Captulo
Introduccin
Secciones
Introduccin
1.1 Ideas de la estadstica
1.2 Organizacin de las ideas estadsticas
1.3 Datos y escalas de medicin
1.4 Planeacin de un estudio estadstico
Antecedentes
Concepto de variable.
Manejo bsico de una computadora para acceder a Excel y a Internet.
Objetivos
Proporcionar elementos para:
Analizar el origen y el tipo de datos con los que se trabaja, as como sus distintas escalas de medicin.
Introduccin
La estadstica se concibe popularmente como cifras numricas y grficas; stas, ms bien,
son algunos de los resultados de emplear una coleccin de ideas y mtodos que configuran
dicha disciplina.
La estadstica ayuda a tomar decisiones ante circunstancias cuyas caractersticas distintivas son incertidumbre y variabilidad. La primera caracterstica se origina en la imposibilidad de considerar todos los factores involucrados, dada la complejidad del entorno en
general. La segunda, se debe a la variacin inherente en todo aquello que ocurre natural
Captulo 1 Introduccin
Debido a la vaguedad o incertidumbre de los resultados, la estadstica se vale del clculo de probabilidades, ya que ste surge y se desarrolla alrededor de fenmenos aleatorios
(juegos de azar), logrando un concepto para cuantificar la incertidumbre, llamado probabilidad, que suele definirse como la medida de lo posible. La estadstica y el clculo de probabilidades proporcionan conceptos y mtodos para estudiar y modelar la variabilidad, y
para medir la incertidumbre de los fenmenos aleatorios. Esto da lugar a expresar el riesgo
de las decisiones que se tomen al usar los valores que se empleen como resultados.
10
15
20
25
30
35
Captulo 1 Introduccin
6|9
representa 69
5
6
7
8
9
4
6 9 9
2 4 4 5 5 9
1 1 7
8
Forma de campana
4|5
representa 45
2
3
4
5
6
7
8
9
5
2
0
4
1
0
2
4
5 8 9
3 4 4 5 8 9
3 4 5 9
1 3 8
1 3 4 4 5 6 8 8
3 5
Forma de U
En el primer caso se puede ver que los valores de los datos son ms o menos simtricos,
balanceados los bajos con los altos. En el segundo caso, los datos siguen una distribucin
en forma de U, y puede deberse a que subyacen en realidad dos grupos, cada uno en forma
de campana. Por tanto, cuando una grfica tiene forma de U, conviene ver si hay alguna
razn para tratar las observaciones como dos grupos separados.
Estadstica descriptiva
La estadstica descriptiva se emplea para describir las caractersticas bsicas de los datos
en estudio. Por medio de grficas y valores numricos calculados algebraicamente (media, desviacin estndar, proporcin, etc.), proporciona resmenes simples de los datos de
que se dispone. En la estadstica descriptiva simplemente se describe lo que son o lo que
muestran los datos. Por tanto, puede decirse que la estadstica descriptiva es una serie de
mtodos para organizar, resumir y presentar datos de manera informativa.
Por ejemplo, en un centro de verificacin vehicular se pueden registrar las emisiones
de HC y CO de un lote de automviles de pasajeros. Se pueden usar estos datos para
analizar el promedio de emisiones del lote, hablar acerca de los mrgenes de emisiones o
presentar cualesquiera otras medidas de datos para el lote con base en el registro.
La mayor parte de las estadsticas deportivas, como el promedio de bateo, rebotes y
nmero de goles, son estadsticas descriptivas, porque se usan para describir el esfuerzo
de un individuo o de un equipo. Muchos de los datos estadsticos generados en la industria
y los negocios son descriptivos. Podran incluir el nmero de empleados en vacaciones
durante el mes de diciembre, el promedio de salario en un rea administrativa, las ventas
corporativas para 2011 y el promedio de calificacin de satisfaccin gerencial sobre un
censo de las actitudes de los empleados de la compaa.
Conjuntamente con el anlisis exploratorio de datos, la estadstica descriptiva forma
hoy en da las bases de prcticamente cualquier anlisis cuantitativo de datos.
Estadstica inferencial
Sinnimos de Inferir:
Concluir
Deducir
Colegir
Derivar
Predecir
Desprender
Estadstica
inferencial
Probabilidad
Muestra aleatoria
Figura 1.1
Relacin entre estadstica inferencial y probabilidad
Actividad 1.1 A una muestra aleatoria de 400 personas se les dio a probar una
nueva sopa instantnea. De las 400 personas 250 dijeron que era buena; 50 opinaron
que era regular y el resto de las personas no dieron ninguna opinin. Con base en
los resultados de la muestra, infiera la reaccin de todos los clientes potenciales de la
nueva sopa.
