Documente Academic
Documente Profesional
Documente Cultură
PROBABILIDAD Y ESTADÍSTICA
UNIDAD I: ESTADÍSTICA DESCRIPTIVA
Temas:
1.1 Elementos y definiciones básicas de estadística descriptiva.
1.2 Análisis descriptivo de datos empleando herramientas
informáticas.
1.3 Elementos de muestreo.
OBJETIVO DE LA UNIDAD
Aplicar el análisis descriptivo a un conjunto de datos usando una herramienta
informática.
INTRODUCCIÓN
Los temas a desarrollar en esta unidad son los siguientes:
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 2 de 29
que ofrecen las diferentes instancias y organizaciones tanto locales como mundiales en
revistas científicas y a través de Internet.
Vale la pena mencionar que, como un valor agregado como parte de nuestro
estudio de esta asignatura, está el de entender lo que otros publican en lo que a
estadísticas se refiere, o al menos, tener un sano juicio para realizar una evaluación
objetiva a de los resultados estadísticos que otros ofrecen.
Hay que tomar en cuenta que cuando uno habla de estadística, inmediatamente
viene a nuestra mente que es algo que tiene que ver con datos o información numérica,
y que los resultados expuestos están sujetos a error.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 3 de 29
limitada como variable. Por ello la estadística es la ciencia del aprendizaje a partir de los
datos. (Ott & Longnecker, 2010).
Definición 2: Rama de la matemática que tiene que ver con la colección, análisis,
interpretación y presentación de masas de datos numéricos. (Diccionario Merrian-
Webster, 2017).
Definición 3: Rama de la matemática que tiene que ver con la colección, análisis,
interpretación, presentación y organización de datos. (Dodge, 2006; Romijn,2014).
• Definir el problema.
• Colectar los datos.
• Resumir los datos.
• Analizar los datos, interpretar el análisis y comunicar los resultados.
Vale la pena aclarar que la realización de estos cuatro pasos de una manera correcta es
importante para lograr el aprendizaje a partir de los datos. Ya que, si el problema bajo
consideración no se define claramente, y los datos no se colectan apropiadamente, la
interpretación de los resultados del análisis nos conducirá a conclusiones equivocadas. Esto
debido a que el análisis se basó en datos que no respondían al problema o que estaban
incompletos o contenían información impropia.
Ejemplo 2: Todos hemos escuchado de las encuestas que se realizan por empresas
especializadas e instituciones en períodos previos a las elecciones. Resulta bastante claro,
que es poco probable que para dichos estudios ellos entrevisten a toda la población de
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 4 de 29
Ahora trataremos de identificar los conceptos básicos que son comunes o afines
en estos tres ejemplos. En primer lugar, debemos tomar en cuenta que existe algo que
no se puede determinar con anticipación en cada caso, y eso es debido a la presencia de
azar o aleatoriedad en los procesos. Sabemos que los artículos producidos pueden estar
en buen estado o dañados, pero no sabremos antes de la observación del artículo, si está
bueno o dañado. Sabemos las posibilidades de votación que tienen las personas antes de
la votación, sin embargo, no podemos predecir con certeza por quién votará cada una. Y
como el voto en general en un sufragio es secreto, incluso luego de la votación no
sabremos en realidad por quién votó, a menos que vayamos a revisar papeleta por
papeleta y verifiquemos con los respectivos números de identificación personal. Pero eso
es un privilegio que solo lo tienen las instituciones a cargo de las elecciones y no es de
conocimiento común. Para el último caso, la aplicación del medicamento puede ser que
en algunos pacientes funcione y en otros no funcione, esto debido a otras características
de las personas aparte de la patología. Así que, se sabe que puede tener un efecto positivo
o no, pero no se puede apreciar sino hasta después de haber realizado el experimento y
tomado la observación.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 5 de 29
En todos los ejemplos podemos también notar que hay un grupo mayor y un grupo
menor de objetos o personas observadas. Al grupo mayor se le denomina “población” y
al grupo menor se le llama “muestra”. La muestra es entonces una parte de la población.
Para elegir a la muestra de la población se usa una metodología llamada “muestreo”
(“sampling” en inglés), hablaremos de este tema un poco más adelante. Así, podemos
identificar la población del primer ejemplo, como la producción total de un día de trabajo
de la fábrica, las 10,000 unidades producidas. Para el segundo ejemplo, la población está
formada por todas las personas en edad de votar de un país o región. Y en el último
ejemplo, la población es indeterminada, pero consiste de todas las personas que
poseerán la patología que se está tratando con el nuevo medicamento.
