SEMANA 1

MÓDULO 1

ESTADÍSTICAS Y COSTOS
MÓDULO 1: ESTADÍSTICA

1
 SEMANA 1
MÓDULO 1

1. Introducción Estadística:
La palabra estadística significa cosas diferentes para personas diferentes. Para un
aficionado al fútbol americano, se trata del número de carreras, pases y anotaciones;
para el entrenador, es la posibilidad de que los jugadores lancen un pase corto por el
centro; para el administrador de una planta de energía, es la cantidad de contaminantes
que se liberan a la atmósfera. Para el director del Departamento de Alimentos y
Medicina, es el porcentaje posible de efectos secundarios no deseados con el uso
generalizado de una nueva medicina para curar el cáncer. Otro caso, para el Banco, la
estadística es la posibilidad de que Sarah pague a tiempo el préstamo. La
Superintendencia de Riego de Trabajo (SRT) usa la estadística para ver si bajó la
siniestralidad laboral. Cada una de estas personas utiliza la palabra de manera correcta,
aunque se dan usos diferentes.
Para la mayoría de las personas estadística significa descripciones numéricas. Esto
puede verificarse fácilmente al escuchar, un domingo a un comentarista relatar un
partido de futbol. Sin embargo, la estadística es el estudio de fenómenos aleatorios. En
este sentido la ciencia de la estadística tiene, virtualmente, un alcance ilimitado de
aplicaciones en un espectro tan amplio de disciplinas que van desde las ciencias y la
ingeniería hasta las leyes de la medicina. El aspecto más importante de la estadística
es la obtención de conclusiones basadas en datos (Canavos, 1988).
La Estadística es la ciencia que se encarga de recoger, organizar e interpretar los
datos. Es la ciencia de los datos. En la vida diaria somos bombardeados continuamente
por datos estadísticos: encuestas electorales, economía, deportes, datos
meteorológicos, calidad de los productos, audiencias de TV. Necesitamos una
formación básica en Estadística para evaluar toda esta información. Es necesario leer e
interpretar datos, producirlos, extraer conclusiones, en resumen, saber el significado de
los datos. Es por lo tanto una herramienta de trabajo profesional.
La estadística es aplicada a varias disciplinas, desde la física hasta las
ciencias sociales, en el control de calidad, en áreas de negocios o instituciones,
ya que su principal objetivo es describir al conjunto de datos obtenidos para la
toma de decisiones o bien, para realizar generalizaciones sobre las características
observadas.

1.1. Qué es estadística

A los datos numéricos de las frases anteriores se les llama estadísticas. En este
sentido el término estadísticas se refiere a datos numéricos, tales como promedios,
medianas, porcentajes y números índices que ayudan a entender, por ejemplo, una gran

2
 SEMANA 1
MÓDULO 1

variedad de negocios y situaciones económicas. Sin embargo, como se verá, el campo

de la estadística es mucho más que datos numéricos. En un sentido amplio, la
estadística se define como el arte y la ciencia de reunir datos, analizarlos, presentarlos
e interpretarlos. La información obtenida al reunir datos, analizarlos, presentarlos e
interpretarlos proporciona a directivos, administradores y personas que deben tomar
decisiones una mejor comprensión del entorno, permitiéndoles así tomar mejores
decisiones con base en mejor información.

Es una rama de las matemáticas que se refiere a la recolección, estudio,

procesamiento y análisis de grandes volúmenes de datos, resumiéndolos en tablas,
gráficas e indicadores (estadísticos) que permiten la fácil comprensión de las
características referentes al fenómeno estudiado que puede ser de tipo social,
económico, político, psicológico, etc.

1.2. Relación de la estadística con otras ciencias

Es una ciencia de aplicación práctica casi universal en todos los campos

científicos:

o En las Ciencias naturales, en la Mecánica estadística, en Física cuántica,

en mecánica de fluidos o en la teoría cinética de los gases, entre muchos
otros campos.
o En las Ciencias Sociales y Económicas es un pilar básico en el desarrollo
de la demografía y la sociología aplicada
o En Economía suministra los valores que ayuda a descubrir las
interrelaciones entre múltiples parámetros macro y microeconómicos.
o En las Ciencias Médicas permite establecer pautas sobre la evolución de
las enfermedades y los enfermos, los índices de mortalidad asociados a
procesos morbosos, el grado de eficacia de un medicamento, etc.

