UNIDAD I

DEFINICIONES BASICAS

1. Introducción
La estadística, la ciencia de los datos, cuya función principal es elaborar principios y
métodos que nos ayuden a tomar decisiones frente a la incertidumbre, llega a ser un
valioso instrumento para resolver problemas. Cualquier persona, tanto en su carrera
profesional como en la vida cotidiana recibe información en forma de datos. A menudo
es necesario obtener alguna conclusión a partir de la información contenida en los
datos, por eso será útil para cualquier persona tener cierta comprensión de la
estadística.
Al enfrentarse a muchos fenómenos físicos, económicos, sociales, industriales,
comerciales, de salud, etc; uno se ve obligado a generalizar o a actuar frente a la
incertidumbre.
Como un procedimiento de toma de decisiones, la estadística se emplea hoy en toda
clase de estudios científicos. Puesto que los ingenieros, empresarios, científicos,
médicos, etc, obtienen y analizan datos de manera rutinaria, el conocimiento de la
estadística tiene una importancia especial en estos campos. De manera específica, el
conocimiento de la estadística y la probabilidad puede constituirse en una herramienta
poderosa para ayudar a los científicos e ingenieros a diseñar nuevos productos y
sistemas, a perfeccionar los existentes y a diseñar, desarrollar y mejorar los procesos de
producción.

Por ejemplo la estadística se aplica dentro de la organización de una empresa en las

siguientes áreas:

• Producción.- En la producción de un artículo en grandes cantidades se hace

necesario detectar y eliminar alteraciones sistemáticas de la calidad, para ello se
aplican métodos de control.
En los estudios de tiempo y movimiento, encaminados a obtener una mayor
productividad, y en la aplicación de nuevos métodos de producción o en el
lanzamiento de nuevos productos.
• Finanzas.- En la estimación de la magnitud que tomará cierto aspecto en algún
punto futuro de tiempo (corto, mediano o largo plazo), en los controles
presupuestarios y en el planteamiento de ciertas actividades de carácter
financiero.
 • Contabilidad.- De gran importancia en la auditoría, ya que mediante la aplicación
de ciertos métodos se seleccionan algunas facturas, cuentas o documentos de
cobro, sin recurrir a la totalidad y con base en el examen de ellas, se pueden
obtener conclusiones sobre la situación actual de cartera.
• Personal.- El control sobre el número de horas laboradas, tiempo dejado de
laborar, accidentes de trabajo, clasificación del personal (por antigüedad, sueldo,
estudios, etc.), son informaciones de carácter estadístico necesarias en una
empresa, para efectos de una buena y sana política laboral.
• Mercados.- Las encuestas estadísticas son indispensables para determinar la
reacción de los consumidores frente a los actuales productos de la empresa y
para el lanzamiento de los nuevos.

Necesidad de la Formación en Estadística

Algunos pueden creer que el tipo de trabajo a que aspiran no exige el conocimiento del
análisis estadístico. O bien que será el personal estadístico quien realice el trabajo
estadístico.
No es así, aunque sean los profesionales especializados quienes realicen el trabajo
estadístico preciso, ustedes seguirán necesitando un determinado nivel de formación
en este campo. Tendrán que saber qué es la estadística, qué hacen los estadísticos y
cómo lo hacen. Tendrán que saber ante un problema como puede ayudarles la
estadística.

2. Definición de Estadística
La estadística es una ciencia que proporciona un conjunto de métodos y procedimientos
que se usan para recolectar, organizar, presentar, analizar e interpretar el
comportamiento de los datos con respecto a una característica materia de estudio o
investigación. En primera instancia se encarga de obtener información, describirla y
luego usa esta información para predecir algo respecto a la fuente de información.

3. División de la Estadística
En la definición de estadística se puede notar dos aspectos bien remarcados en el campo
de la estadística básica, el primero: obtener la información, procesarla y describirla, es
lo que constituye la estadística descriptiva y el segundo aspecto: predecir algo con
respecto ala fuente de información, es lo que constituye la estadística inferencial o
inferencia estadística.

