Registro de conceptos estadísticos como recurso

para una alfabetización estadística

55B/142

Directora:
María Eugenia Ángel

Investigadores:
Graciela Fernández
Laura Polola
Mario Enrique Borgna
Liliana Sandra Pagano
Silvia Brunetti
Miriam Ecalle

Informe Final
Diciembre 2010
1- Informe técnico - académico

1.1. Resumen

Con el objetivo de elaborar un registro de términos y conceptos estadísticos, se desarrolla el

presente trabajo que consiste en identificar y clasificar conceptos, estableciendo similitudes y
diferencias de interpretaciones de acuerdo al contexto de aplicación académico-profesional.
Se trata de elaborar un lenguaje estadístico a través del cuál se puedan resignificar algunos
conceptos básicos como así también analizar y describir herramientas estadísticas para su
mejor aprovechamiento.
Se ha realizado una revisión y análisis bibliográfico de material estadístico a fin de localizar
algunos usos y aplicaciones de diversos términos, así como ubicar posibles interpretaciones
erróneas o ambiguas como situaciones donde se podía detectar cierta manipulación de la
información.
El registro con los términos seleccionados es el producto final de la presente investigación,
elaborado a partir de la confluencia del material procesado con los estándares teóricos
vigentes.

Palabras claves: registro estadístico – herramientas estadísticas – técnicas estadísticas –

conceptos estadísticos – significados estadísticos.

1.2. Introducción

Llegará un día en el que el razonamiento estadístico será tan necesario

para el ciudadano como ahora lo es la habilidad de leer y escribir.
H. G. Wells (1866-1946)

En el complicado mundo de hoy pocas cuestiones están claras y no sujetas a controversia.

Para entender y poder emitir una opinión sobre un determinado tema se debe recoger
información, es decir, contar con datos. Y, para interpretarlos es conveniente poseer
conocimientos básicos de Estadística, que es la ciencia que brinda herramientas adecuadas
para extraer conclusiones válidas de conjuntos de datos.

2
La influencia de la estadística como disciplina transversal en las demás ciencias y su
utilización creciente más allá del ámbito científico -facilitada y potenciada por las nuevas
tecnologías en el tratamiento estadístico de la información- requiere establecer un referente
conceptual que permita su buen uso y aplicación; de ahí la necesidad de construir un puente
entre la teoría formal y la práctica responsable. Es decir, en la nueva situación sociocultural
del mundo actual, se instala la necesidad de una alfabetización estadística orientada a
determinar qué conocimientos, valores y habilidades necesita desarrollar el ciudadano de hoy
para desempeñarse socialmente con pericia.
Con el presente trabajo se ha iniciado una reestructuración, una renovación de los términos,
conceptos y herramientas estadísticas desde lo formal pero sin dejar de lado la función
comunicativa del lenguaje que permita remediar en parte su desconocimiento o usos erróneos.
El objetivo general de la investigación fue precisamente la elaboración de un registro de
términos y conceptos estadísticos donde se unificaran y jerarquizaran las definiciones a partir
de las similitudes y diferencias de interpretaciones de acuerdo a su contexto y aplicación. Para
lograrlo se identificaron, compilaron, compendiaron, puntualizaron, analizaron, describieron y
sintetizaron los términos, conceptos y herramientas estadísticas seleccionadas.

Los estadísticos han invadido todas las ramas de la ciencia con una rapidez de conquista
que sólo tiene como rivales a Atila, a Mahoma y al escarabajo de Colorado.
Maurice Kendall (estadístico británico)

Se ha hecho mención de la presencia de la información como un contexto donde el hombre se

encuentra inmerso y se hace imperiosa su interpretación, manejo, análisis y tratamiento para
sacar conclusiones, pero ¿qué se entiende por información?

Se puede decir que información es todo mensaje oral o escrito posible de impactar sobre la
percepción de un sujeto y su estado cognoscitivo. Cuando la persona logra interpretar
correctamente un mensaje se dice que se ha comunicado satisfactoriamente, que se ha logrado
interpretar correctamente la información, y, su importancia radica en que se reduce la
incertidumbre que rodea a la situación que se ha planteado permitiendo una mejor toma de
decisiones frente a la misma.

Caben algunos interrogantes, ¿por qué se resalta la situación actual de las sociedades
modernas?, ¿esto no ocurría antes?, ¿qué es lo que ha cambiado?

A nuestras sociedades se las denomina Sociedades de la Información porque desde las últimas
décadas del siglo XX, la disponibilidad de las nuevas tecnologías de la información y de la

3
comunicación ha permitido un cambio a nivel global de las economías de los países gracias
precisamente a concebirla como un recurso de producción. La información se ha transformado
en un medio estratégico, tanto para las empresas como para los gobiernos y los ciudadanos,
por eso la importancia de que el trabajador, el estudiante y los profesionales en general se
encuentren capacitados para la interpretación y tratamiento de la misma.

“La información permite construir conocimiento útil para la acción, entendido como la
interacción permanente de experiencias, valores, información y saber hacer, que genera, en
forma cíclica, nuevas informaciones, experiencias y conocimientos”.1

Se ha establecido un nuevo paradigma, que ha generado una mayor demanda de los sistemas
de información estadística. Estos sistemas están compuestos por datos provenientes de las más
diversas fuentes, integrándolas y relacionándolas para cubrir la diversificación de la demanda.

Por ello se puede decir que todo trabajador y estudiante se ha convertido en un usuario de
información estadística. La diversidad que presentan estos usuarios obedece a su capacidad de
abordar los fenómenos económicos y sociales desde diferentes características, como ser: la
magnitud o dimensión de los fenómenos, estructura y forma en que se desagregan sus
componentes, distribución espacio- temporal y las relaciones entre fenómenos.
La información estadística si bien se enmarca en un entorno de aproximaciones matemáticas,
es la que hace posible el acceso al conocimiento de la realidad, interpretación de la forma en
que se comportan los fenómenos, la predicción de su conducta futura siempre y cuando
cuente, necesariamente, con los atributos de calidad, veracidad y precisión.
El extraer información de los datos de campo, poder representarla tabular y/o gráficamente,
permite darle sentido a esos datos. Lo mismo ocurre al contemplar la realidad desde la
perspectiva de su modelización surgiendo la comprensión de las cualidades o características
del mundo real.