En cuanto al origen de los datos, puede ser un conjunto de personas, animales, plantas,
objetos o incluso nmeros correspondientes a mediciones, dependiendo de dnde se centre
el inters del estudio. Independientemente de la naturaleza de los elementos (entidades)
del conjunto de estudio, a la totalidad suele llamrsele poblacin. As, una poblacin pueden
Captulo 1
Introduccin
ser los jugadores que han ganado el ttulo de goleo en cada una de las copas del mundo
que se han realizado; los coyotes de la Reserva de la Biosfera de Mapim, en Durango; la
cosecha de aguacate de una huerta en el estado de Michoacn; un lote de productos manufacturados en un turno en una empresa, o las concentraciones de ozono medidas cada
hora en un cierto da de la semana en una ciudad altamente contaminada, como el Distrito
Federal, Guadalajara o Monterrey.
Como se ha visto anteriormente, no siempre es posible estudiar a toda la poblacin, de
modo que usualmente se emplea un subconjunto de elementos, en cuyo caso se dice que
se emplea una muestra.
En resumen, 1) los datos pueden tener prcticamente cualquier origen, lo cual permite
ver la universalidad de la estadstica, y 2) es importante establecer si corresponden a la
poblacin o a una muestra de sta.
Ventana al conocimiento
Desde los tiempos ms remotos, ha sido funcin de los gobiernos llevar a cabo registros de poblacin, ganado, tierras, cosechas, impuestos, etc. Contar y medir estos hechos, sin embargo, genera muchas clases de datos numricos y actividades a
realizar con ellos. No resulta entonces extrao saber que en
el siglo XVI el trmino estadstica se deriv del vocablo italiano
statista (estadista), ya que a fin de cuentas es quien se encarga
de administrar el stato (estado). A esta primera etapa del desarrollo de la estadstica se le conoce como de los censos.
Los gobiernos de hoy en da siguen siendo los ms
grandes recolectores de informacin, y para ello cuentan
Tipo de datos
El tipo de datos lo definen los atributos en los que se tiene inters respecto a los elementos
de la poblacin. As, en la poblacin de campeones de goleo, un atributo puede ser el nombre y otro la nacionalidad; uno ms el nmero de goles anotados, y otros dos el nmero de
minutos jugados y los minutos en que anotaron sus goles. Cualquiera que sea el atributo o
caracterstica, se puede esperar variacin en los resultados: es difcil que la nacionalidad de
los anotadores sea la misma, que el nmero de goles con el que ganaron sea igual y, todava ms difcil, que las anotaciones hayan sido en el mismo minuto. Se puede entonces ver
el atributo de inters como una variable. As, se tiene la variable nacionalidad, la variable
minutos jugados, etctera.
Las variables pueden clasificarse como cualitativas o cuantitativas. En una variable cualitativa, la medicin describe un elemento, colocndolo en una categora o grupo. En una variable cuantitativa, en cambio, la medicin da valores numricos con los cuales pueden realizarse operaciones, como la suma o el promedio. Siguiendo el ejemplo de los campeones de
goleo, variables como el nombre y la nacionalidad son cualitativas, mientras que el nmero
de anotaciones y el nmero de minutos jugados corresponden a variables cuantitativas.
Quizs hasta ahora el trmino medicin se asocie, en matemticas, con comparar una
cantidad con su respectiva unidad, con el fin de averiguar cuntas veces la segunda est contenida en la primera. En este orden de ideas, se concibe una escala como una sucesin ordenada
de valores consecutivos, cuya diferencia de dos cualesquiera es la unidad. Esto funciona bien
para las variables cuantitativas en donde la medicin da lugar a nmeros; no obstante, a fin
de abarcar las variables cualitativas, se amplan a continuacin los conceptos de medicin y
de escalas.