Estadística Descriptiva.- Es la parte de la estadística básica que estudia la recolección,

clasificación, presentación y descripción de los datos. Es decir este aspecto de la
estadística describe y analiza una serie de datos sin llegar a generalizar conclusiones con
respecto a un grupo mayor o total, es decir sin llegar a predecir algo con respecto a la
fuente de información.

Ejemplo:
Supongamos que se desea comprobar el efecto de un tratamiento en 30 trabajadores
con infarto de miocardio, en cierta compañía, en el cual hay más trabajadores con la
misma enfermedad. Para medir el efecto del tratamiento, se observa el índice cardíaco
al final del mismo, y los resultados son:

0.90, 1.85, 2.50, 3.20, . . . , 7.30 l / m2

Supongamos que la medida estadística que se emplea es el índice cardíaco promedio o

media aritmética, la cual se obtiene de la siguiente manera:

0.90+1.85+2.50+3.20+ . . .+7.30
= 3.9 l / m2
30

El resultado se limita a los datos obtenidos de los 30 trabajadores y no implica ninguna

generalización acerca de los índices cardíacos de todos los trabajadores con infarto de
miocardio de la misma compañía. Es decir se está usando estadística para describir
índices cardíacos de esos 30 trabajadores.

Estadística Inferencial.- Es la parte de la estadística básica que pretende inferir, predecir

o generalizar conclusiones acerca de un grupo mayor (población), a partir de los
resultados del análisis de un grupo menor (muestra).
Esta predicción se hace con un cierto grado de confianza; este grado de confianza se
mide por la probabilidad. Por tanto el cálculo de probabilidades es el puente entre la
estadística descriptiva y la inferencial.

Ejemplo:
Suponga ahora en el ejemplo anterior de la estadística descriptiva, que se desea conocer
el índice cardíaco promedio de todos los trabajadores con infarto de miocardio de la
misma compañía, pero se carece de tiempo o de los recursos necesarios para medir el
efecto del tratamiento a todos ellos. Entonces se decide usar el índice cardíaco
promedio de los treinta trabajadores para estimar el índice cardíaco promedio de todos
los trabajadores con infarto de miocardio de la compañía.
El proceso de estimar este índice cardíaco promedio total será un problema de
inferencia estadística.
4. Definiciones Básicas
4.1. Poblaciones y Parámetros

i) Población.- Una población es un conjunto bién definido de elementos o unidades

(individuos, objetos, etc.) relacionados entre sí con alguna característica de la cual se
desea información.
La población puede clasificarse según criterios:

• Según su tamaño o extensión

Población finita.- Cuando tiene un número limitado de elementos, es decir cuando
puede contarse el número de elementos. Al tamaño o al número de elementos de estas
poblaciones se le denota generalmente por N.

Ejemplo 1: Población de estudiantes de la Universidad Nacional de San Cristóbal de

Huamanga. Primer semestre 2020.
Ejemplo 2: Población de establecimientos comerciales del distrito de Ayacucho, 2020.

Población infinita.- Cuando tiene un número infinito de elementos, es decir cuando no

puede contarse el número de elementos. También se dice que es infinita cuando N es
muy grande.

Ejemplo 1: Población de vehículos que pasan por cierto peaje

Ejemplo 2: Población de habitantes

• Según generalizaciones inferenciales o extensión del estudio

Población objetivo u objeto.- Es la totalidad de los elementos acerca de los cuales
queremos información. Esta población constituye el objetivo final de la generalización
inferencial científica.
Población muestral.- Puede estar conformada por un subconjunto de la población
objetivo y de cuyos elementos en la práctica se obtiene la muestra para realizar el
estudio.
Si la población muestral o muestreada es más restringida que la población objeto las
conclusiones obtenidas de la muestra se generalizan a la población muestral.

