TECNICATURA SUPERIOR EN HIGIENE Y SEGURIDAD EN EL

TRABAJO

ESTADÍSTICA Y COSTOS

UNIDAD I
CONCEPTOS FUNDAMENTALES

p. 1
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
UNIDAD I:
PRESENTACIÓN
¿En qué nos contribuye como Técnicos en Seguridad e Higiene del Trabajo la
Estadística? ¿Para qué nos sirve esta herramienta?

Cuando escuchamos la palabra estadística vienen a la mente, imágenes de conjuntos de

números organizados en grandes arreglos y tablas, de volúmenes de cifras relativas a
nacimientos, muertes, el censo, impuestos, poblaciones, accidentes de trabajo, etc. La
Estadística es mucho más que sólo números, tablas y gráficos. Es una ciencia con tanta
antigüedad como la escritura, y es por sí misma auxiliar de todas las demás ciencias
como ser la medicina, la ingeniería, la economía, las ciencias sociales, etc.

La estadística es una ciencia con base matemática referente a la recolección,

análisis e interpretación de datos, que busca explicar condiciones regulares en
fenómenos de tipo aleatorio.

OBJETIVOS
QUE LOS PARTICIPANTES LOGREN:
• Conocer e identificar los diferentes tipos de variables y las diferentes medidas que
caracterizan un conjunto de datos.

p. 2
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
TEMARIO
1.   CONCEPTO  DE  ESTADÍSTICA   4  

2.   INDIVIDUO,  POBLACIÓN,  MUESTRA   4  

3.   ¿QUÉ  SIGNIFICA  MEDIR?   7  

4.   UTILIDAD  DEL  PROCESAMIENTO  DE  DATOS   8  

5.   CAMPO  DE  APLICACIÓN.  ESTADÍSTICA  DESCRIPTIVA  E  INFERENCIAL.   9  

6.   ESTADÍSTICA  DESCRIPTIVA  E  INFERENCIAL   9  

7.   DATOS   11  

8.   TIPOS  DE  DATOS   12  

9.   ANÁLISIS  DE  DATOS   13  

10.   DISTINTOS  TIPOS  DE  VARIABLES.  CUANTITATIVAS:  DISCRETAS  Y  CONTINUAS.  CUALITATIVAS   15  

11.   NIVELES  DE  MEDICIÓN   16  

12.   DISEÑO  DE  PLAN  DE  MUESTREO   18  

13.   BIBLIOGRAFÍA  RECOMENDADA   20  

p. 3
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
BLOQUES TEMÁTICOS

1. Concepto de estadística
La Estadística es el arte y la ciencia de reunir, analizar, presentar e interpretar datos.

La estadística se ocupa de investigar problemas de la “vida real”, a partir de la recolección

de datos, su análisis e interpretación.

Como punto de partida al hablar de estadística se hace referencia a la recopilación de

datos con el objeto de hacer inferencia sobre la población (predicciones, decisiones,
etc.). y contribuir a la investigación y a la toma de decisiones.

La estadística es la rama del método científico que trata de los datos reunidos al contar o
medir las propiedades de alguna población. Se ocupa primordialmente de la realización
de inferencias acerca de poblaciones formadas por mediciones, basándose en la
información contenida en las muestras. Trata con métodos para obtener conclusiones a
partir de los resultados de los experimentos o procesos.

2. Individuo, Población, Muestra

INDIVIDUO

Es la mínima parte de la Población que posee la característica objeto de estudio

POBLACIÓN
Conjunto de todas las observaciones que es el centro de interés. Es la totalidad de
elementos u objetos que se consideran. Está conformada por un número (en general muy
grande) de unidades de análisis y debe quedar claramente definida tanto en el espacio
como en el tiempo. La población puede ser finita o prácticamente infinita.
Es el conjunto de todos los individuos que poseen la característica a estudiar. También se
lo llama Universo.