I
n
t
e
r
v
a
l
o
R
a
z
Escala nominal
En algunos casos los atributos de inters o las variables consisten en nombres o etiquetas,
y las observaciones (mediciones) nicamente se pueden clasificar. No hay, sin embargo,
un orden particular para las distintas clasificaciones o categoras. Por ejemplo, si se tiene
inters en el sexo de los pollos recin nacidos, la variable sexo se puede clasificar en pollo
y polla, pero el orden no tiene un significado relevante, ya que pudo haberse dado como
polla y pollo. Tambin pudo haberse clasificado la variable sexo como A o B. Si por
simplicidad se hubiera clasificado como 1 o 2, tales nmeros slo serviran para indicar
las categoras, ya que si se realizaran clculos aritmticos con estos cdigos, los resultados
no tendran un significado numrico.
En la escala nominal la medicin consiste en asignar smbolos que pueden ser letras,
nombres o incluso nmeros (sin que haya relaciones matemticas entre ellos). Se puede, sin
embargo, contar el nmero de observaciones de cada clase o categora, y utilizar las frecuencias o porcentajes de las categoras en alguna actividad de presentacin o de anlisis.
Por ejemplo, se puede contar cuntos pollos y cuntas pollas resultaron en una nidada.
Por ejemplo, se desea conocer el tipo de calculadora que usan los estudiantes de una
facultad de ingeniera. Se puede tomar como variable la marca, por lo que una clasifica-
Captulo 1 Introduccin
Elementos
Estudiantes
Elementos
Estudiantes
Variable
Calculadora
Variable
Calculadora
Datos
CASIO
HP
TEXAS
OTRA
Relacin
a)
Figura 1.2a)
Escala nominal
Mutuamente excluyente
Un elemento o su medicin pertenece
nicamente a una categora.
Exhaustivas
Cada elemento debe pertenecer a una
de las categoras.
Datos
CASIO
HP
TEXAS
OTRA
215
322
925
156
Relacin
Ninguna
b)
cin posible (valores de la variable) es: CASIO, HP, TEXAS, OTRA. Las observaciones
que se obtendran en una encuesta entre los estudiantes seran los nombres: CASIO, HP,
TEXAS, OTRA.
El nombre de los datos no permite establecer unidades, ni decir que uno es mayor o
menor que otro; por tanto, no pueden ordenarse ni mucho menos realizarse clculos numricos con ellos (la ordenacin CASIO, HP, TEXAS, OTRA en la figura 1.2a) es arbitraria).
El conteo, sin embargo, del nmero de estudiantes que usan cada tipo de calculadora (figura 1.2b), puede servir para algn tipo de ordenacin o anlisis en la presentacin de los
resultados de la encuesta.
En general, las categoras de esta escala son mutuamente excluyentes, esto es, que cualquiera de los elementos pertenece a solamente una de las categoras. Una calculadora no
puede ser TEXAS y HP.
Las categoras son tambin exhaustivas; esto es, que cada miembro de la poblacin o de
la muestra debe aparecer en una de las categoras. As, si una calculadora no es CASIO, ni
HP, ni TEXAS, cae entonces en la categora OTRA.
En resumen, las caractersticas de las variables del nivel ordinal son:
1. Las categoras que se usan para las variables son mutuamente excluyentes y exhaustivas. Un objeto pertenece a una y slo una categora.
2. Las categoras no guardan un orden lgico entre ellas que permita, por ejemplo,
ordenarlas.
Escala ordinal
Al igual que en la escala nominal, la medicin en la escala ordinal consiste en asignar
smbolos que pueden ser letras, nombres o incluso nmeros. Ejemplos de datos que corresponden a esta escala son las encuestas que hacen los sitios de Internet (Yahoo, Msn,
Hotmail, etc.), en las que se pide categorizar una pelcula, un artculo publicado por ellos
o una opinin respecto de una propuesta de ley. Otro ejemplo se da en la tabla 1.1, que es
una lista de los valores del atributo o variable desempeo con que los alumnos clasificaron
al profesor que les imparti el curso de probabilidad. Cada estudiante en la clase contest
a la pregunta Cmo consideras el desempeo del profesor del curso de probabilidad? Se
les recomend que utilizaran los siguientes criterios: asistencia y puntualidad; respeto
hacia los alumnos; dominio del tema; didctica y congruencia de los exmenes que aplic.
El resultado de aplicar estos criterios debera clasificar al profesor como excelente, muy
bueno, bueno, regular o malo.