Ejemplos:
- Calidad de atención de los empleados del Banco de Crédito (Población objeto)
Calidad de atención de los empleados del Banco de Crédito. Ayacucho 2019.
(Población muestral)
- El conjunto de todos los enfermos con cáncer (Población objeto)
El conjunto de enfermos con cáncer de la compañía “x”. 2019. (Población
muestral)
 - Ingresos económicos mensuales de las familias (Población objeto)
Ingresos económicos mensuales de las familias del distrito de Ayacucho. Primer
semestre 2020. (Población muestral)
- Estado civil de los estudiantes de las universidades del Perú. 2019 (Población
objeto)
Estado civil de los estudiantes de la Universidad Nacional de San Cristóbal de
Huamanga. 2019. (Población muestral)

Nota: Población muestral ≈ Población investigada

• Por la variabilidad de los elementos de la población (respecto a la variable de

interés)
Población homogénea.- Cuando los elementos que conforman la población, presentan
similitud o uniformidad, respecto a la variable en estudio.
Población heterogénea.- Cuando los elementos que conforman la población, presentan
variabilidad o heterogeneidad, respecto a la variable en estudio.

Ejemplos:
- Edad de los estudiantes de la Universidad Nacional de San Cristóbal de
Huamanga, segundo semestre 2020. (Población homogénea)
- Edad de los docentes de la Universidad Nacional de San Cristóbal de Huamanga,
segundo semestre 2020. (Población heterogénea)

Nota: Puede usarse el coeficiente de variación para estimar la homogeneidad, cuyo

valor de referencia depende del campo de investigación.

ii) Parámetro.- Es un valor calculado a partir de todas las observaciones de una

población. Es cualquier medida descriptiva de una población, por tanto, describe alguna
característica de esa población. Se indican generalmente con letras griegas y los más
utilizados son:
- La media poblacional, que se denota por 𝜇 y se lee “mu”
- La varianza poblacional, que se denota por 𝜎 2 y se lee “sigma al cuadrado”

4.2. Muestras y Estadísticos

i) Muestra.- Es un subconjunto de la población muestral o investigada. Una muestra

estadística o simplemente muestra, debe ser seleccionada de tal manera que reuna
ciertos requisitos o condiciones básicas relacionadas con dos aspectos (representativa y
adecuada).
 • Cualitativamente debe ser buena, representativa de la población muestral a la
que pertenece, es decir debe tener las mismas características de la población de
la cual procede y diferir solamente en el tamaño.
• Cuantitativamente debe ser suficientemente grande (adecuada), es decir debe
tener un tamaño que permita obtener resultados con la precisión y confiabilidad
que previamente se han establecido.
Al tamaño o al número de elementos de la muestra se le representa por n.
Si n = N se denomina Censo.

Nota:
- La representatividad de la muestra se logra usando un método aleatorio de selección.
- La adecuación de la muestra se logra mediante el uso de fórmulas, está referida al
tamaño de la muestra.
- Si bien es cierto los dos aspectos son muy importantes, sin embargo debe cuidarse
principalmente la representatividad.

Ejemplo 1: Ingresos económicos mensuales del 30% de las familias del distrito de
Ayacucho. Primer semestre 2020.
Ejemplo 2: Si se desea estimar el gasto promedio anual de los estudiantes universitarios
del Perú, se extraería una muestra formada por cierto número de estudiantes, en
seguida se determinaría el gasto anual correspondiente a cada uno de ellos y después
se obtendría el promedio de estos gastos. Entonces, en base al promedio de la muestra
(promedio muestral), se realiza una inferencia acerca del gasto promedio de todos los
estudiantes universitarios del Perú.

ii) Estadístico o Estimador.- Es un valor calculado a partir de los datos muestrales. Es

cualquier medida descriptiva de una muestra, por tanto, describe alguna característica
de la muestra.
Los más utilizados son:
- La media muestral que se denota por 𝑥̅
- La varianza muestral que se denota por 𝑠 2

4.3. Unidad elemental de muestreo, Unidad de muestreo y Marco muestral

i) Unidad elemental de muestreo.- Es cada uno de los elementos en estudio, es la

unidad para la cual se realiza el análisis. También se le llama unidad de análisis.

