1.

Mtodos estadsticos
Estudios experimentales y observacionales
Un objetivo comn para un proyecto de investigacin estadstica es
investigar la causalidad, y en particular extraer una conclusin en el
efecto que algunos cambios en los valores de predictores o variables
independientes tienen sobre una respuesta o variables dependientes.
Hay dos grandes tipos de estudios estadsticos para estudiar
causalidad: estudios experimentales y observacionales. En ambos
tipos de estudios, el efecto de las diferencias de una variable
independiente (o variables) en el comportamiento de una variable
dependiente es observado. La diferencia entre los dos tipos es la
forma en que el estudio es conducido. Cada uno de ellos puede ser
muy efectivo.
Niveles de medicin
Hay cuatro tipos de mediciones o escalas de medicin en estadstica:
niveles de medicin (nominal, ordinal, intervalo y razn). Tienen
diferentes grados de uso en la investigacin estadstica. Las medidas
de razn, en donde un valor cero y distancias entre diferentes
mediciones son definidas, dan la mayor flexibilidad en mtodos
estadsticos que pueden ser usados para analizar los datos. Las
medidas de intervalo tienen distancias interpretables entre
mediciones, pero un valor cero sin significado (como las mediciones
de coeficiente intelectual o temperatura en grados Celsius). Las
medidas ordinales tienen imprecisas diferencias entre valores
consecutivos, pero un orden interpretable para sus valores. Las
medidas nominales no tienen ningn rango interpretable entre sus
valores.
Tcnicas de anlisis estadstico
Algunos tests y procedimientos para investigacin de observaciones
bien conocidos son:

Prueba t de Student

Prueba de

Anlisis de varianza (ANOVA)

U de Mann-Whitney

Anlisis de regresin

Correlacin

Iconografa de las correlaciones

Frecuencia estadstica

Anlisis de frecuencia acumulada

Prueba de la diferencia menos significante de Fisher

Coeficiente de correlacin de Pearson

Coeficiente de correlacin de Spearman

Anlisis factorial exploratorio

Anlisis factorial confirmatorio

Grfica estadstica

Disciplinas especializadas
Algunos campos de investigacin usan la estadstica tan
extensamente que tienen terminologa especializada. Estas disciplinas
incluyen:

Ciencias actuariales

Fsica estadstica

Estadstica industrial

Estadstica espacial

Matemtica estadstica

Estadstica en medicina

Estadstica en medicina veterinaria y zootecnia

Estadstica en nutricin

Estadstica en agronoma

Estadstica en planificacin

Estadstica en investigacin

Estadstica en restauracin de obras

Estadstica en literatura

Estadstica en astronoma

Estadstica en antropologa (antropometra)

Estadstica en historia

Estadstica militar

Geoestadstica

Bioestadstica

Estadsticas de negocios

Estadstica computacional

Estadstica en ciencias de la salud

Investigacin de operaciones

Estadsticas de consultora

Estadstica de la educacin, la enseanza, y la formacin

Estadstica en comercializacin o mercadotecnia

Cienciometra

Estadstica del medio ambiente

Estadstica en epidemiologa

Minera de datos (aplica estadstica y reconocimiento de

patrones para el conocimiento de datos)

Econometra (usa la estadstica como ciencia auxiliar)

Estadstica en ingeniera

Geografa y sistemas de informacin geogrfica, ms

especficamente en anlisis espacial

Demografa

Estadstica en psicologa (psicometra)

Calidad y productividad

Estadsticas sociales (para todas las ciencias sociales)

Cultura estadstica

Encuestas por muestreo

Anlisis de procesos y quimiometra (para anlisis de datos en

qumica analtica e ingeniera qumica)

