea crtica para el xito y que la mayora de los
directores no tengan habilidades cuantitativas adecuadas.
En otras pocas disponer de los datos y luego analizarlos resultaba una labor costosa y agotadora, pues ella
se basaba en la labor manual de los empleados. Pero hoy se cuenta con computadoras cada da ms veloces y
7
econmicas, al tiempo que se dispone de programas ms potentes y flexibles, por lo cual las empresas que
utilicen dicho potencial obtendrn una fuerte diferencia competitiva en relacin a sus adversarios, pero ms
an, podrn mejorar continuamente el desempeo en los diversos ndices y mediciones que hacen a los
procesos y actividades de la empresa. Las empresas que no hagan uso de estas nuevas potencialidades y
afronten debidamente stas nuevas exigencias, no slo perdern capacidad competitiva, sino que quedarn
desacoplados ante los continuos cambios del entorno, poniendo en serio riesgo su propia continuidad.
En otras pocas con lentos procesos de cambios, los cuales resultaban casi imperceptibles en el tiempo, se
poda administrar una empresa con pocos datos estadsticos. Hoy en un mundo de profundos y veloces
cambios en todos los rdenes ya no es posible actuar con apata. Hoy un empresario necesita predecir a
tiempo los niveles de demanda de sus productos, necesita reconocer a tiempo los cambios de tendencia, debe
no slo saber en qu se gasto, sino cmo se gasto en el perodo de tiempo y en qu conceptos.
Para negociar, para tomar decisiones, para corregir problemas de calidad, para aumentar la productividad,
para fijar precios, para mejorar el mantenimiento y disponibilidad de las mquinas e instalaciones, para
mejorar la concesin y cobranza de los crditos se requiere contar con datos estadsticos. Toda decisin, todo
anlisis, todo presupuesto, est prcticamente en el aire si no se cuenta con datos estadsticos suficientes y
fiables.
No slo a nivel empresa, sino tambin a nivel pas, los que ms han avanzado han sido aquellos que
hicieron de las estadsticas una herramienta fundamental. W. Edwards Deming [3], un pionero en mtodos
estadsticos para el control de calidad, seal que en Japn se pone mucho nfasis en las estadsticas para
directores de empresa. En parte fue la aplicacin de las tcnicas estadsticas enseadas por Deming lo que
hizo que Japn pasara de ser un fabricante de imitaciones baratas a lder internacional en productos de
primera calidad.
Sin estadsticas una empresa carece de capacidad para reconocer que actividades o productos le generan
utilidades, y cuales slo prdidas. No contar con datos e interpretarlos correctamente es para los
administradores como caminar en la oscuridad. Contar con los datos les ilumina, les permite ver lo que est
aconteciendo y en consecuencia tomar las medidas ms apropiadas.
2.2.
La facturacin por profesin, zona, motivo de su visita (turismo, negocios, salud, profesionales,
capacitacin, otros)?
Ests son slo unas pocas preguntas de las cuales estoy seguro t no podrs responder o para hacerlo,
debers destinar de una gran cantidad de tiempo en personal, aparte de generar una informacin poco
confiable, costosa y fuera de tiempo. Si no cuentas con estos datos, cmo le haras t? para: tomar con
tiempo las medidas correctivas; confeccionar un presupuesto viable y efectivo; administrar eficazmente su
flujo de fondos; evitar los excesos de productos en existencia y la obsolescencia de inventarios; gestionar la
mejora de los diversos procesos; saber cundo est mejorando la productividad; negociar un incremento de
precios; detectar la causa de un problema y solucionarlo. En pocas palabras:
Sabes realmente qu ocurre dentro de cualquier organizacin que sea de tu inters?
Para poder saber qu pasa en esta organizacin, es necesario contar con datos en tiempo y forma,
sabindolos interpretar correctamente. Es aqu donde la estadstica y los sistemas de informacin convergen
para posibilitar al directivo y ste pueda gestionar con mucha mayor eficiencia y eficacia su organizacin.
2.3.
Para qu la estadstica.
Los anlisis estadsticos son fundamentales a los efectos de gestionar y mejorar temas o actividades tales
como:
1. El control de calidad.
2. El nivel de averas y sus frecuencias.
3. Los tiempos para cambios o preparacin de herramientas.
4. Los niveles de productividad de distintos procesos, actividades y productos.
5. Los costos correspondientes a distintos tipos de conceptos y actividades.
6. La gestin de crditos y cobranzas.
7. El seguimiento del flujo de fondos.
8. Los niveles de satisfaccin de los clientes y usuarios.
9. Los tipos de accidentes y sus frecuencias.
10. El anlisis mediante diagramas de Pareto de defectos, costes, rentabilidades, ventas.
11. Ventas por clientes, vendedores, zonas y productos.
12. Predicciones de ventas por zonas, productos, servicios o sucursales.
13. Capacidad de los procesos en cuanto a generacin de niveles de costes, calidad y productividad.
14. Tiempos totales de ciclos productivos.
15. Tiempos de respuestas.
16. Gestin de inventarios.
17. Cumplimiento de aprovisionamiento por parte de los proveedores.
18. Prediccin de ventas por canales de comercializacin.
19. Proyectos de inversin.
20. Probabilidades para la construccin del rbol para la Toma de Decisiones.
21. Evolucin de los distintos ratios econmicos financieros y patrimoniales a lo largo del tiempo.
22. Estudios e investigacin de mercado.
23. Tiempos de mquinas y personas por actividad.
24. Cantidad y representacin porcentual de mltiples problemas y sus efectos econmicos en la empresa.
25. Tasa de polivalencia del personal.
26. Productos ms demandados, a nivel global, por zona y por canal de comercializacin.
27. Porcentajes de actividades generadoras de valor agregado para los clientes finales, de valor agregado
para la empresa y carentes de valor agregado.
28. Tiempos promedios, mximos y mnimos de reparaciones por tipo de averas.
9
29.
30.
31.
32.
2.4.
En parte por una cuestin cultural de parte de los empresarios, pero en mayor medida a la falta de
preparacin de los profesionales, en materia estadstica, sobre todo de aquellos que asesoran en cuanto a la
gestin de las empresas. Lo antes descrito es menos frecuente en los pases anglosajones, los cuales tienen
una fuerte cultura e inclinacin por las estadsticas y las probabilidades. Otro tanto se da en Japn o Corea,
pases que dan a la educacin de las estadsticas y matemticas una fuerte preponderancia en sus planes de
estudios y luego en la aplicacin prctica. Sin lugar a dudas la cuestin no es disponer de datos estadsticos, si
los mismos no son debidamente interpretados, o ni siquiera son tenidos en consideracin. Por lo tanto es
menester concientizar y formar a los directivos y empleados acerca de la fundamental y trascendental
importancia de la informacin estadstica a la hora de planificar, dirigir y controlar la marcha de la empresa.