p. 4
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
Un ejemplo de población finita sería por ejemplo el conjunto de todos los establecimientos
industriales en producción situados en determinada localidad de la provincia de Buenos
Aires a la fecha.
Una población enormemente numerosa (prácticamente infinita) sería el conjunto de todos
los valores(medidos en metros cúbicos de efluentes gaseosos que emite una chimenea
de una central térmica durante el mes de Agosto 2015.
Los valores con los cuales se caracteriza a una población se conocen como parámetros
poblacionales o simplemente, parámetros. Por su naturaleza, las variables pueden ser
discretas (unidades que se pueden separar entre sí) o continuas (no pueden separarse
en unidades reales). Además por su tamaño las poblaciones se clasifican en finitas (de
tamaño pequeño) e infinitas (tamaño muy grande)
LOTE
Son particiones de una población infinita que, se supone, conservan los mismos
parámetros.
En la práctica, estos parámetros casi siempre son desconocidos, ya que no se tienen
todos los datos. Esto se debe a muchas causas: tiempo, costo, etc. Y a veces, se hace
difícil o imposible conocer a todos los individuos. Por eso se utilizan muestras y por medio
de ciertas metodologías permiten inferir sobre la población objeto de estudio.
MUESTRA
Subconjunto de medidas seleccionadas de la población de interés. Es la porción de la
población que se seleccionara para análisis. La muestra es un conjunto de “n”
observaciones efectuadas en “N” unidades de análisis y que prácticamente es
extremadamente pequeña en relación a la magnitud de la población en estudio.
Los valores característicos de una muestra reciben el nombre de estadísticos o
estimadores muestrales o estimadores. Se utilizan para estimar o inferir los parámetros
de la población objeto de estudio.

p. 5
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
Parámetro: es una medida que se calcula para describir una característica de una
población completa.

Estadístico: es una medida que se calcula para describir una característica a partir de
solo una muestra.

Una característica puede ser el promedio de notas obtenido por cada alumno; si se
consideran todos los alumnos que se encuentran cursando la materia se tendrá el
parámetro promedio o media aritmética poblacional el cual se designa con la letra
griega µ se lee mu.

Si se consideran solo algunos alumnos que se encuentran cursando la materia, es decir

se toma una muestra, se tendrá el estadístico promedio o media aritmética muestral el
cual se designa con el símbolo X

Es decir que se utilizan letras del alfabeto griego para designar a las medidas que
caracterizan a las poblaciones y el nuestro, para las muestrales.

Escalas de medición

El proceso de seleccionar un modelo matemático o estadístico adecuado para emplearlo

en la resolución de un problema comporta varios pasos uno de los cuales consiste en
“medir” el fenómeno en estudio.

p. 6
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
3. ¿Qué significa medir?
Si acudimos a la definición de medición nos dice:

medición.

f. Acción y efecto de medir.

medir.

(Del lat. metīri).

1. tr. Comparar una cantidad con su respectiva unidad, con el fin de averiguar
cuántas veces la segunda está contenida en la primera.

2. tr. Comprobar la medida de un verso.

3. tr. Comparar algo no material con otra cosa. Medir las fuerzas, el ingenio. U. t. c.
prnl.

4. tr. Moderar las palabras o acciones. U. t. c. prnl.

5. intr. Tener determinada dimensión, ser de determinada altura, longitud, superficie,

volumen, etc. Juan mide un metro setenta de altura. La finca mide cuatro mil metros
cuadrados.

Fuente de datos: RAE

Según sea la naturaleza del fenómeno abordado podemos distinguir distintos niveles de
medición y según sean éstos tendremos diferentes modelos estadísticos apropiados.
Por ejemplo:
Si la variable que necesitamos analizar es cualitativa (no métrica, no numérica) y no es
posible encontrar un orden entre los valores recopilados solamente podremos
clasificarlos.
Entonces decimos que sólo hemos realizado una nómina (cada categoría equivale a
colocar una etiqueta) y la escala se denomina Nominal.
Pero siendo cuantitativa admite orden además de clasificar podemos ordenar los valores
y la escala será la Ordinal.

p. 7
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
4. Utilidad del procesamiento de datos
¿Para qué medimos? ¿Qué nos dicen los números? ¿Cuál es el beneficio de tomar
decisiones con información?

"To measure is to know."

"If you can not measure it, you can not improve it."
Lord Kelvin

“Lo que no se define no se puede medir. Lo que no se mide , no se puede mejorar. Lo

que no se mejora, se degrada siempre”.

“Cuando puedes medir aquello de lo que estás hablando y expresarlo en números, puede
decirse que sabes algo acerca de ello; pero cuando no puedes medirlo, cuando no
puedes expresarlo en números, tu conocimiento es limitado e insatisfactorio.

Puede ser un inicio de conocimiento, pero tu pensamiento no ha alcanzado

prácticamente una dimensión científica”. Lord Kelvin

Lord Kelvin, matemático y físico SXIX, realizó importantes aportes en el campo de la

Termodinámica.