Debido al caudal de aplicaciones y a la complejidad que puede involucrar el trabajo con la

información estadística, se puede prever un incremento de la demanda de herramientas de
fácil comprensión y manejo como punto de partida. Dentro de este contexto surgió la
necesidad de elaborar un registro de conceptos y procedimientos de diversa complejidad
atendiendo a los requerimientos de la sociedad de hoy.

1
Cuadernos del SIEL Sistema de Información Estadística Local, Serie 1. Materiales institucionales,
conceptuales y metodológicos Cultura Estadística y Gestión Local Instituto Nacional de Estadística y Censos
Dirección Nacional de Planificación y Coordinación Estadística Julio 2007.

4
1.3. Desarrollo de la investigación

A partir de la decisión de elaborar el registro de conceptos estadísticos en función de los

requerimientos, se realizaron diversos relevamientos basados en la observación y búsqueda de
carencias y necesidades de los usuarios en relación al conocimiento estadístico.

Relevamiento de información secundaria y sus resultados

La primera tarea correspondió al tratamiento de información secundaria mediante la

recopilación de terminología estadística utilizada en medios de difusión, revistas de
divulgación general, páginas de Internet y textos de Estadística y de otras ramas del
conocimiento incluyendo textos escolares.
El trabajo se centró en seleccionar, registrar y analizar información referida a la utilización de
términos y conceptos estadísticos.

• Revisión de libros de texto escolares

Una de las primeras acciones fue trabajar con los textos escolares de los últimos años del
nivel primario y primeros del secundario debido a que es en esos niveles de escolaridad donde
se realiza el primer acercamiento a la estadística.
A continuación se mencionan las observaciones realizadas a diferentes textos donde aparecen
algunos conceptos de manera incompleta o parcial o conceptualizaciones gemelas que, por un
exceso de simplificación, se identifican como iguales cuando no lo son. Las mismas fueron
organizadas en bloques teniendo en cuenta la fuente de donde fueron extraídas la cual se cita
al final de cada uno de ellos.

 El concepto de suceso aparece relacionado con cada resultado posible de un experimento aleatorio
siendo muy restrictiva la definición, ya que no se menciona en ningún momento que un suceso
puede tener más de un elemento. Se identifica el concepto de suceso en términos generales con el
de suceso elemental.
 Se define probabilidad (siguiendo la definición clásica de Laplace) como el cociente entre el
número de casos favorables y número de casos posibles omitiendo que los espacios muestrales
deben ser finitos y equiprobables.2
 Se trabaja con el concepto de variable sin definirla, no se la reconoce como característica que se
desea estudiar en la población.3
2
Ed. Estrada Manual de 6º grado. 2006
3
Matemática de 7º grado (1º E.S.B.). Ed. Puerto de Palos. 2005.

5
 Las medidas no son definidas como concepto, sólo se trabajan desde su cálculo numérico y no
desde su interpretación enmarcada en el contexto de un problema, no se justifica la necesidad de su
cálculo y de su aplicación.
 La noción de mediana pierde su característica esencial al sólo definirse como valor central sin otra
consideración que la complete y justifique.
 La única diferenciación entre mediana y media aritmética que se realiza es a través de su forma de
cálculo.
 Las medidas de dispersión sólo se calculan sin explicar qué indican y sin vincularlas con las
medidas de posición.4

 Los conceptos de muestra y población no se distinguen claramente.

 A todas las medidas se las denomina parámetros estadísticos perdiéndose la distinción entre los
conceptos de parámetro poblacional y estadístico muestral, y cómo están relacionados.
 Se presentan las medidas de tendencia central para resumir la información contenida en los datos y
no se dan sus respectivas interpretaciones.
 Las variables cualitativas no se mencionan aún cuando prevalecen en la información de uso
corriente, por ejemplo en los medios de comunicación.
 Se presentan las medidas de dispersión, aclarando solamente que permiten completar la
información que proporcionan los datos, pero no se trabaja sobre su construcción y concepto. 5

 Se presentan los parámetros estadísticos de centralización y de dispersión sin dar sus

interpretaciones.
 Se consideran los conceptos de muestra y de población en forma indistinta.
 Se plantean problemas que involucran propiedades y relaciones no vistas entre las medidas.6
 Se denomina parámetros estadísticos a los valores que representan a los datos de una muestra o de
una población en forma indistinta.7

 Se denomina suceso a cada uno de los resultados del experimento, dando una definición restrictiva
e incompleta del concepto.
 Se define muestra y población, pero a todas las medidas se las denomina parámetros estadísticos.8

 A las variables cualitativas se las identifica como caracteres pero no variables. 9

 Se define estadística descriptiva como la parte de la estadística que trata de analizar un grupo dado
sin incluir la distinción de los conceptos de población y muestra.
 A las variables cualitativas sólo se las trata en su cuantificación numérica.
 A las medidas se las denomina estadísticos de centralización o posición, se presenta sólo el cálculo
y no se aclara que se está trabajando con muestras. Ni se mencionan sus propiedades,
interpretaciones y relaciones.

4
Textos 8º y 9º ((2º y 3º E.S.B.): Matemática I, Ed. Santillana, 1995. Matemática 8, Ed. Nuevas Propuestas.
Matemática 8, Ed. Tinta Fresca, 2005. Matemática 9, Ed. Puerto de Palos, 2001.
5
Ed. Kapelusz de 9º año.
6
Ed. Santillana de 9º año.
7
Ed A-Z de 9º año .
8
Ed. Kapelusz de 1º año.
9
Ed. Kapelusz de 1º año.

6
 Para calcular probabilidades se dan dos métodos: recurriendo al experimento, usando la frecuencia
relativa y utilizando la fórmula de Laplace, sin especificar las condiciones de aplicación de cada
una de las definiciones.
 Se presenta la probabilidad total, condicional y la regla de la multiplicación desde una definición
incompleta de probabilidad.10

En resumen, en algunos de los textos revisados aparecen definiciones próximas a las que se
manejan en los libros de Estadística y que pueden considerarse universalmente aceptadas.
Esto sucede con la definición de suceso o la definición clásica de probabilidad, que se
presentan sólo en una de sus formas o dejando de lado el contexto de trabajo, ya que no se
tienen en cuenta características del fenómeno o experimento como, por ejemplo, que hay
sucesos con más de un elemento o que todos los resultados del experimento sean igualmente
probables de ocurrir. Para el caso de la noción empírica de probabilidad, para espacios
muestrales no equiprobables, se enuncia una aproximación al concepto como “…la
frecuencia relativa de un suceso al realizar el experimento un número muy grande de
veces…” justificando esta práctica con la ley de los grandes números, “a medida que aumenta
el número de repeticiones del experimento, el valor de la frecuencia relativa del evento se
aproxima más a la probabilidad del mismo”. El valor de esta propiedad no se agota en lo que
afirma sino que además introduce la noción de límite de manera concreta.
En los temas trabajados en estadística descriptiva es reiterativa una tendencia muy marcada al
cálculo matemático de las medidas en detrimento de la conceptualización e interpretación.
Por otro lado, es para destacar que en el material examinado, aparecen referencias históricas
sobre las primeras experiencias de recolección de datos, siendo ésta una buena herramienta
didáctica complementaria y un elemento para la motivación de la curiosidad de valor per se.

