REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACION

UNIVERSIDAD NACIONAL EXPERIMENTAL SIMÓN RODRÍGUEZ

ZARAZA - GUARICO

ENSAYO

Facilitador: Participante:

Manuel Robles Verónica Quintana CI 31.384572

Marzo, 2023
 La estadística es básicamente una ciencia que implica la recopilación e interpretación

de los datos y finalmente, la validación de los mismos. El análisis de datos estadístico es un

procedimiento para realizar diversas operaciones estadísticas. Un dato es la representación de

una variable que puede ser cuantitativa o cualitativa que indica un valor que se le asigna a las

cosas y se representa a través de una secuencia de símbolos, números o letras.

Se abarcaran los siguientes aspectos: datos estadísticos, necesidad de su obtención,

obtención de datos estadísticos, datos cuantitativos y cualitativos, elementos, variables y

observaciones, identificación y definición de variables, tipos de variables y sus escalas de

medida, dar ejemplos de los diferentes tipos de variables con sus respectivas escalas de

medida, estudio de la procedencia de los datos estadísticos, poblaciones y muestras,

identificación y manejo de errores en la adquisición de datos, reconocer la importancia de la

muestra, métodos de muestreo, la reparación de los datos, edición, codificación y transcripción,

y matriz de información y como se construye.

Los datos describen hechos empíricos. Para examinarlos deben ser organizados o

tabulados, ya que un dato por sí mismo no puede demostrar demasiado, sino que se debe

evaluar el conjunto para examinar los resultados. Los datos no tienen sentido por sí mismos,

pero al ser procesados y contextualizados se convierten en información certera y disponible

para conocer un fenómeno, tomar decisiones o ejecutar acciones.

Los datos son unidades de información que representan una característica de un

elemento. Todo el conocimiento que ha adquirido la humanidad se trata de un conjunto de

datos que se complementan. La estadística se enfoca en el tratamiento de estos, mediante

diversas fórmulas matemáticas. La necesidad de obtención de los datos va a variar según el

uso que se le vaya a dará, por ejemplo, durante el desarrollo de una investigación, se suele

utilizar el método estadístico para la obtención de datos estadísticos. A partir de los mismos, los

investigadores pueden realizar inferencias, respecto al comportamiento de una población, y

conclusiones. Los datos estadísticos pueden obtenerse a través de la recolección de datos

originales. La persona u organización que se encarga de obtenerlos es la fuente primaria,

mientras que la persona que compila la información es la fuente secundaria.

De igual manera los datos se pueden clasificar de diversas formas, pero los datos

cualitativos se refieren a características o cualidades particulares de una población, las cuales

no pueden ser cuantificables y, por lo tanto, no se puede operar con ellos matemáticamente.

Algunos ejemplos de este tipo de datos son los colores, la forma, la textura, el olor o el sabor;

mientras que los datos cuantitativos son características numéricas de una población, por lo que

son medibles y se puede operar matemáticamente con los mismos. Dentro de este tipo se

enmarcan datos como la altura, la edad, el peso o el precio. En concordancia con esto la

estadística abarca un conjunto de elementos como la población que son los elementos que

intervienen en el experimento, se dividen en infinita si son tantas medidas que no se puede

alcanzar el conteo o finitas donde si es posible el conteo, luego está la muestra que son las

observaciones tomadas de la población, la muestra representativa donde se toma el

subconjunto representativo de dicha población, el muestreo se basa en el estudio de la muestra

representativa, el censo que estudia completamente a la población, el parámetro que

constituyen las características medibles de una población y entre ellos también está la variable

y la observación. La variable es característica o cualidad de una muestra o población a la cual

se le puede asignar un valor, y la observación es un elemento fundamental de todo proceso de

investigación; en ella se apoya el investigador para obtener el mayor número de datos. En la

tabla 1 se muestra la clasificación de las variables.

 Tabla 1. Clasificación de Variables

Uno de los elementos fundamentales de la definición de una variable es el tipo de

escala que utilizaremos para medirla. En función de la escala elegida decidiremos su

codificación, tratamiento informático y estadístico. Hay cuatro tipos de escalas de medición, que

ordenadas en orden creciente de potencia, según la proporción de información que contienen,

son: Nominal, Ordinal, de intervalos, de razones o ratios. La Escala nominal consta de dos o

más categorías mutuamente excluyentes. Si solo hay dos, se llama escala nominal dicotómica.

A cada categoría se le suele asignar un número de código sin significado cuantitativo, lo que

facilita su introducción en bases de datos. En cualquier situación, si se usa una codificación

propia, debe tenerse claro lo que significa cada código para cada variable, ejemplos: Sexo: 1)

masculino; 2) femenino. Fumar: 0) no; 1) sí. Estado civil: 1, casado; 2, soltero; 3, viudo; 4,

divorciado.

La escala ordinal, las variables ordinales tienen la cualidad adicional, respecto a la

escala nominal, de que sus categorías están ordenadas por rango; cada clase posee una

misma relación posicional con la siguiente; es decir, la escala muestra situaciones escalonadas.