Qu debemos hacer?
2.5.
El primer paso como se expresara antes, es concientizar, para luego pasar a capacitar. El tercer paso
consiste en la implementacin. Diagnosticar para saber qu datos necesita la organizacin es un paso
fundamental, pues a partir de all se disearn los software ms apropiados a las actividades, procesos y
requerimientos especficos de cada empresa. Si bien la intuicin nunca dejar de perder importancia, el tener
el respaldo de datos confiables le permitir poder adoptar decisiones sobre una base ms apropiada. Es esto lo
que se da en llamar la Gestin Moderna Basada en Estadsticas (GMBE).
Cuestionario 2.
1.
2.
3.
4.
5.
6.
Qu es la estadstica?
Para qu es til la estadstica en las empresas?
Por qu es importante realizar estudios estadsticos en las empresas?
Mencione las maneras de obtener datos o informacin para realizar un estudio estadstico.
Cmo se relaciona tu rea de estudio con la estadstica?
Qu sugiere un diseo adecuado para la obtencin de datos o informacin?
10
3. Conceptos Bsicos.
c) Diferencia entre estadstica descriptiva e inferencial, en estudios ya realizados.
Habitualmente el propsito de la Estadstica Aplicada es el de sacar conclusiones de una poblacin en
estudio, examinando solamente una parte de ella denominada muestra. Este proceso, denominado Inferencia
Estadstica, suele venir precedido de otro, denominado Estadstica Descriptiva, en el que los datos son
ordenados, resumidos y clasificados con objeto de tener una visin ms precisa y conjunta de las
observaciones, intentando descubrir de esta manera posibles relaciones entre los datos, viendo cuales toman
valores parecidos, cuales difieren grandemente del resto, destacando hechos de posible inters, etc. Al hablar
de estadstica descriptiva, uno se refiere a cualquier tratamiento de datos que est diseado para resumir o
describir algunas de sus caractersticas ms importantes sin intentar deducir nada que escape al alcance de los
datos. Tambin, entre los objetivos de la Estadstica Descriptiva est el presentar los datos de tal modo que
permitan sugerir o aventurar cuestiones a analizar en mayor profundidad, as como estudiar si pueden
mantenerse algunas suposiciones necesarias en determinadas inferencias como la de simetra, normalidad,
homocedasticidad (propiedad del modelo de regresin lineal general), etc. El propsito de esta seccin es
estudiar los conceptos y explicar tcnicas que permitan realizar ambos procesos, a los cuales de forma
conjunta se les suele denominar Anlisis de Datos.
Aunque estos ejemplos realmente forman parte del concepto total de Estadstica, la palabra tiene un
sentido ms amplio para aquellas personas cuyo trabajo requiere un conocimiento de los aspectos ms
tcnicos de la estadstica. Para estas personas la palabra Estadstica tiene relacin con aquellos conceptos y
tcnicas que se emplean en la recopilacin, organizacin, presentacin, anlisis, interpretacin y
comunicacin de informacin numrica.
La estadstica, surge de la necesidad que tiene los seres humanos de conocer y transformar la realidad. La
estadstica, con sus mtodos modernos, contribuye al anlisis e interpretacin de la realidad as como tambin
a la toma de decisiones para su transformacin.
La aplicacin de los mtodos estadsticos los podemos clasificar en tres etapas:
a) Planeacin de un proceso eficaz de bsqueda y registro de la informacin.
b) Organizacin, sistematizacin y resumen de la informacin para facilitar su manejo, presentacin y
descripcin.
c) Anlisis de la informacin obtenida, verificacin de hiptesis, obtencin de conclusiones y toma de
decisiones.
En la planeacin y diseo de bsqueda y recoleccin de la informacin, as como en la estimacin de las
caractersticas de inters de la poblacin a partir de la informacin contenida en una porcin de sta, la
estadstica aporta los mtodos de muestreo, estimacin y diseo de experimentos. Existen dos tipos de
estadstica: La estadstica clsica o tradicional (frecuentista) y la estadstica bayesiana o inferencia
bayesiana. La diferencia entre ambas est en el concepto de probabilidad. Mientras que para la estadstica
clsica es un concepto objetivo, que se encuentra en la naturaleza, para la estadstica bayesiana se encuentra
en el observador, siendo as un concepto subjetivo. De este modo, en la estadstica clsica slo se toma como
fuente de informacin las muestras obtenidas suponiendo, para los desarrollos matemticos, que se puede
tomar tamaos lmite de las mismas. En el caso bayesiano, sin embargo, adems de la muestra tambin juega
un papel fundamental la informacin previa o la historia que se posee relativa a los fenmenos que se tratan
de modelar.
En general, la estadstica segn los mtodos que aporta, se puede dividir en las tres ramas siguientes:
Estadstica descriptiva, Estadstica inferencial e inferencia Bayesiana. La Estadstica descriptiva
proporciona los mtodos que permiten organizar, resumir, presentar y describir los resultados de las
observaciones de la caracterstica de inters, contenida en una muestra, con el objeto de hacer estimaciones,
por lo general puntuales, sobre las caractersticas principales de la poblacin (su distribucin, media
poblacional, variabilidad, etc.), la Estadstica inferencial proporciona los mtodos que permiten la estimacin
de los parmetros poblacionales, y corroborar hiptesis sobre uno o ms parmetros poblacionales, a partir de
una o ms muestras aleatorias extradas de la poblacin y la Estadstica bayesiana o inferencia bayesiana se
basa en la interpretacin de la probabilidad como el grado personal de creencia, permite asignar
probabilidades a los parmetros por el simple hecho de que son desconocidos, cosa que en la estadstica
clsica no se hace. En pocas palabras, en la estadstica bayesiana se considera que los parmetros representan
variables aleatorias y por lo tanto estn sujetos a una probabilidad de ocurrencia. La necesidad de esta
interpretacin de la probabilidad queda de manifiesto cuando observamos la cantidad de sucesos de los que
tratamos de extraer probabilidades que no pueden ser interpretados desde el punto de vista frecuentista. En
este curso, slo nos enfocaremos en la primera rama de la estadstica clsica, la estadstica descriptiva.