Algunas aplicaciones: En el entorno mundial actual de los negocios y de la

economía, todo mundo tiene acceso a enormes cantidades de información estadística.
Los directivos y los encargados de tomar decisiones que tienen éxito entienden la
información y saben usarla de manera eficiente.

• Finanzas: Los analistas financieros emplean una diversidad de información

estadística como guía para sus recomendaciones de inversión. En el caso de acciones,
el analista revisa diferentes datos financieros como la relación precio/ganancia y el

3
 SEMANA 1
MÓDULO 1

rendimiento de los dividendos. Al comparar la información sobre una determinada acción

con la información sobre el promedio en el mercado de acciones, el analista empieza a
obtener conclusiones para saber si una determinada acción está sobre o subvaluada.
Información que ayudará al analista a comprar, vender o a recomendar mantener las
acciones.
• Marketing: Escáneres electrónicos en las cajas de los comercios recogen
datos para diversas aplicaciones en la investigación de mercado. Por ejemplo,
proveedores de datos como ACNielsen e Information Research Inc. compran estos
datos a las tiendas, los procesan y luego venden los resúmenes estadísticos a los
fabricantes; quienes gastan cientos de miles de dólares por producto para obtener este
tipo de datos. Estos análisis suelen resultar útiles para establecer futuras estrategias de
marketing para diversos productos.
• Economía: Los economistas suelen hacer pronósticos acerca del futuro de
la economía o sobre algunos aspectos de la misma. Usan una variedad de información
estadística para hacer sus pronósticos. Por ejemplo, para pronosticar las tasas de
inflación, emplean información estadística sobre indicadores como el índice de precios
al consumidor, la tasa de desempleo y la utilización de la capacidad de producción.
Estos indicadores estadísticos se utilizan en modelos computarizados de pronósticos
que predicen las tasas de inflación.
• Higiene y Seguridad: se recogen diferentes datos mediante planillas que
debe presentar cada empresa y las ART. Luego las procesan para obtener determinado
tipo de datos que permita sacar conclusiones de las medidas de seguridad e higiene a
través de índices y porcentajes. Estos indicadores estadísticos resultan útiles para
establecer o mejorar los métodos de protección del trabajador.

1.3. Finalidad
Tiene como finalidad facilitar la solución de problemas en los cuales necesitamos
conocer algunas características sobre el comportamiento de algún suceso o evento, nos
sirve para compilar datos y para tomar decisiones. En estas aplicaciones es una
herramienta clave y probablemente la única herramienta disponible. Estudio de un
fenómeno específico.

2. Conceptos Básicos:
a- Datos: Datos son hechos/informaciones y cifras que se recogen, analizan y
resumen para su presentación e interpretación. A todos los datos reunidos para un
determinado estudio se les llama conjunto de datos para el estudio

4
 SEMANA 1
MÓDULO 1

Para una mejor comprensión de los conceptos se trabajará con el siguiente

ejemplo: La tabla 1 muestra un conjunto de datos que contiene información sobre 25
empresas que forman parte del S&P 500. El S&P 500 consta de 500 empresas elegidas
por Standard & Poor’s. Las acciones de S&P 500 son estrechamente observadas por
los inversionistas y por los analistas de Wall Street.

TABLA 1. CONJUNTO DE DATOS DE 25 EMPRESAS S&P 500

Elementos: son las entidades de las que se obtienen los datos. En el

conjunto de datos de la tabla 1, cada acción de una empresa es un elemento;
los nombres de los elementos aparecen en la primera columna. Como se tienen
25 acciones, el conjunto de datos contiene 25 elementos.
Variable: es una característica de los elementos que es de interés. El
conjunto de datos de la tabla 1, contiene las cinco variables siguientes:
• Bolsa de valores (mercado bursátil): Dónde se comercializa (cotiza)
la acción: N (Bolsa de Nueva York) y NQ (Mercado Nacional
Nasdaq).
• Ticker (denominación abreviada): Abreviación usada para
identificar la acción en la lista de la bolsa
• Posición en BusinessWeek: Número del 1 al 500 que indica la
fortaleza de la empresa.
• Precio por acción ($): El precio de cierre (28 de febrero de 2005).