Si se usan números, su única significación está en indicar la posición de las distintas categorías
en la serie; sin embargo, no asumen que la distancia del primer escalón al segundo sea la

misma que la del segundo al tercero. Veamos algunos ejemplos: Clase social: 1) baja, 2)

media, 3) alta, Grados de reflujo vesicoureteral: grados 1, 2, 3, 4.

Existen escalas que serán mezcla de nominal y ordinal, porque solo algunas categorías

estén ordenadas por rango; esto ocurre en las escalas en las que un valor representa a una

categoría inclasificable (ejemplo: no sabe no contesta o resultado indeterminado). Mientras que,

la escala de intervalo posee la cualidad adicional de que los intervalos entre sus clases son

iguales. Diferencias iguales entre cualquier par de números de la escala indican diferencias

también iguales en el atributo sometido a medición. Ejemplo la diferencia de temperatura entre

una habitación a 22 grados centígrados y otra a 26 es la misma que la existente entre dos a 33

y 37 grados centígrados, respectivamente.

Sin embargo, la razón entre los números de la escala no es necesariamente la misma

que la existente entre las cantidades del atributo. Ejemplo: una habitación a 20 grados no está

el doble caliente que otra a 10. Ello se debe a que el cero de la escala no expresa el valor nulo

o ausencia de atributo. Igualmente, las escalas de razones su cualidad adicional es que el cero

sí indica ausencia de atributo. En consecuencia, la razón entre dos números de la escala es

igual a la existente entre las cantidades del atributo medido. Ejemplos: Peso: medido en

kilogramos, concentración de glucosa en una muestra: medida en mg/dl.

Las escalas de intervalos y razones se llaman también métricas o dimensionales. Las

variables continuas van a medirse con escalas de razones o intervalos, por lo que es habitual

que nos refiramos a ellas englobándolas como escalas continuas, ya que comparten

estrategias de análisis, como la elección del test estadístico. Algunos paquetes estadísticos,

como SPSS, las denominan simplemente “escalas”. Cuando en la recogida de una variable

continua (escala de razones o intervalos) no podemos recoger valores a partir de un límite (por

ejemplo: cargas virales superiores a 100 000), si se opta por mantener esas observaciones en
el análisis, la variable se comporta en ese rango como una variable ordinal. Para hacer más

claro la clasificación de las variables con su respectiva escala se muestra la Figura 2.

Figura 2. Tipos de variables con su escala y ejemplos.

Por el

contrario, una mala utilización de la estadística también entraña ciertos peligros, debido a que

algunos profesionales se basan en los números sin contrastarlos ni analizarlos adecuadamente.

Y esta actitud puede llevar a decisiones erróneas en el ámbito de la mejora continua de

procesos. Lo que de verdad es importante no son los datos en sí mismos, sino el proceso de

transformación de estos datos en decisiones adecuadas y es allí donde entra estudio de

procedencia de los datos. Es preciso actuar con rigor y cautela, contrastando fuentes y

analizando las cifras concienzudamente. Lo contrario sería utilizar la estadística de una forma

ingenua e, incluso, irresponsable.

Los datos juegan un papel vital en todo el campo y en todas las teorías y mediciones. La

medida de la tendencia central (media, mediana, moda), la medida de la dispersión (varianza,

desviación media, desviación estándar, etc.) son algunas de las medidas estadísticas por las

que encontramos las diferentes características de los datos. Dentro de los elementos

estadísticos también están las poblaciones y muestras. Una población es el conjunto de todos

los elementos a los que se somete a un estudio estadístico. No debe confundirse la población

en sentido demográfico y la población en sentido estadístico.

 Se debe tomar en cuenta de que siempre se estará propensos a caer en un sesgo de

muestreo porque siempre habrá personas que no contesten la encuesta por estar ocupadas, o

la contesten de manera incompleta, por lo que no podremos obtener los datos que requerimos.

De todo esto, es necesario destacar que hay errores en la adquisición de datos. Bent et al

(2003), señalan las siguientes causas: En primer lugar, el análisis erróneo de los ensayos

aleatorios por grupos puede suponer inadecuada e implícitamente la independencia de las

observaciones. Peor aún, cuando sólo hay un conglomerado por grupo, los conglomerados

están completamente confundidos con el tratamiento, lo que resulta en cero grados de libertad

para probar los efectos de grupo. Esto también ha dado lugar a una retractación.

En segundo lugar, los tamaños del efecto pueden manejar inadecuadamente los grupos

de tratamiento múltiples. Por ejemplo, asumiendo la independencia a pesar de compartir un

grupo de control) o no utilizar el componente de varianza correcto en los cálculos. A su vez, las

estimaciones de estos cálculos del tamaño del efecto pueden ser incorrectas, y a veces han

requerido corrección. En tercer lugar, es inadecuado comparar la significación nominal de dos

pruebas estadísticas independientes como medio para sacar una conclusión sobre los efectos

diferenciales Este error de «diferencias de significación nominal» se comete a veces en

estudios con más de un grupo, en los que las mediciones finales se comparan con la línea de

base por separado para cada grupo. Si una es significativa y otra no, un autor puede concluir

erróneamente que los dos grupos son diferentes.

El método de muestreo será la técnica que se utilice para estudiar un conjunto

representativo de la población. Pero tratando de que el error en el proceso de la investigación

sea reducido al mínimo. Los errores se pueden producir por factores como el azar, el sesgo o la

confusión. En efecto, los métodos de muestreo se utilizan cuando al momento de realizar una

investigación resulta difícil o casi imposible estudiar a la totalidad de la población o hacer un

censo. Entonces, se decide elegir una muestra de la población que resulte suficientemente

representativa para hacer el estudio.

Básicamente, el método de muestreo aleatorio o probabilístico es una técnica de

muestreo donde el investigador establece una serie limitada de criterios para elegir al azar la

muestra de población que será estudiada. Claramente, cada miembro de la población tiene la

misma oportunidad para ser parte de la muestra. Las cuatro formas como se puede aplicar el

método aleatorio o probabilístico son: primer Método de muestreo aleatorio simple (El grupo de

estudio se elige por casualidad y cada sujeto tiene la misma probabilidad para ser elegido);

segundo método de muestreo aleatorio por conglomerados (Para aplicarlo se debe dividir a la

población en partes o conglomerados que resulten representativos de una población. En este

caso se pueden usar parámetros de tipo demográfico. Entre ellos se pueden incluir sexo, edad,

estado civil, nivel educativo; para mencionar algunos)

Un tercer método de muestreo aleatorio sistemático (consiste en seleccionar en forma

aleatoria el primer elemento de la muestra. Posteriormente, se seleccionan otros elementos,

pero de manera sistemática o siguiendo intervalos fijos, hasta completar el tamaño de la

muestra. Es decir, se van siguiendo intervalos regulares) y un cuarto método es el de muestreo

aleatorio estratificado (Este método primero divide el total de la población en grupos más

pequeños).

También se encuentra el método de muestreo no aleatorio o no probabilístico en donde

las muestras se seleccionan mediante un proceso que no ofrece a los sujetos la misma

oportunidad para ser seleccionado. Las formas de aplicar este método son: Por cuotas (el

investigador selecciona dentro de la muestra únicamente a los sujetos que cumplen con ciertas

condiciones o requerimientos específicos): intencional o por conveniencia (el investigador elige

la muestra de acuerdo con criterios propios que le resulten convenientes); bola de nieve (el

investigador elige a un individuo y luego esa persona contacta con otras personas que formarán
parte de la muestra) y discrecional: (el investigador selecciona sujetos conforme a sus propios

criterios, pero considerando el aporte que estos sujetos proporcionen a la investigación). Las

técnicas estadísticas multivariadas se clasifican como técnicas de dependencia o de

independencia y se usan para reparar, codificar y editar los datos obtenidos. Las técnicas de

dependencia son apropiadas para identificar dos o más variables como dependientes y las

demás como independientes. Cuando hay sólo una variable dependiente, se opta por la

tabulación cruzada, análisis de varianza o contra varianza, regresión, análisis de discriminantes

de dos grupos y análisis conjunto.

Finalmente, una matriz de información es un instrumento en el que se encuentran

colocados una serie de elementos, los cuales pueden tratarse de distintos objetos matemáticos.

No obstante, lo habitual es que se utilicen números. Dentro de la matriz, cada observación se

corresponderá a la intersección de una fila con una columna. Así, tendremos un ordenamiento

donde podremos apreciar, por ejemplo, las características de una muestra o de una población

estadística. Se construye tomando en cuenta las variables, casos, tomando cada variable o

columna, observando cómo varía a largo de todos los casos. De igual forma, puede analizarse

cada caso, para evaluar las diferentes características por cada unidad indivisible del análisis.

El principal objetivo de la estadística es recopilar datos y procesarlos para que la

información suministrada, a través de una investigación, se pueda aplicar en soluciones,

decisiones y otras acciones de manera práctica.

La función principal de la muestra es permitir que los investigadores lleven a cabo el

estudio de los individuos de la población de manera tal que los resultados de su estudio puedan

ser utilizados para sacar conclusiones que se aplicarán a toda la población.

 El tipo de muestreo es una herramienta de la investigación científica. Su función básica

es determinar que parte de una realidad en estudio (población o universo) debe examinarse

con la finalidad de hacer inferencias sobre dicha población.

El concepto de variable puede ser definido desde sus características o propiedades

distintivas, estructura, contenido, funciones o relaciones. Su importancia en la investigación es

fundamental, pues, indica las acciones que se deben realizar para su contrastación.

Referencia Bibliográfica

Altman D(1991).. Datos Y recursos estadísticos. Londres: Chapman & Hall;

Equipo editorial (2020), Etecé. Para: Concepto.de. Datos. Disponible en:
https://concepto.de/dato/. Última edición: 1 de octubre de 2020. Consultado: 09 de abril de 2023
Milton J (2001). Estadística. México: McGraw-Hill.

Norman G. Estadística para administradores. México: Mosby/Doyma Libros; 1996.