Muchas observaciones se repitieron en diferentes textos, de esta manera la frecuencia con que
aparecen también resulta interesante a la hora de la detección de las carencias o
inconvenientes en la presentación de los conceptos estadísticos. De esta forma los conceptos
pilares donde se han detectado las mayores dificultades son:
• Población y muestra.
• Individuo.
• Variables cualitativas y cuantitativas discretas y continuas.
• Tabla de frecuencias, frecuencias absolutas y relativas.
• Media, Moda y Mediana.
• Varianza y desvío absoluto, medio y típico.
• Azar y aleatoriedad.

10
Ed. A-Z, Funciones y estadística De Simone, Turner.

7
 • Espacio muestral y sucesos. Sucesos especiales.
• Probabilidad.

En general, puede decirse que los conceptos expresados aparecen de manera incompleta o
confusa sin llegar a su formalización a través de una visión más integral de los mismos. La
trascendencia de estos conceptos es fundamental como base para la construcción del
conocimiento estadístico, y por esta razón constituyen el punto de partida en la elaboración
del registro de términos estadísticos.
Estos conceptos–nodos permiten establecer redes conceptuales que involucran un buen
número de nociones, técnicas y procedimientos que podrán consultarse en el registro.

• Revisión de libros universitarios básicos

En los libros universitarios revisados, los de uso más frecuente, no se han detectado nociones
confusas o contradictorias, sin embargo estos textos pueden agruparse en dos grandes grupos
no excluyentes: los de estadística aplicada y los enfocados más a desarrollos teóricos. En
relación a los primeros es común apreciar una tendencia calculista sobre la interpretativa o
analítica; mientras que en los más teóricos se nota poca presencia de situaciones concretas
donde se puedan aplicar los contenidos.
En ambos casos se pierde el objetivo de la transferencia, aplicación y comprensión acabada de
los conceptos tratados.

En estos libros suelen aparecer distintos nombres para un mismo concepto como ser:
Docimasia de Hipótesis –se utiliza en el libro de Probabilidad y aplicaciones estadísticas de P.
Meyer– el nombre que puede darse a la metodología utilizada para resolver casos de
verificación de hipótesis, también denominada prueba o ensayo de hipótesis.
Al teorema de probabilidad total se lo denomina también regla de eliminación.
Definir los conceptos estadísticos identificándolos con los nombres que reciben sus referentes
en la teoría de conjuntos es otro ejemplo, tal como se utiliza en los módulos de estadística y
probabilidades finitas de la Maestría en Enseñanza de la Matemática de la UNCU.
Al mismo tiempo el término promedio, que se refiere indistintamente a media aritmética,
mediana, centro de amplitud y moda, aunque cada uno presenta un panorama diferente sobre
la representación de los datos, usualmente en los textos se refiere a la media aritmética.

8
Vale aclarar que hasta el término estadística presenta distintas acepciones, puede significar la
ciencia propiamente dicha como así también el resultado del trabajo realizado por un
estadístico. Y la expresión estadístico, por su parte, puede identificarse con la persona
especializada en estadística como así también con medidas obtenidas a partir de muestras.
En algunas áreas, como ser Metodología de la Investigación Social se pudo observar el uso
indistinto de los conceptos de unidad de observación y unidad de análisis siendo éstos
diferentes para ciertos autores, como R. Sierra Bravo 11, quien sostiene que la unidad de
análisis corresponde a colecciones de individuos –o conglomerados- y las unidades de
observación en general pueden ser individuos particulares.

En los casos expuestos, se observan distintos términos que se utilizan para indicar
significados iguales - significados idénticos- y expresiones idénticas para designar distintas
nociones muchas veces sin las debidas aclaraciones para el lector novato.
Otra observación encontrada en estos libros es que en general se emiten conclusiones
taxativas en los procedimientos inferenciales –ambientes no determinísticos– donde el uso de
los verbos en modo potencial podría ayudar a conservar la noción de incertidumbre que deben
acompañar a estas conclusiones.

• Revisión de páginas de Internet de uso público

A continuación se sintetizan algunas observaciones realizadas en las páginas de Internet

analizadas en las que se encontraron errores en ciertos conceptos.
Cada bloque corresponde a una fuente que se cita al final de cada uno de ellos.

 Se presenta un ejemplo de muestra representativa que contradice a la definición del concepto

suministrado. Se toma como muestra de la población de todos los estudiantes de la Universidad de
Málaga, al conjunto de los alumnos de la Facultad de Medicina, que no constituye una muestra
representativa de dicha población.
 Se afirma erróneamente que la mediana de una variable discreta es siempre un valor de la variable
estudiada.12

 Se considera a la estimación como la operación por la que se asigna a un parámetro de la población

el mismo valor que a un estadístico calculado a partir de una muestra, y a la estimación por

11
Sierra Bravo, R. Técnicas de Investigación Social. Teoría y Ejercicios. Decimosegunda Edición. 1998.
Editorial Paraninfo.
12
Bioestadística: Métodos y Aplicaciones. Bioestadística. Facultad de Medicina. Universidad de Málaga. ISBN:
847496-653-1. http://www.bioestadistica.uma.es/libro/node2.htm

9
 intervalo como una operación arriesgada. De esta forma sólo se tiene en cuenta como válida la
estimación puntual de parámetros.
 Se acota el campo de la Estadística Inferencial sólo a las operaciones de estimación sin incluir las
pruebas de hipótesis.
 Se hace referencia a la distribución de Poisson sólo como el caso límite de la Binomial.
 Se sostiene que la proporción es sinónimo de frecuencia relativa, es decir que no la trata como una
medida de intensidad o tasa y que el sesgo es sinónimo de asimetría.
 Se afirma que la distribución t de Student es una distribución que sigue la estimación de la
desviación típica.13

 Se refiere a la dicotomía como el proceso de categorización de una variable en sus dos modalidades
posibles. Cuando existen variables factibles de dicotomizar a pesar de presentar más de dos
categorías.
 Hay imprecisión al puntualizar a la mediana como el valor central que divide a la población en dos
subpoblaciones iguales. Cuando en realidad la igualdad sólo debe referirse a la cantidad de
elementos y no a atributos esenciales.
 En el procedimiento para trazar un polígono de frecuencias se omiten los tramos inicial y final de
dicha representación gráfica.
 Se toma al rango como la situación de un dato respecto a una distribución.
 Se circunscribe la variabilidad a la medida rango o recorrido de una variable en estudio. 14

 Se identifica al concepto atributo sólo con variables cualitativas.