Esta frases sintetizan los beneficios de la medición.

Si no se mide lo que se hace, no se puede conocer si los resultados son los esperados.
Si no se puede controlar, es difícil poder dirigir. Si no se puede dirigir, no se puede
mejorar o incluso saber si se está cumpliendo con la legislación. Por ejemplo, ¿Cuál
es el nivel de ruido?,

Recolectar datos implica seleccionar un instrumento de medición disponible o desarrollar

uno propio, aplicar el instrumento de medición y preparar las mediciones obtenidas para
que puedan analizarse correctamente.

Medir es el proceso de vincular conceptos abstractos con indicadores empíricos mediante

calificación y/o cuantificación.

No hay medición perfecta, pero el error de medición debe reducirse a límites tolerables.

p. 8
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
5. Campo de aplicación. Estadística descriptiva e
inferencial.
La estadística hoy, como ciencia, utiliza los resultados y metodología del cálculo de
probabilidades y tiene por objeto la elaboración de principios, métodos y modelos que
permiten la descripción, el análisis y la predicción de fenómenos reales cuando éstos son
de carácter aleatorio.
Un fenómeno es aleatorio cuando no es posible predecir de un modo exacto, inequívoco y
determinado el resultado del mismo.

La Estadística se divide en dos grandes ramas:

 Estadística Descriptiva
 Estadística Inferencial

6. Estadística descriptiva e inferencial

• Estadística descriptiva: describe el comportamiento de la o las variables en
estudio con el objeto de transformar los datos en información.

En el tratamiento de los datos obtenidos de extraer una muestra de la población en

estudio, se suele aplicar, en una etapa preliminar, los métodos de la estadística
descriptiva (originada su denominación cuando a mediados del siglo XVIII surgió la
necesidad de describir numéricamente la población de ciudades, recursos de países,
etc.) La estadística descriptiva permite mediante tablas de frecuencias y gráficos
(histograma) visualizar el comportamiento que presenta la muestra objetiva en el
experimento de medida n, es decir, como se distribuyen en el eje real los
correspondientes valores x1, x2, x3,……..

Dicho tratamiento incluye el cálculo de medidas de posición (media aritmética,

mediana, moda) y medidas de dispersión (desvío estándar, rango, etc.).

Consta de los procedimientos para resumir la información de un conjunto de datos

(población o muestra). Se dividen en métodos gráficos y métodos numéricos.

p. 9
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
 La recopilación de información se puede hacer de diferentes formas: encuestas,
boletines, mediciones.

Palabras claves: Descripción, enumeración, organización y resumen de los datos.

Etapas en el análisis estadístico

 Formulación precisa del problema a tratar y elección correcta de las variables

que en él intervienen.

 Recopilación de los datos. Puede ser mediante un censo o un muestreo.

 Resumen de los datos (descripción de los datos)

Organización mediante una matriz de datos.

Presentación a través de cuadros, tablas, diagramas y gráficos.

Resumen matemático de los datos mediante medidas que proporcionan

conocimientos resumidos de la información.

 Análisis de los datos.

 Interpretación de los resultados.

p. 10
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
 • Estadística Inferencial: consta de procedimientos usados para hacer inferencias
acerca de las características de la población, a partir de información contenida en
la muestra extraída de esta población.

La estadística inferencial tiene su basamento en la teoría de la Probabilidad.

Palabras claves: inducción, estimación, probabilidad de cometer error.

A través de los métodos de la estadística inferencial, es posible inferir a partir de

los datos experimentales obtenidos en la muestra y basándose en desarrollos
teóricos de una nutrida serie de investigaciones, las distribuciones que rigen el
comportamiento probabilístico de la variable aleatoria en estudio.

Por ejemplo: la media aritmética de la muestra resulta la “mejor estimación” puntual

que se puede realizar de la “verdadera muestra de la población en estudio”. Por
otra parte, la estadística inferencial permite formular intervalos de confianza (por
ejemplo del 95%) para expresar la verdadera media. Siendo esta un valor
numérico que se encuentra entre el límite superior y el límite inferior de un intervalo
definido en el eje real. Tener en cuenta que no existe la certeza, la incertidumbre
de la media se encuentra cuantificada en este ejemplo en el 5%.