Otro elemento a tomar en cuenta es que todos tienen que ver con la recopilación
de datos o mediciones. Se toma una medición para cada elemento de la muestra. Estas
observaciones en ocasiones son datos cuantitativos (cuando se registran edades, niveles
de ingresos, pesos, tallas, etc.). Pero en ocasiones son datos cualitativos como el género,
el sexo, la preferencia política, estado operacional, etc.). Generalmente lo que se hace es
asignar un equivalente numérico a las categorías cualitativas de la variable. Por ejemplo,
al sexo se le puede asignar el valor -1 para hembra y un 1 para macho, o un 0 para el
género femenino y un 1 para el masculino o viceversa, basta definirlo y ser consistente
con dicha definición. Otro elemento a considerar en la toma de las observaciones es que
a veces para caracterizar mejor a los sujetos bajo observación habrá necesidad de tomar
otros datos que son propios de los objetos o personas investigadas tales como sexo, edad,
talla, peso, nivel educativo, etc. Para que al comparar las respuestas de la variable
principal de observación se pueda hacer contrastes de opiniones con diferentes grupos
de sujetos, por ejemplo, si se diferencian entre hombres y mujeres, o por ciertas edades,
o si hay diferencias para ciertas tallas, o por cierto nivel educativo, o de ciertas zonas
geográficas, etc.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 6 de 29
toda la población de peces, y selecciona una cantidad de 50 tilapias del total que se
encuentra en un criadero, para alimentarlas con el concentrado.
a. Identifique la población de mediciones que son de interés para el empresario.
b. Identifique la muestra.
c. ¿Cuáles son las características de la población que son de interés para el
empresario?
d. Si las mediciones de la muestra se usan para hacer inferencia, acerca de cierta
característica de la población, ¿Por qué sería importante una medida de la
confiabilidad de la inferencia?
UN VISTAZO DE SCILAB
provistas por la librería. El lenguaje Scilab está pensado para que sea extendido de tal
1
Scilab es publicado bajo los términos de la licencia de GNU General Public License 2.0.
Anterior a esta versión, Scilab se licenció bajo los términos de Cecill v. 2.1
Y continúa siendo disponible bajo dichos términos.
Copyright 2011-2017 Scilab Enterprises, 1989-2012 Inria, 1989-2007 ENPC.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 8 de 29
forma que los tipos de datos definidos por el usuario puedan ser definidos posiblemente
con operaciones sobrecargadas. Los usuarios Scilab, pueden desarrollar sus propios
módulos, de tal forma que ellos puedan resolver sus problemas particulares. El lenguaje
Scilab permite compilar dinámicamente y enlazar otros lenguajes tales como Fortran y C:
De esta manera las librerías externas se pueden usar como si fueran parte de las
características internas de Scilab. Scilab también tiene interface con LabVIEW, una
Instruments.
sentido de que el usuario no tiene que pagar por él y Scilab es un software open source,
provisto bajo la licencia GNU GPL v2.0. El software se distribuye con código fuente, de tal
forma que los usuarios tienen acceso a los aspectos más internos de Scilab. La mayor
parte de las veces, los usuarios descargan e instalan una versión binaria de Scilab puesto
que el consorcio Scilab provee versiones ejecutables para los sistemas operativos
Desde el punto de vista científico, Scilab viene con muchas características. Desde
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 9 de 29
• Interpolación, aproximación.
diferenciales algebraicas.
• Procesamiento de señales.
• Estadística.
funciones de ploteo, las cuales permiten crear gráficos en 2D y 3D, así como también
Una vez instalado Scilab en su ordenador, Ud. Podrá realizar el video tutorial, el
cual le mostrará cómo usarlo para realizar el ingreso de datos, obtener representaciones
gráficas de ellos, y resúmenes estadísticos de las variables.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 10 de 29
3
2 5
Podemos notar que hay secciones y ventanas identificadas que tienen funciones
muy particulares. En el identificador numerado 1, se tiene el menú principal y la barra de
iconos. Estos cambiarán dependiendo de la ventana que se encuentre activa. Las ventanas
están numeradas con los identificadores 2 a 6. En la figura 1, la ventana activa es la
número 3, que es la consola de Scilab. Por lo tanto, el menú principal y la barra de iconos
corresponden a la consola. La ventana activa se identifica por el color celeste en la barra
de título de la ventana.