La estadstica es una herramienta cientfica. Su valor depende de cmo se utilice como herramienta. Sin
embargo, la estadstica es frecuentemente mal utilizada. Los siguientes son algunos de los malos usos
comunes de datos estadsticos:
porque el estudio estadstico no est bien planeado. y en algunas ocasiones los datos son inventados
por el encuestador al no encontrar personas que quieran responder a la encuesta por larga o
tendenciosa.
Un sesgo del usuario. Significa que un usuario de los datos perjudicialmente d ms nfasis a ciertos
hechos, los cuales son empleados para mantener su predeterminada posicin u opinin. Existen dos
clases de sesgos; conscientes e inconscientes. Ambos son comunes en el anlisis estadstico. Hay
numerosos ejemplos de sesgos conscientes. Por ejemplo un anuncio de publicidad, frecuentemente
utiliza estadstica para probar que su producto es muy superior al producto de su competidor. Un
poltico usa la estadstica como herramienta para querer mostrar la preferencia a su candidatura, etc.
Es casi imposible que un sesgo inconsciente est completamente ausente de un trabajo estadstico. En
lo que respecta al ser humano, es difcil obtener una actitud completamente objetiva al abordar un
problema, aun cuando un cientfico debe tener una mente abierta. Un estadstico debe estar enterado
del hecho de que su interpretacin de los resultados del anlisis estadstico est influenciado por su
propia experiencia, conocimiento y antecedentes con relacin al problema dado.
Supuestos falsos. En el anlisis estadstico frecuentemente se hacen supuestos. Un estadstico debe
ser extremadamente cuidadoso para evitar supuestos falsos. Supuestos falsos pueden ser hechos por
quien usa los datos, o bien quien: a) est tratando deliberadamente de confundir a los oyentes, b)
carece de conocimiento de mtodos estadsticos o c) es simplemente descuidado. No es raro que un
anunciante proponga deliberadamente que no existe mercanca de primera clase fuera de su producto
o bien que no est enterado de ello. Una lnea de tendencia no debera ser dibujada para el propsito
de pronosticar las ventas futuras si los datos estadsticos estn limitados a un corto perodo de tiempo,
especialmente cuando se trata de un perodo de slo tres meses.
Supuestos falsos hechos por descuidos son numerosos. Muchos experimentados hombres de
negocios, por ejemplo, saben que nuestra economa es dinmica y que el poder de compra del dinero
o el valor del dlar cambia ao tras ao. Sin embargo, frecuentemente cuando uno hace una
proyeccin para futuras transacciones, la persona har un supuesto descuidado que el valor del dlar
y las condiciones econmicas son de esperarse que sean exactamente las mismas en el futuro.
Indicacin falsa de relacin. En el anlisis de correlacin, la relacin de dos o ms conjuntos de
datos estadsticos son analizados. Cuando los valores en un conjunto de datos estn creciendo y los
valores correspondientes en otro conjunto, estn tambin creciendo, matemticamente hablando, una
correlacin positiva entre los dos conjuntos de datos puede ser encontrada. Si la conclusin est
basada solamente en los resultados matemticos puede llegar a una indicacin falsa de relacin. Por
ejemplo, un estadstico puede tener dos conjuntos de datos. Un conjunto muestra la produccin anual
de vehculos de la planta Ford, y el otro indica el nmero de accidentes anuales en un pequeo
poblado. Ambas cifras se incrementaron si se tom en un mismo perodo casi a la misma tasa ao con
ao. Si los dos conjuntos de datos son analizados conjuntamente, los clculos matemticos indicarn
que estn estrechamente relacionados. Si una conclusin se basa slo en la indicacin matemtica,
uno puede establecer que el incremento de accidentes en carretera en ese pequeo poblado fue debido
a que se incremento la produccin de los vehculos de la planta Ford durante el mismo perodo. El
enunciado es obviamente falso. Un resultado matemtico sirve como una gua para quien tenga que
hacer una conclusin; no es en s misma una conclusin.
Comparacin impropia. Es la comparacin entre dos cosas, las cuales no son realmente comparables
porque son bsicamente diferentes. Por ejemplo, si comparamos los pesos de los estudiantes de una
universidad y los pesos de los estudiantes de una escuela primaria. Por comparacin, podemos
encontrar que los pesos de los estudiantes universitarios son mayores que los pesos de los alumnos de
la escuela primaria. Si extraemos una conclusin basada en la comparacin que los estudiantes
universitarios son "obesos" en comparacin con los estudiantes de primaria, podemos encontrar que
la comparacin carece de sentido.
Errores en operaciones matemticas. El razonamiento estadstico basado en respuestas equivocadas
de operaciones matemticas frecuentemente conduce a conclusiones falsas.
13
Para ver ms casos del uso indebido de la estadstica consultar [4], [5], [6], [7] y [8].
3.3.
Variable. Es una caracterstica de inters observable en cada elemento de una poblacin o de una
muestra. Las variables se clasifican en cualitativas y cuantitativas.
Variables cualitativas, tal como su nombre lo indica, son las que presentan una cierta cualidad, son
variables que no se pueden expresar con nmeros. Por ejemplo, al referirse a la cantidad fabricada de
un cierto producto, puede ser que existan tres fabricantes y se tienen que categorizar en el productor
A, el productor B y el producto C para poder mencionar su volumen anual de produccin. O bien, al
referirse al sexo de una persona, se tienen dos cualidades o categoras, femenino y masculino.
Las variables cualitativas pueden ser nominales y ordinales. Las variables cualitativas nominales
slo permiten la clasificacin, no se puede establecer entre ellas ningn tipo de orden, por ejemplo,
color, lugar de residencia, sexo, tamao, raza, estado civil, etc. Mientras que las variables cualitativas
ordinales toman distintos valores ordenados siguiendo una escala establecida. Por ejemplo, nivel
socioeconmico, intensidad de consumo de alcohol, das de la semana, meses del ao, grado
acadmico. etc. Estas variables regularmente estn sujetas a escalas de medicin tales como escalas
de Likert, Killip o Apgar.
Variables cuantitativas, son variables que se expresan con nmeros. Por ejemplo, edad, estatura,
cantidad de trabajadores, sueldo, antigedad en la empresa, etc. Las variables cuantitativas pueden
ser continuas o discretas. Las Variables continuas son aquellas variables que tericamente pueden
tomar cualquier valor dentro de un intervalo de valores. Es decir, las variables continuas se miden
uniformemente y pueden tomar valores fraccionarios. Ejemplos de variables continuas lo son la
estatura, el tiempo realizado en la fabricacin de un artculo, la distancia recorrida por un automvil
en la entrega de un cierto producto, la longitud de un trozo de madera, etc. Las Variables discretas
son aquellas variables que slo pueden tomar cantidades contables (que se puedan contar) de valores
distintos. Estos es, las variables discretas slo puede tomar valores enteros y, entre un valor y otro
siempre existir un vaco o interrupcin. Ejemplos de este tipo de variables es, el nmero de artculos
fabricados en una empresa un da determinado, el nmero de pedidos tomados en una pizzera de la
localidad, el nmero de hijos en una familia, el nmero de trabajadores en una empresa, etc.
Variables aleatorias. Son aquellas variables cuyos resultados provienen de factores fortuitos o sea,
toman valores al azar.
Dato. Es el valor que toma la variable.
Escalas de medicin.
La escala de medicin es la caracterstica de los objetos a manera de que cada dato sea una funcin simple
de las variables estudiadas. Las escalas de medicin pueden ser clasificadas en "dbiles" y "fuertes" segn sea
la caracterstica de cada una. Las ideas sobre las escalas de medida han tenido un tremendo impacto en el
pensamiento estadstico, sobre todo en lo que se refiere a los dominios propios de las tcnicas paramtricas y
14
no paramtricas. La medicin debe permitir una objetividad absoluta; por ello el investigador debe enfocar
crticamente todas las variables y no tratar de imponer determinadas escalas slo porque le sean de diseo
familiar. A cada categora que se utilice para estudiar la variable se le puede asignar a un valor numrico. Las
reglas para hacerlo estn determinadas por los niveles de medicin.
Los niveles de medicin posibles son: el nominal, el ordinal, el de intervalo y el de razn.
Escala nominal. Como el nombre lo indica, consiste en clasificar las observaciones con nombres o
categoras, las cuales deben ser mutuamente excluyentes. Es posible asignar nmeros a las distintas
clases pero hay que tener presente que no existe una relacin de orden entre ellos. Como ejemplo de
mediciones en esta escala es: el estado civil, nacionalidad, sexo de las personas, material del envase
que ms le atrae al consumidor etc. En este tipo de escala, la nica medida centralizadora posible es
la moda. Tambin se puede describir por conteos. Grficamente se representa con barras o grficas
sectoriales llamados diagramas de pastel.
Escala ordinal. En esta escala las observaciones, adems de cumplir con las caractersticas de la
escala nominal, mantienen, de acuerdo a cierto criterio, una relacin de orden. Son muy utilizadas
cuando manejamos informacin no cuantitativa. En esta escala las categoras estn ordenadas y, por
lo tanto, no pueden intercambiarse porque el orden se rompera. Adems, en ellas no pueden faltar
categoras intermedias porque se rompera el orden secuencial. Ejemplos que caen en esta escala son:
el nivel socioeconmico, tamao del producto con mayor consumo, niveles en los puestos de las
empresas, etc. Las medidas convenientes son la moda y la mediana. Tambin son tiles los cuartiles,
deciles y percentiles. Las grficas convenientes son las de barras y las sectoriales (de pastel).
Escala de intervalo. La escala de intervalo trabaja con valores numricos, tiene todas las
caractersticas de una escala ordinal y en ella se conoce la distancia entre dos nmeros cualesquiera.
Est caracterizada por una unidad de medida comn y constante que asigna un nmero real a todos
los elementos de un conjunto ordenado. En esta clase de medida, la proporcin de dos intervalos
cualesquiera es independiente de la unidad de medida y del punto cero, por lo tanto, el punto cero y la
unidad de medida son arbitrarios. El ejemplo clsico de esta escala es la medicin de temperaturas
con las escalas Celsius y Fahrenheit. La unidad de medida y el punto cero en ellas son arbitrarios y
son diferentes en ambas escalas.
Escala de razn. Esta escala tiene todas las caractersticas de una escala de intervalo y adems tiene
un punto cero real en su origen. La proporcin de un punto a otro de la escala es independiente de la
unidad de medida. Su diferencia bsica con la escala de razn es que el cero no es arbitrario sino
inherente al sistema. Por ese hecho podemos comparar significativamente dos mediciones mediante
su razn, y es decir, por ejemplo, que una persona con un peso de 120 kg. tiene el doble de peso de
una persona con un peso de 60 kg. Ejemplos para esta escala son: el peso, edad, velocidad, etc.
3.4.1. Caracteres.
Cada uno de los individuos de la poblacin en estudio posee uno o varios caracteres. As por ejemplo, si la
poblacin en consideracin es la de los trabajadores de una determinada empresa de Hermosillo, stos poseen
una serie de caracteres o caractersticas que permiten describirlo. Los caracteres en este ejemplo, pueden ser
15
"departamento en el que labora", "sueldo que gana", "sexo", "edad", "estado civil", etc. Precisamente la
observacin de uno o ms de esos caracteres en los individuos de la muestra es lo que dar origen a los datos.
Los caracteres pueden ser de dos clases: cuantitativos, cuando son tales que su observacin en un individuo
determinado proporciona un valor numrico como medida asociada, como ocurre por ejemplo con los
caracteres "edad" o "sueldo que gana", y cualitativos, cuando su observacin en los individuos no suministra
un nmero, sino la pertenencia a una clase determinada, como por ejemplo el "sexo", o el "departamento en el
que labora".
...
individuo 2
...
...
...
...
...
...
individuo n
...
Por ejemplo, los datos correspondientes a una investigacin llevada a cabo para el estudio de los
trabajadores de una empresa galletera de Cd. Obregn, produjeron como resultado la matriz de datos de la
Tabla 2, en donde se recopilaron las observaciones de los caracteres "edad", "sexo", "estatura", "peso",
antigedad, escolaridad y "estado civil" en los 100 individuos seleccionados en la muestra.
16
Edad
Sexo
individuo 1
32
masculino
1.76
80
secundaria
casado
individuo 2
29
femenino
1.66
58
bachillerato
soltera
...
...
...
...
...
...
...
...
individuo 100
61
masculino
1.78
90
15
primaria
viudo
Ejercicios 1.
1.
2.
3.
4.
5.
6.
7.
Concepto
1. Variable discreta
2. Variable nominal
3. Variable cuantitativa
Definicin
a. Son aquellas variables cuyos resultados provienen de factores fortuitos
o sea, toman valores al azar.
b. son variables que no se pueden expresar con nmeros.
17
4.
5.
6.
7.
Variable continua
Variable aleatoria
Variable ordinal
Variable cualitativa
8. Menciona los diferentes tipos de escala que existen y explica brevemente en qu consiste cada una de
ellas.
9. Seala las modalidades de los siguientes caracteres:
a) Estado civil.
b) Actitud del cliente.
c) Satisfaccin del cliente.
d) Forma de pago del cliente.
e) Monto de la compra del cliente.
f) Valor del cheque para el proveedor.
g) Cartera de clientes.
h) Estado del inventario.
decisiones que afectan directamente nuestras vidas. Es decir, la estadstica Inferencial se refiere al
proceso de lograr generalizaciones acerca de las propiedades del todo (poblacin), partiendo de lo especfico
(muestra), las cuales llevan implcitos una serie de riesgos. Para que stas generalizaciones sean vlidas, la
muestra deben ser representativa de la poblacin y la calidad de la informacin debe ser controlada, adems
puesto que las conclusiones as extradas estn sujetas a errores, se tendr que especificar el riesgo o
probabilidad con que se pueden cometer estos errores. En sus particularidades la estadstica inferencial
distingue la estimacin y la contrastacin de hiptesis. Es estimacin cuando se usan las caractersticas de la
muestra para hacer inferencias sobre las caractersticas de la poblacin. Es contrastacin de hiptesis cuando
se usa la informacin de la muestra para responder a interrogantes sobre la poblacin. Los estadsticos se
refieren a esta rama como inferencia estadstica pero sta implica generalizaciones y afirmaciones con
respecto a la probabilidad de su validez.
Estadstica Inferencial es el conjunto de tcnicas que se utiliza para obtener conclusiones que
sobrepasan los lmites del conocimiento aportado por los datos, busca obtener informacin de un
colectivo mediante un sistemtico procedimiento del manejo de datos de la muestra.
Ahora, veamos algunos ejemplos que nos aclaren la diferencia entre estos dos tipos de estudios
estadsticos.
Ejemplo 1. Suponga que un administrador calcula la produccin promedio diaria de la empresa donde
labora durante un mes. Como la estadstica calculada describe el desempeo diario del departamento de
produccin en un mes determinado, pero no hace ninguna generalizacin acerca de los diferentes meses del
ao, podemos decir que el administrador est utilizando estadstica descriptiva. Graficas, tablas y diagramas
que muestran los datos de manera que sea ms fcil su entendimiento, son ejemplos de estadstica descriptiva.
Ejemplo 2. Suponga ahora que el administrador de la empresa decide utilizar el promedio de la produccin
mensual, obtenida en el ejemplo 3, para estimar la produccin promedio anual de la empresa. El proceso de
estimacin de tal promedio sera un problema concerniente a la estadstica inferencial.
Ejemplo 3: Cuando van a llegar cualquier tipo de elecciones, por ejemplo, las elecciones generales, es muy
frecuente que los medios de comunicacin, nos adelanten los resultados de encuestas o sondeos en los que se
nos indica el resultado final de dichas elecciones con una precisin especfica y con un error determinado.
Estos sondeos son realizados por distintas tcnicas sobre un grupo (muestra) ms o menos numeroso de
personas. Naturalmente, cuanto mayor sea el nmero de mexicanos encuestados con derecho al voto, mayor
ser la fiabilidad de la encuesta, pero tambin mayor ser el costo del sondeo. El estudio de esta muestra se
hara mediante estadstica descriptiva, pero lo que nos interesa no es el resultado de este estudio reducido sino
el resultado final de las elecciones. El paso de generalizar los resultados de la muestra a toda la poblacin, se
hace mediante tcnicas de la Estadstica Inferencial. La eleccin de la muestra debe hacerse mediante
mtodos de muestreo (ver seccin 6) para que el estudio resulte lo ms fiable posible.
19
Ejemplo 4. Supongamos que estamos laborando en una gran empresa, con un nmero muy elevado de
trabajadores, por ejemplo 5,000, y queremos hacer un estudio estadstico sobre la altura de los trabajadores y
las trabajadoras. Un mtodo sera pasar departamento por departamento y medir a cada trabajador y
trabajadora, esto nos podra llevar un tiempo considerable pero sera la forma ms exacta de hacer dicho
estudio, aunque es fcil encontrarnos con ausencias y tendramos que volver varios das y pasar lista para
conseguir la estatura de todo personal. Una vez que tengamos todos los datos en nuestro poder los resultados
los obtendramos mediante Estadstica descriptiva. Otra posibilidad podra ser pasar departamento por
departamento, y decirles a los trabajadores y trabajadoras que anoten su estatura en un papel y despus
recoger la informacin. Tambin as tendramos un estudio de Estadstica descriptiva, aunque seguramente
menos fiable que con el mtodo anterior, pues casi con toda seguridad, y lo digo por experiencia, algunos
trabajadores y trabajadoras escribirn su estatura a clculo y otros(as), con ganas de bromear, muy por
encima o muy por debajo de la realidad. Y una ltima posibilidad sera escoger una muestra, es decir un
grupo de por ejemplo 500 personas, hacer el estudio descriptivo sobre ellas y despus generalizarlo a todo el
personal con Estadstica de inferencia. En este caso, comprobaramos por una parte que cuanto mayor sea la
muestra ms trabajo tendremos, pero ms fiable ser el resultado final y por otra, que la eleccin de la
muestra debe hacerse de manera que permita tambin fiarnos del resultado obtenido.
6) Interpretacin. En esta etapa se explica el sentido de todos los datos obtenidos. Para ello, se
aplica el mtodo de anlisis estadstico que corresponda al tipo de datos y al objetivo de la
investigacin. As se verifica la hiptesis de trabajo, es decir se confirma o se desecha. Las hiptesis
no confirmadas tambin tienen su valor. As, puede concluirse que un nuevo producto no es ms
eficaz que los que haba, que una nueva tcnica de produccin no mejora la actual, etc. Todo ello
permitir sacar conclusiones. Hay que distinguir entre las conclusiones estadsticas, que como se
ver en su momento, llevan anexo un juicio de significacin y si es posible un juicio de causalidad,
y las conclusiones del estudio que se basan en las anteriores. Es conveniente recordar que las
conclusiones estadsticas lo son a nivel de grupo, no a nivel individual. Son vlidas para la inmensa
mayora de los individuos, no para todos. La estadstica no es una ciencia exacta. Un error
frecuente es sacar conclusiones basadas en la informacin previa y no en el estudio.
