Importancia de La Estadistica en La Contaduria

Notas de Estadstica Aplicada a la Administracin, Contadura e Informtica Administrativa I. Semestre 2011-1.
Dr. Francisco Javier Tapia Moreno.

1
Departamento de Matemticas. Universidad de Sonora.

Estadstica Aplicada a las Licenciaturas:
Administracin, Contadura e Informtica
Administrativa. Tema I.

Por

Dr. Francisco Javier Tapia Moreno

2

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 es 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.

Enero de 2011.

3

C o n t e n i d o
Pag.
Prlogo. 02
Indice. 03

Tema I. Introduccin
1. Introduccin a la estadstica aplicada 05
1.1. Importancia de la estadstica en la administracin y en la contadura. 06
1.2. Importancia de la estadstica para los estudiantes. 07
1.3. Etapas del proceso investigativo. 07
1.4. La funcin de la estadstica dentro del proceso de investigacin emprica. 08
Cuestionario 1. 09

2. Estadstica en la vida diaria. 08
a. Importancia y aplicaciones de la estadstica.
2.1. La Importancia de las Mediciones. 08
2.2. Un minuto para pensar. 09
2.3. Para qu la estadstica. 10
2.4. Por qu aplicamos tan poco la estadstica? 11
2.5. Qu debemos hacer? 11
Cuestionario 2. 11

3. Conceptos Bsicos. 12
b) Diferencia entre estadstica descriptiva e inferencial, en estudios ya realizados.
3.1. Conceptos preliminares. 12
3.1.1. Anlisis estadstico. 12
3.2. Clasificacin de datos. 15
3.2.1. Tipos de variables. 15
3.3. Escalas de medicin. 16
3.4. Conceptos Fundamentales. 16
3.4.1. Caracteres. 17
3.4.2. Modalidades de los caracteres. 17
3.4.3. La matriz de datos. 17
3.4.4. Clases de datos. 18
Ejercicios 1 18

4. Anlisis de estudios estadsticos. 19
4.1. Definicin de Estadstica Descriptiva y Estadstica Inferencial. 19
4.2. Identificacin de las etapas de un estudio estadstico. 21
Ejercicios 2. 22
4

5. Uso indebido de la estadstica. 23
5.1. Usos y abusos de la Estadstica. Ejemplos. 23
Ejercicios 3. 24

6. Nociones bsicas sobre muestreo. Introduccin al Muestreo. 25
6.1. Muestreo aleatorio o probabilstico. 25
6.2. Muestreo no aleatorio o no probabilstico. 26
6.3. Tcnicas de muestreo sobre una poblacin. 26
Cuestionario 3. 32
Ejercicios 4. 33

Lecturas recomendadas. 34

Bibliografa recomendada para reforzar este tema. 34

Referencias. 35

5

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.
6

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.

1.1. Importancia de la estadstica en la administracin y en la contadura.
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. Importancia de la estadstica para los estudiantes.
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. Etapas del proceso investigativo.

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.
7

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.

1.4. La funcin de la estadstica dentro del proceso de investigacin
experimental.

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. Menciona los tres tipos de estudios estadsticos existentes.
2. Explica brevemente en qu consiste cada uno de los tres estudios estadsticos.
3. Por qu es importante la estadstica para el sector empresarial?
4. Por qu es importante que todas las personas sepamos algo de estadstica?
5. Menciona las etapas de un proceso investigativo.
6. Cul es la funcin de la estadstica en el proceso de investigacin emprica?
7. Para ti que es la estadstica?

2. Estadstica en la vida diaria.

b. Importancia y aplicaciones de la estadstica.
2.1. La Importancia de las Mediciones.
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
8

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
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. Un minuto para pensar
Podras responder a las siguientes preguntas?
Qu clientes les generan los mayores beneficios a las empresas?
Qu zonas o regiones geogrficas son las que generan mayores ventas en unidades monetarias y
volmenes? (en total y por producto)
Cules son las reparaciones que ms se han producido en el ltimo trimestre?
En qu da de trabajo de cada mes logra llegar al punto de equilibrio cierta empresa?
Qu tipo de reparaciones han generado mayores egresos?
Puedes decirme cules son la capacidad de los diferentes procesos en materia de costos,
productividad y calidad en una empresa?
Cul es su nivel en sigma de cada una de las actividades?
Cul es el nivel de rotacin o permanencia de clientes?
Sabes en qu etapa del ciclo de vida se encuentra cada uno de sus productos o servicios?
Cul es el nivel de satisfaccin de los clientes?
Si diriges o administras un sanatorio cules son las enfermedades que ms clientes reportan?
Cules son los problemas que ms consultas originan?
Si posees un restaurante cules son los platos ms pedidos durante el ao y por temporada?
Cules son los vinos ms pedidos y cules los ms vendidos?
9

Si diriges una librera cules son los temas ms vendidos? Cul es la rentabilidad que le aporta
cada tema? Cmo contribuye cada tema a lograr el punto de equilibrio?
Si diriges un hotel cul es el tiempo promedio de estada? La cantidad de clientes por zona o
regin? La cantidad de tiempo por regin y su relacin con la cantidad de tiempo de estada?
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.
10

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.
29. Clculos de costes y en especial para el Costeo Basado en Actividades.
30. Para los clculos de productividades.
31. Coeficientes de correlacin.
32. Estadsticas del personal (directivos y empleados).