Confiabilidad estadstica

Procesamiento de imgenes

Estadsticas deportivas

La estadstica es una herramienta bsica en negocios y produccin. Se

usa para entender la variabilidad de sistemas de medicin, control de
procesos (como en control estadstico de procesos o SPC (CEP)), para
compilar datos y para tomar decisiones. En estas aplicaciones es una
herramienta clave y probablemente la nica herramienta disponible.
2. DISTRIBUCIN DE FRECUENCIA
se le llama distribucin de frecuencias a la agrupacin de datos en
categoras mutuamente excluyentes que indican el nmero de
observaciones en cada categora.1 Esto proporciona un valor aadido a
la agrupacin de datos. La distribucin de frecuencias presenta las
observaciones clasificadas de modo que se pueda ver el nmero
existente en cada clase.
3. Frecuencia absoluta
La frecuencia absoluta es el nmero de veces que aparece un
determinado valor en un estudio estadstico. Se representa por ni. La
suma de las frecuencias absolutas es igual al nmero total de datos,
que se representa por N. Para indicar resumidamente estas sumas se
utiliza la letra griega (sigma mayscula) que se lee suma o
sumatoria.
4. Frecuencia relativa

Se dice que La frecuencia relativa es el cociente entre la frecuencia

absoluta de un determinado valor y el nmero total de datos. Se
puede expresar en tantos por ciento y se representa por fi. La suma
de las frecuencias relativas es igual a 1, siempre y cuando no sea
igual que 7 o por debajo de los 7 primeros nmeros sucesivos.
Frecuencia relativa (fi), es el cociente entre la frecuencia absoluta y el
tamao de la muestra (N). Es decir:

siendo el fi para todo el conjunto i. Se presenta en una tabla o nube

de puntos en una distribucin de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el
porcentaje o tanto por ciento (pi)
5. Frecuencia acumulada
La frecuencia acumulada es la suma de las frecuencias absolutas de
todos los valores inferiores o iguales al valor considerado. La
frecuencia acumulada es la frecuencia estadstica F(XXr) con que el
valor de un variable aleatoria (X) es menor que o igual a un valor de
referencia (Xr). La frecuencia acumulada relativa se deja escribir como
Fc(XXr), o en breveFc(Xr), y se calcula de:
Fc (Xr) = MXr / N
donde MXr es el nmero de datos X con un valor menor que o igual a
Xr, y N es nmero total de los datos. En breve se escribe:
Fc = M / N
Cuando Xr=Xmin, donde Xmin es el valor mnimo observado, se ve que
Fc=1/N, porque M=1. Por otro lado, cuando Xr=Xmax, donde Xmax es
el valor mximo observado, se ve que Fc=1, porque M=N.
En porcentaje la ecuacin es:
Fc(%) = 100 M / N
6. FRECUENCIA RELATIVA ABSOLUTA PORCENTUAL
-Frecuencias absolutas acumulada, Fi, de un valor xi, es la suma
de todas las frecuencias absolutas correspondientes a los
valores anteriores a xi y a la suya propia.
7. Frecuencia relativa acumulada porcentual

La frecuencia relativa acumulada es el cociente entre la frecuencia

acumulada de un determinado valor y el nmero total de datos. Se
puede expresar en tantos por ciento. Ejemplo:
Durante el mes de julio, en una ciudad se han registrado las
siguientes temperaturas mximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27
8. FRECUENCIA PORCENTUAL ACUMULADA
Frecuencia porcentual acumulada, Pi, de un valor xi es la suma de las
frecuencias porcentuales que se corresponden a los valores anteriores
a Xi y a la suya propia.
9. Punto medio de un intervalo de clase
Los intervalos de clase se emplean si las variables toman un nmero
grande de valores o la variable es continua.
Se agrupan los valores en intervalos que tengan la misma amplitud
denominados clases. A El punto medio entre los extremos de cada
intervalo se llama marca de clase.
Siempre que se agrupe una variable por intervalos se produce una
prdida de informacin, pues lo que se tiene en cuanta es la
pertenencia o no de cada dato al intervalo y no su valor exacto.
Es importante tener en cuenta algunas consideraciones tanto al elegir
la longitud de los intervalos como los extremos del primero y ltimo.
Entre ellas se destacan las siguientes:
cada clase se le asigna su frecuencia correspondiente.
10. Distribucion de frecuencia para datos simples
Es aquella distribucin que indica las frecuencias con que aparecen
los datos estadsticos, desde el menor de ellos hasta el mayor de
ese conjunto sin que se haya hecho ninguna modificacin al tamao
de las unidades originales. En estas distribuciones cada dato
mantiene su propia identidad despus que la distribucin de
frecuencia se ha elaborado. En estas distribuciones los valores de
cada variable han sido solamente reagrupados, siguiendo un orden
lgico con sus respectivas frecuencias.