Las otras ventanas son:
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 11 de 29
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 12 de 29
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 13 de 29
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 14 de 29
Note que al cambiar esta opción el sistema Scilab debe reiniciarse para que el
cambio surta efecto.
“*Sin Título 4”, observe además que la pestaña activa, es “*Sin Título 4”). Note que las
líneas de código están numeradas y que un número está de color rojo, indicando que es
la línea de edición activa, estas líneas son parte del ambiente editor, pero no son parte
del código. La ventana Scinotes, también se puede incrustar en la ventana principal de
Scilab, ¡Inténtelo! Haga un recorrido por todas las opciones del menú principal del editor.
2005 p. 3).
PASO 2:
IDENTIFICAR EL MARCO
MUESTRAL
PASO 3:
DETERMINAR EL TAMAÑO
DE LA MUESTRA
PASO 4:
ELEGIR EL MÉTODO DE
MUESTREO
PASO 5:
OBTENER LA MUESTRA
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 17 de 29
“Son las unidades que representan las partes más pequeñas de los elementos
capaces de presentar una característica particular” (Organización de las Naciones Unidas
[ONU], (1957)).
Unidades de muestreo: Son las unidades que sirven de base para las operaciones
de muestreo, pueden ser: (i) las mismas unidades elementales o (ii) grupos de elementos
que conforman un conglomerado de unidades elementales. (ONU, 1957).
Como bien lo dice la definición, en ocasiones los mismos elementos son las
unidades de muestreo, pero existen casos en los que las unidades de muestreo son
grupos de estos elementos.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 18 de 29
En general, se usa la muestra para inferir a partir de ella una serie de parámetros
poblacionales tales como la media aritmética, la varianza, la desviación estándar,
percentiles, cantiles, moda, etc. los cuales aprenderemos a calcular en breve.
Dado que los valores de estos parámetros, se calculan a partir de la muestra y no
son los de toda la población, reciben el nombre de “estimadores de los parámetros
poblacionales”. Y resulta claro que, si se obtiene una nueva muestra y se vuelven a
calcular los valores de estos estimadores de los parámetros, los valores obtenidos
basados en la nueva muestra, casi que con seguridad no serán exactamente iguales a los
de la primera muestra. Esto es debido al efecto de la aleatoriedad en los elementos de
la muestra. Entonces estos estimadores son variables aleatorias (un término que
explicaremos con mayor detalle en la siguiente unidad) y se pueden tratar
probabilísticamente.
Para que los resultados del estudio sean válidos, la muestra debe de estar libre de
sesgos o tendencias (bias, en inglés). Esto se logra asegurándonos que todas las
muestras posibles tengan la misma probabilidad de ser seleccionadas para el estudio.
De esto se encarga el muestreo probabilístico, de generar muestras aleatorias
representativas de toda la población.
Por lo tanto, será importante asignarle al muestreo, está característica
probabilística, y poder determinar la probabilidad que tiene cada muestra posible, de
ser elegida. Lo que se intuye, en todo esto es que, todas las muestras posibles tengan la
misma probabilidad de ser elegidas. Para que el resultado sea aleatorio y no tenga
ningún sesgo o preferencia pre-establecida.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 19 de 29
económicos (de que tanto presupuesto se cuenta para la realización del experimento), la
disponibilidad de los elementos a muestrear y por supuesto la importancia que pueda
tener el problema (o la necesidad de resolverse).
Introducimos un par de conceptos antes de ver las fórmulas más comunes para
calcular el tamaño de la muestra. Lo haremos a través de analizar el siguiente caso:
Suponga que se tomará una muestra de un Centro Escolar (CE) en el que hay 560
estudiantes. Se tomará una muestra de 28 alumnos. Lo que se quiere investigar es la
proporción de estudiantes que cuentan con el servicio de internet en sus casas, con el
propósito de iniciar un plan de refuerzo académico usando recursos de internet. Pero,
¿Qué significa elegir a 28 de 560? ¿Qué proporción de la población se entrevistará? Y a la
hora de obtener conclusiones sobre la población ¿a cuántos alumnos de la población total
representa cada uno de los estudiantes de la muestra?
Para calcular la proporción de estudiantes que se entrevistará, se divide el tamaño
de la muestra entre el tamaño de la población: 28/560 = 0.05, eso quiere decir que se está
considerando al 5% de la población.