Tabla 1.1
Desempeo
Excelente
Muy bueno
Bueno
Regular
Malo
Total
42
A diferencia de la escala nominal, se puede distinguir una relacin entre las clasificaciones, ya que excelente es mejor que muy bueno, muy bueno es mejor que bueno,
y as sucesivamente. Esta relacin entre los valores de la variable desempeo puede expresarse mediante el smbolo relacional > (se lee mayor que):
excelente > muy bueno > bueno > regular > malo
Sin embargo, ya que no hay unidades, no se pueden distinguir las diferencias entre
atributos. Es la diferencia entre excelente y muy bueno la misma que entre muy
bueno y bueno? No se puede decir.
Si se sustituye excelente con 5 y muy bueno con 4, y as sucesivamente, se puede
concluir que la calificacin de 5 es mejor que la calificacin de 4, pero no se puede agregar
una connotacin numrica que indique qu tanto es mejor 5 que 4. Ms an, no se
puede concluir que una calificacin de 4 (que corresponde a muy bueno) sea necesariamente dos veces mejor que una calificacin de 2 (que corresponde a regular). Como en
la asignacin con palabras, slo se puede concluir que una calificacin de 4 es mejor que
una calificacin de 2, pero no cun mejor es.
Observe que, al igual que en la escala ordinal, el conteo de las observaciones de cada
categora da la frecuencia (vea la tabla 1.1), lo cual permite un cierto manejo de las categoras; por ejemplo, presentarlas grficamente.
En resumen, las caractersticas de las variables del nivel ordinal son:
1. Las categoras son mutuamente excluyentes y exhaustivas.
2. Las categoras pueden ordenarse de mayor a menor (o viceversa), de acuerdo con la
caracterstica especial que poseen.
Escala de intervalo
Escalas de temperaturas.
La escala de intervalo posee todas las caractersticas de la escala ordinal, con la propiedad adicional de que los nombres o smbolos asignados son generalmente nmeros, y la
diferencia entre dos de ellos da resultados significativos, ya que hay una unidad de medida comn y constante. Un ejemplo de medicin con escala de intervalo es la lectura de
temperaturas en grados Celsius o Fahrenheit. Suponga que las temperaturas mximas
en Celaya en cuatro das de invierno sean 15, 20, 16 y 21 grados Celsius. Estas temperaturas se pueden ordenar fcilmente, pero tambin se puede determinar la diferencia entre
temperaturas y darle un sentido; por ejemplo, la diferencia entre 15 y 16 grados Celsius
es la misma que entre 30 y 31 grados Celsius, independientemente de la posicin que ocupan ambas parejas en la escala. Consecuentemente la diferencia, por ejemplo, entre 13 y
20 grados Celsius, es la misma que entre 22 y 29 grados Celsius. Asimismo, la suma y la
10
Captulo 1 Introduccin
media aritmtica tienen sentido. Por lo tanto, suele hablarse de la temperatura media, por
ejemplo en el invierno en una cierta ciudad.
Por otro lado, para la escala de intervalo no hay un punto inicial intrnseco o natural.
El cero es un punto elegido arbitrariamente y no representa la ausencia de la condicin.
En la escala de temperatura Celsius, el valor de cero grados Celsius no indica la ausencia
de calor. Esta falta de un cero natural impide que se pueda decir o establecer que 80 grados
sea dos veces ms caliente que 40 grados, aun siendo el valor del atributo dos veces mayor
(vea ejemplo 1.2).
Actividad 1.2 Los ceros de las escalas Celsius y Fahrenheit, representan la misma
temperatura?
Conoce alguna escala de medicin de temperatura con un cero que signifique ausencia de calor?
Escala de razn
Escala de gramos.
11
fechas.
Ejemplo 1.3 Mostrar que en las escalas de razn (centgrada y Fahrenheit) las pro-
0
32
10
50
20
68
30
86
40
104
100
212
La proporcin de las diferencias entre las lecturas de una escala es igual a la proporcin entre las diferencias correspondientes de la otra. Por ejemplo, en la escala centgrada
la proporcin de las diferencias entre 40 y 20, y 10 y 0 es
40 20
=2
10 0
Las lecturas correspondientes en la escala Fahrenheit son: 104, 68, 50 y 32, de donde
104 68
=2
50 32
Si bien no es una prueba formal, estos ejemplos pueden ayudar a plantear la prueba de
manera matemtica, en caso de ser de inters.