11. DISTRIBUCIONES DE FRECUENCIAS PARA DATOS AGRUPADOS EN

INTERVALOS
Cuando los datos contienen una gran cantidad de elementos, para
facilitar los clculos es necesario agruparlos, a estos grupos se los
llama intervalos o clases. Un intervalo es una serie de nmeros
incluidos entre dos extremos, as por ejemplo, el intervalo 40 45 est
formado por 40, 41, 42, 43, 44 y 45, siendo 40 el lmite inferior, 45 el
lmite superior, 39,5 lmite real inferior (lmite inferior disminuido en 5
dcimas) y 40,5 el lmite real superior (lmite superior aumentado en 5
dcimas).
Las reglas generales para formas distribuciones de frecuencias para
datos agrupados en intervalos son:
1) Calcule el Rango (R).- Tambin se llama recorrido o amplitud total.
Es la diferencia entre el valor mayor y el menor de los datos.

2) Seleccione el Nmero de Intervalos de Clase (ni).- No debe ser

menor de 5 y mayor de 12, ya que un nmero mayor o menor de clases
podra oscurecer el comportamiento de los datos. Para calcular el
nmero de intervalos se aplica la regla de Sturges:

Siendo n el tamao de la muestra.

3) Calcule el Ancho del Intervalo (i).- Se obtiene dividiendo el Rango
para el nmero de intervalos

Cuando el valor de i no es exacto, se debe redondear al valor superior

ms cercano. Esto altera el valor de rango por lo que es necesario
efectuar un ajuste as:

Por ejemplo:
Si una distribucin de 40 datos el valor mayor es 41 y el menor es 20
se tiene:
Calculando el Rango se obtiene:

Calculando el nmero de intervalos se obtiene:

Calculando el ancho se obtiene:

Redondeando se obtiene: i = 4
Calculando el nuevo rango se obtiene:

El exceso de 3 que se tiene en este caso se distribuye entre xmx y

xmn. Por lo general se agrega al mayor y se quita al menor. Como por
ejemplo, se podra agregar 2 al valor mayor y quitar 1 al valor menor,
obtenindose los siguientes nuevos valores:

O tambin se podra agregar 1 al valor mayor y quitar 2 al valor

menor, obtenindose los siguientes nuevos valores:

4) Forme los Intervalos de Clase agregando i-1 al lmite inferior de

cada clase, comenzando por el Xmn del rango.
5) Se realiza el Conteo de Datos que cae dentro de cada clase
(frecuencia absoluta)
6) Calcule la Marca de Clase (xm).- Es el valor medio de cada clase, se
obtiene sumando los lmites superior (Ls) e inferior (Li) del intervalo y
dividiendo sta suma entre 2

12.

Mtodo de sturges

La regla de Sturges, propuesta por Herbert Sturges en 1926, es

una regla prctica acerca del nmero de clases que deben
considerar al elaborarse un histograma.1 Esta aplicacin sirve para
encontrar el intervalo deseado. Este nmero viene dado por la
siguiente expresin:

, donde M es el tamao de la muestra. Que puede

pasarse a logaritmo base 10 de la siguiente forma:

siendo N la cantidad de datos. El valor de c (nmero de clases) es

comn redondearlo al entero ms cercano. Si el decimal es igual o
mayor a 5 se redondea al sigiuiente, si no, permanece igual.
Ejemplo: 7.265 7.27
13.

Partes de una distribucin de frecuencia

Es una tabla de resumen en la que los datos se disponen en

agrupamientos o categoras convenientemente establecidas de clases
ordenadas numricamente.
- CABEZA.-(Titulo, periodo, tiempo o espacio unidades de medida.)
- CUERPO.-(Toda la informacion como; datos, porcentajes, frecuencia.)

- PIE.-(Nota, aclaraciones, fuente de informacion y va en la parte

inferior.)
14.