 Al especificar lo que representa un espacio muestral no se aclara que se refiere a los resultados de
un experimento aleatorio.
 Se afirma que la estimación es el valor específico observado de un estimador, dejando de lado la
estimación por intervalos de confianza.
 Se considera que la Inferencia estadística es el proceso de generalizar los resultados de la muestra
a los resultados de la población, cuando la inferencia no es sólo una generalización. 15

 Se representa al polígono de frecuencias en forma errónea sin tener en cuenta la marca de clase de
los intervalos previo al primero y posterior al último con frecuencia cero, comenzando en el límite
inferior del primer intervalo y terminando en el límite superior del último intervalo de clase.
 Se traza mal la ojiva, uniendo las marcas de clase y no partiendo de cero en el límite inferior del
primer intervalo.
 Al precisar el concepto de parámetro estadístico no lo diferencia del estadístico muestral.
 No se hace una descripción adecuada del histograma.16

 Se define de dos maneras distintas a los percentiles, una de ellas como cada uno de los 99
segmentos que se toman al dividir una muestra o un conjunto de elementos ordenados por cien

13
Diccionario de Estadística Práctica http://www.hojamat.es/estadistica/diccio/diccestad.htm.
14
Fernando Valdes - Universidad Romulo Gallegos (Robert Ponterio - Project Director and HTML). SUNY
Cortland Dept. of International Communications and Culture. GLOSARIO
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
15
http://www.so.ucr.ac.cr/Enlaces/Estadistica/problemas/Diccionario.html
16
http://www.vitutor.com/estadistica/descriptiva/a_2.html

10
 partes de igual frecuencia. Y otra como puntos característicos de la distribución que dividen a la
distribución en cien partes.17

 Se define el concepto de Aleatorio afirmando que no sigue un patrón particular que se

pueda describir directamente por ecuaciones. Se basa más en la probabilidad. El término aleatorio
representa una idea que debe ser expresada en términos del concepto de probabilidad.
Se trata de una definición circular porque a partir de la probabilidad se intenta medir la aleatoriedad
de un suceso o fenómeno.
 Se define Atributos como característica cualitativa de un objeto o individuo tal como sexo, país de
origen, estado marital.
Es una definición acotada pues no contempla las características cuantitativas como por ejemplo la
edad es un atributo de la unidad de análisis y no es una característica cualitativa.
 Se considera la Variable cuantitativa discreta como aquella a la que se les puede asociar
un número entero, es decir, aquella que por su naturaleza no admiten un fraccionamiento de la
unidad, por ejemplo número de hermanos, páginas de un libro, etc. Variable que tiene un número
limitado de valores. El sexo, por ejemplo, sería una variable discreta pero cuidado, no lo es.
 Se define a la Variable dependiente como aquella que teóricamente puede tomar cualquier
valor en una escala de medidas, ya sea entero o fraccionario cuando esa definición correspondería a
una variable cuantitativa y que se trata de una Variable aleatoria o estocástica cuando no es posible
hacer medidas numéricas, serían aquellas que son susceptibles de clasificación. 18 Concepto erróneo
pues confunde las variables aleatorias con las variables cualitativas o categóricas.

En síntesis, en las páginas consultadas se han detectado imprecisiones en definiciones de

conceptos y en representaciones gráficas. Se encontró además que no se define el concepto de
media aritmética y sólo se indica el procedimiento algebraico para su determinación,
quedando de lado el significado, su interpretación y sus limitaciones.
Muchas de las imprecisiones detectadas coinciden con las encontradas en los libros de texto
de la escuela.

• Revisión de información periodística

Debido al gran volumen de información periodística que incluye datos estadísticos que son
interpretados libremente se han seleccionado algunos casos interesantes, a modo de ejemplo,
como los siguientes:

 En el artículo del diario Clarín del 26 de julio de 2009, bajo el título “Inmovilidad social” dice:
“Casi 4 de cada 10 chicos que nacen en un lugar ubicado en el quintil más bajo de la pirámide
socioeconómica (el 20% más pobre) permanece en esa condición el resto de sus vidas. En
contraposición, sólo un 22% de los hijos de padres que están entre el 20% más rico de la
Argentina sigue estando en ese quintil en su vida adulta”. Aquí se considera quintil como el
17
http://es.wikipedia.org/wiki/Medidas_de_posici%C3%B3n_no_central
18
Diccionario de Estadística Práctica. Universidad Intermericana de Panama. Lic. Admin de Recursos Humanos.
2 de febrero de 2007.

11
 porcentaje de datos que deja por debajo ese valor (una franja) y no como un punto en el espacio de
los datos ordenados, sin especificar su valor. Además no se aclara qué variable se analizó para
determinar las regiones mencionadas de la pirámide. Por otro lado, la inmovilidad social que se
estudia, aparece cuantificada en función de los datos analizados, pero de ninguna manera pueden
asimilarse como números que establecen parámetros, salvo que se apliquen técnicas de inferencia
apropiadas. Esto no se aclara y puede llevar a conclusiones equivocadas.