12
Captulo 1 Introduccin
Actividad 1.5 Si se tuviera una escala de temperatura cuyo cero representara au-
Actividad 1.6 Clasifique los siguientes datos con alguno de los cuatro niveles de
medicin vistos:
Estudio experimental
En un estudio experimental se impone deliberadamente un tratamiento en los elementos,
a fin de observar un cambio posible en la respuesta o variable medida. Como un ejemplo
se puede citar un estudio comunitario que se llev a cabo en Chile en 1994 para determinar la efectividad del uso de productos lcteos fluorados (PLF), distribuidos mediante
programas nacionales de alimentacin complementaria, con el fin de lograr una disminucin de la caries dental infantil en zonas rurales (http://ccp.ucr.ac.cr/cursos/epidistancia/
contenido/7_epidemiologia.htm). Se determinaron los ndices de prevalencia de caries dental de dos comunidades rurales: en una, los nios recibieron PLF y en otra no (comunidad
testigo). Despus de tres aos se compararon los ndices de prevalencia de caries dental en
ambas comunidades y se analizaron los resultados a fin de concluir y tomar decisiones.
Dada la complejidad de este tipo de estudios, el diseo del experimento requiere controlar
algunas otras posibles causas del efecto. En experimentos mdicos una de estas causas es el
efecto placebo, que consiste en el mejoramiento o respuesta favorable del paciente cuando en
realidad est recibiendo una pldora de azcar (factor psicolgico). A fin de reducir este tipo
de efectos se recurre a asignacin aleatoria (esto es, a un proceso casustico cuidadosamente
aplicado) que le da a cada sujeto la misma probabilidad (oportunidad) de recibir el tratamiento
o el placebo, y generalmente se tiene una evaluacin doblemente ciega (esto es, un arreglo
bajo el cual ningn sujeto, ni los mdicos que los evalan, saben quines han estado recibiendo el tratamiento real y quines el placebo). En esas condiciones, como se ha dicho dicho
anteriormente, el resultado obtenido podra ser evaluado usando la teora de la probabilidad.
Estudio observacional
En un estudio de observacin, las observaciones o mediciones de los elementos se verifican
de modo tal que no se modifica la respuesta o variable medida. Ejemplos de este tipo son
los estudios astronmicos y los censos. Un ejemplo clsico de un estudio observacional es
13
el que explora la correlacin entre fumar y el cncer de pulmn. En este caso, los investigadores recogeran, a lo largo del tiempo, observaciones de fumadores y no fumadores, y
luego observaran los casos de cncer de pulmn que ocurrieron en ambos grupos.
Debido a la complejidad de las situaciones, al volumen masivo de datos que pueden
obtenerse y a la incertidumbre, la computadora se ha convertido hoy en da en una herramienta fundamental en el manejo y la presentacin de la informacin. Ms an, permite
simular las situaciones y obtener estimaciones de problemas que de otra manera sera
prcticamente imposible abordar.
Ejemplo 1.4 (Con informacin de J.A. Paulos. Ms all de los nmeros, Barcelona, 1993,
Tusquets, 166-168.) Se sabe que un jugador de bsquetbol encesta 40% de sus tiros. Si en
un partido hace 20 tiros, cul es la probabilidad de que enceste exactamente 9 veces? Hay
clculos estndar que permiten obtener la respuesta (en Excel la instruccin =DISTR.
BINOM(9,20,0.4,FALSO) da como resultado 0.15973848, vea captulo 8). Hay, sin embargo, otro mtodo que, aunque en este caso no es necesario, a veces es el nico mtodo
de abordar un problema. En el caso planteado supondra pedir al jugador que jugara
unos 10 000 partidos de 20 tiros para poder determinar el porcentaje de veces en las que
encesta exactamente 9 veces.
Como la propuesta anterior es imposible para un ser humano, podra simularse la situacin y obtener una estimacin del resultado. Para ello se considera que un tiro del
jugador puede simularse, por ejemplo, generando aleatoriamente un nmero comprendido
entre 1 y 10; esto puede llevarse a cabo mediante la instruccin en Excel: =ALEATORIO.
ENTRE(1,10), como se ve en seguida:
Puede verse esta instruccin de Excel, equivalente a lanzar un dado de 10 caras en una de
las cuales hay un punto, en otra dos puntos, etc., y anotar el nmero de puntos de la cara
del dado que qued hacia arriba en el lanzamiento (8 en el ejemplo).