Ejemplos: una persona, una familia, una tienda, etc.

ii) Unidad de muestreo.- Es la que puede estar conformada por un solo elemento o por
un conjunto de elementos. La conformación adecuada de las unidades muestrales va a
facilitar el muestreo. En todo caso las unidades de muestreo han de ser grupos no
solapados (de intersección vacía) de elementos de la población que cubran la población.

iii) Marco muestral.- Es un documento material (lista, fichero, croquis, etc. ) donde se
consigna individualmente las unidades de muestreo de tal forma que se pueda sortear
desde allí, las unidades que van a constituir la muestra. Este documento es indispensable
en todo plan muestral, es la base muestral de la población muestral.

Ejemplo 1.- Para el siguiente problema de investigación:

¿Cuál es la proporción de familias que tienen al menos un ordenador en el distrito de
Ayacucho, en julio del 2021?
Identificar: la población objeto, población muestral, unidad elemental, unidad de
muestreo y marco muestral.

Solución:

i) Población objeto: Total de familias del distrito de Ayacucho en julio del 2021.
ii) Población muestral o investigada: Total de familias del distrito de Ayacucho en
julio del 2021 y que cumplan los siguientes criterios:
• Familias con al menos una persona adulta
• Familias cuyo jefe o responsable, colabore y brinde información completa
y confiable.
iii) Unidad elemental: Cada familia
iv) Unidad muestral o de muestreo: Cada familia (una vivienda)
v) Marco muestral: Listado de familias (croquis con viviendas)

Ejemplo 2.- Supongamos que estamos interesados en el valor de la renta media de un

apartamento en la ciudad de Ayacucho, en setiembre del 2021.
Identificar: la población objeto, población muestral, unidad elemental, unidad de
muestreo y marco muestral.

Solución:
i) Población objeto: Total de apartamentos
ii) Población muestral: Total de apartamentos de la ciudad de Ayacucho en
setiembre del 2021
iii) Unidad elemental: Cada apartamento
iv) Unidad de muestreo: Cada casa de apartamentos
v) Marco muestral: Lista de casas de apartamentos.
Nota: Si cada unidad de muestreo contiene una y solamente una unidad elemental , se
dice que coinciden la unidad de muestreo y la unidad elemental; pero en muchos casos
la unidad elemental y la unidad de muestreo no coinciden.

4.4. Variable Estadística y Datos Estadísticos

i) Variable Estadística: Es una magnitud que tiende a sufrir modificaciones, es decir que
puede tomar diferentes valores. Es una característica de estudio en la población.
Las características que varían de individuo a individuo o de objeto a objeto se llaman
variables; mientras que las que permanecen inalterables se llaman constantes.
Las variables se representan generalmente con las últimas letras mayúsculas del
abecedario W, X, Y, Z y sus valores con letras minúsculas.

ii) Datos Estadísticos: Son los resultados de medir u observar alguna característica en
las unidades elementales o de análisis, y que además pueden ser comparados,
analizados e interpretados.

Ejemplo:
Estudiando una enfermedad del corazón, en trabajadores de 18 años o más, un
investigador ha identificado cuatro factores potencialmente asociados con el desarrollo
de esta: la edad, el peso, el número de cigarrillos fumados por día y los antecedentes
familiares de enfermedad cardiaca.
En este caso, los trabajadores de 18 o más años constituyen las unidades elementales o
unidades de análisis; las variables asociadas con cada unidad elemental son: la edad,
peso, número de cigarrillos fumados por día y los antecedentes familiares. Luego, los
resultados al medir cada una de estas variables en las unidades elementales constituyen
los datos estadísticos, así:

Edad (años cumplidos): 75, 55, 70, 30, 65, 45, etc.
Peso (Kg.): 80, 65, 78, 70, 85, 72, etc.
Nº de Cigarrillos (por día): 5, 10, 0, 3, 12, 8, etc.
Antecedentes Familiares: Si, Si, No, Si, No, Si, etc.

