LA DIFERENCIA ENTRE ADIVINACIÓN Y PREDICCIÓN

La adivinación: Es la habilidad de quienes afirman poder

predecir hechos venideros por sí mismos o mediante el uso de
sortilegios. Históricamente esta presunta habilidad ha sido
compensada por algún tipo de retribución económica aunque
hay quienes dicen practicarla sin ánimo de lucro. Videncia o
clarividencia, también llamada adivinación es la cualidad que
poseerían.
La capacidad atribuida de adivinar el futuro es una creencia que
se pierde en la noche de los tiempos indudablemente asociada
a la ansiedad que siente el ser humano por su futuro y por lo
impredecible. Abierta o clandestinamente, está presente en todas las sociedades y culturas sin
excepción alguna, desde el neolítico hasta nuestros días y a pesar del triunfo del empirismo científico
como única visión cosmológica dominante.
La predicción: Es aquel acto mediante el cual una persona puede predecir o decir antes de tiempo
que algo sucederá de tal o cual manera. La predicción ti ene muchas veces que ver con un instinto
que la persona tiene y que le hace pensar que los eventos se desarrollarán como lo dice pero en
muchos otros casos tiene que ver con lo que se cree que son sentidos más desarrollados de algunas
personas que les permiten entrar en contacto con otras formas de comunicación y poder conocer así
el futuro. De todos modos, esta última explicación es sólo útil para aquellas personas que se
consideran supersticiosas y que creen en que alguien pueda realmente leer o conocer el futuro.
DIFERENCIA QUE HAY ENTRE PARÁMETRO Y ESTADÍSTICO
Parámetro: Es un número que resume la gran cantidad de datos
que pueden derivarse del estudio de una variable estadística. El
cálculo de este número está bien definido, usualmente mediante
una fórmula aritmética obtenida a partir de datos de la población.
Los parámetros estadísticos son una consecuencia inevitable del
propósito esencial de la estadística: crear un modelo de la
realidad.

Estadístico
Es una medida cuantitativa, derivada de un conjunto de datos de una
muestra, con el objetivo de estimar o inferir características de una
población o modelo estadístico.
Más formalmente un estadístico es una función medible T que, dada una
muestra estadística de valores, les asigna un número, que sirve para
estimar determinado parámetro de la distribución de la que procede la
muestra. Así, por ejemplo, la media de los valores de una muestra (media
muestra) sirve para estimar la media de la población de la que se ha
extraído la misma; la varianza muestra podría usarse para estimar la
varianza poblacional, etc.1 Esto se denomina como realizar una
estimación puntual.
DIFERENCIA ENTRE MUESTRA Y POBLACIÓN
Muestra
Es un subconjunto de caso o de individuos de una población. La muestra
debe ser representativa por lo que la técnica de muestreo (selección)
debe ser adecuada. Al seleccionar una muestra se debe evitar escoger
una muestra sesgada cuya utilidad será limitada pues no representará
adecuadamente el fenómeno o característica a estudiar.

Población

Estadística es también denominada universo. Se trata de un conjunto de

elementos sobre los que se realizan estudios y observaciones. La
población es una variable aleatoria o magnitud de naturaleza aleatoria. Al
definir las variables de un estudio se debe definir cuál será la población a
investigar.

DIFERENCIA ENTRE VARIABLES CUANTITATIVAS Y VARIABLES CUALITATIVAS

Las variables cuantitativas

Son aquellas que adoptan valores numéricos (es decir,

cifras). De este modo se diferencian de las variables
cualitativas, que expresan cualidades, atributos, categorías
o características. En el conjunto de las variables
cuantitativas, también podemos reconocer varios tipos de
variables. Las variables cuantitativas continuas pueden
adoptar cual quier valor en el marco de un determinado
intervalo. De acuerdo a la precisión del instrumento que
realiza la medición, pueden existir otros valores en el medio
de dos valores.