De los 10 nmeros posibles, 4 cualesquiera de ellos representan 40%; dgase entonces
que sean 1, 2, 3 y 4. Por lo tanto, si sale alguno de ellos se interpreta como que el jugador
encest; si sale en cambio alguno de los restantes nmeros: 5, 6, 7, 8, 9 o 10, se dice que el
jugador fall el tiro. Para simular 20 tiros (un juego), llvese el puntero al pequeo cuadro
negro ubicado en la esquina inferior derecha de la celda A1, con lo que la forma del puntero cambiar a una cruz negra , como se indica en la siguiente figura:
D un clic y arrastre el ratn hacia la derecha hasta la celda T1. En las celdas A1 a T1 se
obtendr un grupo de 20 nmeros aleatorios:
14
Captulo 1 Introduccin
1.5
15
Se sugiere ensayar con un nmero de lanzamientos que pueden ir desde 1 hasta 100 000
o ms. Ensaye, divirtase y concluya.
El clculo de puede parecer trivial; no obstante, da una idea de la sencillez y del
poder de los mtodos de Monte Carlo. Por ejemplo, puede utilizarse para calcular el rea
2
bajo la curva de la funcin 1 e x (curva de Gauss), la cual no puede ser integrada ana2
2
lticamente y los valores reportados en tablas (vea apndice D) se calculan por mtodos de
integracin muy sofsticados llamados numricas. Con los mtodos de Monte Carlo puede
obtenerse una aproximacin tan buena como se desee dependiento del nmero de puntos
del instrumento de clculo. El programa 5.3 permite ensayar con esta y otras funciones,
como se ve en la siguiente intefase.
Ventana al conocimiento
El mtodo de Monte Carlo es un mtodo no determinstico o estadstico numrico usado para aproximar expresiones matemticas complejas y costosas de evaluar con exactitud. El mtodo se llam as en referencia al Casino de Monte Carlo
(Principado de Mnaco), por ser la capital del juego de azar, y ser la ruleta (cono de los casinos) un generador simple
de nmeros aleatorios. El nombre y el desarrollo sistemtico de los mtodos de Monte Carlo datan aproximadamente de
1944, y se mejoraron enormemente con el desarrollo de la computadora.
El uso de los mtodos de Monte Carlo como herramienta de investigacin, proviene del trabajo realizado en Los lamos
en el desarrollo de la bomba atmica durante la Segunda Guerra Mundial. Este trabajo conllevaba la simulacin de problemas probabilsticos de hidrodinmica concernientes a la difusin de neutrones en el material de fusin, la cual posee un
comportamiento eminentemente aleatorio. En la actualidad es parte fundamental de los algoritmos de trazado de rayos
para la generacin de imgenes sintticas y de la solucin de mltiples problemas.
16
Captulo 1
Introduccin
Glosario
Anlisis exploratorio de datos Mtodos tabulares, grficos y
numricos para explorar datos.
Conjunto de datos
estudio.
Escala ordinal Una escala de medicin para una variable que tiene las propiedades de los datos nominales y se puede emplear
para clasificar u ordenar los datos. Los datos ordinales podran
ser o no numricos.
Estadstica descriptiva
para resumir datos.
Un subconjunto de la poblacin.
Observacin
Variable cualitativa
Variable cuantitativa
Problemas
1.1 Elabore una lista de 5 fenmenos determinsticos y 5 fenmenos aleatorios o casusticos.
Determinsticos
Aleatorios
1.2 La cada de los cuerpos es un fenmeno generalmente determinstico. Revise las condiciones bajo las cuales se
cumplen las leyes que gobiernan este fenmeno. Discuta en equipo las siguientes preguntas: en realidad cree
que se puedan cumplir esas condiciones? Esperara entonces valores exactos al aplicar las leyes? Cmo es
que utilizando esas leyes de la fsica se pudo poner un hombre en la luna y regresarlo a la Tierra?
1.3 Explique la diferencia entre una muestra y una poblacin.
1.4 A qu rama de la estadstica corresponden los siguientes resultados:
a) La Tierra se ha calentado en los ltimos 100 aos alrededor de medio grado Celsius. De seguir esta tendencia, para el ao 2100 el planeta se calentara entre 2 y 4.5 grados Celsius, con lo que aumentara el nivel
del mar, cambiando los patrones de lluvia y aumentando los eventos climticos, como las ondas de calor,
las lluvias torrenciales y las sequas, por ejemplo. (Con informacin de Cecilia Conde, Mxico y el cambio
climtico global, Direccin General de Divulgacin de la Ciencia, UNAM, 2006, p. 18.)
