1. Qu es estadstica?

La estadstica es la ciencia que estudia cmo debe emplearse la informacin y

cmo dar una gua de accin en situaciones prcticas que entraan
incertidumbre. (Gutirrez, p.23)
La estadstica es la ciencia de los datos, la cual implica su recoleccin,
clasificacin, sntesis, organizacin, anlisis e interpretacin, para la toma de
decisiones frente a la incertidumbre (ngel, p. 28)
La estadstica es la rama del conocimiento humano que tiene como objeto el
estudio de ciertos mtodos inductivos aplicables a fenmenos susceptibles de
expresin cuantitativa. (Lpez, p.1)
La estadstica es el arte de aprender a partir de los datos. Est relacionada con
la recopilacin de datos, su descripcin subsiguiente y su anlisis, lo que nos
lleva a extraer conclusiones. (Ross, p.3)
La estadstica es una ciencia exacta cuyo objetivo fundamental es el estudio de
diversas forma de comportamiento de la sociedad, para lo cual se fundamenta
en el uso de diversos mtodos y procedimientos matemticamente
demostrables de manera formal y rigurosa. (Cndor, p.10)
La estadstica es una ciencia que facilita la toma de decisiones mediante la
presentacin ordenada de los datos observados en tablas y grficos
estadsticos, reduciendo los datos observados a un pequeo nmero de
medidas estadsticas que permitirn la comparacin entre diferentes series de
datos y estimando la probabilidad de xito que tiene cada una de las
decisiones posibles. (Fernndez et.al, p.18)

2. Cules son los tipos de estadstica?

Bsicamente se tienen dos tipos de estadstica, a saber:

Estadstica descriptiva
Se puede definir como un mtodo para describir numricamente conjuntos
numerosos. Por tratarse de un mtodo de descripcin numrica, utiliza el
nmero como medio para describir un conjunto, que debe ser numeroso, ya
que las permanencias estadsticas no se dan en los casos raros. No es posible
sacar conclusiones concretas y precisas de los datos estadsticos. (Vargas,
p.33)
Objetivo de la estadstica descriptiva
La finalidad ltima de la estadstica descriptiva es resumir la informacin de
conjuntos ms o menos numerosos de datos. Para ello se asienta en un

concepto inmediato a la tarea de recuento: la frecuencia, medida emprica de

la ocurrencia de los distintos estados que puede presentar una variable. (SGT,
p.16)

Estadstica inferencial, analtica o deductiva

Estudia la probabilidad de xito de las diferentes soluciones posibles a un
problema en las diferentes ciencias en las que se aplica y para ello utiliza los
datos observados en una o varias muestras de la poblacin. Mediante la
creacin de un modelo matemtico infiere el comportamiento de la poblacin
total partiendo de los resultados obtenidos en las observaciones de las
muestras.(Fernndez et.al, p.17)
Objetivo de la estadstica inferencial
La inferencia estadstica intenta tomar decisiones basadas en la aceptacin o el
rechazo de ciertas relaciones que se toman como hiptesis. Esta toma de
decisiones va acompaada de un margen de error, cuya probabilidad est
determinada. (Vargas, p.33)
La estadstica inferencial tiene dos objetivos bsicos; a) obtener conclusiones
vlidas acerca de una poblacin sobre la base de una muestra, es decir, que
las conclusiones que obtengamos de una muestra se puedan extrapolar a la
poblacin que dio origen a esa muestra y b) poder medir el grado de
incertidumbre presente en dichas inferencias en trminos de probabilidad.
(Daz, p.287)

3. Tipos de estadstica
Estadstica inferencial.
Son estudios realizados para elaborar y manejar grandes nmeros con el fin de
extraer conclusiones vlidas para aplicar determinadas medidas o decisiones
razonables en un grupo, basadas en dicho anlisis; estos estudios extraen
consecuencias globales a partir de estudios parciales, para esto recoge,
organiza, resume y analiza datos. Intenta tomar decisiones basadas en la
aceptacin o rechazo de ciertas relaciones que se toman como hiptesis, esta
toma de decisiones va acompaada de un margen de error. Utiliza tcnicas
especiales para conocer los elementos de un conjunto a partir de los datos de
un subconjunto del mismo. Sus precursores son Francis Galton y Karl Pearson a
finales del siglo XIX y a comienzos del XX. Actualmente se aplica en la
medicina, biologa, economa, ciencias de la educacin, psicologa, qumica.
Esta rama de la estadstica est basada en la teora de probabilidades. Se inici
como una tcnica para conocer cuales son las combinaciones ms favorables
en los juegos de azar y actualmente estudia la probabilidad de xito de las
diferentes soluciones posibles de un problemas, para lo cual utiliza los datos