 Juan Ignacio Piovani en el XXV Congreso ALAS, Porto Alegre, Brasil en agosto de 2005, en
su ponencia expresa que ha tratado de mostrar “que las ideas estereotípicas con respecto a la
estadística y sus aplicaciones en las ciencias sociales tienen evidentemente algún fundamento;
pero como sucede con los estereotipos, son visiones simplificadas y estandarizadas de una trama
mucho más compleja y que detrás de la denuncia legítima de los límites que dichos instrumentos
tienen se halla la ignorancia y el desinterés por aprender algo que demanda esfuerzo, y que dentro
de ciertos límites ―y concebido como instrumental a los fines cognoscitivos de la ciencia― podría
resultar de mucha utilidad (Marradi, 1997). “Yule se esforzó por denunciar los efectos nefastos de
la absolutización de la medición en la investigación social y económica. Para él muchos
fenómenos no eran medibles y debían por lo tanto ser analizados, aún en el marco de un abordaje
estadístico, cualitativamente. Fue justamente él quien inició el desarrollo de técnicas estadísticas
adecuadas para el tratamiento de variables cualitativas”. Así, las herramientas estadísticas suelen
quedar “tironeadas” entre un uso dogmático, ritualista y acrítico, Ya en la década de 1930, el
destacado sociólogo de la Escuela de Chicago Znaniecki advertía sobre los riesgos de “sustituir
los métodos intelectuales por técnicas tabulares, y de esta forma eliminar el pensamiento teórico
del proceso de investigación científica”. También cita a Pearson quien en 1933 se lamentaba por
el carácter “purista” y alejado de los problemas de la práctica científica que la estadística ―y sus
aplicaciones― estaba adquiriendo. Para él ella debía ser eminentemente “aplicada”, y tal
definición daba prioridad a la consideración de los problemas de investigación, y no a los
instrumentos. La estadística era justamente instrumental, un medio al que recurrir en la labor
científica, y no un fin en sí mismo. Pearson temía, como Znaniecki, que la investigación
―apelando a la estadística como instrumento que todo lo puede― quedara en manos de los que
llamaba “técnicos” de la ciencia, sujetos carentes de aquella “imaginación disciplinada” que
caracteriza al verdadero científico”. Esto implica, obviamente, problematizar los instrumentos que
se utiliza en la investigación. Dice Piovani que cuando están dadas las condiciones para su uso, no
hay ninguna razón para no usarlas; pero cuando no están dadas tales condiciones, no hay ninguna
razón para usarlas.19

 En Los retos de la cultura estadística de Carmen Batanero, Universidad de Granada, España, 2002,
la autora se refiere a la reflexión epistemológica sobre el significado de los conceptos,
procedimientos (en general objetos) particulares. La especialista afirma que “los organismos
oficiales de estadística se han concienciado de la necesidad de hacer llegar los estudios que
realizan en forma comprensible a todos los ciudadanos y al mismo tiempo mejorar la imagen
pública de la estadística. Además de poner el énfasis en la provisión de información y consejo
para el gobierno y uso profesional y en investigación, las organizaciones estadísticas oficiales se
interesan en proporcionar información a la sociedad, como un todo”. En vistas de la difusión y

19
Juan Ignacio Piovani. XXV Congreso ALAS. Universidade Federal do Rio Grande do Sul. Porto Alegre, 22-
26 de agosto de 2005. “La estadística y el sentido común de los sociólogos”. Università degli studi di Bologna,
Representación en Argentina. Universidad Nacional de La Plata.

12
 necesidad de trabajar sobre este tema, menciona una página con la iniciativa de una revista para la
educación estadística.20

 En el artículo titulado Peligrosas estadísticas y dudosas encuestas de Rosa Montero, escritora

española, publicado por el diario Los Andes, 17 de octubre de 2004, Mendoza, Argentina, la autora
presenta situaciones que conducen a resultados absurdos o engañosos alertando acerca de los
efectos del mal uso de la Estadística o de interpretación errónea de Información estadística.
Muestra abusos en el uso de la Estadística y afirma que las encuestas son poco confiables pues
dependen tanto de la formulación de las preguntas como de la selección de los encuestados 21.

 En La media no es el mensaje, artículo de Stephen Jay Gould, biólogo y prolífico divulgador

científico, él relata su propia experiencia dado que enfermó gravemente de un cáncer muy raro y
agresivo en 1982. Buscó información estadística sobre la enfermedad y se enteró –con espanto–
que, una vez detectado, la media de supervivencia era de 8 meses. En base a su incansable espíritu
curioso pudo profundizar sobre cómo fueron obtenidas las estadísticas halladas y comprendió que
su vida podría no terminar en el tiempo medio. El ya sabía que una media puede extraerse, por
ejemplo, de una muestra de pacientes muy homogénea, en la que todos mueren aproximadamente
al cabo de 8 meses, pero también puede tratarse de una curva muy pronunciada, en la que algunos
enfermos mueran enseguida y otros vivan mucho tiempo. Todo indicaba que dado su calidad de
vida Gould pertenecía al grupo de mayor sobrevida, de hecho vivió 20 años más y murió de otra
enfermedad. De esta manera, conocer las propiedades de la media aritmética permiten lograr una
correcta interpretación, ya que en ciertas distribuciones no es representativa del conjunto de datos
y, sin saberlo, se puede llegar a conclusiones fatalistas.

Las publicaciones analizadas corroboran que existe un denominador común que hace que las
estadísticas no siempre sean bien vistas en algunos ámbitos y circunstancias. No quedan
dudas que la imagen de la estadística se encuentra deteriorada y de acuerdo a estas
experiencias puede deberse al mal empleo o, en algunos casos inclusive, al uso
malintencionado que se hace de sus resultados para mostrar realidades que no son.
El mal uso de la estadística, en general puede resumirse como la falta de conocimiento del
alcance de la información estadística, el manejo indiscriminado de datos cuantitativos, que si
no se expresan responsablemente pueden resultar con derivaciones alarmantes –o hasta
devastadoras- si se habla, por ejemplo, de enfermedades, crisis económicas, catástrofes
climáticas y tendencias de todo tipo.
Por las dificultades y errores encontrados es recomendable la divulgación masiva de los
conocimientos básicos estadísticos a los alumnos, profesionales y trabajadores en general
porque las consecuencias de la ignorancia estadística queda patente en las publicaciones
revisadas. Por otro lado, cabe agregar que la liviandad con que pueden extraerse predicciones

20
http:/www.ugr.es/local/batanero/sergroup.htm.
21
Aún las encuestas más exactas y fiables pueden conducir a graves errores según cómo se lea… a veces
incluso pueden matar”, afirma ejemplificándolo con el ejemplo de un enfermo terminal de cáncer.

13
a partir de hechos ocurridos denota una hipersimplificación en la interpretación de las causas
que lo producen, sin tener presente que existen factores que no pueden manejarse pero si tal
vez controlarse, así como múltiples factores que podrían corregirse para evitar consecuencias
no esperadas como tragedias de cualquier índole.