2.4. Por qu aplicamos tan poco la estadstica?

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.

2.5. Qu debemos hacer?

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).

En conclusin, las modernas estadsticas acompaadas de las poderosas herramientas informticas
permiten a los directivos, asesores y personal, contar con la suficiente informacin para mejorar a
partir de ella los procesos de la empresa, tomar mejores decisiones comerciales, mejorar la
seguridad y hacer un uso mucho ms productivo y provechoso de los recursos. Las estadsticas son
fundamentales tanto para la administracin financiera, como para la administracin de operaciones, las
ventas, el marketing, las cobranzas, la logstica y la gestin de personal entre otras reas y actividades de toda
corporacin. Cada da se exige ser ms productivos, eliminando sistemticamente los despilfarros. Hacer ello
posible exige de informacin. Pretender dirigir una empresa como hace cincuenta aos ya no es vlido ni
posible. El empresario tiene en sus manos la decisin de mejorar la empresa a travs de una GMBE, o seguir
conduciendo su empresa en la oscuridad.

Cuestionario 2.

1. Qu es la estadstica?
2. Para qu es til la estadstica en las empresas?
3. Por qu es importante realizar estudios estadsticos en las empresas?
11

4. Mencione las maneras de obtener datos o informacin para realizar un estudio estadstico.
5. Cmo se relaciona tu rea de estudio con la estadstica?
6. Qu sugiere un diseo adecuado para la obtencin de datos o informacin?
7. Qu papel juega el muestreo en tu rea de estudio?
8. Por qu es importante realizar mediciones en una empresa?
9. Cul es la opinin de Peter Ducker (padre de la Administracin), acerca de las mediciones?
10. Qu ventajas ofrece la tecnologa para la realizacin de mediciones o estadsticas?
11. Cmo pueden usar la estadstica los empresarios actuales?
12. Qu repercusiones puede haber en una empresa que carece de estadsticas o mediciones?
13. Menciona por lo menos 6 usos de la estadstica en el sector empresarial.
14. Por qu la aplicacin de la estadstica en las empresas mexicanas es casi nula?
15. Qu debemos hacer para estimular el uso de la estadstica en las empresas mexicanas?
16. Cul es tu opinin personal acerca del uso de la estadstica en tu vida diaria?

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 I nferencia
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.

3.1. Conceptos preliminares.

En esta seccin se mencionan algunas definiciones importantes y se resalta la relacin existente entre el
anlisis estadstico y la deduccin o inferencia estadstica con el propsito de utilizar estos conceptos para
una buena toma de decisin en el manejo de una empresa.

3.1.1. Anlisis estadstico.

El trmino estadstica es bastante comn, podemos escucharlo en la radio, la televisin o leerlo en
peridicos o revistas con bastante frecuencia. Con seguridad hemos ledo frases como Las estadsticas nos
12

muestran que el pueblo de Mxico est a favor de la globalizacin en la economa o bien, las estadsticas nos
muestran que El nivel adquisitivo de los mexicanos ha disminuido en los ltimos 10 aos al menos un 50%
y as en general podemos leer o escuchar informacin semejante acerca de los deportes, poblacin,
espectculos, etc.
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 inferencia 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:

13

- Datos estadsticos inadecuados. Tales como cuando el tamao de la muestra no es el adecuado o
bien, no es representativo de la poblacin. Existen muchas otras clases de datos inadecuados. Por
ejemplo, algunos datos son respuestas inexactas de una encuesta, porque las preguntas usadas en la
misma son vagas o engaosas, algunos datos son toscas imitaciones porque no hay disponibles datos
exactos o es demasiado costosa su obtencin, y algunos datos son irrelevantes en un problema dado,
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.
- I ndicacin 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
14

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.

Para ver ms casos del uso indebido de la estadstica consultar [4], [5], [6], [7] y [8].

3.2. Clasificacin de datos.

Para hablar de cmo se clasifican los datos estadsticamente, es necesario primero tener el concepto de
variable y los tipos en que stas se dividen. La finalidad de las siguientes secciones es dar un panorama
general de los tipos de variables que existen y su forma de medicin

3.2.1. Tipos de variables.

- 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 u 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.

15

3.3. 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
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. Conceptos Fundamentales.
Toda rama de la investigacin cientfica tiene su vocabulario propio y la estadstica no es su excepcin. En
esta seccin se definirn algunos conceptos propios de la terminologa de la Estadstica Descriptiva.
16

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
"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".

3.4.2. Modalidades de los caracteres.
Consideremos un carcter cualquiera, como por ejemplo la "satisfaccin del cliente". Este carcter, al ser
observado en un individuo (grado de satisfaccin), puede presentar tres posibilidades, es decir, es posible
recibir tres respuestas diferentes: insatisfecho, satisfecho, muy satisfecho. Pues bien, a las posibilidades, tipos
o clases que pueden presentar los caracteres las denominaremos modalidades. Las modalidades de un
carcter deben ser a la vez incompatibles y exhaustivas. Es decir, las diversas modalidades de un carcter
deben cubrir todas las posibilidades que ste puede presentar y adems deben ser disjuntas. Es decir, un
individuo no puede presentar a la vez ms de una de ellas y adems debe presentar alguna de ellas. As, al
estudiar algn carcter, como por ejemplo el " servicio al cliente", el investigador deber considerar todas las
posibles modalidades del carcter (todas las posibles respuestas; excelente, bueno, regular, malo, psimo.),
con el objetivo de poder clasificar a todos los individuos que observe.

3.4.3. La matriz de datos.
Habitualmente, la informacin primaria sobre los individuos, es decir, la forma ms elemental en la que se
expresan los datos es la de una matriz, en la que aparecen en la primera columna los individuos identificados
de alguna manera y en las siguientes columnas las observaciones de los diferentes caracteres en estudio para
cada uno de los individuos, tal y como aparece en la Tabla 1. Dicha matriz recibe el nombre de matriz de
datos.
TABLA 1. MATRIZ DE DATOS
carcter 1 carcter 2 . . . carcter m
individuo 1 * * . . . *
individuo 2 * * . . . *
. . . . . . . . . . . . . . .
individuo n * * . . . *
17

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.

TABLA 2. ESTUDIO DE 100 OBREROS EN UNA EMPRESA GALLETERA DE CD. OBREGN, SON.
Edad Sexo
Estatura
Mts.
Peso
Kg.
Antigedad
(aos)
Escolaridad Estado
civil
individuo 1 32 masculino 1.76 80 4 secundaria casado
individuo 2 29 femenino 1.66 58 2 bachillerato soltera
. . . . . . . . . . . . . . . . . . . . . . . .
individuo 100 61 masculino 1.78 90 15 primaria viudo
En algunas ocasiones se reserva el nombre de matriz de datos a la obtenida de la anterior eliminando la
primera columna.

3.4.4. Clases de datos.
Es habitual denominar a los caracteres variables estadsticas o simplemente variables, calificndolas de
cualitativas o cuantitativas segn sea el correspondiente carcter, y hablar de los valores de la variable al
referirnos a sus modalidades, aunque de hecho solamente tendremos verdaderos valores numricos cuando
analicemos variables cuantitativas. En ocasiones, con objeto de facilitar la toma de los datos, el investigador
los agrupa en intervalos. As por ejemplo, resulta ms sencillo averiguar cuntos individuos hay en una
muestra con una estatura, por ejemplo, entre 1.70 y 1.80 metros que medirlos a todos, en especial si tenemos
marcas en la pared cada 10 cm. Obsrvese que siempre se producir una prdida de informacin al agrupar
los datos en intervalos y, dado que hoy en da la utilizacin del ordenador suele ser de uso corriente, un
agrupamiento en intervalos es en general no aconsejable. Sin embargo, por razones docentes admitiremos
esta posibilidad, ya que precisamente el agrupamiento en intervalos traer complicaciones adicionales en el
clculo de algunas medidas representativas de los datos. Consideraremos, por tanto, tres tipos posibles de
datos:
1. Datos correspondientes a un carcter cualitativo
2. Datos sin agrupar correspondientes a un carcter cuantitativo
3. Datos agrupados en intervalos correspondientes a un carcter cuantitativo

Ejercicios 1.
1. Define formalmente qu es la estadstica.
2. Escribe las tres etapas en que se clasifica la aplicacin de los mtodos estadsticos.
3. Menciona los tres tipos de estadstica existentes.
4. Indica las dos ramas en que se divide la estadstica clsica y su respectiva descripcin.
5. Subraya algunos malos usos comunes que se hace de la estadstica.
18

6. Define los siguientes conceptos: a) Variable b) Dato y c) Modalidad.
7. Relaciona en la tabla, los conceptos y definiciones que se correspondan entre s

Concepto Definicin
1. Variable discreta
2. Variable nominal
3. Variable cuantitativa
4. Variable continua
5. Variable aleatoria
6. Variable ordinal
7. Variable cualitativa

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.
c. En este tipo de variables no se puede establecer entre ellas ningn tipo
de orden.
d. Estas variables toman distintos valores ordenados siguiendo una
escala establecida
e. son variables que se expresan con nmeros.
f. Estas variables pueden tomar cualquier valor dentro de un intervalo.
g. Estas variables que slo pueden tomar valores enteros.

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.

4. Anlisis de estudios estadsticos.
Como se mencion en la seccin 3.1.1, existen tres tipos de estudios estadsticos llamados,
Estadstica descriptiva y Estadstica Inferencial. En esta seccin conoceremos la diferencia existente
entre estos dos estudios mediante sus respectivas definiciones y ejemplos de estudios realizados.

La Estadstica descriptiva se ocupa de los mtodos de recoleccin, descripcin, visualizacin y
resumen de datos originados a partir de los fenmenos en estudio. Los datos pueden ser resumidos
numrica o grficamente. Ejemplos bsicos de descriptores numricos son: la media y la desviacin
estndar. Resmenes grficos incluyen varios tipos de figuras y grficos. Ejemplos de este tipo de
anlisis descriptivo pueden encontrarse en la prensa diaria, en la parte de informacin econmico-social:
series de tiempo, grfica de barras, diagramas circulares, ndices de precios, resultados de una encuesta y ms
elaborado, para ms de una variable, en pirmide de edades, comparativas, etc. Tambin puede encontrarse
el uso de la estadstica descriptiva en tablas de consumo, resultados deportivos, Accidentes laborales, Ventas
anuales realizadas y, en general, hechos cuantificados en valores absolutos (tal cual), porcentajes (%) o
ndices (con un periodo base inicial = 100). En otras palabras, la Estadstica Descriptiva se refiere a la
recoleccin, presentacin, descripcin, anlisis e interpretacin de una coleccin de datos,
esencialmente consiste en resumir stos con uno o dos elementos de informacin (medidas
descriptivas) que caracterizan la totalidad de los mismos. La estadstica descriptiva es un mtodo de
obtener de un conjunto de datos conclusiones sobre s mismos y no sobrepasan el conocimiento
19