5
 SEMANA 1
MÓDULO 1

• Ganancia por acción ($): Las ganancias por acción en los últimos
12 meses

Los valores encontrados para cada variable en cada uno de los elementos
constituyen los datos. Al conjunto de mediciones obtenidas para un determinado
elemento se le llama observación. Volviendo a la tabla 1, el conjunto de mediciones
para la primera observación (Abbott Laboratories) es N, ABT, 90, 46 y 2.02 (es decir lo
que contiene una fila horizontal). El conjunto de mediciones para la segunda
observación (Altria Group) es N, MO, 148, 66 y 4.57, etc. Un conjunto de datos que tiene
25 elementos contiene 25 observaciones.

b- Escala de medición: La escala de medición determina la cantidad de

información contenida en el dato e indica la manera más apropiada de resumir y de
analizar estadísticamente los datos.
• Escala Nominal: Cuando el dato de una variable es una etiqueta o un
nombre que identifica un atributo de un elemento. Los datos nominales pueden ser no
numéricos o numéricos. Por ejemplo, la tabla 1, la escala de medición para la variable
bolsa de valores (mercado bursátil) es nominal porque N y NQ son etiquetas que se
usan para indicar dónde cotiza la acción de la empresa. Otro ejemplo: Hombre/mujer;
Si/No.
• Escala Ordinal: Escala de medición de una variable, cuando los datos
presentan las propiedades de los datos nominales y el orden o jerarquía de los datos
tiene sentido. Los datos ordinales pueden ser no numéricos o numéricos. Por ejemplo,
una empresa automovilística envía a sus clientes cuestionarios para obtener
información sobre su servicio de reparación. Cada cliente evalúa el servicio de
reparación como excelente, bueno o malo. Como los datos obtenidos son las etiquetas
excelente, bueno o malo, tienen las propiedades de los datos nominales, pero además
pueden ser ordenados o jerarquizados en relación con la calidad del servicio. Un dato
excelente indica el mejor servicio, seguido por bueno y, por último, malo. Por lo que la
escala de medición es ordinal. Observe que los datos ordinales también son registrados
mediante un código numérico. Por ejemplo, en la tabla 1, la posición de los datos en
BusinessWeek es un dato ordinal. Da una jerarquía del 1 al 500 de acuerdo con la
evaluación de BusinessWeek sobre la fortaleza de la empresa.
• Escala de intervalo: Escala de medición de una variable, cuando los datos
presentan las propiedades de los datos ordinales y los intervalos entre valores se
expresan en términos de una unidad de medición fija. Los datos de intervalo siempre
son numéricos. Por ejemplo, las calificaciones obtenidas por tres alumnos en la prueba

6
 SEMANA 1
MÓDULO 1

de matemáticas con 620, 550 y 470, pueden ser ordenadas en orden de mejor a peor.
Además, las diferencias entre las calificaciones tienen significado. Por ejemplo, el
estudiante 1 obtuvo 620–550=70 puntos más que el estudiante 2, mientras que el
estudiante 2 obtuvo 550-470=80 puntos más que el estudiante tres.
• Una variable tiene una escala de razón si los datos tienen todas las
propiedades de los datos de intervalo y la proporción entre dos valores tiene significado.
Variables como distancia, altura, peso y tiempo usan la escala de razón en la medición.
Esta escala requiere que se tenga el valor cero para indicar que en este punto no existe
la variable. Por ejemplo, considere el costo de un automóvil. El valor cero para el costo
indica que el automóvil no cuesta, que es gratis. Además, si se compara el costo de un
automóvil de $30 000, con el costo de otro automóvil, $15 000, la propiedad de razón
muestra que $30 000/$15 000=2: el primer automóvil cuesta el doble del costo del
segundo.
c- Datos cualitativos: comprende etiquetas o nombres utilizados para
identificar un atributo de cada elemento. Los datos cualitativos usan las escalas de
medición nominal y ordinal y pueden ser no numéricos o numéricos. Ejemplos: ¿Como
le parece la comida de la cafetería de la empresa? Que puede tener varias categorías
tales como: buena, regular y mala. En este grupo se encuentran aquellos que producen
respuestas con solo dos opciones probables como, por ejemplo: ¿Tiene usted empleo
actualmente? que solo admite sí o no.
d- Datos cuantitativos: requieren valores numéricos que indican cuánto o
cuántos de algo. Los datos cuantitativos se obtienen mediante la escala de intervalo o
de razón.
e- Datos de sección transversal: son datos recolectados en el mismo o
aproximadamente en el mismo momento (punto en el tiempo). Los datos de la tabla 1,
son datos transversales porque describen las cinco variables de las 25 empresas del 25
S&P en un mismo momento.
f- Datos de series de tiempo: son datos recolectados a lo largo de varios periodos
de tiempo. Por ejemplo, la figura 1 presenta una gráfica de los precios promedio por
galón de gasolina normal en las ciudades de Estados Unidos. En la gráfica se observa
que los precios son bastantes estables entre $1.80 y $2.00 desde mayo de 2004 hasta
febrero de 2005. Después el precio de la gasolina se vuelve volátil. Se eleva en forma
notable culminando en un agudo pico en septiembre de 2005.

7
 SEMANA 1
MÓDULO 1

FIGURA 1: PRECIO PROMEDIO DEL GALÓN DE GASOLINA

g- Población: Conjunto de todos los elementos que interesan en un estudio

determinado.
h- Muestra: Un subconjunto de la población.

En muchas situaciones se requiere información acerca de grupos grandes de

elementos (individuos, empresas, votantes, hogares, productos, clientes, etc.). Pero,
debido al tiempo, costo y a otras consideraciones, sólo es posible recolectar los datos
de una pequeña parte de este grupo. Al grupo grande de elementos en un determinado
estudio se le llama población y al grupo pequeño muestra.
Al proceso de realizar un estudio para recolectar datos de toda una población se
le llama censo. Al proceso de efectuar un estudio para recolectar datos de una muestra
se le llama encuesta muestral. Una de las principales contribuciones de la estadística
es emplear datos de una muestra para hacer estimaciones y probar hipótesis acerca de
las características de una población mediante un proceso al que se le conoce como
inferencia estadística (ver ejemplo de Norris Electronics ítems de 2.2.2).
Los expertos en estadística recogen datos de una muestra y utilizan esta
información para hacer inferencias sobre la población que representa esa muestra. Así,
una población es un todo y una muestra es una fracción o segmento de ese todo.
Por ejemplo: Una población es un conjunto de todos los elementos que estamos
estudiando, acerca de los cuales intentamos sacar conclusiones. Debemos definir esa
población de modo que quede claro cuándo cierto elemento pertenece o no a la
población. Para el estudio de mercado mencionado, la población puede estar constituida
por todas las mujeres residentes dentro de un radio de 25 kilómetros con centro en la

8
 SEMANA 1
MÓDULO 1

ciudad de Cincinnati, que tengan un ingreso familiar anual entre $20,000 y $45,000 y
hayan cursado por lo menos 11 años de educación formal. Una mujer que viva en el
centro de Cincinnati, con ingresos familiares de $25,000 y estudios universitarios
completos podría ser parte de esa población, mientras que una mujer residente de San
Francisco, o que tenga ingresos familiares de $7,000 o con cinco años de estudios
profesionales, no se consideraría miembro de nuestra población.

Se estudiarán las muestras para poder describir las poblaciones. El hospital del ejemplo
puede estudiar un grupo pequeño y representativo de los registros de rayos X, en lugar
de examinar cada uno de los registros de los últimos 50 años, se puede entrevistar una
muestra de sólo 2,500 estadounidenses adultos con el fin de predecir la opinión de todos
los adultos que viven en Estados Unidos.

El estudio de una muestra es más sencillo que el de la población completa, cuesta

menos y lleva menos tiempo. A menudo, probar la resistencia de una parte de avión
implica destruirla; en consecuencia, es deseable probar la menor cantidad de partes. En
algunas ocasiones, la prueba implica un riesgo humano; el uso de muestras disminuye
ese riesgo a un nivel aceptable. Por último, se ha probado que incluso el examen de
una población entera deja pasar algunos elementos defectuosos. Por tanto, en algunos
casos, el muestreo puede elevar el nivel de calidad. Si usted se pregunta cómo puede
suceder esto, piense en lo cansado y poco animoso que estaría si tuviera que observar
de manera continua miles y miles de productos en una banda continua.

i. Fuente de Datos: Los datos se obtienen de fuentes ya existentes o por medio

de encuestas y estudios experimentales realizados con objeto de recolectar nuevos
datos.
• Fuentes existentes: En algunos casos los datos que se necesitan para una
determinada aplicación ya existen. Las empresas cuentan con diversas bases de datos
sobre sus empleados, clientes y operaciones de negocios. Datos sobre los salarios de
los empleados, sus edades y los años de experiencia suelen obtenerse de los registros
internos del personal. Otros registros internos contienen datos sobre ventas, gastos de
publicidad, costos de distribución, inventario y cantidades de producción. La mayor parte
de las empresas cuentan también con datos detallados de sus clientes.

Existen organizaciones que se especializan en la recolección y almacenamiento de

datos se obtienen cantidades importantes de datos económicos y de negocios. Las
empresas disponen de estas fuentes externas de datos si los compran o mediante
acuerdos de arrendamiento con opción de compra. (Canavos, 1988)

9
 SEMANA 1
MÓDULO 1

La importancia de Internet como fuente de datos y de información estadística sigue

creciendo. Casi todas las empresas cuentan con una página Web que proporciona
información general acerca de la empresa, así como datos sobre ventas, cantidad de
empleados, cantidad de productos, precios de los productos y especificaciones de los
productos.

Las dependencias de los gobiernos son otra fuente importante de datos, como, por
ejemplo, datos sobre tasas de empleo, tasas de salarios, magnitud de la fuerza laboral
y pertenencia a sindicatos.

• Estudios estadísticos: Algunas veces, los datos necesarios para una

aplicación particular no se pueden obtener de las fuentes existentes. En tales casos los
datos suelen conseguirse realizando un estudio estadístico. Dichos estudios se
clasifican como experimentales u observacionales. En los estudios experimentales se
identifica primero la variable de interés. Después se ubica otra u otras variables que son
controladas para lograr datos de cómo ésta influye sobre la variable de interés. Por
ejemplo, a una empresa farmacéutica le interesa realizar un experimento para saber la
forma en que un medicamento afecta la presión sanguínea. La variable que interesa en
el estudio es la presión sanguínea. Otra variable es la dosis del nuevo medicamento que
se espera tenga un efecto causal sobre la presión sanguínea. Para obtener estos datos
acerca del nuevo medicamento, los investigadores eligen una muestra de individuos. La
dosis del medicamento se controla dando diferentes dosis a distintos grupos de
individuos. Antes y después se mide la presión sanguínea en cada grupo. El análisis
estadístico de los datos experimentales ayuda a determinar el efecto del nuevo
medicamento sobre la presión sanguínea.
• En los estudios estadísticos no experimentales y observacionales, no se
controlan las variables de interés. El tipo más usual de estudio observacional es quizá
una encuesta. Por ejemplo, en una encuesta mediante entrevistas personales, primero
se identifican las preguntas de la investigación. Después se presenta un cuestionario a
los individuos de la muestra. Algunos restaurantes emplean estudios observacionales
para obtener datos acerca de la opinión de sus clientes respecto a la calidad de los
alimentos, del servicio, de la atmósfera, etc. En la figura 2, se presenta un cuestionario
empleado por el restaurante Lobster Pot de Florida. Observe que en el cuestionario se
pide a los clientes evaluar cinco variables: calidad de los alimentos, amabilidad en el
servicio, prontitud en el servicio, limpieza y gestión. Las categorías para las respuestas
de excelente, bueno, satisfactorio e insatisfactorio, proporcionan datos ordinales que
permiten a los directivos de Lobster Pot evaluar la calidad de operación del restaurante.

10
 SEMANA 1
MÓDULO 1

Los directivos que deseen emplear datos y análisis estadístico como ayuda en la toma
de decisiones deben estar conscientes del tiempo y costo que requiere la obtención de
los datos.

FIGURA 2: CUESTIONARIO PARA CONOCER LAS OPINIONES DE LOS CLIENTES EMPLEADO EN EL RESTAURANTE

Cuando es necesario obtener los datos en poco tiempo, es deseable el uso de

fuentes de datos ya existentes. Si no es posible obtener con facilidad datos importantes
de fuentes ya existentes, debe tomarse en cuenta el tiempo y el costo necesarios para
obtener los datos. En todos los casos, las personas encargadas de tomar las decisiones
deben considerar la contribución del análisis estadístico en el proceso de la toma de
decisiones. El costo de la adquisición de datos y del subsiguiente análisis no deben
exceder a los ahorros generados por el uso de esta información para tomar una decisión
mejor.