• Antecedentes en investigación sobre la formación de conceptos estadísticos

I. Evaluación del Conocimiento Estadístico en la Formación Inicial del Profesorado

realizado en la Universidad de Lleida (España). Informe elaborado por Assumpta Estrada22
Mediante estudios de campo realizados sobre la educación estadística de profesores en
formación se obtuvieron resultados que permiten ver cómo hay situaciones recurrentes más
allá del origen y el contexto de las observaciones realizadas.
En particular se trata de un trabajo de evaluación del conocimiento estadístico en la formación
inicial del profesorado. De ahí surge como primera y más importante recomendación la
necesidad de potenciar la formación estadística de los futuros profesores.
El objetivo del trabajo fue el de obtener información sobre cuáles son los principales errores y
dificultades de los profesores en formación en conceptos estadísticos elementales (incluidos
en los contenidos del nivel primario) como ser promedio, probabilidad, frecuencia,
dispersión, asociación, muestreo y simetría, interpretación de gráficos, efectos de valores
atípicos, entre otros.
Un dato a considerar es que se diferenció a los participantes por especialidad en la formación
docente y por los años de estudio.
Las conclusiones obtenidas del trabajo indicaron que si bien la especialidad influyó sobre los
resultados, tanto como para concluir que los de áreas como Lenguas o Educación Inicial
fueron los de menor porcentaje de aciertos y los de Educación Especial o Educación Física los
de mayores porcentajes de aciertos, los años de estudio no cambiaron significativamente los
resultados.
La explicación que da la investigadora a estos resultados es que posiblemente esto se deba a
que la enseñanza que reciben se basa principalmente en el cálculo, la aplicación rutinaria de
fórmulas y la representación gráfica, siendo raras las actividades interpretativas similares a las
propuestas en el cuestionario.

22
http://web.udl.es/usuaris/z4084849/docs/uno45.pdf

14
Los resultados generales obtenidos sobre todos los docentes indagados se encuentran
resumidos en la siguiente tabla donde aparecen los conceptos evaluados y el porcentaje de
respuestas correctas.

II. Inferencia Estadística y Lenguaje: Un Estudio En Bachillerato realizado en la

Universidad de La Laguna (España) por Israel García Alonso y Juan Antonio García Cruz.23
En este estudio se trabajó sobre varios términos relacionados con la Inferencia Estadística que
aparecen en los libros de texto de secundaria. La tarea se centró en comparar el significado de
dichos términos con el que se les asigna en los libros de texto.
Los investigadores se fundamentan en que en la construcción del conocimiento matemático
un vehículo importante es el lenguaje, y cuando se requiere un alto nivel de abstracción
acompañado de una considerable tecnificación, se hace necesario el conocimiento y buen uso
de términos específicos. Es este el caso de la Inferencia Estadística.
Sostienen también que en el aula de matemáticas se distinguen dos tipos de contexto: contexto
cotidiano y contexto matemático. Se entiende por contexto cotidiano a aquel en el que se lleva
a cabo la comunicación habitual, mientras que el contexto matemático es propio de la

23
http://dialnet.unirioja.es/servlet/articulo?codigo=2697036

15
matemática como ciencia formal. Se pudo comprobar cómo algunos textos dan definiciones
de los términos más relacionadas a su noción informal o cotidiana que a la formal ó
matemática.
Como criterio de ordenamiento de los conceptos se realizó una clasificación según su
significado para poder realizar la comparación mencionada.
Según esta premisa, los autores clasifican los términos de la siguiente forma: 1) términos con
el mismo significado en ambos contextos; 2) términos con distinto significado en ambos
contextos, y 3) términos propios del contexto matemático. Los estudiantes no deberían tener
dificultad con la categoría 1, mientras que la categoría 3 necesariamente debe ser definida
pues son términos que los estudiantes no conocen ni tienen en su vocabulario. La categoría 2
puede dar lugar a más dificultades para los estudiantes.
Los resultados de la clasificación de los términos fueron los siguientes:

1. Mismo significado en ambos contextos: Estadística, Población, Individuo, Tamaño de

la muestra.

2. Distinto significado en ambos contextos: Media, Muestra, Estimación, Inferir,

Distribución, Probabilidad, Representativo, Riesgo Significativo.

3. Significado propio en el contexto matemático: Parámetro, Estadístico, Muestreo

aleatorio, Media muestral, Media poblacional, Nivel de confianza, Desviación típica,
Estadística inductiva, Estadística hipotético deductiva, Error máximo admisible,
Normal, Sesgado, Eficiente, Proporción muestral, Contraste de Hipótesis, Hipótesis
Nula, Hipótesis Alternativa, Nivel de Significación, Error de Tipo I, Error de Tipo II

La primera categoría no deberían presentar dificultad a los estudiantes, por aparecer de

manera habitual en el lenguaje cotidiano. En algunas ocasiones se añaden términos en la
definición modificando sensiblemente su significado. La segunda categoría son los términos
con distinto significado en ambos contextos y a veces pasa desapercibido para estudiantes y
profesores. Este hecho puede provocar que el estudiante aprenda este concepto matemático
con errores. Como entre los textos analizados predominan los que utilizan las definiciones
dadas en el contexto cotidiano, en vez de usar la definición del contexto matemático, se
plantea una situación delicada ya que el libro tendría que presentar a los estudiantes los
conceptos matemáticos definidos formalmente. La tercera categoría son términos que en
general el estudiante desconoce. Se observó que muchos de los textos no los definen, porque
suponen que los estudiantes los conocen o por considerar que de esta forma se puede
simplificar el proceso de enseñanza y aprendizaje. En otros casos, hemos observado que

16
algunos textos introducen términos propios de la Inferencia Estadística que luego no vuelven
a utilizar, o que utilizan el concepto con otra expresión. Situación que entendemos podría
provocar confusión identificando al texto como inconsistente, por no continuar utilizando
aquellos términos que define. Puede decirse, entonces, que algunos libros de texto no cumplen
con uno de los objetivos que deben cumplir, esto es incluir las definiciones de los términos
utilizados en el contexto matemático. En otras ocasiones, el libro de texto modifica la
definición, o simplemente enuncia una definición errónea lo cual es contraproducente para los
estudiantes porque éstos no poseen los conocimientos necesarios para identificar el error.
En estadística inferencial, son muchos los conceptos nuevos que el estudiante debe
comprender correctamente para así entender el razonamiento y el procedimiento necesario
para resolver correctamente las técnicas de inferencia.