proporcionado por stos. Puede utilizarse para resumir o describir cualquier conjunto ya sea que se trate de
una poblacin o de una muestra, cuando en la etapa preliminar de la Estadstica Inferencial se conocen los
elementos de una muestra.
Por otro lado, la Estadstica Inferencial se encarga de la generacin de los modelos, inferencias y
predicciones asociadas a los fenmenos en cuestin teniendo en cuenta lo aleatorio e incertidumbre
en las observaciones. Se usa para modelar patrones en los datos y extraer inferencias acerca de la
poblacin de estudio. Los gobiernos y las organizaciones utilizan estos modelos para tomar
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.

4.1. Definicin de Estadstica Descriptiva y Estadstica Inferencial.

Estadstica Descriptiva es la ciencia encargada de la recoleccin, presentacin, descripcin, anlisis e
interpretacin de una coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos de
informacin (medidas descriptivas) que caracterizan la totalidad de los mismos.

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
20

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.
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.

4.2. Identificacin de las etapas de un estudio estadstico.

Los descubrimientos o avances cientficos pueden ser fruto de la: 1) Casualidad, muy a menudo unida a una
intuicin genial. Por ejemplo, el descubrimiento de los rayos X, la penicilina, el yodo, la ley de la gravedad,
etc. 2) Bsqueda de soluciones a problemas, como la necesidad de fabricar un nuevo producto, y los
mencionados en la seccin 2.2 y 2.3, y 3) la curiosidad terica, con Einstein como uno de los mejores
ejemplos.
El primer camino es excepcional, no porque no se den ocasiones, sino porque la mayora de las personas
no reconocen la trascendencia de la observacin. La suerte slo favorece a los preparados dijo Pasteur. Los
otros dos caminos son los habituales, y fueron ya mencionados en la seccin 1.1, pero cada uno de ellos
requiere un estudio planificado en el cual se distinguen las cinco etapas bsicas siguientes:
1) Planteamiento del problema. Consiste en definir el objetivo de la investigacin y precisar el
universo o poblacin de la misma y planear los mtodos por los que se recopilarn los datos. En esta
etapa se define qu se va a estudiar, por qu, para qu, cmo, etc. El cmo incluye a) el diseo de
la investigacin: lo que habitualmente se conoce en los trabajos cientficos como material y
mtodos, por ejemplo el nmero de individuos a estudiar, las caractersticas que deben reunir, el
procedimiento de eleccin, tratamiento aplicado, variables a medir, etc. b) las necesidades de
material, personal y dinero. Como ya se mencion, el planteamiento inicial es provisional, pudiendo
ser modificado en funcin de los pasos 2 y 3.
2) Relevancia de la informacin. Mediante tcnicas que permitan luego aplicar criterios para
codificar esos datos. En esta etapa, es preciso saber lo mximo posible sobre el tema de la
investigacin, consultando libros y revistas especializadas. Es lo que se llama revisin
bibliogrfica o revisin de la literatura. Este material debe ser valorado crticamente. Ante cada
21

trabajo concreto hay que hacerse una serie de preguntas. Quin lo ha escrito? , Dnde? ,
Cundo?, el material y el mtodo utilizados son correctos?, estn justificadas las conclusiones?,
etc. El motivo de esta valoracin crtica es que es muy, muy difcil hacer bien un trabajo cientfico,
por lo que la inmensa mayora tienen errores y deficiencias ms o menos transcendentes. Tras este
examen habr cosas claras y generalmente aceptadas, mientras que otras sern inciertas, dudosas o
controvertidas. Se tomar buena nota de los fallos observados en otros investigadores para no
incurrir en ellos.
3) Formulacin de la hiptesis. En esta etapa se realiza una explicacin provisional de unos
hechos. Al concluir la investigacin se ver si es o no cierta (verificacin de la hiptesis). Los
estudios puramente descriptivos no tienen hiptesis, aunque pueden servir de base para formular la
hiptesis.
4) Recopilacin u obtencin y presentacin de los datos. En esta fase se escogen los mtodos
adecuados para mostrar los datos recopilados en forma resumida, las cuales deben expresarse de
manera que su lectura sea sencilla. Existen 3 formas de presentacin: con palabras (para pocos
datos), mediante tablas estadsticas y mediante grficos estadsticos. Para ello se va cumpliendo
exactamente lo previsto en el punto Material y mtodos del paso 1. Una vez recogidos todos los
datos se clasifican y ordenan siguiendo las normas de la Estadstica Descriptiva. Es importante
buscar posibles errores de ejecucin y desechar todo lo que no se ajuste exactamente al mtodo
previsto.
5) Inferencia estadstica. Esta etapa slo se usa en los casos en los que se trabaja con muestras y
consiste en conocer valores de la poblacin en base a los de las muestras. En esta fase se interpreta
informacin de manera que pueda llevar a conclusiones vlidas. Los gobiernos y las organizaciones utilizan
la estadstica para tomar decisiones que afectan directamente nuestras vidas.
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.