7. Datos
Para conocer las condiciones reales de algo (elemento, proceso, producto) es necesario
medirlo. Para ello se utilizan instrumentos de medición, que pueden ser de distinta
naturaleza, según lo que sea necesario medir. A partir de las mediciones que se realizan,
se obtienen los Datos de la Realidad.

Para no tener una imagen deformada de la realidad, se deben cumplir las siguientes
condiciones: asegurarse que sea correcta la medición, el registro de los datos y las
operaciones realizadas con la interpretación de sus resultados. Si ello no ocurriera,
tendremos una imagen deformada de la realidad, lo cual nos puede llevar a una acción
equivocada.

El tipo de datos a relevar, surge de la definición de la situación o problema y de la

población a estudiar que puede ser cualquier conjunto de individuos (personas u objetos).

Por ejemplo, nos puede interesar describir las particularidades de los accidentes de
trabajo, comparar en distintas plantas o turnos, caracterizar a los empleados de una
organización, etc.

p. 11
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
Los datos son mediciones asociadas a una variable de forma arbitraria o natural.

Los datos deben ser:

8. Tipos de Datos
a) DATOS DE MEDICIÓN (variables): Son los que responden a una variable continua,
en los que se registra el valor leído, seguido por la unidad de medida correspondiente.
(Por ejemplo: la medición de nivel sonoro continuo)

b) DATOS DE CONTEO (atributos): Son los que responden a una variable discreta, un
lote no puede contener 2,5 unidades defectuosas.

c) DATOS DE PONDERACIÓN: Son datos, en los que se asigna un valor a un atributo

para cuantificarlo, se suelen aplicar en casos como ser: evaluación de texturas, sabores,
grado de confort, etc., y normalmente se usan tomando como base un patrón de
comparación.

Además, a los datos, podemos tipificarlos de la siguiente manera:

d) DATOS PARA COMPRENDER LA SITUACIÓN ACTUAL: Son datos que se recogen

para tomar conocimiento de cuáles son las características de una determinada situación
o población de estudio. La cantidad de datos a recolectar dependerá del nivel de

p. 12
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
seguridad pretendida en las conclusiones que de ellos obtengamos.

e) DATOS PARA EL ANÁLISIS CAUSA/EFECTO: Son datos que se obtienen de a

pares, para evaluar la relación existente (por ejemplo: entre un defecto y su causa
aparente); esto implica realizar pruebas sucesivas hasta encontrar la causa verdadera del
problema. Se utilizan herramientas estadísticas.

f) DATOS PARA EL CONTROL: Son datos que se toman de manera tal, que brinden una
información que permita saber si una situación se encuentra o no en estado de control
estadístico. Esto permitirá tomar la acción adecuada para mantenerla bajo control o para
volverla a ese estado, según sea el caso.

g) DATOS DE/PARA LA REGULACIÓN: Son datos que sirven de base para fijar los
parámetros de funcionamiento de un sistema o proceso. Las especificaciones finales,
estarán basadas en esos datos.

h) DATOS PARA LA APROBACIÓN o RECHAZO: Son datos que permiten tomar la

acción de decidir sobre lo que se está evaluando.

9. Análisis de datos
Para cumplir con los objetivos de su recolección, los datos deben cumplir ciertos
requisitos:

• LOS DATOS DEBEN SER COMPLETOS: Debe registrarse toda la información

requerida; un registro parcial no será compatible con el resto de la información y, por lo
tanto, deberá ser descartado, lo que equivale a no haberlo tomado, o sea, que es trabajo
desperdiciado. Se debe ser muy cuidadoso con los detalles que, en apariencia, no son de
importancia (tales como: fecha, hora, número de máquina, orden de los datos, etc.).

• LOS DATOS DEBEN SER HOMOGÉNEOS: Todos los datos deben ser tomados en las
mismas condiciones, con el mismo instrumental (de igual nivel de calibración). Datos que
no son homogéneos con el resto deberán ser descartados, y esto es esfuerzo
desperdiciado.