En varias investigaciones realizadas en universidades españolas analizadas se reiteran las

dificultades detectadas en las otras publicaciones. Como notables pueden mencionarse los
errores de interpretación y aplicación de medidas estadísticas, y como fuera explicado en cada
uno de los relevamientos comentados, generalmente se encuentran asociados a la falta de
conocimiento y entrenamiento en su utilización. El mero cálculo de éstas conduce a la
identificación de una medida con su fórmula más que con su significado, desaprovechando la
información que brinda del conjunto de datos, como por ejemplo si la media aritmética es
adecuada o no para representarlo.
Otro punto recurrente es la falta de consideración del contexto de trabajo lo cual no favorece a
la comprensión de los conceptos tratados, incurriéndose en lo que se podría denominar un
error didáctico. Cabe aclarar que en la enseñanza de la estadística es propicio incluir ejemplos
y actividades utilizando situaciones concretas asociadas a temas interesantes para el
alumnado, pudiéndose desarrollar a partir de ellas conceptos y razonamientos estadísticos y
hasta probabilísticos para, en una segunda etapa, formalizarlos con toda la rigurosidad del
contexto matemático, logrando así que lo formal adquiera sentido en lo concreto y a su vez,
que lo concreto se revalide desde lo formal. Esta doble tarea permitiría trabajar sobre la
cuestionada imagen de la estadística y ahondar en su red conceptual para dar una correcta
utilización de los recursos que brinda.

17
Relevamiento de información primaria y sus resultados

Con la finalidad de complementar el relevamiento y análisis efectuado, se recurrió a fuentes

primarias de información, realizando entrevistas y encuestas.

• Resultados de entrevistas realizadas a usuarios de la estadística

Se realizaron entrevistas a 40 profesionales de diversas áreas distribuidos de la siguiente

manera: 8 abogados (20%), 12 del área contable (30%), 10 físicos o ingenieros (25% ) y 10 de
las ciencias sociales (25%).
Las entrevistas fueron realizadas por los investigadores del equipo, el 45% de los
entrevistados se desempeñan como docentes universitarios (2 abogados, 3 contadores, 3 lic.
en administración, 4 físicos, 1 ingeniero, 3 sociólogos y 2 trabajadores sociales) y el 55%
restante realiza el ejercicio profesional en distintos ámbitos.

Los resultados más destacados de dichas entrevistas fueron:

• 7 de los 8 de los abogados consultan tablas comparativas de legislación, gráficos
porcentuales tanto de barras como circulares relacionados con análisis cualitativos y
registros de datos históricos. Muy pocos manejan alguna medida estadística y sólo
utilizan tasas.
• Todos los contadores y administrativos utilizan tablas y gráficos porcentuales e
interpretan medidas previamente calculadas.
Menos de la mitad de ellos manifestó realizar análisis de números índices y series de
tiempo y ninguno usa herramientas relacionadas con la inferencia estadística.
• Todos los físicos e ingenieros han utilizado o utilizan los distintos tipos de gráficos y
medidas estadísticas.
8 de los 10 realizaron o realizan comparaciones, algún tipo de prueba de hipótesis y
estimaciones.
• Con respecto a las Ciencias Sociales, todos los profesionales del área trabajan con
tablas y gráficos a partir de datos tanto primarios como secundarios, utilizan
indicadores y relacionan variables fundamentalmente cualitativas.

18
Entre los entrevistados sólo investigan los físicos (3 de los 4) y el 75% de los profesionales de
las ciencias sociales, precisamente los que afirmaron utilizar herramientas relacionadas con la
inferencia estadística.
Ninguno de los entrevistados ha realizado algún curso de capacitación en estadística y salvo
los abogados todos los demás profesionales la han estudiado como materia en la carrera de
grado.
El 90% de los entrevistados expusieron la necesidad de ampliar sus conocimientos en esta
área.

• Resultados de las Encuestas a profesionales de la salud

Complementando las entrevistas realizadas y con el objetivo de indagar en los posibles usos
de las distintas herramientas estadísticas, se encuestaron 55 profesionales del área de la salud
distribuidos de la siguiente manera: 18 médicos (33%), 12 terapistas ocupacionales (22%), 9
sicólogos (16%), 6 enfermeros (12%) y 10 de otras profesiones afines (como ser
sicopedagogos, kinesiólogos, etc.) (18%).

El relevamiento de las encuestas fue realizado por alumnos de la carrera de Licenciatura en

Terapia Ocupacional de la Universidad Nacional de Quilmes, e implementadas en los diversos
ámbitos donde se desempeñan laboralmente: hospitales, organismos gubernamentales y no
gubernamentales, hogares, etc.

Del análisis de las encuestas se pueden destacar los siguientes aspectos:

• El 67% de los profesionales encuestados se desempeña en instituciones no
hospitalarias.
• El 30% ha realizado algún curso relacionado con la estadística pero todos ellos han
tenido en la carrera alguna materia perteneciente a esta área (como ser bioestadística o
estadística aplicada).
• El 43% realiza algún tipo de investigación o de trabajo de campo relacionado con la
investigación.
• Sólo el 26% accedió al estudio de herramientas estadísticas en algún curso de
capacitación realizado aunque el 55% las utiliza en el ejercicio de su profesión.
Las herramientas estadísticas comúnmente utilizadas son los gráficos, las tablas, las
medidas de posición moda, media, mediana y percentiles, la desviación estándar, las

19
 proporciones y razones y en menor grado (sólo dos de ellos declararon usarlas) las
pruebas chi cuadrado y el análisis de correlación y de regresión.
• El 68% utiliza indicadores o escalas de medición prediseñadas.
Con respecto a los indicadores o escalas los profesionales de la salud señalaron a las
tablas de percentiles, la escala Glasgow, las tasas y a distintos tipos de test como de
uso más frecuente.

Al analizar la encuesta en su conjunto, se puede observar que existe evidencia estadística (con
un nivel de significación superior al 0,022%) de la relación entre la profesión y el trabajo de
investigación entre los encuestados, investigan el 67% de los terapistas ocupacionales, el 75%
de los sicólogos, el 35% de los médicos o enfermeros y sólo el 11% de los de otras
profesiones. Sin embargo son los médicos y los sicólogos quienes se caracterizan por la
utilización de las herramientas estadísticas e indicadores.
En los siguientes gráficos (biplots) obtenidos del análisis de correspondencias pueden
visualizarse las observaciones anteriores.