Problemas
b)
1 200 000
1 000 000
800 000
2007
2008
600 000
400 000
200 000
rc
a
do
ex
p
or
ta
ci
no
in
te
r
do
Me
Me
rc
a
n
ci
uc
Pr
od
Ve
n
na
l
n
rta
Ex
a
ta
s
Ve
n
na
cio
ci
r
tri
dis
po
rta
bu
ido
do
po
Im
Na
cio
na
le
co
p
bli
al
ta
s
CLUB
JJ
JG
JE
JP
GF
GC
DIF
PTS
PROD
66.67%
66.67%
-1
66.67%
-4
0.00%
19
19
DYNAMO
3
GUADALAJARA
2
ATLANTE
4
DC UNITED
Total:
Sexo
Lugar en la familia
Marca de automvil
17
18
Captulo 1
Introduccin
1.7 Indique si cada una de las siguientes variables es cualitativa o cuantitativa, y establezca la escala de medicin
apropiada para cada una.
Forma de pago (efectivo,
cheque, tarjeta de crdito)
Talla y cintura
de la persona
Temperatura
ambiente
1.8 Enliste las cuatro escalas de medicin y d un ejemplo para cada una.
1.9 Defina con sus palabras los trminos mutuamente excluyente y exhaustivo en relacin con las escalas de medicin.
1.10 Con los datos de encuestas nacionales o del almanaque mundial, o de publicaciones, peridicos o revistas, d
ejemplos donde se estn usando las diferentes escalas de medicin.
1.11 Para medir el grado de aceptacin de una nueva disposicin en una ciudad, se solicit a los ciudadanos que
anotaran el nmero que corresponde a su grado:
Totalmente de acuerdo
+2
De acuerdo
+1
Indiferente
En desacuerdo
Totalmente en desacuerdo
a) Establezca el tipo de escala que estn empleando las autoridades de la ciudad en esta encuesta.
b) El hecho de utilizar valores positivos, negativos y el cero la hace una escala de intervalo o de razn? Discuta la respuesta en equipo.
1.12 Discuta si el transportador (instrumento para medir ngulos) es una escala de razn o de intervalo.
1.13 Las puntuaciones en muchas pruebas de inteligencia son reportadas como coeficiente intelectual (CI). Los profesionales de la salud consideran que una diferencia entre un CI de 100 y uno de 80 es parecida a la existente
entre los CI de 120 y 100. Un CI de 0 no existe, debido a la manera en que se estructuran la mayora de las
pruebas de inteligencia. Discuta qu tipo de escala usan los profesionales de la salud.
1.14 Indique el tipo de estudio (experimental u observacional) que crea que se realiz en los siguientes casos:
a) A un grupo de 100 personas que desean bajar de peso se les dividi aleatoriamente en dos grupos de 50 cada
uno. Uno de los grupos recibi una serie de plticas motivacionales y el otro grupo no. Despus de cierto
tiempo se compararon las reducciones de peso de ambos grupos.
b) El estudio realizado por el Instituto Nacional de la Juventud en 2007, sobre la violencia en el noviazgo,
arroj, entre otros, los siguientes resultados:
En 2007, alrededor de 1.8% de la poblacin joven de entre 15 y 24 aos que tuvo un noviazgo ese ao, fue
forzada una o varias veces a tener relaciones sexuales en contra de su voluntad, y 16.5% de las chicas dijeron
que fue por parte de su pareja.
El 43% de los jvenes mexicanos ha tenido relaciones sexuales, y 77% ha utilizado algn mtodo anticonceptivo, siendo el condn el ms utilizado (94.6%), seguido de las pastillas (27.2%) y el retiro o coito
interrumpido con un 24%.
c) Los censos nacionales de cualquier tipo.
Proyectos abiertos
19
Proyectos abiertos
Mediante el arrastre horizontal se puede repetir la operacin anterior varias veces, por ejemplo 2. Para el registro
del sexo en la repeticin doble puede usarse la instruccin:
=SI(A1=H,1,SI(B1)=H,2,3)), que cuenta si hombre se
present en el primer lanzamiento o en el segundo, y en caso
contrario quedara como que naci en el tercero (lo cual pudo
no ser cierto):
0 1
1 1
2 2
7 8
Forma de:
9
3|8
representa
38
6 6
9 9
7 8
5 8
3 8
Forma de: