1. QUE ES ESTADISTICA?

2. LIMITE INFERIOR REAL

3. LIMITE INFERIOR APARENTE

4. LIMITE SUPERIOR APARENTE

5. LIMITE SUPERIOR REAL

6. QUE ES UNA VARIABLE?

7. FRECUENCIA ORDINARIA ABSOLUTA

8. FRECUENCIA ACUMULADA ABSOLUTA

9. FRECUENCIA ORDINARIA RELATIVA

10. PORCENTAJE

11. PORCENTAJE ACUMULADO

12. REDONDEO POR EXCESO, REDONDEO POR DEFECTO

13. FRECUENCIA ACUMALADA RELATIVA

1. QUE ES ESTADISTICA?
La estadística es la ciencia encargada de estudiar los datos. Esta incluye
recolectar, analizar y describir los datos para llegar a conclusiones sobre un
fenómeno en particular.
La estadística emplea herramientas matemáticas y de probabilidades, con las
cuales desarrolla métodos y modelos para analizar los datos. Estos métodos
estadísticos se aplican en diversas áreas de las ciencias naturales y sociales, la
publicidad y el mercadeo, el sector industrial y el entretenimiento.
Un análisis estadístico sirve para comprender un hecho, realizar un estudio de
mercado, hallar la raíz a problemas sociales, comprender el comportamiento de
una población, etc.
La estadística ofrece una variedad de aplicaciones útiles en distintos escenarios,
como:
 Identificar los productos más vendidos en una tienda.
 Realizar pronósticos del tiempo basados en datos climáticos.
  Analizar el desempeño de los equipos deportivos. Esto incluye partidos
ganados, perdidos y empatados, información que resulta útil para predecir
resultados en distintos juegos.
 Ayudar a los gobiernos a conocer las características de su población y
economía, lo que les permite tomar decisiones informadas basadas en
datos reales.
 Permitir a las empresas conocer a sus competidores y mejorar su
rendimiento en el mercado.
 Servir como base indispensable para los investigadores científicos, quienes
analizan los datos y sacan conclusiones a partir de ellos.
La estadística ha estado presente durante milenios. Civilizaciones como la egipcia
o la Antigua Grecia realizaban censos para entender la distribución de la
población y la posesión de tierras, por ejemplos. Eso sí, no fue hasta el siglo XVIII
en que el término de estadística se creó y se popularizó gracias a Gottfried
Achenwall y John Sinclair.

Tipos de estadística y ejemplos

Estadística descriptiva
La estadística descriptiva o deductiva permite presentar de manera resumida y
organizada los resultados obtenidos tras un estudio o análisis en particular. Su
objetivo es describir las características principales de los datos reunidos.
En la estadística descriptiva encuentras el promedio, la desviación estándar, la
frecuencia, los porcentajes, cómo están distribuidos los datos, entre otros
parámetros.
Ejemplo de estadística descriptiva
En un equipo de futbol se obtuvieron los siguientes datos:
 Identificación Altura (en metros) Edad Goles en el último Mundial

1 1.65 36 0

2 1.80 30 0

3 1.70 24 0

4 1.60 24 0

5 1.85 25 0

6 1.75 31 1

7 1.68 21 1

8 1.72 28 4

9 1.70 35 7

10 1.73 29 0

11 1.78 22 0

El promedio de altura de los jugadores de este equipo es de 1,724 metros

con una desviación estándar de 0,070, el promedio de edad es de 27,72
años y el promedio de goles es 1,18.
 Con respecto a los goles anotados en el último mundial, el 53,8 % de los
jugadores no anotó ningún gol; el 30,8 % anotó un gol; el 7,7 % anotó 4
goles; y otro 7,7 % anotó 7 goles.

Gráfica de torta de las estadísticas de los goles anotados por un equipo nacional en el último
mundial de fútbol.

Estadística inferencial
La estadística inferencial o inductiva utiliza técnicas a partir de las cuales se
obtienen generalizaciones, modelos o predicciones. También sirve para
tomar decisiones basándose en información parcial o completa, obtenida
mediante la estadística descriptiva.

Por lo general, se aplica estadística inferencial cuando se hacen estudios de

medicamentos o se comparan grupos diferentes.

Ejemplo de estadística inferencial

Supongamos que se realiza un estudio en 100 pacientes con niveles de

colesterol en sangre alto. 50 reciben un placebo y 50 reciben un
medicamento. Se miden los niveles de colesterol luego de 8 semanas, y se
obtienen los siguientes resultados:

 Grupo control (placebo): media de 250 mg/dL y desviación estándar de 25

mg/dL

 Grupo tratamiento (medicamento): media de 200 mg/dL y desviación

estándar de 30 mg/dL
Para determinar si el nuevo tratamiento es eficaz, se aplican pruebas
específicas, como la t de Student. En este caso, la diferencia entre el grupo
control y el grupo de tratamiento es estadísticamente significativa, lo que
quiere decir que el nuevo tratamiento tuvo un efecto.

Conceptos principales en estadística

La estadística emplea sus propios términos para describir y analizar los
datos. Veamos algunos de los más importantes.

Datos:son los valores observados de las variables. También pueden

llamarse como frecuencias.

 Unidades muestrales: son los objetos de interés de un estudio. Las

unidades muestrales pueden ser tornillos, personas o latas de frijoles
como individuos, o pueden ser unidades compuestas por muchos
individuos, como ciudades, escuelas o lotes de tornillos.
 Población en estudio: es el conjunto completo de unidades
muestrales que interesa estudiar con el fin de responder una pregunta
de investigación. Por ejemplo, si estamos estudiando las orquídeas de
una reserva natural, todas las orquídeas corresponden a la población
en estudio.
 Muestra de la población: cuando se quiere estudiar una población,
pero es difícil poder acceder a todos los integrantes de la misma. Por
ello, se toma una muestra, es decir, una porción o un subgrupo de la
población.
 Por ejemplo, en la ciudad de Monterrey hay más de 5 millones de
habitantes. Si queremos estimar la altura de los adolescentes entre 14
y 16 años de la ciudad de Monterrey, tenemos que recurrir a una
muestra de esta población, probablemente entre 100 y 500 personas.
 Parámetro: es el valor que describe una población.
 Estadístico: es el valor que se obtiene a partir de una muestra.
 Error de estimación: es la diferencia entre el estadístico de la
muestra y el parámetro de la población.
 Margen de error: mide la diferencia máxima que se espera tener
entre un resultado obtenido a partir de una muestra y su valor
poblacional verdadero. Se acostumbra a tener un margen de error del
5 %, 2,5 % o 1 %.
 Muestreo: es la forma en que se seleccionan las unidades muestrales
para un estudio poblacional. El muestreo puede ser aleatorio simple,
donde todos los individuos tiene la misma oportunidad de ser
escogidos, o muestreo sesgado cuando se escogen cierto tipo de
individuos.
 Muestreo sistemático: comienza con una unidad elegida al azar y a
partir de allí se toma una unidad cada cierto número fijo.
Por ejemplo, se quiere hacer un estudio de control de calidad en una fábrica
de salsa de tomate. Se escoge un frasco de salsa de tomate cada 50 frascos
en un lote de 5000. A estos 100 frascos se les hace las pruebas necesarias
para asegurar que el lote tiene las condiciones adecuadas para salir a la
venta.

 Muestreo aleatorio estratificado: la población se divide en grupos

homogéneos llamados estratos, y de cada estrato se hace un muestreo
aleatorio simple.

Por ejemplo, en una ciudad la población se podría estratificar por menores

de 10 años, entre 11 y 20 años, entre 21 y 30 años y mayor de 31 años.

 Muestra representativa: una buena muestra debe ser

representativa de la población. Esto significa, que todas las
características importantes de la población tienen que estar en la
muestra en la misma proporción que en la población.
 Promedio: es el valor característico o central de un conjunto de
números. Dentro de estos valores podemos hablar de la media (se
obtiene sumando todos los valores del conjunto de datos y dividiendo
la suma por la cantidad de datos en ese conjunto) y la mediana (el
valor central de conjunto de datos ordenados).
 Desviación estándar: es una medida de dispersión basada en la
media. Representa una distancia típica de cualquier punto del conjunto
de datos a su centro (medido por la media).
 Intervalos de confianza (IC): se refiere a un rango de valores
posibles y con un cierto porcentaje donde se puede asegurar que se
encuentra el verdadero valor de un parámetro de la población.

Por ejemplo, si el intervalo de confianza al 95% de la altura de una población

es (165,175) quiere decir que si repetimos las mediciones el 95% de las
veces caerá entre los valores de 165 y 175.

Sexo Meses de Presencia de

(Variable edad Raza Peso (en kg) enfermedades
categórica) (Variable (Variable (Variable (Variable
numérica) categórica) numérica) categórica)

Labrador
Macho 12 Retriever 20 No

Sí
(leishmaniasi
Hembra 24 Bulldog 15 s)
 Sexo Meses de Presencia de
(Variable edad Raza Peso (en kg) enfermedades
categórica) (Variable (Variable (Variable (Variable
numérica) categórica) numérica) categórica)

Pastor
Macho 8 Alemán 30 No

Sí
Hembra 36 Chihuahua 2 (Dermatitis)

Golden
Macho 7 Retriever 25 No

Boston
Hembra 48 Terrier 10 No

Macho 2 Bóxer 28 Sí (obesidad)

Hembra 16 Dálmata 20 No

Sí (displasia
Macho 60 Rottweiler 35 de cadera)

Hembra 2 Caniche 6 No

 Variables: son características que pueden cambiar de una unidad

muestral a otra. Existen variables numéricas (o cuantitativas)
y variables categóricas (o cualitativos).

Por ejemplo, en la siguiente tabla se muestran las variables de 10 perros que

fueron llevados a consulta en un veterinario. Las variables sexo, raza y
presencia de enfermedades son variables categóricas, mientras que la edad
y el peso son variables numéricas.

2. LIMITE INFERIOR REAL

El límite real inferior (LRI) es el valor que representa e

l punto medio del primer intervalo de clase en una dist
ribución de frecuencias.
Definición y Cálculo
 El límite real inferior se define como el punto donde comienza el pri
mer intervalo de una tabla de distribución de frecuencias. Para calcu
larlo, se utiliza la siguiente fórmula:
LRI=LI−0.5×amplitud del intervaloLRI=LI−0.5×amplitud del interval
o
Donde:
 LI es el límite inferior del primer intervalo.
 Amplitud del intervalo es la diferencia entre el límite superior e in
ferior del intervalo.
Por ejemplo, si el primer intervalo va de 18 a 27, la amplitud es 9. E
ntonces, el límite inferior (LI) sería 18, y el cálculo del LRI sería:
LRI=18−0.5×9=13.5LRI=18−0.5×9=13.5
Por lo tanto, el LRI para este intervalo es 13.5.

Importancia en Estadística
El límite real inferior es fundamental en el análisis estadístico, ya qu
e permite establecer rangos y estimaciones en diferentes contextos.
Por ejemplo, se utiliza para determinar intervalos de confianza, dond
e el límite inferior indica el valor mínimo esperado de un parámetro
poblacional con un nivel de confianza específico.

Además, el límite inferior ayuda a evaluar la precisión de las estimac

iones y a tomar decisiones basadas en datos, como en el control de
calidad en procesos industriales o en pruebas de hipótesis en investi
gaciones científicas.

En resumen, el límite real inferior es un concepto clave en estadístic

a que proporciona información valiosa sobre el comportamiento de l
os datos y permite realizar análisis más precisos.
3. LIMITE INFERIOR APARENTE

4. LIMITE SUPERIOR APARENTE

5. LIMITE SUPERIOR REAL

6. QUE ES UNA VARIABLE?

7. FRECUENCIA ORDINARIA ABSOLUTA

8. FRECUENCIA ACUMULADA ABSOLUTA

9. FRECUENCIA ORDINARIA RELATIVA

10. PORCENTAJE

11. PORCENTAJE ACUMULADO

[Link] POR EXCESO, REDONDEO POR DEFECTO

13. FRECUENCIA ACUMALADA RELATIVA