22

5. Ejemplos del uso indebido de la estadstica.

El verdadero significado de los hechos se puede distorsionar fcilmente. Por lo tanto, el investigador
estadstico debe estar alerta para evitar malas interpretaciones de los datos y detectar usos errneos de las
estadsticas. Es esencial mantener una actitud crtica. Hay muchas personas que por carencia de sentido
crtico de carcter estadstico, se impresionan muy fcilmente por coincidencias sorprendentes que a la luz de
la teora de la probabilidad y de la estadstica nada tienen de sorprendentes. Sin embargo, existen otras
personas que tienen una percepcin general de que el conocimiento estadstico es demasiadamente y con
mucha frecuencia intencional y mal usado, encontrando formas de interpretar los datos que sean favorables al
presentador. El popular libro How to Lie with Statistics ("Como Mentir con Estadsticas") de Darrell Huff
discute muchos casos de mal uso de la estadstica, con nfasis en grficas malintencionadas. Al escoger (o
rechazar o modificar) una cierta muestra, los resultados pueden ser manipulados; eliminando outliers (casos
raros) por ejemplo. Este puede ser el resultado de fraudes o sesgos intencionales por parte del investigador. El
Decano de Harvard Lawrence Lowell escribi en 1909 que las estadsticas, "como algunos pasteles, son
buenas si se sabe quin las hizo y se est seguro de los ingredientes."

Enseguida mencionamos algunos ejemplos del uso impropio de datos (el gran arte de mentir con
estadsticas) que habrn de alertar sobre ciertos errores comunes.

5.1. Usos y abusos de la Estadstica. Ejemplos.
"Las cifras no mienten, pero el hombre las manipula" La estadstica puede ser efectivamente, mal usadas.
Podemos nombrar numerosos ejemplos del mal uso intencionado de la estadstica, sobre todo por aquellos
que emplean sus habilidades en el campo para servir intereses particulares, distorsionando y falsificando los
datos.

Ejemplo5*: Cierto estado realizar sus elecciones para elegir al gobernador, una agencia realiz encuestas
a una muestra representativa de electores y los resultados fueron, 9,800 electores dijeron estar a favor del
candidato A y 10,000 del candidato B, como no haba casi diferencias en la cantidad de votos de uno y otro,
el partido PTK que representa el candidato B, pidi no mostrar los resultados, pero el editor del diario local le
dijo: - si me permiten seores, creo que pudiramos presentar los resultados de la siguiente manera:

Grfica 1. Comportamiento de la intencin de votos 19,800 electores del estado.

23

-A lo que contest el partido PTK, me gusta!!

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?

Grfico 2. Comportamiento de la intencin de votos 19,800 electores del estado.

*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?

24

6. Nociones bsicas sobre muestreo. Introduccin al Muestreo

El propsito de un estudio estadstico suele ser, extraer conclusiones acerca de la naturaleza de una
poblacin. Al ser la poblacin grande y no poder ser estudiada en su integridad en la mayora de los casos, las
conclusiones obtenidas deben basarse en el examen de solamente una parte de sta, lo que nos lleva, en
primer lugar a la justificacin, necesidad y definicin de las diferentes tcnicas de muestreo mejor conocidas
como diseos de experimentos. Los primeros trminos obligados a los que se debe hacer referencia en un
estudio estadstico son: estadstico (de muestra) o estimador y parmetro.

Un estadstico es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el objetivo
de estimar o contrastar caractersticas de una poblacin o modelo estadstico.

Un parmetro es un valor o medida que representa a una poblacin, tal como la media aritmtica, la
proporcin de individuos que presentan determinada caracterstica, la desviacin estndar y la varianza, etc.

Dentro de este contexto, ser necesario asumir un estadstico o estimador como una variable aleatoria con
una determinada distribucin, y que ser la pieza clave en las dos amplias categoras de la inferencia
estadstica: la estimacin y el contraste de hiptesis. El concepto de estimador, como herramienta
fundamental, lo caracterizamos mediante una serie de propiedades que nos servirn para elegir el mejor
para un determinado parmetro de una poblacin, as como algunos mtodos para la obtencin de ellos, tanto
en la estimacin puntual como por intervalos.
Cmo deducir la ley de probabilidad sobre determinado carcter de una poblacin cuando slo conocemos
una muestra?
Este es un problema al que nos enfrentamos cuando, por ejemplo, tratamos de estudiar la relacin entre las
visitas realizadas de un grupo de clientes a un negocio determinado, y el monto de las compras realizadas por
stos e intentemos extender las conclusiones obtenidas sobre una muestra, a la poblacin total de los clientes
de la empresa. Como se vio en el tema anterior, la tarea fundamental de la estadstica inferencial, es hacer
deducciones o realizar pronsticos acerca de la poblacin a partir de una muestra extrada de la misma. A
continuacin, estudiaremos algunas tcnicas de muestreo basados en una rama de la estadstica denominada
teora del muestreo.

6.1. Muestreo aleatorio o probabilstico.
Consideremos una poblacin finita, de la que deseamos extraer una muestra. Cuando el proceso de
extraccin es tal que garantiza a cada uno de los elementos de la poblacin la misma oportunidad de ser
incluidos en dicha muestra, denominamos al proceso de seleccin muestreo aleatorio. Existen varias formas
de realizar un muestreo aleatorio las cuales son discutidas en la seccin 6.3.
El muestreo aleatorio puede ser planteado bajo dos puntos de vista: con reposicin y sin reposicin. Si el
muestreo es con reposicin de individuos u objetos se le llama muestreo con reemplazo y si el muestreo es
sin reposicin de individuos entonces se dice que es un muestreo sin reemplazo. Es decir,
- 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.
25

o Las observaciones se realizan con reemplazo. De este modo, cada observacin es realizada
sobre la misma poblacin (no disminuye con las extracciones sucesivas).
El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio simple.
- 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.

6.2. Muestreo no aleatorio o no probabilsticos.
En este tipo de muestreos, los individuos son seleccionados por cualquier procedimiento que no
ofrezca, a cada individuo de la poblacin, la misma oportunidad de ser elegido. En ocasiones el
contexto del estudio permite o facilita la aplicacin de este tipo de muestreo, donde el investigador
tiene la posibilidad de escoger la tcnica de eleccin de los individuos de la poblacin. Varias de
estas tcnicas son discutidas en la seccin siguiente. Sin embargo, independientemente de la tcnica
elegida, siempre se estar sujeto a favorecer a ciertos tipos de individuos de la poblacin ms que a
otros, es decir, se producir una muestra sesgada.
En estudios descriptivos la presencia de sesgo es una desventaja grave que el investigador
regularmente se encuentra al realizar un estudio estadstico, en cuanto a valorar el muestreo y en
cuanto escribir el reporte final de su informe. Por lo tanto, puede ser prudente pensar en l por
adelantado antes de elegir la tcnica de muestreo.
Al valorar una muestra no aleatoria, el investigador debe hacerse las preguntas siguientes: Sern
los resultados de la muestra el mismo que se conseguira con la poblacin? Es verdad que el
criterio que se ha utilizado en seleccionar la muestra (por ejemplo, la buena voluntad del cliente a
participar en el estudio), no tiene ninguna correlacin con esas variables que se desea registrar de la
muestra? Si hay correlacin alta la muestra estar sesgada, y el investigador debe considerar el
construir una nueva muestra con menos correlacin.

6.3. Tcnicas de muestreo sobre una poblacin.
La teora del muestreo tiene por objetivo, el estudio de las relaciones existentes entre la distribucin de un
carcter en dicha poblacin y las distribuciones de dicho carcter en todas sus muestras.
Las ventajas de estudiar una poblacin a partir de sus muestras son principalmente:
Costo reducido: Si los datos que buscamos los podemos obtener a partir de una pequea parte del
total de la poblacin, los gastos de recopilacin y tratamiento de los datos sern menores. Por
ejemplo, cuando se realizan encuestas previas respecto a la preferencia de un cierto producto, es ms
barato preguntar a 4 mil personas su gusto, que a 30 millones de personas;

Mayor rapidez: ltimamente, Estamos acostumbrados a ver cmo con los resultados del escrutinio
de las primeras mesas electorales, se obtiene una aproximacin bastante buena del resultado final de
unas elecciones, muchas horas antes de que el recuento final de votos haya finalizado;

26

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:
- Eleccin de la muestra (muestreo), que es a lo que nos dedicaremos en este captulo.
- Extrapolacin de las conclusiones obtenidas sobre la muestra, al resto de la poblacin (inferencia).
En la investigacin cientfica, es habitual que se empleen muestras como medio de acercarse al
conocimiento de la realidad. Sin embargo, para que esto sea posible, para que a travs de las muestras sea
posible reproducir el universo con la precisin que se requiera en cada caso es necesario que el diseo
muestral se atenga a los principios recogidos en las tcnicas de muestreo. Antes de pasar a describir algunos
de los mtodos de muestreo ms habituales, necesitamos conocer algunos conceptos importantes en este
contexto:

Poblacin: Es todo conjunto de elementos, finito o infinito, definido por una o ms caractersticas, de las
que gozan todos los elementos que lo componen, y slo ellos. En muestreo se entiende por poblacin a la
totalidad del universo que interesa considerar, y que es necesario que est bien definido para que se sepa en
todo momento que elementos lo componen.
No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre poblacin terica u objetivo:
conjunto de elementos a los cuales se quiere extrapolar los resultados, y poblacin estudiada: conjunto de
elementos accesibles en nuestro estudio. Lo que se desea es que la poblacin objetivo y la poblacin
estudiada sean iguales.
Censo: En ocasiones resulta posible estudiar cada uno de los elementos que componen la poblacin,
realizndose lo que se denomina un censo, es decir, el estudio de todos los elementos que componen la
poblacin. La realizacin de un censo no siempre es posible, por diferentes motivos: a) economa: el estudio
de todos los elementos que componen una poblacin, sobre todo si esta es grande, suele ser un problema
costoso en tiempo, dinero, esfuerzo, etc.; b) que las pruebas a las que hay que someter a los sujetos sean
destructivas; c) que la poblacin sea infinita o tan grande que exceda las posibilidades del investigador.
Si la numeracin de elementos, se realiza sobre la poblacin accesible o estudiada, y no sobre la
poblacin terica, entonces el proceso recibe el nombre de marco o espacio muestral.
Muestra: En todas las ocasiones en que no es posible o conveniente realizar un censo, lo que hacemos es
trabajar con una muestra, entendiendo por tal una parte representativa de la poblacin. Para que una muestra
sea representativa, y por lo tanto til, debe de reflejar las similitudes y diferencias encontradas en la
poblacin, ejemplificar las caractersticas de la misma. Cuando decimos que una muestra es representativa
indicamos que rene aproximadamente las caractersticas de la poblacin que son importantes para la
investigacin.