La distincin anterior se hace a efectos tericos y didcticos, pues en la prctica al comienzo del
trabajo se omiten las tres primeras etapas y al cabo de un tiempo, stas quedan claramente definidas,
cosa que inaceptablemente debe de ocurrir antes de iniciar el paso 4, de la realizacin del reporte.
Para ms informacin sobre este tema consultar [9], [10] y [11].
Ejercicios 2
1. Suponga que trabaja en una empresa, usted puede tomar como muestra la totalidad de
clientes de la empresa? Por qu? Qu forma de elegir la muestra se te ocurre?
2. Explica la brevemente diferencia existente entre la estadstica descriptiva y la estadstica
Inferencial.
3. Menciona las seis fases de un estudio estadstico y descrbelas en forma abreviada.
21
22
Si el grfico que representa la intencin de votos hubiera sido el Grfico 2, El partido PTK hubiera aceptado
la publicacin? Por qu?, Uno de los grficos est mal confeccionado?, qu diferencia hay? Qu aspectos
faltaran indicar en el grfico?
*Adaptado de http://estadisticaestasahi.blogspot.com/2008/04/las-cifras-no-mienten-pero-el-hombre.html
Ejemplo 6. Las estadsticas muestran que casi todos los accidentes de circulacin se producen entre
vehculos que ruedan a velocidad moderada. Muy pocos ocurren a ms de 150 km/h. Significa esto
que resulta ms seguro conducir a gran velocidad? No, de ninguna manera. Con frecuencia, las
correlaciones estadsticas no reflejan causas y efectos. Casi todo el mundo circula a velocidad
moderada, y como es natural, la mayora de los accidentes se producen a estas velocidades.
Ejemplo7. Si las estadsticas mostrasen que la mortalidad por tuberculosis es mayor en Segovia que
en las dems provincias, significara esto que el clima segoviano favorece el contagio tuberculoso?
Todo lo contrario. El clima segoviano es tan beneficioso para los tuberculosos que muchos acuden
all para restablecerse. Naturalmente, sta es la causa de que aumenten all los fallecimientos
provocados por el mal.
Ejercicios 3.
1. Menciona o investiga algunos casos de cmo puedes ser engaado mediante el uso de la estadstica.
2. Una vez que te has documentado de los usos y abusos que se pueden lograr con la estadstica, cul
es tu opinin personal sobre la estadstica?
3. Cmo puedes evitar el hacer mal uso de la estadstica?
23
Muestreo con reemplazo: Es aquel en que un elemento puede ser seleccionado ms de una vez en la
muestra para ello se extrae un elemento de la poblacin se observa y se devuelve a la poblacin, por
lo que de esta forma se pueden hacer infinitas extracciones de la poblacin aun siendo esta finita. En
este tipo de muestreo,
o Cada elemento de la poblacin tiene la misma probabilidad de ser elegido.
24
Las observaciones se realizan con reemplazo. De este modo, cada observacin es realizada
sobre la misma poblacin (no disminuye con las extracciones sucesivas).
Muestreo sin reemplazo: No se devuelve los elementos extrados a la poblacin hasta que no se hallan
extrados todos los elementos de la poblacin que conforman la muestra.
25
Ms posibilidades: Para hacer cierto tipo de estudios, por ejemplo el de duracin de cierto tipo de
bombillas, no es posible en la prctica destruirlas todas para conocer su vida media, ya que no
quedara nada que vender. Es mejor destruir slo una pequea parte de ellas y sacar conclusiones
sobre las dems.
De este modo se ve que al hacer estadstica inferencial debemos enfrentarnos con dos problemas:
Pregunta
A quin deseo generalizar los
resultados?
A quin puedo acceder en el estudio?
Cmo puedo acceder a ellos?
Quin forma parte del estudio?
Respuesta
A todos los habitantes de Hermosillo (poblacin terica).
A todos los habitantes en las colonias visitadas (poblacin estudiada).
Numerando los sujetos accesibles (espacio o marco muestral).
Un grupo elegido aleatoriamente (muestra) de los sujetos enumerados
(poblacin).
26
Adems del muestreo simple, existen los muestreos dobles y los muestreos mltiples:
Muestreo doble: Cuando el resultado del estudio de la primera muestra no es decisivo, una segunda
muestra es extrada de la misma poblacin. Las dos muestras son combinadas para analizar los resultados.
Este mtodo permite a una persona principiar con una muestra relativamente pequea para ahorrar costos
y tiempo. Si la primera muestra arroja una resultado definitivo, la segunda muestra puede no necesitarse.
Muestreo mltiple: El procedimiento bajo este mtodo es similar al expuesto en el muestreo doble,
excepto que el nmero de muestras sucesivas requerido para llegar a una decisin es ms de dos muestras.
Mtodos de muestreo clasificados de acuerdo con las maneras usadas en seleccionar los elementos de una
muestra. Los elementos de una muestra pueden ser seleccionados de dos maneras diferentes:
Muestreos Probabilsticos.
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de equiprobabilidad. Es
decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte
de una muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma probabilidad
de ser elegidas. Slo estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la
muestra extrada y son, por tanto, los ms recomendables [12]. Dentro de los mtodos de muestreo
probabilsticos encontramos las siguientes tcnicas:
N
. El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y
n
k. El riesgo de este tipo de muestreo, est en los casos en que se dan periodicidades en la poblacin
ya que al elegir a los miembros de la muestra con una periodicidad constante (k) podemos introducir
una homogeneidad que no se da en la poblacin. Por ejemplo, imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones y los
5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con k = 10 siempre
seleccionaramos o slo hombres o slo mujeres, no podra haber una representacin de los dos
sexos.
Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los anteriores ya que
simplifican los procesos y suelen reducir el error muestral para un tamao dado de la muestra.
Consiste en considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad
27
respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el municipio
de residencia, el sexo, el estado civil, etc). Lo que se pretende con este tipo de muestreo es
asegurarse de que todos los estratos de inters estarn representados adecuadamente en la muestra.
Cada estrato funciona independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio
simple o el estratificado para elegir los elementos concretos que formarn parte de la muestra. En
ocasiones las dificultades que plantean son demasiado grandes, pues exige un conocimiento
detallado de la poblacin. (tamao geogrfico, sexos, edades, etc.). La distribucin de la muestra en
funcin de los diferentes estratos se denomina afijacin, y puede ser de diferentes tipos:
1) Afijacin Simple: A cada estrato le corresponde igual nmero de elementos muestrales.