Para calcular a cuántos estudiantes representa cada uno de los elementos de la
muestra. Se hace la división contraria, se divide el tamaño de la población entre el tamaño
de la muestra: 560/28 = 20, lo que significa que cada uno de los elementos de la muestra
representa a 20 de la población.
Los dos conceptos que acabamos de ver tienen la siguiente definición formal:
Definición de Factor de elevación: Es el cociente entre el tamaño de la población
(N) y el tamaño de la muestra (n), es decir: Factor de elevación = N / n. Y representa el
número de elementos de la población representado por cada elemento de la muestra.
Definición de Factor de muestreo: Es el cociente entre el tamaño de la muestra
(n) y el tamaño de la población (N), es decir: Factor de muestreo = n / N. Y si se multiplica
por 100, obtenemos el porcentaje de la población que se representa en la muestra.
Error de muestreo: Es el error admisible en el muestreo, se comete por el hecho
de sacar conclusiones sobre cierta realidad a partir de la observación de solo una parte
de ella, establecido por el investigador, se presenta por E y se expresa por lo general en
porcentaje (algunos textos lo identifican por e, pero aquí usamos ese símbolo para
identificar el error de estimación, que también se suele expresar en porcentaje).
Error de estimación: Originado por los errores que se puedan dar en el proceso
de estimación de los parámetros, su valor viene dado por el cálculo: 𝑒 = 𝑍𝛼 ∗ 𝐸 , donde
𝐸 es el Error de muestreo y 𝑍𝛼 es el valor en tablas de la distribución normal asociado al
nivel de significancia deseado en el cálculo.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 21 de 29
Las fórmulas está calculadas para un nivel de confianza de 2σ, que corresponde a
un intervalo de confianza del Pz=95.5%. Y los símbolos significan:
* Simboliza multiplicación
n Tamaño de la muestra
N Tamaño de la Población
Cuadrado del puntaje de z, equivale a 2σ
4≈ 𝑍𝛼2
para un intervalo de confianza del 95.5%
𝑒2 Cuadrado del error de estimación
Error de estimación= (z)*(error de
𝑒%
muestreo) en porcentaje.
Proporción del resultado que se investiga
p
(0.5 si se desconoce p)
q El complemento de p
𝑝∗𝑞
𝐸% Error de muestreo = √ en porcentaje
𝑛
Factor de corrección. Utilizado para
N-1 reducir el error estándar de la muestra
𝐸% por tratarse de una población finita.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 23 de 29
muestral, esto hace que q=1-p=0.5, lo que conlleva al mayor cálculo que se
puede obtener del producto p*q, lo que generaría un tamaño mayor de
muestra, algo que es aceptado sin problema.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 24 de 29
N = N1 + N 2 + N 3 + N 4 + ... + N H
Donde N1, N2, N3, N4, …, NH son los tamaños de cada uno de los estratos.
n n1 n 2 n 3 n 4 ... n H
El tamaño de las muestras de los H estratos pueden ser de igual o diferente
tamaño, esto varía de acuerdo al tamaño de cada estrato. Este tipo de asignación se lo
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 25 de 29
En este tipo de muestreo, las unidades muestrales son grupos de elementos, esto
puede llevarnos a ciertas particularidades, como que no todos los grupos sean del
mismo tamaño, y a diferencia del estratificado donde los estratos eran diferentes pero
los miembros de cada estrato eran homogéneos, aquí, los conglomerados pueden ser
diferentes y también ser diferentes los elementos de cada grupo o conglomerado.
Otro detalle es que no es preciso tener el listado de toda la población, sino que
solo el de las unidades primarias del muestreo (los grupos). En realidad, este método
resulta ser bastante eficiente cuando la población es grande y dispersa. Para aplicarlo se
necesita realizar varias fases de muestreo sucesivo, convirtiéndose en polietápico,
donde las unidades de una etapa se limitan a las unidades de muestreo seleccionadas
en la etapa anterior.
http://www.scilab.org/download
http://www.scilab.org/product/man
http://www.random.org/integers
http://www.merriam-webster.com
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 26 de 29
http://creativecommons.org/licenses/by-sa/3.0
http://forge.scilab.org/index.php/p/docintrotoscilab/
http://www.cecill.info/licenses/Licence_CeCILL_v2-en.txt
https://www.netquest.com/calculadora-tamano-muestra?hsCtaTracking=65584ab8-
63f1-475a-b3a4-cebab42a8dca%7Cd38f94ed-3e7e-4292-83e3-dcea5f61389e
1.5. BIBLIOGRAFÍA
1. Anderson, T., (1974) Introductory statistical analysis Chicago, U.S.A. University of Illinois.
2. Baudin, M., (2010) Introduction to Scilab, France, The Scilab Consortium – Digiteo.
3. Canavos, G., (1998), Probabilidad y estadística: Aplicaciones y métodos, Mexico, D.F.,
McGraw-Hill/Interamericana de Mexico S.A. de C.V.