Ejemplo 8. Suponga que desea medir el grado de preferencia de los habitantes de Hermosillo, hacia los
restaurantes locales, pero por problemas econmicos slo es posible acceder a los consumidores de ciertas
colonias de Hermosillo. Surgen los siguientes cuestionamientos:

Pregunta Respuesta
A quin deseo generalizar los
resultados?
A todos los habitantes de Hermosillo (poblacin terica).
A quin puedo acceder en el estudio? A todos los habitantes en las colonias visitadas (poblacin estudiada).
Cmo puedo acceder a ellos? Numerando los sujetos accesibles (espacio o marco muestral).
Quin forma parte del estudio? Un grupo elegido aleatoriamente (muestra) de los sujetos enumerados
(poblacin).
27

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:

Tipos y tcnicas de muestreo.

Algunos autores proponen diferentes criterios de clasificacin de los diferentes tipos de muestreo, aunque en
general pueden dividirse en dos grandes grupos: mtodos de muestreo probabilsticos y mtodos de
muestreo no probabilsticos.

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:
- Muestreo aleatorio simple: El procedimiento empleado es el siguiente: 1) se asigna un nmero a
cada individuo de la poblacin y 2) a travs de algn medio mecnico (bolas dentro de una bolsa,
tablas de nmeros aleatorios, nmeros aleatorios generados con una calculadora u ordenador, etc) se
eligen tantos sujetos como sea necesario para completar el tamao de muestra requerido. Este
procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la poblacin que
estamos manejando es muy grande.
- Muestreo aleatorio sistemtico: Este procedimiento exige, como el anterior, numerar todos los
elementos de la poblacin, pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte
de ese nmero aleatorio i , que es un nmero elegido al azar, y los elementos que integran la muestra
son los que ocupan los lugares i , , k i + , 2k i + ( )k n i k i 1 , , 3 + + , es decir, se toman los
individuos de k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la
muestra:
n
N
k = . El nmero i que empleamos como punto de partida ser un nmero al azar entre 1 y
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
28

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: 60 . 0
000 10
000 6
=
rea de Mantenimiento: 30 . 0
000 10
000 3
=
rea administrativa: 10 . 0
000 10
000 1
=
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: ( )( ) 360 600 60 . 0 = trabajadores
rea de Mantenimiento: ( )( ) 180 600 30 . 0 = trabajadores
rea administrativa: ( )( ) 60 600 10 . 0 = 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,
29

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.
3. Elegir por muestreo aleatorio simple o sistemtico las 20 carreras |
.
|
\
|
= 20
35
700
que nos proporcionarn
los 700 profesores que necesitamos.
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 Desventajas
Aleatorio
simple

Seleccionar una muestra de tamao
n de una poblacin de N unidades,
cada elemento tiene una
probabilidad de inclusin igual y
conocida de n/N.
- 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

- Requiere que se posea de
antemano un listado
completo de toda la
poblacin.

- Cuando se trabaja con
muestras pequeas es
posible que no
represente a la poblacin
adecuadamente.

Sistemtico

Conseguir un listado de los
N elementos de la poblacin.

Determinar el tamao muestral n.

Definir un intervalo k = N/n.

Elegir un nmero aleatorio ( r ),
entre 1 y k (r = al arranque
aleatorio).

Seleccionar los elementos de la
lista.
- 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.
- 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.
Estratificado
En ciertas ocasiones resultar
conveniente estratificar la muestra
segn ciertas variables de inters.
Para ello debemos conocer la
- Tiende a asegurar que la
muestra represente
adecuadamente a la
poblacin en funcin de
- Se ha de conocer la
distribucin en la
poblacin de las
variables utilizadas para
30

composicin estratificada de la
poblacin objetivo a hacer un
muestreo.

Una vez calculado el tamao
muestral apropiado, este se reparte
de manera proporcional entre los
distintos estratos definidos en la
poblacin usando una simple regla
de tres.
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.
la estratificacin.
Por
Conglomerados
Se realizan varias fases de
muestreo sucesivas (polietpico).

La necesidad de listados de las
unidades de una etapa se limita a
aquellas unidades de muestreo
seleccionadas en la etapa anterior.
- 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.
- El error estndar es
mayor que en el
muestreo aleatorio
simple o estratificado.

- El clculo del error
estndar es complejo.
*Fuente: http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf ltima visita 29 de junio de 2010.

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.
- Muestreo por cuotas o accidental: Tambin denominado en ocasiones "accidental". Se asienta
generalmente sobre la base de un buen conocimiento de los estratos de la poblacin y/o de los
individuos ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene, por
tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carcter de aleatoriedad de
aqul. En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que
renen determinadas caractersticas, por ejemplo: 20 individuos de 25 a 40 aos, de sexo femenino y
residentes en Cd. Obregn Una vez determinada la cuota se eligen los primeros que se encuentren
que cumplan esas caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.
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.
31

- Muestreo casual o incidental: Se trata de un proceso en el que el investigador, selecciona directa e
intencionadamente los individuos de la poblacin. El caso ms frecuente de este procedimiento, es
utilizar como muestra los individuos a los que se tiene fcil acceso (los profesores de universidad
emplean con mucha frecuencia a sus propios alumnos). Un caso particular, es el de los voluntarios.
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. Por qu es necesario tomar una muestra?
2. Qu es la representatividad de la muestra?
3. Qu diferencia existe entre un muestreo probabilstico y uno no probabilstico?
4. Qu ventajas y desventajas plantean los muestreos no probabilsticos?
5. Qu tipos de errores se pueden cometer en la eleccin de una muestra?
6. Qu factores se consideran para determinar el tamao de muestra?
7. Cul es el principal inconveniente del muestreo de juicio?
8. El muestreo de juicio y el muestreo de probabilidad, son mutuamente excluyentes por necesidad?
Explique su respuesta.
9. D una lista de las ventajas del muestreo de probabilidad en comparacin
32

Con una enumeracin completa o censo.
10. cules son algunas desventajas del muestreo de probabilidad en relacin con el muestreo de juicio?

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
(muestral)
o Muestra
o Poblacin
o Censo
o Parmetro
a) Valor o medida que representa a una poblacin.
b) Conjunto de elementos de referencia sobre el que se realizan las
observaciones.
c) Medida cuantitativa, derivada de un conjunto de datos llamado muestra.
d) Estudio de todos los elementos que componen la poblacin.
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
Procedimiento para efectuarlo
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.

a) Se agrupan los elementos de la poblacin en sub-poblaciones y se toman
muestras representativas de stas.
b) la seleccin de los elementos y la determinacin del tamao de la muestra
no se hacen de forma objetiva siguiendo criterios tcnicos, sino segn el
arbitrio, la intuicin o la experiencia del encuestador.
c) se eligen grupos, bloques o conjuntos de unidades de acuerdo a ciertas
caractersticas o regiones geogrficas o zonas territoriales.
d) el primer elemento de la muestra se elige al azar, dentro de un subconjunto
poblacional, y el resto de los elementos se seleccionan de forma metdica o
constante.
e) La seleccin es aleatoria y se hace generalmente mediante el uso de una
tabla de nmeros aleatorios, pero tambin se puede seleccionar haciendo uso
de una urna, lotera o cualquier otro artificio que genere nmeros aleatorios.
f) los sujetos participantes de un estudio refieren a otros individuos, que a su
vez refieren a otros que son tambin incluidos en la muestra.
g) se selecciona directa e intencionadamente a los elementos de la muestra.
h) los elementos de la muestra son seleccionados por el investigador de
acuerdo a criterios que l considera importantes para el estudio.

7. Define el concepto de afijacin y menciona los tres tipos existentes de las mismas.

33

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=1hWYSp-
hE8WGtgegof3BBA&sa=X&oi=book_result&ct=result&resnum=6#

9. Bibliografa recomendada para reforzar este tema.

- Estadstica para negocios Hanke Editorial Irwin 1995
- Mtodos de Pronsticos Makridakis Editorial Limusa 1998
- Informtica para Gestores y Economistas Casas Luengo / Garca Editorial Anaya - 2000
- Triola, Mario F. Probabilidad y Estadistica. 9ed. Pearson; Mxico, 2004.
- Carl McDaniel, Roger Gates. I nvestigacin de mercados. Thomson . Sexta Edicin. 2005
http://books.google.com.mx/books?id=tAUM5u-2Y9EC&pg=PT79&dq=definicion+de+muestreo#v=onepage&q=&f=false
- Naresh K. Malhotra I nvestigacin de mercados. Pearson prentice Hall. Cuarta Edicin
http://books.google.com.mx/books?id=bLnONjl5IBIC&printsec=frontcover#v=onepage&q=&f=false
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=sOkK97HjS2aOeTlPRlb8Oz-
dgtw&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.
[9] http://descartes.cnice.mec.es/materiales_didacticos/unidimensional_lbarrios/definicion_est.htm ltima visita: 29 de junio de
2010.
[10] http://es.wikipedia.org/wiki/Estad%C3%ADstica_descriptiva ltima visita 29 de junio de 2010.
[11] http:/www.eduardobuesa.es/Tema11.pdf. ltima visita 29 de junio de 2010.
[12]
http://www.uned.es/psico-doctorado-interuniversitario/mmccsweb/doc/asignaturas/a_datos/MAS%20SOBRE%20MUESTREO.pdf ;
ltima visita: 1 de julio de 2010.

Importancia de La Estadistica en La Contaduria

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Importancia de La Estadistica en La Contaduria

Diunggah oleh

Hak Cipta:

Format Tersedia

Notas de Estadstica Aplicada a la Administracin, Contadura e Informtica Administrativa I. Semestre 2011-1.

Dr. Francisco Javier Tapia Moreno.

Anda mungkin juga menyukai