4.5. Clasificación de las Variables

Las variables pueden contener datos numéricos (variables cuantitativas) y datos
categóricos no cuantificables numéricamente (variables cualitativas). Por tanto, las
variables estadísticas según su naturaleza pueden ser de dos tipos:

i) Variables Cualitativas o atributos: Son aquellas que describen cualidades o atributos

y no toman valores numéricos.
Ejemplos:
Profesión, sexo, clase social, lugar de nacimiento, actividad ocupacional, nivel de
instrucción, tipo de enfermedad, nacionalidad, categoría ocupacional, etc. son variables
cualitativas.
A su vez estas variables suelen clasificarse, según la naturaleza de los datos categóricos
que representan en:
- Nominales y
- Ordinales

Variables Cualitativas Nominales: Cuando las cualidades o categorías no presentan

ningún orden.

Ejemplos:
El Sexo con sus categorías (Masculino, Femenino)
El Lugar de Nacimiento con sus categorías (Ayacucho, Lima, Cuzco, Arequipa, etc.)
La Actividad Ocupacional con sus categorías (Obrero, Empleado, Comerciante,
Vendedor ambulante, Otros)
La Categoría Ocupacional con sus categorías (Empleador, Empleado, Obrero, Trabajador
independiente, Trabajador del hogar, Trabajador familiar no remunerado).
Son variables cualitativas nominales.

Variables Cualitativas Ordinales: Este tipo de variables presentan orden. Es decir, la

variable establece categorías considerando un orden.

Ejemplos:
El Nivel de Instrucción con sus categorías (Sin Instrucción, Primaria, Secundaria,
Superior)
El Nivel Socioeconómico con sus categorías (Alto, Medio, Bajo)
La Categoría Docente Universitaria con sus categorías (Auxiliar, Asociado, Principal)
Son variables cualitativas ordinales

ii) Variables Cuantitativas: Son aquellas que pueden asociarse a valores numéricos, es
decir describen cantidades.

Ejemplos:
La edad, la estatura, el peso corporal, la presión sanguínea, los ingresos económicos, el
número de hijos por familia, etc. son variables cuantitativas.
A su vez pueden ser:
- Discretas y
- Continuas
Variables Cuantitativas Discretas: Solo toman un número finito o infinito numerable de
valores distintos (aislados), resultan de un conteo.

Ejemplos:
Número de hijos por familia, número de ventas por día, número de trabajadores,
número de estudiantes, número de accidentes por mes en cierta fábrica, etc. son
variables cuantitativas discretas.
Variables Cuantitativas Continuas: Toman una infinidad no numerable de valores, es
decir pueden tomar cualquier valor numérico en algún intervalo de los números reales.
Generalmente resultan de una medición.
Ejemplos:
Nivel de hemoglobina, Temperatura, edad, peso corporal, impuestos, ingresos
económicos, años de servicios, nivel de inflación, etc. son variables cuantitativas
continuas.

Las variables también pueden clasificarse por su relación entre ellas, en:

Variables Independientes: Es aquella cuyo valor no depende del de otra variable. La

variable independiente se representa en el eje de las abscisas y en una función se denota
por X.

Variables Dependientes: Es aquella cuyos valores dependen de los que tomen otra
variable. La variable dependiente se representa en el eje de las ordenadas y en una
función se denota por Y, es decir está en función de la variable X, que es la variable
independiente.

Ejemplo:
Comprar cajas de galletas en una panadería. Cada caja de galletas cuesta 15 soles.
Determinar la variable dependiente e independiente.
Solución:

VARIABLE INDEPENDIENTE: Número de cajas de galletas que compras

VARIABLE DEPENDIENTE: Cantidad de dinero que gastas en galletas

Escala de Medición de las Variables

La medición puede definirse como la asignación de números a las características de
acuerdo con ciertas reglas. Tenemos las siguientes escalas de medición: nominales,
ordinales, cuantitativas de intervalo y cuantitativas de razón.

a.- Escala Nominal: La clave de estas escalas de medida es que sólo informan de la
igualdad o desigualdad de los individuos en una característica, pero no de posibles
ordenaciones, puesto que la característica a la que se refieren no se tiene en mayor o
menor medida, sino que simplemente adopta formas cualitativamente distintas. Los
números solo sirven para distinguir valores o categorías diferentes de la variable.