2.1. Clasificación: el estudio de la estadística se ha concretado en el análisis de

datos y su aplicación en la toma de decisiones, lo que ha permitido dividir a la estadística
por su aplicación en:
2.1.1. DESCRIPTIVA:
Proceso que se relaciona con los métodos y/o técnicas para la recopilación,
organización y análisis de un conjunto de datos cuantitativos, con el objeto de describir

11
 SEMANA 1
MÓDULO 1

en forma apropiada las diversas características de dicho conjunto. Otro concepto, es la

técnica que se va a encargar de la recopilación, presentación, tratamiento y análisis de
los datos, con el objetivo de resumir, describir las características de un conjunto de datos
y por lo general toman forma de tablas y gráficas. Toma el 100% de la población.
La mayor parte de la información estadística en periódicos, revistas, informes de
empresas y otras publicaciones consta de datos que se resumen y presentan en una
forma fácil de leer y de entender. A estos resúmenes de datos, que pueden ser
tabulares, gráficos o numéricos se les conoce como estadística descriptiva (Anderson,
Sweeney, & Williams, 2008).
Por ejemplo, al apreciar el conjunto de datos de la tabla 1 que presenta datos de
25 de las empresas de S&P 500.

TABLA 1. CONJUNTO DE DATOS DE 25 EMPRESAS S&P 500

Los métodos de la estadística descriptiva pueden emplearse para resumir la

información en este conjunto de datos. Por ejemplo, en la tabla 2, se presenta un
resumen tabular de los datos de la variable bolsa de valores.

TABLA 2: RESUMEN TABULAR DE LA TABLA 1

12
 SEMANA 1
MÓDULO 1

La frecuencia, consiste en contabilizar cuantas veces aparece en la lista

Bolsa de Valores NQ y cuanta N.
La frecuencia porcentual es la representación en porcentajes de la frecuencia
calculada antes. El total el 25, es decir, (20/25) x100= 80; (5/25)x100=20
Un resumen gráfico de los mismos datos, al que se le llama gráfica de barras
aparece en la figura 3.

FIGURA 3: RESUMEN GRAFICO DE LOS DATOS DE LA TABLA 1, VARIABLE DE BOLSA DE VALORES

Estos tipos de resúmenes, tabular y gráfico, permiten que los datos sean más
fáciles de interpretar. Al revisar la tabla 2 y la figura 3 es fácil entender que la mayor
parte de las acciones del conjunto de datos cotizan en la bolsa de Nueva York. Si emplea
porcentajes: 80% cotizan en la bolsa de Nueva York y 20% en el Nasdaq. En la figura
4, se presenta un resumen gráfico, llamado histograma, de los datos de la variable
cuantitativa precio por acción. El histograma facilita ver que los precios por acción van
de $0 a $100, con una mayor concentración entre $20 y $60.

FIGURA 4: HISTOGRAMA DE DATOS TABLA 1, PRECIOS POR ACCIÓN

Además de las presentaciones tabular y gráfica para resumir datos se emplea

también la estadística descriptiva numérica. El estadístico descriptivo más común
para resumir datos es el promedio o media (se desarrolla en otros módulos). Mediante
los datos de la variable ganancia por acción de las acciones S&P de la tabla 1, el

13
 SEMANA 1
MÓDULO 1

promedio se calcula sumando las ganancias por acción de las 25 acciones y dividiendo
entre 25. Al hacer esto se obtiene como ganancia promedio por acción $2.49 (Haga la
prueba, sume todos los valores de la columna “ganancia por acción $” y divida por 25).
Este promedio da una tendencia central, o posición central, de los datos de la variable.
En numerosos campos sigue creciendo el interés por los métodos estadísticos que son
aplicables para elaborar y presentar estadísticas descriptivas. En los módulos
posteriores se desarrollan los métodos tabulares, gráficos y numéricos de la estadística
descriptiva.

2.2.2. INFERENCIA ESTADÍSTICA

Es la técnica o metodología mediante la cual es posible realizar la estimación de
las características de una población o realizar la toma de decisiones basados en
resultados muéstrales. Técnica mediante la cual se sacan conclusiones o
generalizaciones acerca de parámetros de una población basándose en el estadígrafo
o estadígrafos de una muestra de población. “Muestra” es, parte representativa de la
población.
Una de las principales contribuciones de la estadística es emplear datos de una
muestra para hacer estimaciones y probar hipótesis acerca de las características de una
población mediante un proceso al que se le conoce como inferencia estadística. Como
un ejemplo de inferencia estadística, considere un estudio realizado por Norris
Electronics. Norris fabrica focos de alta intensidad que se emplean en diversos
productos electrónicos. Con objeto de incrementar la vida útil de estos focos, el grupo
de diseño del producto elaboró un filamento nuevo. En este caso, la población está
definida por todos los focos que se produzcan con el filamento nuevo. Para evaluar las
ventajas del filamento, se fabricaron 200 focos. Los datos recolectados de esta muestra
dan el número de horas que duró cada foco hasta que se quemara el filamento. Véase
la tabla 3.