Las variables cualitativas

Son aquellas variables que toman valores que son nombres o etiquetas.
El color de una pelota (por ejemplo, rojo, verde, azul) o la raza de un
perro (por ejemplo, collie, pastor, terrier) serían ejemplos de variables
cualitativas. Esto no supone que no puedan utilizarse en modelos
matemáticos, económicos o financieros. Para ello, estas se convierten
en números asignando a cada posible valor un número concreto.
DIFERENCIAS QUE EXISTEN ENTRE VARIABLES CONTINUAS Y
VARIABLES DISCRETAS
Variable continúa
Puede tomar un valor fijo dentro de un intervalo determinado. Y siempre entre dos valores observables
va a existir un tercer valor intermedio que también podría tomar la variable continua. Una variable
continua toma valores a lo largo de un continuo, esto es, en todo un intervalo de valores. Un atributo
esencial de una variable continua es que, a diferencia de una variable discreta, nunca puede ser
medida con exactitud; el valor observado depende en gran medida de la precisión de los instrumentos
de medición. Con una variable continua hay inevitablemente un error de medida.
Algunos ejemplos de variables continúas:
• La estatura de tu mejor amigo.
• El ancho de una pelota de fútbol.
• El peso de una persona.
• La velocidad a la que va a un auto.

Variable discreta
Es una variable que no puede tomar algunos valores dentro de un mínimo conjunto numerable, quiere
decir, no acepta cualquier valor, únicamente aquellos que pertenecen al conjunto. Estas variables se
dan de modo coherente separaciones entre valores observables sucesivos. Dicho con más rigor, se
determina una variable discreta como la variable que hay entre dos valores observables
(potencialmente), hay por lo menos un valor no observable (potencialmente).
Algunos ejemplos de variables discretas:
• El número de hijos de una familia.
• La cantidad de dedos que tienes en la mano.
• El número de faltas en un partido de fútbol.
• El número de árboles que hay en un parque.
• El número de canales de televisión que tienes en casa.
DIFERENCIA ENTRE ESTADÍSTICA INFERENCIAL Y ESTADÍSTICA DESCRIPTIVA
Estadística inferencial
Es una parte de la Estadística que comprende los métodos y
procedimientos para deducir propiedades (hacer inferencias) de una
población, a partir de una pequeña parte de la misma (muestra). También
permite comparar muestras de diferentes poblaciones. Generalmente
comprende las pruebas de estimación, puntual o por intervalos de
confianza, y las pruebas de hipótesis, paramétricas, como la de la media,
diferencias de medias, proporciones, etc., y las no paramétricas, como la
prueba de chi-cuadrado.
La estadística descriptiva
Es la rama de la estadística que recolecta, analiza y caracteriza un conjunto de datos (peso
de la población, beneficios diarios de una empresa, temperatura mensual,…) con el objetivo
de describir las características y comportamientos de este conjunto mediante medidas de
resumen, tablas o gráficos.
 DIFERENCIAS ENTRE EL NIVEL DE MEDICIÓN NOMINAL Y EL NIVEL DE
MEDICIÓN ORDINAL
Nivel de medición nominal
Es una variable en matemáticas y estadísticas, también llamado
escala de medición, es una clasificación acordada con el fin de
describir la naturaleza de la información contenida dentro de los
números asignados a los objetos y, por lo tanto, dentro de una
variable. Según la teoría de las escalas de medida, varias
operaciones matemáticas diferentes son posibles dependiendo del
nivel en el cual la variable se mide.

El nivel de medición ordinal

Describe las variables a lo largo de un continuo sobre el que se
pueden ordenar los valores. En este caso las variables no sólo se
asignan a grupos sino que además pueden establecerse
relaciones de mayor que, menor que o igual que, entre los
elementos. Por ejemplo, se puedes ordenar al conjunto de
alumnos del módulo de diversificación curricular en función de la
calificación obtenida en el último examen sea de Español,
Esperantoo de matemáticas, es lo mismo.

Estadística: Ciencia que utiliza conjuntos de datos numéricos para

obtener, a partir de ellos, inferencias basadas en el cálculo de
probabilidades.
Población: es un conjunto de sujetos, individuos, elementos
o eventos con determinadas características.

Muestra: Es un subconjunto de casos o individuos de

una población. En diversas aplicaciones interesa que una muestra
sea una muestra representativa y para ello debe escogerse una
técnica de muestra adecuada que produzca una muestra aleatoria
adecuada (se obtiene una muestra sesgada cuyo interés y utilidad
es más limitado dependiendo del grado de sesgo que presente).

Parámetro: es un número que resume la gran cantidad de datos que pueden

derivarse del estudio de una variable estadística. El cálculo de este número
está bien definido, usualmente mediante una fórmula aritmética obtenida a partir
de datos de la población.