Ejemplos:
El sexo de las personas es una variable que se puede clasificar en Masculino o Femenino.
Los valores también se podrían codificar con 1=Masculino y 2=Femenino, pero no
significa que la mujer sea mayor que el hombre, ni el doble, solo que existen diferencias
entre estas y los números en este caso sólo servirían para indicar las categorías y no
tendrían significación numérica.
Las bebidas refrescantes se pueden clasificar en: bebidas gaseosas, agua mineral, chicha
morada, etc.

b.- Escala Ordinal: Mediciones que jerarquizan los datos en categorías, ordenadas en
virtud de un determinado criterio. Los números reflejan un orden existente sobre los
valores de la variable que puede estar dado de forma creciente o decreciente. La
pregunta es simplemente, si el objeto tiene más o menos de esta variable que algún otro
objeto.

Ejemplos:
• Importantes grandes almacenes, clasifica a muchos de sus productos como:
buenos, mejores y óptimos.
• Los sondeos de opinión utilizan a menudo una escala ordinal como: muy de
acuerdo, de acuerdo, sin opinión, en desacuerdo y muy en desacuerdo.
• Las inversiones se clasifican a partir de los niveles de riesgo como de: muy alto
riesgo, alto riesgo y bajo riesgo.
Como ocurre con los datos nominales se pueden utilizar números para codificar las
jerarquías; y también la magnitud de los números no es importante.

c.- Escala de Intervalo: Mediciones respecto de una escala numérica en la cual el valor
del cero no es absoluto, sino un cero arbitrario, es decir no refleja ausencia de la
magnitud medida, por lo que las operaciones aritméticas de multiplicación y división no
son apropiadas, pero la diferencia de valores es importante. Por consiguiente, las
operaciones aritméticas de suma y resta tienen sentido.
Las temperaturas Fahrenheit y Centígrados son medidas que tiene diferentes escalas de
intervalo y diferentes puntos de mínimos o de origen.
La escala Fahrenheit de temperaturas es un ejemplo de escala de intervalos: 70 grados
no sólo significa una temperatura mayor que 60 grados, sino que existe la misma
diferencia de 10 grados que entre 100 y 90 grados Fahrenheit.
El valor del cero en una escala de intervalos se elige de una manera arbitraria. La escala
de Fahrenheit se podría haber creado de manera que el cero se colocara a una
temperatura muy superior o inferior. Así pues, 80 grados no es el doble de 40 grados y
la relación 80/40 no tiene sentido.
La inteligencia también es otro ejemplo de escala de intervalo.

d.- Escala de Razón: Corresponde al nivel de medición más completo en el cual el cero
es un valor fijo en cualquier escala. Aquí el valor cero no es arbitrario, pues representa
la ausencia total de la magnitud que se está midiendo.
Además de la distancia de orden e intervalo, se añade un origen absoluto de forma que
no solo cabe hallar distancias (ya en la escala de intervalo), si no también múltiplos
exactos. En este caso el valor representado por 4 tiene doble cantidad medida que él
representado por un 2.
De los cuatro niveles de medición, sólo la escala de razón se basa en un sistema
numérico en el cual el cero tiene sentido. Por consiguiente, las operaciones aritméticas
de multiplicación y división adquieren una interpretación racional.
Se utiliza una escala de razón para medir muchos tipos de datos que se encuentran en
el análisis económico. Variables como el coste, los beneficios o los niveles de existencias
se expresan como medidas de razón. El valor de cero dólares para medir los ingresos de
un negocio, por ejemplo, se puede interpretar con toda lógica en el sentido de que no
ha habido ventas. Además, una empresa con una cuota de mercado del 40% tiene el
doble de participación en el mercado que otra empresa con una cuota del 20%. La edad
de una persona con cero años tiene sentido porque realmente no tiene edad, todavía
no ha nacido. Mediciones tales como el peso, el tiempo y la distancia también se miden
en escala de razón, puesto que el cero ocupa un lugar natural.
Las diferentes técnicas estadísticas exigen niveles diferentes de medición. Mientras que
la mayoría de las pruebas estadísticas exigen mediciones de intervalo o de razón, hay
otras, denominadas pruebas no paramétricas, que se han diseñado para utilizar datos
nominales u ordinales.