14
 SEMANA 1
MÓDULO 1

TABLA 3: HORAS DE DURACIÓN DE UNA MUESTRA DE 200 FOCOS DE NORRIS. 1.6

Suponga que Norris desea usar estos datos muestrales para hacer una inferencia
acerca del número de horas promedio de vida útil de todos los focos que se producen
con el filamento nuevo. Al sumar los 200 valores de la tabla 3 y dividir la suma entre 200
se obtiene el promedio del tiempo de vida de los focos: 76 horas. Este resultado muestral
sirve para estimar que el tiempo de vida promedio de los focos de la población es 76
horas.
𝑠𝑢𝑚𝑎𝑠 𝑑𝑒 𝑙𝑜𝑠 200 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 3
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑖𝑑𝑎 𝑢𝑡𝑖𝑙 =
200 𝑓𝑜𝑐𝑜𝑠
107 + 54 + 66 + 62 … … + 65 + 73 15200 ℎ𝑜𝑟𝑎𝑠
𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑖𝑑𝑎 𝑢𝑡𝑖𝑙 = =
200 𝑓𝑜𝑐𝑜𝑠 200 𝑓𝑜𝑐𝑜𝑠
= 𝟕𝟔 𝒉𝒐𝒓𝒂𝒔 𝒑𝒓𝒐𝒎𝒆𝒅𝒊𝒐 𝒅𝒆 𝒗𝒊𝒅𝒂 𝒅𝒆 𝒍𝒐𝒔 𝟐𝟎𝟎 𝒇𝒐𝒄𝒐𝒔

En la figura 5, se proporciona un resumen gráfico del proceso de inferencia

estadística empleado por Norris Electronics (Anderson, Sweeney, & Williams, 2008).

15
 SEMANA 1
MÓDULO 1

FIGURA 5: PROCESOS DE INFERENCIA ESTADÍSTICA EMPLEADO EN EL EJEMPLO DE NORRIS ELECTRONICS

La estadística descriptiva describe datos.

La estadística inferencial, infiere con esos datos, entendiendo inferir como la

predicción de resultado.

1. Las computadoras y el análisis estadístico

Como en el análisis estadístico suelen emplearse grandes cantidades de datos, los

analistas usan software para realizar estos trabajos. Por ejemplo, calcular el tiempo
de vida promedio de los 200 focos del ejemplo de Norris Electronics (véase tabla 3)
resultaría muy tedioso si no se contara con una computadora. En los próximos
módulos veremos la utilización de Excel para resolver actividades, en el mercado de
software existen una gran variedad, mencionemos alguno: SPAD, Stata,
Statgraphics, Minitab, Matlab, WinQSB, etc.

Bibliografía
Anderson, Sweeney, & Williams. (2008). Estadística para la Administración y Econimía. 10a.
Edición. CENGAGE Learning, http://www.upg.mx/wp-content/uploads/2015/10/LIBRO-
13-Estadistica-para-administracion-y-economia.pdf.

Canavos, G. C. (1988). Probalidad y Estadistica. Aplicaciones y Métodos. Mc GRAW-

HILL/Interamericana de Mexico, S.A. de C.V.; ISBN: 968-451-856-0.

Estrucplan. (2000). Accidentes de Trabajo .

http://www.estrucplan.com.ar/Producciones/entrega.asp?IDEntrega=1734.

Jaureguiberry, M. E. (s.f.). Seguiridad e higuiene en el Trabajo. Departemento de Ingeniería

Industrial, http://www.fio.unicen.edu.ar/usuario/segumar/a13-
3/material/ESTADISTICAS_int.pdf.

16
 SEMANA 1
MÓDULO 1

SRT. (2017). Superintendencia de Riesgo del Trabajo. Estadísticas SRT.

http://www.srt.gob.ar/index.php/estadisticas-srt-nuevo/.

Wikipedia. (2017). Ensiclopedia libre. Estadística. https://es.wikipedia.org/wiki/Estadística.

La mayor parte de la bibliografía utilizada fue Anderson, Sweeney, & Williams.

(2008) y en segundo lugar Canavos, G. C. (1988).

17