2) Afijacin Proporcional: La distribucin se hace de acuerdo con el peso (tamao) de la poblacin
en cada estrato.
3) Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que se
considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele conocer
la desviacin.
Ejemplo 9. Suponga que la administracin de una empresa sonorense, est interesada en estudiar el grado
de aceptacin de un nuevo plan de pensiones propuesto por la compaa. Para tal efecto selecciona una
muestra de 600 trabajadores. Se sabe por los datos de la administracin que de los 10,000 trabajadores de la
firma, 6,000 trabajan en el rea de produccin, 3,000 en el rea de mantenimiento y 1,000 en el rea
administrativa. Como la administracin est interesada en que en la muestra estn representados todos los
tipos de trabajadores, debe realizarse un muestreo estratificado empleando como variable de estratificacin el
rea de trabajo.
Si empleamos una afijacin simple, elegiramos 200 trabajadores de cada rea, pero en este caso parece ms
razonable utilizar una afijacin proporcional pues, hay bastante diferencia en el tamao de los estratos. Por
consiguiente, calculamos que proporcin supone cada uno de los estratos respecto de la poblacin para poder
reflejarlo en la muestra.
rea de produccin:
6 000
0.60
10 000
rea de Mantenimiento:
rea administrativa:
3 000
0.30
10 000
1 000
0.10
10 000
Para conocer el tamao de cada estrato en la muestra, no tenemos ms que multiplicar esa proporcin por el
tamao de la muestra.
rea de produccin: 0.60600 360 trabajadores
rea de Mantenimiento: 0.30600 180 trabajadores
rea administrativa: 0.10600 60 empleados
Muestreo aleatorio por conglomerados: Los mtodos presentados hasta ahora, estn pensados para
seleccionar directamente los elementos de la poblacin, es decir, que las unidades muestrales son los
elementos de la poblacin. En el muestreo por conglomerados la unidad muestral es un grupo de
elementos de la poblacin que forman una unidad, a la que llamamos conglomerado. Las unidades
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no naturales como,
28
por ejemplo, las urnas electorales. Cuando los conglomerados son reas geogrficas suele hablarse de
"muestreo por reas". El muestreo por conglomerados consiste en seleccionar aleatoriamente un
cierto nmero de conglomerados (el necesario para alcanzar el tamao muestral establecido) y en
investigar despus todos los elementos pertenecientes a los conglomerados elegidos.
Ejemplo 10. En una investigacin en la que se trata de conocer el grado de satisfaccin laboral de los
profesores de la Universidad de Sonora, se requiere de una muestra de 700 maestros. Ante la dificultad de
acceder individualmente a estos instructores, se decide hacer una muestra por conglomerados. Sabiendo que
el nmero de profesores por carrera es en promedio de 35, los pasos a seguir seran los siguientes:
1. Recoger un listado de todas las carreras.
2. Asignar un nmero a cada una de ellas.
700
Dado lo compleja que puede llegar a ser la situacin real de muestreo con la que nos enfrentemos, es muy
comn emplear lo que se denomina muestreo polietpico. Este tipo de muestreo se caracteriza por operar en
sucesivas etapas, empleando en cada una de ellas el mtodo de muestreo probabilstico ms adecuado. Las
ventajas, desventajas e inconvenientes de los distintos tipos de muestreo probabilstico aparecen en la Tabla
3*.
TABLA 3. CARACTERSTICAS, VENTAJAS E INCONVENIENTES DE LOS DISTINTOS MUESTREOS PROBABILSTICOS.
Caractersticas
Ventajas
Aleatorio
simple
Sencillo y de fcil
comprensin.
Clculo rpido de medias
y varianzas.
Se basa en la teora
estadstica, y por tanto
existen paquetes
informticos para analizar
los datos
Fcil de aplicar.
No siempre es necesario
tener un listado de toda la
poblacin.
Cuando la poblacin est
ordenada siguiendo una
tendencia conocida,
asegura una cobertura de
unidades de todos los
tipos.
Estratificado
Desventajas
Requiere que se posea de
antemano un listado
completo de toda la
poblacin.
Si la constante de
muestreo est asociada
con el fenmeno de
inters, las estimaciones
obtenidas a partir de la
muestra pueden contener
sesgo de seleccin.
Se ha de conocer la
distribucin
en
la
poblacin
de
las
variables utilizadas para
unas variables
seleccionadas.
Se obtienen estimaciones
ms precisas
Su objetivo es conseguir
una muestra lo ms
semejante posible a la
poblacin en lo que a la o
las variables
estratificadoras se refiere.
Es muy eficiente cuando
la poblacin es muy
grande y dispersa.
No es preciso tener un
listado toda la poblacin
slo de las unidades
primarias de muestreo.
la estratificacin.
El error estndar es
mayor que en el
muestreo
aleatorio
simple o estratificado.
Muestreos no probabilsticos.
En algunas ocasiones, para estudios exploratorios, el muestreo probabilstico resulta excesivamente costoso y
se acude a mtodos no probabilsticos, aun siendo conscientes de que no sirven para realizar generalizaciones,
pues no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los sujetos de la
poblacin tienen la misma probabilidad de ser elegidos. En general se seleccionan a los sujetos siguiendo
determinados criterios procurando que la muestra sea representativa.
Ejemplo 11. La Administracin del Centro Tutelar de Menores de Hermosillo, desea estudiar la incidencia
de las drogas en la adolescencia. Lo que se debe hacer es: conocer por los informes de la Coordinacin
Estatal de Centros Tutelares de Menores, cuales son los centros ms afectados por el problema, fijar un
nmero de sujetos a entrevistar proporcional a cada uno de los estratos (cuotas) y finalmente dejar en manos
de los responsables del trabajo de campo a que sujetos concretos se deber entrevistar.
Muestreo opintico o intencional. Este tipo de muestreo, se caracteriza por un esfuerzo deliberado
de obtener muestras "representativas", mediante la inclusin en la muestra de grupos supuestamente
tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas que, en anteriores
votaciones han marcado tendencias de voto.
Ejemplo 12. A criterio del investigador los elementos son elegidos sobre lo que l cree que pueden
aportar al estudio. Por ejemplo, cajeros de un banco; desempleados; algn tipo de enfermo; propietarios
de autos, etc.