4. Devore, J., (2008). Probabilidad y estadística: Para ingeniería y ciencias (7ª. ed.) Mexico,
D.F., Cengage Learning Editores S.A de C.V.
5. Diccionario Merrian-Webster Retomado de: http://www.merriam-webster.com (2017).
6. Dodge, Y. (2006) Diccionario Oxford de términos estadísticos.
7. Dunn, O., Clark, V., (1974) Applied Statistics: Analysis of variance and regression New York,
U.S.A., John Wiley and Sons, Inc.
8. Everitt, B., Skrondal, A., (2010) The cambridge dictionary of statistics (4ª. ed.) New York,
U.S.A. Cambridge University Press.
9. Hines, W., Montgomery, D. (1993). Probabilidad y estadística: Para ingeniería y
administración (3er ed.) Mexico, D.F., CECSA.
10. Johnson, R., (1998) Probabilidad y estadística: Para ingenieros de Miller y Freund (5ª ed.)
Mexico, D.F., Prentice-Hall Hispanoamericana.
11. Lagares, P., Puerto, J., (2001) Población y muestra: Técnicas de muestreo Retomado de:
http://www.mathematik.uni-kl.de/~ mamaeusch.
12. Levin, R., Rubin, D., (2004) Estadística para administración y economía (7ª ed.) Mexico,
D.F., Pearson Education
13. Mendenhall, W., Beaver, R., Beaver, B., (2010). Introducción a la probabilidad y estadística
(13ª ed.) Mexico, D.F., Cengage Learning Editores S.A de C.V.
14. Neter, J., Wasserman, W., Withmore, G., (1982) Applied statistics (2nd ed.) Boston, U.S.A.
Allyn and Bacon, Inc.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 27 de 29
15. Organización de las Naciones Unidas. (1957). Preparación de informes sobre encuestas a
base de muestras, Informes estadísticos, Serie C, N.º 1.
16. Ott, R., Longnecker, M., (2010) An introduction to statistical methods and data analysis
(6ª ed.) Canadá, Brooks/Cole, Cengage Learning.
17. Pérez, C., (2005), Muestreo estadístico: Conceptos y problemas resueltos Mexico, D.F.,
Pearson Prentice Hall.
18. Romijn, J.-W., (2014) Philosophy of statistics Stanford Enyclopedia of Philosophy.
19. Spiegel, M., (1991) Estadística (2ª ed.) Santiago, Chile, McGraw-Hill Interamericana de
España S.A.
20. Yamane, T., (1979). Estadística (3er ed.) Mexico, D.F., Harla.
GLOSARIO
Censo: Cuando las unidades a considerar para el muestreo son todas las de la
población.
Estadística: Rama de la matemática que tiene que ver con la colección, análisis,
interpretación, presentación y organización de datos.
Error de estimación: Originado por los errores que se puedan dar en el proceso
de estimación de los parámetros, su valor viene dado por el cálculo: 𝑒 = 𝑍𝛼 ∗ 𝐸 , donde
𝐸 es el Error de muestreo y 𝑍𝛼 es el valor en tablas de la distribución normal asociado al
nivel de significancia deseado en el cálculo.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.
UNIVERSIDAD DE EL SALVADOR EN LÍNEA
FACULTAD DE INGENIERÍA Y ARQUITECTURA
PROBABILIDAD Y ESTADÍSTICA
Página 28 de 29
Población: Cualquier colección finita o infinita de “unidades”, las cuales suelen ser
personas, pero pueden ser cualquier cosa. Por ejemplo: instituciones, eventos, llamadas
telefónicas, artículos producidos, etc.
Unidades de muestreo: Son las unidades que sirven de base para las operaciones
de muestreo, pueden ser: (i) las mismas unidades elementales o (ii) grupos de elementos
que conforman un conglomerado de unidades elementales.
Este material ha sido proporcionado al estudiante en el marco de su formación a través de una carrera en
línea en la Universidad de El Salvador. Se han respetado los derechos de autor para su elaboración. El debido uso del
mismo es responsabilidad del estudiante.