• LOS DATOS TIENEN VARIACIÓN: Al tomar una serie de mediciones de una

característica dada, nos encontramos con que existen diferencias entre los valores leídos.
Estas diferencias son explicadas en la Teoría de la Variación, que define que la variación
es una ley natural. No existen en la naturaleza dos elementos exactamente iguales
(idénticos). Estas diferencias son el efecto visible de las llamadas causas no asignables
(o causas naturales de variación). Dichas causas siguen un patrón o un "Modelo
Probabilístico": las leyes del azar. Estas leyes serán definidas por las matemáticas.
También los datos pueden ser diferentes como consecuencia de otras causas, las cuales
seguirán otras leyes de probabilidad.

p. 13
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
Luego de elegida la población de estudio, se relevan todas las características de ella que
resulten de interés y a la vez que respondan al problema planteado, como podrían ser: la
edad, la antigüedad, el puesto de trabajo, área, etc.

Los datos son los hechos y los números que se reúnen, analizan y resumen para su
presentación e interpretación. Al estar reunidos, los datos recopilados se denominan en
general conjunto de datos para el estudio. Los datos nos proveen una información que
tienen un propósito definido, por eso tanto la forma en que se tomarán los datos como su
misma naturaleza, quedan automáticamente determinadas por ese objetivo.

Si son varias las características que se quieren analizar de la población, es conveniente

volcar los datos relevados en una matriz denominada matriz de datos. La matriz facilitará
posteriormente la organización y resumen de los mismos para así poder extraer todas las
conclusiones posibles del problema planteado.

Los elementos son las entidades acerca de las cuales se reúnen los datos y una variable
es una característica de interés de los elementos.

Los datos se obtienen anotando las mediciones de cada variable para cada elemento en
el estudio, y al conjunto de mediciones, reunido para determinado elemento, se llama
observación. Dicha observación procesada de manera conveniente se convierte en
información vital.

Si queremos estudiar una población en particular, tendremos características de ella que

nos resulten de interés; por ejemplo género, edad, año de nacimiento, sueldo, tipo de
vivienda, tipo de trabajo, tiempo, duración, etc. Cada una de estas características toman o
asumen distintos valores según cada individuo que conforma la población. A estas
características que pueden variar de un individuo a otro las denominamos variables.

De la observación de las variables con las que se está trabajando se puede deducir que
éstas conforman dos grandes grupos: las numéricas y las no numéricas.

p. 14
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
10. Distintos tipos de variables. Cuantitativas:
Discretas y continuas. Cualitativas
Se pueden diferenciar dos tipos de datos:

p. 15
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
11. Niveles de Medición
Las mediciones se pueden clasificar en:

NIVEL CUALIDAD EJEMPLO QUÉ SE QUÉ NO SE

PUEDE DECIR PUEDE
DECIR
NOMINAL Asignación de rótulos • Género: Cada Una
Categorías masculino observación observación
Se emplean para o femenino pertenece a su representa
datos clasificados • Tipo de propia más o menos
en categorías accidente: categoría. de una
Son datos de tipo in itinere o Las dos categoría
cualitativo, cada en el condiciones que
categoría refleja una trabajo se deben
cualidad especial. cumplir al
realizar una
medición son:
Que las clases o
categorías sean:
exhaustivas
(significa que
contienen a
todos los
elementos ) y
excluyentes (si
un dato está en
un lugar
asignado no
puede estar
simultáneament
e en otro).

ORDINAL Sirve para clasificar y • Rango Una asignación Qué tanto una
Categorías y ordenar (variables universitari se clasifica variable es
órdenes cualitativas o. arriba o debajo mayor o
ordenables) • Orden de de otra menor que
llegada de otra
Permiten establecer una
un ranking, un orden competenc
e incluyen a los datos ia

p. 16
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
 de tipo nominal.

INTERVAL Son datos de tipo • Temperatur Un puntaje La magnitud

O cuantitativos y nos a ambiente difiere de otro de la
Categoría y permiten medir la en alguna diferencia es
órdenes y diferencia entre Las temperaturas medida que una
del ambiente
tienen valores. Se pueden pueden ser tienen intervalos representació
intervalos realizar la mayoría de medidas (tomadas) equiespaciados n exacta de
iguales los estudios con diferentes las diferencias
termómetros que
estadísticos. pueden estar en de la variable
Se emplea en las escala Celsius, que se está
variables Fahrenheit o Kelvin estudiando.
arrojando valores
cuantitativas que muy disímiles por
poseen un cero que las
relativo. mencionadas
escalas poseen
distintos 0 (la
primera asigna 0 al
punto de
congelación del
agua mientras que
la segunda al punto
de congelación de
una mezcla de
sustancias dando
por resultado que
mide 32°F el punto
de congelación del
agua y el 0°K
corresponde a –273
°C), por eso el cero
es relativo y no
absoluto. El 0 no
significa ausencia
de temperatura,
puede ocurrir por lo
tanto es un 0
relativo.

RAZÓN o Es el nivel más • Edad Un valor es el n/a

COCIENTE completo que • Peso doble de otro o
Categorías y permite analizar la • x es el ninguna
órdenes y diferencia entre doble de y cantidad de esa
tienen los valores y variable puede
intervalos además existir.
iguales y un determinar las
punto cero relaciones entre
los valores

p. 17
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
12. Diseño de plan de muestreo
Para realizar un programa de muestreo se debe considerar algunas premisas para evitar
tomar decisiones sesgadas conforme a los resultados obtenidos.

La tipología del problema conlleva a utilizar criterios en la selección del esquema de

muestreo, y las ventajas que puede reportar en el proceso de estimación de los
verdaderos valores buscados apuntando a reducir los inevitables errores de muestreo.

Muestreo simplemente aleatorio

La aleatoriedad de la muestra es una condición sobre la que se basan los aspectos

centrales del a teoría estadística.

Ejemplo: supongamos que una población está constituida por todas las posibles
exposiciones que durante un año se hallan expuestos un grupo de trabajadores, grupo
con exposiciones similares que denominaremos GES.

Si GES= 3 personas se tendría para la exposición a cierto contaminante, de 780 posibles

promedios ponderados de 8 horas (turno completo).

Se tendría que (52 semanas / año x 5 días/semana x 2 personas/día x 1

exposición/persona) = 780 exposiciones / año

Asumamos que sobre esta población se realiza un muestreo lo más aleatorio posible
(existen métodos para ellos: por ejemplo días al azar) donde la muestra está conformada
de 10 exposiciones o sea 10 promedios ponderados en jornada de 8 horas.

La muestra constituye sólo aproximadamente el 1,5% de la población (780) y a partir de

ahí surgirán las estimativas de los promedios ponderados para toda la población asociada
al GEST.

Si el GES = 9 se tendrán 2340 exposiciones en la población y por lo tanto la muestra

anterior sería un subconjunto de las mismas de aproximadamente el 0,5%.

Si la población es todavía mucho mayor, como sería el caso una emisión líquida en boca
de caño de la planta de tratamiento de un establecimiento industrial que vuelva por
ejemplo a un río, el número de muestras de 1 litro captado en un determinado periodo de

p. 18
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
tiempo y que constituirían el tamaño de la muestra sería una pequeñísima fracción dela
población (miles o millones de litros descargados en el periodo fijado).

Lo mencionado sólo describe resumidamente la importancia de la aleatoriedad en la

muestra, y suele ser, en genera, de muy pequeño o ínfima magnitud respecto de la
población en estudio.

Muestreo estratificado

Cuando las variables a investigar se asumen que han de presentar una marcada
variabilidad de un estrato a otro conforme a la naturaleza del problema, se justifica
estratificar la población.

La población puede ser estratificada mediante uno o mas factores.

Ejemplo: escala de personal ocupado y tipo de actividad ( de acuerdo a la Codificación

Internacional de Industrias). Esta estratificación se encuentra basada en que los datos
obtenidos presentarías una marcada variabilidad tanto se tratare de una pequeña
industria, mediana o grande y según el tipo de actividad (ej.: no son los mismos riesgos
en una empresa de servicios que en un aserradero o una minería).

Estratificar la población se justifica en la obtención de las estimativas globales de, por

ejemplo, la verdadera media o el verdadero desvío estándar cuando se consideran que
las unidades que la conforman se asumen presentarán una marcada variabilidad en los
atributos que se estudias. Cuando mayor sea esa variabilidad esperada, en mayor medida
se justifica dase el trabajo de realizar una estratificación.

p. 19
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning
13. BIBLIOGRAFÍA RECOMENDADA
OBLIGATORIA
Material de Cátedra especialmente elaborado para la asignatura.

COMPLEMENTARIA
Johnson y Kubik (2004). Estadística elemental. Lo esencial. Editorial Thompson.

Garzo y García (1999). Estadística. Editorial MacGraw Hill.

p. 20
Centro de e-Learning SCEU UTN - BA.
Medrano 951 2do piso (1179) // Tel. +54 11 4867 7589 / Fax +54 11 4032 0148
www.sceu.frba.utn.edu.ar/e-learning