30
Ejemplo 13. Un reportero de TV o de radio que va por la calle preguntado a la gente que se encuentra, sobre
alguna problemtica urbana. Por ejemplo, escasez de agua, estado de limpieza de la ciudad, calidad del
servicio urbano, etc. Estara efectuando un muestreo casual o incidental.
Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y stos a otros, y as
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen
estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
Esta tcnica tambin recibe el nombre de muestreo de red (network sample) o muestreo de
multiplicidad (multiplicity sample).
Ejemplo 14. Supn que entrevistas a miembros de un grupo empresarial sobre un tema de tu
inters, y le pides a las personas que te mencionen a otros individuos en ese grupo empresarial
que puedan dar informacin sobre el tema que te interesa, estaras aplicando el muestreo por
cuotas. Tambin estaras aplicando este tipo de muestreo si les pides que te indiquen algunas
personas que compartan sus puntos de vista, y de personas que sean de opinin opuesta. Una vez
que consigues esta informacin, podrs entrevistar a nuevos individuos y continuar del mismo
modo hasta que no obtengas nuevos puntos de vista de nuevos entrevistados. Este es un buen
mtodo por ejemplo, para recoger los distintos puntos de vista existentes en un grupo, pero su
inconveniencia es que no obtenemos una idea exacta de la distribucin de las opiniones.
Otras tcnicas de muestreo existentes.
El incremento en el poder computacional tambin ha llevado al crecimiento en popularidad de mtodos
intensivos computacionalmente basados en re-muestreo, tales como tests de permutacin y de bootstrap,
mientras que tcnicas como el muestreo de Gibbs han hecho los mtodos bayesianos ms accesibles. La
revolucin en computadores tiene implicaciones en el futuro de la estadstica, con un nuevo nfasis en
estadsticas "experimentales" y "empricas". Existen una gran cantidad de paquetes estadsticos
disponible para los investigadores tales como SPSS, Statgraphics, Stata, Statdisk, Minitab y Statplus,
algunos de ellos se pueden obtener de forma gratuita.
Cuestionario 3.
1.
2.
3.
4.
5.
6.
7.
8.
Ejercicios 4.
1. Menciona las ventajas que ofrece el realizar muestreos.
2. Seala las desventajas que ofrece el llevar a cabo muestreos.
3. Relaciona los conceptos siguientes:
4.
Concepto
Definicin
o Estadstico
a) Valor o medida que representa a una poblacin.
(muestral)
b) Conjunto de elementos de referencia sobre el que se realizan las
o Muestra
observaciones.
o Poblacin
c) Medida cuantitativa, derivada de un conjunto de datos llamado muestra.
o Censo
d) Estudio de todos los elementos que componen la poblacin.
o Parmetro
e) Parte representativa de la poblacin.
5. Menciona los dos tipos de muestro existentes y describe en qu consiste cada uno de ellos.
6. Relaciona correctamente las tcnicas de muestreo con el procedimiento correcto.
Tcnica de
muestreo
1. Aleatorio simple.
2. Aleatorio
sistemtico.
3. Aleatorio
estratificado.
4. Aleatorio por
conglomerados.
5. Por cuotas.
6. Opintico o
intencional.
7. Casual o
incidental.
8. Bola de nieve.
7. Define el concepto de afijacin y menciona los tres tipos existentes de las mismas.
32
8. Lecturas recomendadas.
Estadstica: Un panorama.
http://tesistesina.blogspot.com/2007/10/estadstica-un-panorama.html ltima visita: 1 de julio de 2010.
Levin, Rubin,Balderas, Del Valle, Gmez. Estadstica para Administracin y Economa. Pearson/Prentice Hall.
Sptima edicin. 2004. Pags. 236-242.
Liga del Libro:
http://books.google.com.mx/books?id=uPhtNCqC4isC&pg=PP1&dq=Levin,+Rubin,Balderas,+Del+Valle,+G%C3%B3
mez#v=onepage&q=&f=false
Patricio Bonta, Mario Farber. 199 preguntas sobre marketing y publicidad. Grupo Editorial Norma. 2004. Pags. 87-95
Liga del Libro:
http://books.google.com.mx/books?id=sJikTspq7iUC&pg=PA88&lpg=PA88&dq=preguntas+sobre+muestreo&source=
bl&ots=gD-ftkQL5h&sig=bHLmkslIiEEtrHJjrUCycyNriQw&hl=es&ei=1hWYSphE8WGtgegof3BBA&sa=X&oi=book_result&ct=result&resnum=6#
10. Referencias.
[1] http://www.wikilearning.com/monografia/estadistica_aplicada_a_los_negocios-bibliografia/12550-7. ltima visita 29 de junio de
2010.
[2] http://www.buenastareas.com/ensayos/Estadistica/249312.html. ltima visita 29 de junio de 2010.
[3] http://www.gestiopolis.com/canales8/ger/calidad-por-edwards-deming.htm ltima visita 29 de junio de 2010.
[4] Mentiras, pecados y abusos estadsticos.
http://www.dmae.upm.es/WebpersonalBartolo/articulosdivulgacion/estadistica.html. ltima visita 29 de junio de 2010.
[5] Uso y abuso de los datos estadsticos.
http://www.formapyme.com/reportajes/55/10/540/Politica-y-Gobierno/Uso-y-abuso-de-los-datos-estadisticos-.html. ltima visita 29
de junio de 2010.
[6] Jos Jimeno Agius. Usos y abusos de la Estadstica. Universitat de Valncia. 1999.
[7]
http://books.google.com.mx/books?id=w2bWNWaWCZUC&pg=PA10&lpg=PA10&dq=%22usos+y+abusos+de+la+estad%C3%ADstica%22&sourc
e=bl&ots=uAZtyfl63p&sig=3b6JD6S8Ik3VLZXCWTfwFckZwUo&hl=es&ei=4uSNSr7kLYKkswPJ25nkCQ&sa=X&oi=book_result&ct=result&res
num=6#v=onepage&q=%22usos%20y%20abusos%20de%20la%20estad%C3%ADstica%22&f=false . ltima visita 29 de junio de 2010.
[8]
http://books.google.com.mx/books?id=qEeK5IZR6IsC&pg=PA94&lpg=PA94&dq=El+arte+del+enga%C3%B1o+estad%C3%ADstico&source=bl&o
ts=QCcz9EdoMR&sig=sOkK97HjS2aOeTlPRlb8Ozdgtw&hl=es&ei=ko2OSrPDIorgtgOWtqWECw&sa=X&oi=book_result&ct=result&resnum=4#v=onepage&q=&f=false. ltima visita 29 de junio de
2010.
33