Histograma de frecuencia

En estadstica, un histograma es una representacin grfica de una

variable en forma de barras, donde la superficie de cada barra es
proporcional a la frecuencia de los valores representados, ya sea en
forma diferencial o acumulada. Sirven para obtener una "primera
vista" general, o panorama, de la distribucin de la poblacin, o la
muestra, respecto a una caracterstica, cuantitativa y continua, de la
misma y que es de inters para el observador (como la longitud o la
masa). De esta manera ofrece una visin en grupo permitiendo
observar una preferencia, o tendencia, por parte de la muestra o
poblacin por ubicarse hacia una determinada regin de valores
dentro del espectro de valores posibles (sean infinitos o no) que
pueda adquirir la caracterstica. As pues, podemos evidenciar
comportamientos, observar el grado de homogeneidad, acuerdo o
concisin entre los valores de todas las partes que componen la
poblacin o la muestra, o, en contraposicin, poder observar el grado
de variabilidad, y por ende, la dispersin de todos los valores que
toman las partes, tambin es posible no evidenciar ninguna tendencia
y obtener que cada miembro de la poblacin toma por su lado y
adquiere un valor de la caracterstica aleatoriamente sin mostrar
ninguna preferencia o tendencia, entre otras cosas.
15.

Polgono de frecuencia

Polgono de frecuencia es el nombre que recibe una clase de grfico

que se crea a partir de un histograma de frecuencia. Estos
histogramas emplean columnas verticales para reflejar frecuencias):
el polgono de frecuencia es realizado uniendo los puntos de mayor
altura de estas columnas.
Es decir, por tanto, podramos establecer que un polgono de
frecuencia es aquel que se forma a partir de la unin de los distintos
puntos medios de las cimas de las columnas que configuran lo que es
un histograma de frecuencia. Este se caracteriza porque utiliza
siempre lo que son columnas de tipo vertical y porque nunca debe
haber espacios entre lo que son unas y otras
16.

Ojiva estadstica

La ojiva es el polgono frecuencial acumulado, es decir, que permite

ver cuntas observaciones se encuentran por encima o debajo de

ciertos valores, en lugar de solo exhibir los nmeros asignados a cada

intervalo
La ojiva apropiada para informacin que presente frecuencias
mayores que el dato que se est comparando tendr una pendiente
negativa (hacia abajo y a la derecha) y en cambio la que se asigna a
valores menores, tendr una pendiente positiva. Una grfica similar al
polgono de frecuencias es la ojiva, pero sta se obtiene de aplicar
parcialmente la misma tcnica a una distribucin acumulativa y de
igual manera que stas, existen las ojivas mayor que y las ojivas
menor que.
Existen dos diferencias fundamentales entre las ojivas y los polgonos
de frecuencias (y por esto la aplicacin de la tcnica es parcial):
Un extremo de la ojiva no se toca al eje horizontal, para la ojiva
"mayor que" sucede con el extremo izquierdo; para la ojiva "menor
que", con el derecho.
En el eje horizontal en lugar de colocar las marcas de clase se colocan
las fronteras de clase. Para el caso de la ojiva mayor que es la
frontera menor; para la ojiva menor que, la mayor.
La ojiva "mayor que" se le denomina de esta manera porque viendo el
punto que est sobre el limite superior se ven las frecuencias que
tienen por encima de ese limite superior. De forma anloga, en la ojiva
"menor que" la frecuencia que se representa en cada frontera de clase
son el nmero de observaciones menores que la frontera sealada (en
caso de tiempos sera el nmero de observaciones antes de la hora
que seala la frontera)
17.

Diagramas de pastel

Una grfica circular, tambin llamada grfico de pastel, grfico de

torta o grfica de 360 grados, es un recurso estadstico que se utiliza
para representar porcentajes y proporciones. El nmero de elementos
comparados dentro de un grfico circular puede ser de ms de 4.
Al igual que en la grfica de barras, el empleo de tonalidades o
colores facilita la diferenciacin de los porcentajes o proporciones. A
diferencia de otros tipos de grficos, el circular no tiene ejes x o y.
Se utilizan en aquellos casos donde interesa no slo mostrar el
nmero de veces que se da una caracterstica o atributo de manera

tabular sino ms bien de manera grfica, de tal manera que se pueda

visualizar mejor la proporcin en que aparece esa caracterstica
respecto del total.
18.

Diagrama de barras

Un grfico de barras, tambin conocido como grfico de columnas, es

una forma de representar grficamente un conjunto de datos o
valores, y est conformado por barras rectangulares de longitudes
proporcionales a los valores representados. Los grficos de barras son
usados para comparar dos o ms valores. Las barras pueden
orientarse verticalmente u horizontalmente