observados en una o varias muestras de una poblacin. Emplea un modelo

matemtico para inferir el comportamiento de la poblacin total, partiendo de
los resultados obtenidos en las observaciones de las muestras.
Estadstica descriptiva.
Es un mtodo para describir numricamente conjuntos numerosos y no para
casos especiales. Aqu no es posible sacar conclusiones concretas y precisas de
los datos estadsticos, solamente pretende describir las caractersticas
relevantes de un conjunto de datos por ejemplo: cantidad de personas, edad,
distribucin geogrfica, etc. Su origen se remonta a los trabajos de John Graunt
sobre natalidad y mortalidad en Londres de 1604 a 1661, los cuales se
enmarcan en el mbito de la demografa.
La presentacin de los datos se realiza mediante tablas, o tabulacin, y su
posterior presentacin grafica, aunque actualmente sus objetivos son ms
amplios al considerar descripciones numricas que condensan dichas tablas y
graficas. Emplea la reduccin estadstica la cual consiste en utilizar un nmero
reducido de los datos posibles para facilitar las operaciones estadsticas, esto
conlleva a un error que debe ser controlado por medio de las medidas
estadsticas que permiten comparar diferentes series de datos obtenidos en
distintas observaciones. Un caso conocido de este tipo de estadstica son los
censos.
Estadstica no paramtrica.
Es la que no depende de suposicin alguna respecto a si grupos de nmeros
siguen una distribucin normal u otra distribucin definida.

Media
La media es lo que se refiere ms a menudo cuando alguien se refiere al
"promedio" de un grupo de nmeros. Se calcula al sumar todos los nmeros en
un conjunto y luego dividirlos por la suma del nmero de enteros en el
conjunto. Por ejemplo, toma el siguiente conjunto de nmeros: 12, 8, 16, 12,
13, 19, 16, 77, 15, 10 Suma todos los nmeros:
12+8+16+12+13+19+16+77+15+10=198 Divide la suma por el nmero de
enteros en el conjunto: 198/10 = 19.8 La media del conjunto es de 19,8.

Mediana
La mediana es el nmero en el centro del conjunto cuando los nmeros se
ordenan en orden de menor a mayor. Si el conjunto contiene un nmero par de
enteros, la mediana son los dos nmeros en el centro que se suman y dividen
por dos. Toma el mismo conjunto de nmeros que arriba: 12, 8, 16, 12, 13, 19,
16, 77, 15, 10 Clasifica los nmeros de menor a mayor: 8, 10, 12, 12, 13, 15,
16, 16, 19, 77 Hay 10 nmeros en el conjunto, que es un nmero par. Toma los

dos nmeros enteros desde el centro y agrgalos juntos: 13+15=28 Divide la

suma por 2: 28/2 = 14 La mediana del conjunto es de 14.

Moda
La moda del conjunto es el nmero que aparece ms a menudo dentro del
conjunto. Si hay dos nmeros que son tan comunes el uno al otro y ms
comunes que cualquier otro, puede haber ms de un moda en un conjunto. Si
no hay nmeros que se repiten en el conjunto, no hay ninguna moda para el
conjunto. Toma una vez ms el mismo conjunto de nmeros: 12, 8, 16, 12, 13,
19, 16, 77, 15, 10 12 y 16 aparecen dos veces, mientras que todos los otros
nmeros aparecen slo una vez. Se consideran a 12 y 16 moda del conjunto.
Cundo debe utilizarse cada uno?
La media, la mediana o la moda puede ser la medida ms apropiada de
tendencia central, segn la naturaleza de los datos. A menudo, la media es la
medida ms sencilla de tendencia central y es la que se utiliza ms
comnmente. Sin embargo, los nmeros muy grandes o muy pequeos dentro
del conjunto pueden desviarse de su fiabilidad. En el ejemplo anterior, 77 es
mucho mayor que cualquiera de los otros nmeros en el conjunto. Como
resultado, la media, 19,8, es mayor que todos los otros nmeros en el conjunto.
La mediana puede utilizarse para corregir los valores extremos muy grandes o
muy pequeos. A pesar de que utilizamos el mismo conjunto para encontrar la
mediana, 14 parece ser mucho ms cercano a la mayora de los nmeros en el
conjunto. La moda es la que ms a menudo se utiliza cuando se trata de datos
estadsticos que no son fciles de traducir a nmeros. Por ejemplo, si en lugar
de un conjunto de nmeros, te presentan con un conjunto de opiniones, votos o
respuestas de examen, la media y la mediana no seran aplicables. Al
encontrar la moda, o el elemento ms comn en el conjunto, se puede
encontrar la respuesta "promedio".
http://www.ehowenespanol.com/cuales-son-definiciones-media-mediana-modainfo_173730/

MODA
La moda es el valor que tiene mayor frecuencia absoluta.
Se representa por Mo.
Se puede hallar la moda para variables cualitativas y cuantitativas.
Hallar la moda de la distribucin:
2, 3, 3, 4, 4, 4, 5, 5 Mo = 4

Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa

frecuencia es la mxima, la distribucin es bimodal o multimodal, es decir,
tiene varias modas.
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9Mo= 1, 5, 9
Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay
moda.
2, 2, 3, 3, 6, 6, 9, 9
Si dos puntuaciones adyacentes tienen la frecuencia mxima, la moda es el
promedio de las dos puntuaciones adyacentes.
0, 1, 3, 3, 5, 5, 7, 8
Mo = 4

Clculo de la moda para datos agrupados

1 Todos los intervalos tienen la misma amplitud.

Li es el lmite inferior de la clase modal.

fi es la frecuencia absoluta de la clase modal.
fi--1 es la frecuencia absoluta inmediatamente inferior a la clase modal.
fi-+1 es la frecuencia absoluta inmediatamente posterior a la clase modal.
ai es la amplitud de la clase.
Tambin se utiliza otra frmula de la moda que da un valor aproximado de
sta:

Ejemplo:
Calcular la moda de una distribucin estadstica que viene dada por la
siguiente tabla:
fi

[60, 63)

[63, 66)

18

[66, 69)

42

[69, 72)

27

[72, 75)

8
100

2 Los intervalos tienen amplitudes distintas.

En primer lugar tenemos que hallar las alturas.

La clase modal es la que tiene mayor altura.

La frmula de la moda aproximada cuando existen distintas amplitudes es:

Ejemplo:
En la siguiente tabla se muestra las calificaciones (suspenso, aprobado, notable
y sobresaliente) obtenidas por un grupo de 50 alumnos. Calcular la moda.

fi

hi

[0, 5) 15

[5, 7) 20

10

[7, 9) 12

[9, 10)

50

La media aritmtica es el valor obtenido al sumar todos

los datos y dividir el resultado entre el nmero total de datos.
es el smbolo de la media aritmtica.

Ejemplo:
Los pesos de seis amigos son: 84, 91, 72, 68, 87 y 78 kg. Hallar el peso medio.

Media aritmtica para datos agrupados

Si los datos vienen agrupados en una tabla de frecuencias, la expresin de
la media es:

Ejercicio de media aritmtica

En un test realizado a un grupo de 42 personas se han obtenido las
puntuaciones que muestra la tabla. Calcula la puntuacin media.
xi

fi

xi f i

[10, 20)

15

15

[20, 30)

25

200

[30,40)

35

10

350

[40, 50)

45

405

[50, 60

55

440

[60,70)

65

260

[70, 80)

75

150

42

1 820

Propiedades de la media aritmtica

1. La suma de las desviaciones de todas las puntuaciones de una
distribucin respecto a la media de la misma igual a cero.

La suma de las desviaciones de los nmeros 8, 3, 5, 12, 10 de su media

aritmtica 7.6 es igual a 0:
8 7.6 + 3 7.6 + 5 7.6 + 12 7.6 + 10 7.6 =
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
2. La suma de los cuadrados de las desviaciones de los valores de la
variable con respecto a un nmero cualquiera se hace mnima cuando
dicho nmero coincide con la media aritmtica.

3. Si a todos los valores de la variable se les suma un mismo nmero,

la media aritmtica queda aumentada en dicho nmero.

4. Si todos los valores de la variable se multiplican por un

mismo nmero la media aritmtica queda multiplicada por dicho nmero.
Observaciones sobre la media aritmtica
1. La media se puede hallar slo para variables cuantitativas.
2. La media es independiente de las amplitudes de los intervalos.
3. La media es muy sensible a las puntuaciones extremas. Si tenemos una
distribucin con los siguientes pesos:
65 kg, 69kg , 65 kg, 72 kg, 66 kg, 75 kg, 70 kg, 110 kg.
La media es igual a 74 kg, que es una medida de centralizacin poco
representativa de la distribucin.
4. La media no se puede calcular si hay un intervalo con una amplitud
indeterminada.
xi

fi

[60, 63)

61.5

[63, 66)

64.5

18

[66, 69)

67.5

42

[69, 72)

70.5

27

[72, )

8
100

En este caso no es posible hallar la media porque no podemos calcular

la marca de clase de ltimo intervalo.

La varianza es la media aritmtica del cuadrado de las desviaciones

respecto a la media de una distribucin estadstica.
La varianza se representa por

Varianza para datos agrupados

Para simplificar el clculo de la varianza vamos o utilizar las siguientes

expresiones que son equivalentes a las anteriores.

Ejercicios de varianza
Ejercicio 1:
Calcular la varianza de la distribucin:

9, 3, 8, 8, 9, 8, 9, 18

Ejercicio 2:
Calcular la varianza de la distribucin de la tabla:
xi

fi

xi f i

xi 2 f i

[10, 20)

15

15

225

[20, 30)

25

200

5000

[30,40)

35

10

350

12 250

[40, 50)

45

405

18 225

[50, 60

55

440

24 200

[60,70)

65

260

16 900

[70, 80)

75

150

11 250

42

1 820

88 050

Propiedades de la varianza
1 La varianza ser siempre un valor positivo o cero, en el caso de que las
puntuaciones sean iguales.
2 Si a todos los valores de la variable se les suma un nmero la varianza no
vara.
3 Si todos los valores de la variable se multiplican por
un nmero la varianza queda multiplicada por el cuadrado de
dicho nmero.
4 Si tenemos varias distribuciones con la misma media y conocemos sus
respectivas varianzas se puede calcular la varianza total.

Si todas las muestras tienen el mismo tamao:

Si las muestras tienen distinto tamao:

Observaciones sobre la varianza

1 La varianza, al igual que la media, es un ndice muy sensible a las
puntuaciones extremas.
2 En los casos que no se pueda hallar la media tampoco ser posible hallar
la varianza.
3 La varianza no viene expresada en las mismas unidades que los datos, ya
que las desviaciones estn elevadas al cuadrado.

http://www.vitutor.com/estadistica/descriptiva

Se llama moda de una variable estadstica al valor del carcter que tiene mayor
frecuencia. En el caso de que haya varios valores compartiendo la frecuencia
mxima esta moda puede tener una utilidad muy limitada.
Para el caso de datos agrupados, la moda es el punto medio de la clase que
presenta una mayor frecuencia.
Se llama media de una variable estadstica, denotada por
de los valores posibles por sus respectivas frecuencias:

a la suma ponderada

Cuando la variable estadstica es contnua, es decir, los datos estn agrupados,

los valores xi son las marcas de clase de cada uno de los intervalos.
Ejemplo 4:

Calcular las tres medidas de tendencia central para el ejemplo 3.

Solucin: Teniendo en cuenta que eran 40 observaciones, se obtiene que: la
mediana es la medida de los dos valores correspondientes a las
observaciones 20 y 21, despus de haberlas ordenado en orden creciente, es
decir: (98+99)/2 = 98,50.
La media en este caso es:

En cuanto a la moda es 95, el valor que ms se repite, con una frecuencia de 5

observaciones.
* Caractersticas de tendencia central:
Se denomina varianza de una variable estadstica, y se denota por s al promedio
del cuadro de las distancias entre cada observacin y la media:

http://www.ehu.eus/juancarlos.gorostizaga/apoyo/estadistica.htm

Definicin de Varianza
En Teora de Probabilidad y la Estadstica, la varianza es aquella medida de dispersin
que ostenta una variable aleatoria respecto a su esperanza. La varianza se relaciona
con la desviacin tpica o desviacin estndar, la cual se denota a travs de la letra
griega denominada sigma y que ser la raz cuadrada de la varianza.
Para calcular la varianza ser necesario seguir los siguientes pasos: primero deberemos
calcular la media, es decir, el promedio de los nmeros, luego, por cada nmero,
deberemos restar la media y elevar el resultado al cuadrado y finalmente la media de
esas diferencias al cuadrado.
La principal funcin y utilidad que se le puede encontrar a la varianza es que nos
permite saber y determinar qu es normal, qu es grande, qu es pequeo, aquello
que es extra grande o bien aquello que es extra pequeo.
Por ejemplo, si tomamos varias razas de perros y la idea es determinar cul de ellos es
ms grande y cul el ms pequeo, sin dudas, la mejor manera de saber la respuesta a

esta incgnita ser la aplicacin de la frmula de la

varianza.
... via Definicion ABC
http://www.definicionabc.com/general/varianza.php

Desviacin estndar

La d es viacin es tn d ar o d es viacin tp i ca es la ra z
cu ad rad a d e la varian za .

Es deci r, la ra z cuadrad a de l a medi a de los cuadr ados de

las puntuac iones de des via cin.

La d es viacin es tn d ar s e repres ent a por .

Desviacin estndar para datos agrupados

P ara s i mpl ificar el c lculo vamos o uti lizar las s iguien tes
expres iones que s on equiva lent es a las ant eriores .

Desviacin estndar para datos agrupados

Ejercicios

Calcul ar la d es via cin es tn d ar de la dis tribucin :

9, 3, 8, 8, 9, 8, 9, 18

Cal cu lar la d es viac in tp ica de la dis tribucin de la tabla :

xi

fi

xi fi

xi2 fi

20)

15

15

225

30)

25

200

5000

40)

35

10

350

12 250

50)

45

405

18 225

60)

55

440

24 200

70)

65

260

16 900

80)

75

150

11 250

42

1 820

88 050

Tipos de probabilidad
Suceso o evento: cualquier subconjunto de puntos muestrales
Sucesos mutuamente excluyentes: sucesos o eventos que no pueden ocurrir
simultaneamente .
Sucesos complementarios: dos sucesos o eventos mutuamente excluyentes cuya
unin es el espacio muestral
Sucesos independientes: sucesos o eventos que no tienen relacin entre s; la
ocurrencia de uno no afecta la ocurrencia del otro
Sucesos dependientes: sucesos o eventos que s tienen relacin entre s; la
ocurrencia de uno s afecta la ocurrencia del otro.
EJEMPLO: Se lanza un
dado.

a) Encontrar el espacio muestral. Solucin: S = {1, 2, 3, 4, 5, 6}

b) Enumerar los puntos muestrales. Solucin: Hay seis puntos muestrales: {1},
{2},{3},{4},{5} y {6}.
c) Poner dos ejemplos de eventos. Solucin: evento A = {resultado es impar} =
{1, 3, 5}; evento B = {resultado es mayor que 2} = {3, 4, 5, 6}
d) Son mutuamente excluyentes los siguientes eventos? A = {resultado menor o
igual a 4}, B = {resultado es primo}. Solucin: A = {1, 2, 3, 4} y B = {2, 3, 5} s
tienen dos puntos en comn, 2 y 3. Por lo tanto, no son mutuamente excluyentes.
e) Cul suceso es complementario a M = {2, 6}? Solucin: {1, 3, 4, 5}.
f) Son dependientes o independientes los siguientes eventos? A = {obtener un 2
un el primer lanzamiento}, B = {obtener un 4 en el segundo lanzamiento}.
Solucin: Son independientes, porque obtener o no un 2 en el primer lanzamiento
no afecta el resultado del segundo lanzamiento.

Eventos mutuamente excluyentes y eventos no excluyentes

Dos o ms eventos son mutuamente excluyentes o disjuntos, si no pueden ocurrir simultneamente. Es decir,
la ocurrencia de un evento impide automticamente la ocurrencia del otro evento (o eventos).
Ejemplo:
Al lanzar una moneda solo puede ocurrir que salga cara o sello pero no los dos a la vez, esto quiere decir que
estos eventos son excluyentes.
Dos o ms eventos son no excluyentes, o conjuntos, cuando es posible que ocurran ambos. Esto no indica
que necesariamente deban ocurrir estos eventos en forma simultnea.
Ejemplo:
Si consideramos en un juego de domino sacar al menos un blanco y un seis, estos eventos son no
excluyentes porque puede ocurrir que salga el seis blanco.

Leer ms: http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#event#ixzz41AXlM41j

Eventos Independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de un evento no tiene efecto
sobre la probabilidad de ocurrencia del otro evento (o eventos). Un caso tpico de eventos independiente es
el muestreo con reposicin, es decir, una vez tomada la muestra se regresa de nuevo a la poblacin donde se
obtuvo.
Ejemplo:
lanzar al aire dos veces una moneda son eventos independientes por que el resultado del primer evento no
afecta sobre las probabilidades efectivas de que ocurra cara o sello, en el segundo lanzamiento.
Eventos dependientes

Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de uno de ellos afecta la
probabilidad de ocurrencia del otro (o otros). Cuando tenemos este caso, empleamos entonces, el concepto
de probabilidad condicional para denominar la probabilidad del evento relacionado. La expresin P(A|B) indica
la probabilidad de ocurrencia del evento A s el evento B ya ocurri.
Se debe tener claro que A|B no es una fraccin.
P(A|B) = P(A y B)/P(B) o P(B|A) = P(A y B)/P(A)

Leer ms: http://www.monografias.com/trabajos32/teoria-probabilidades/teoriaprobabilidades.shtml#event#ixzz41AXuMivu

EVENTOS
Un evento es el resultado posible o un grupo de resultados posibles de un experimento y es la
mnima unidad de anlisis para efectos de clculos probabiliasticos
los eventos se clasifican de la siguiente forma:
1.

Mutuamente excluyentes: aquellos que no pueden ocurrir al mismo

tiempo. EJEMPLO: cara o escudo.

2. Independientes: Estos no se ven afectados por otros independientes. EJEMPLO: el

color del zapato y la probabilidad que llueva hoy.
3. Dependientes: cuando un evento afecta a la probabilidad de ocurrencia de
otro. EJEMPLO: repaso, calificaciones.
4. No excluyentes entre si: cuando la ocurrencia de uno de ellos no impide que ocurra el
otro. EJEMPLO: que una persona sea doctor que tenga 56 aos, ser estudiante y ya estar
casado.
Cuando el enunciado de un problema de la probabilidad tiene como condicin que se presente uno o
otro evento, la probabilidad total se forma por la suma directa de las
1).P(AoB)=P(A)+P(B)
En el caso de eventos no excluyentes entre si debe considerarse que la probabilidad de que
ocurran ambos eventos esta incluida en ellos esa probabilidad de la suma directa (regla general
de la suma de probabilidades)
P(AoB)=P(A)+P(B)-P(AyB)
cuando el enunciado de un problema de probabilidad tiene como condicin que se presente uno y
otro evento, la probabilidad total se forma por la multiplicacin directa de las probabilidades
individuales si los eventos son independientes.
2).P(AyB)=P(A)*P(B); si son independientes
si los eventos son dependientes deben considerarse que ocurra un segundo evento si ya ocurri
un primer evento esto se conoce como: regla general de la multiplicacin de
probabilidades.
3).P(PyB)=P(A)*P(B\A)

http://marcylissetheliasvasquez.blogspot.com/2008/09/eventos.html

http://www.hacienda.go.cr/cifh/sidovih/cursos/material_de_apoyo-F-CCIFH/1MaterialdeapoyocursosCIFH/4Estad
%C3%ADsticaBasica/Probabilidadyestadistica.pdf