Donde: 0 es no investigan, 1 es investigan, S sicólogos, T terapistas, ME médicos o enfermeros y O otros, SH utiliza herramientas estadísticas,
NH no utiliza herramientas estadísticas, SI utiliza indicadores, NI no utiliza indicadores.

Finalmente y con respecto a las observaciones volcadas por los encuestados,

aproximadamente el 50% de ellos opina que necesita ayuda externa en la interpretación de
determinadas tablas y gráficos y de los resultados obtenidos por algunos indicadores.

• Consulta a alumnos

Se indagó sobre los conceptos y técnicas estadísticas que utilizan los alumnos en sus ámbitos
laborales. Esta búsqueda se llevó a cabo con aquellos alumnos del Departamento de Ciencias
Económicas de la UNLaM que cursaron la materia Estadística, en el primer cuatrimestre de
2010, entre las respuestas más destacadas figuran:

20
 • Uso de intervalos de confianza como medio para el control de calidad en la empresa
para comparar los resultados con los registros ya establecidos.
Cabe aclarar que en la práctica cotidiana, tratando el tema concerniente a la estimación de
parámetros estadísticos mediante intervalos de confianza, se reiteran errores frecuentes en la
interpretación, como la confusión entre la estimación puntual de parámetros y la estimación
mediante intervalos de confianza; errores en la interpretación de los mismos y trabas en la
conceptualización del tema.
• Definición y clasificación de variables adecuadas y su tabulación para el estudio
estadístico acerca de la caída de reservaciones realizadas para abordar un avión luego
de haber sido reservado el pasaje.
• Confección de encuestas con la intención de obtener información en el área de
educación estudiando opciones alternativas a preguntas abiertas para disminuir la
dificultad de recolectar, clasificar o utilizar los datos para obtener conclusiones.
• Resumen y presentación de información recopilada mediante cuestionarios sobre la
utilidad de un producto a lanzar en el mercado mediante un muestreo aleatorio.
• Utilización de números índices, estudio del poder adquisitivo mediante el índice de
precios al consumidor.
• Confección de tablas y gráficos adecuados para mejorar la manera de presentar
información ya procesada.
• Estudio de series temporales y detección de patrones de comportamiento de variables
de diversa índole, incluidos los juegos de azar de realización periódica o semanal.

De la indagación realizada se obtuvo que en el ámbito laboral se analiza información, se

trabaja con intervalos de confianza, números índices, tablas de frecuencias, series de tiempo y
tablas conjuntas; en general los alumnos manifestaron realizar estas actividades sólo desde la
operación y en muchos casos sin comprender el porqué. El relacionar, en el aula, los
conceptos y las herramientas estadísticas utilizadas en el trabajo con los tópicos de la materia
permitió a los alumnos, apreciar su utilidad y la aplicación de los contenidos estudiados en
una situación concreta facilitando de esta forma su comprensión capitalizando así los aportes
realizados por éstos.

21
1.4. Conclusión

Puede decirse que durante el siglo XX la estadística ha experimentado una nueva expansión,
un crecimiento, debido a la incorporación del uso de ideas estadísticas en diferentes
disciplinas, como puede verse en revistas científicas y en la creciente inclusión de
especialistas en la materia en los equipos de investigación y de trabajo interdisciplinarios
convirtiéndose en una de las ciencias metodológicas fundamentales y base del método
científico experimental permitiéndole a su vez un desarrollo notable, desarrollo potenciado
por los adelantos de la informática que le ha permitido trabajar con grandes masas de datos en
tiempo real. Sin embargo, es notoria la falta de una cultura estadística en los ciudadanos
inclusive a niveles académicos como lo puntualizara C. Batanero (2001)24, la estadística se
usa incorrectamente, no se comprenden conceptos aparentemente elementales y no hay una
valoración suficiente del trabajo del estadístico, dentro de los equipos de investigación.
Señalando así la existencia de una problemática educativa que tiene su raíz en que la inclusión
de la estadística en la escuela, no es todavía un hecho. Los alumnos llegan a la universidad sin
los conocimientos estadísticos elementales y es preciso comenzar el programa repitiendo los
contenidos de estadística que debieran haberse asimilado en la escuela. Así, los profesores
universitarios han de acelerar los tiempos de las explicaciones y actividades prácticas sin
llegar muchas veces a la formalización acabada de los temas dejando de lado algunas
demostraciones o razonamientos que podrían llevar al alumno a comprender mejor la
metodología de la estadística. En esas condiciones, el alumno será incapaz de aplicar en su
futura vida profesional las herramientas que le brinda esta ciencia.
Por otro lado, el avance de la informática y la masificación de internet ponen a los profesores
frente a un nuevo escenario, los alumnos no sólo aprenden estadística en las horas lectivas ni
en los centros de enseñanza, sino que se ponen en contacto con información estadística en la
prensa, medios de comunicación, internet o en los textos de otras asignaturas. Se puede
afirmar que internet está empezando a modificar las relaciones docentes–alumnos, con o sin
participación voluntaria de los profesores. Es evidente que los profesores –en los diversos
niveles educativos– han de aceptar la rapidez del cambio tecnológico y que deberían
implicarse en él, si se quiere apuntar, de algún modo, a la educación estadística, y además,
crear una verdadera cultura estadística en la sociedad.

24
Batanero, Carmen, 2001, conferencia organizada por IASE sobre la formación de investigadores.

22
Dada la nueva situación socio-cultural, la educación estadística debería centrarse en los datos
y en el razonamiento estadístico, revalorizando la comprensión e interpretación de los
resultados estadísticos y difundiendo los conocimientos básicos (habilidad para manejar cifras
y problemas cuantitativos; pensar en términos de probabilidades; producción, procesamiento y
presentación de datos; presencia de la variabilidad en datos cuantitativos, su cuantificación y
explicación).
Es importante también destacar otras componentes de la cultura estadística que son necesarias
para un buen desenvolvimiento de los ciudadanos, a saber: comprensión del sentido de la
información, reconocimiento de la naturaleza y limitaciones de la información estadística,
distinción entre cifras adecuadas e inadecuadas, conocimiento de las consecuencias de la
exactitud de los resultados, utilización de diversos procesos de muestreo, entre otros.
La justificación de estas necesidades se la encuentra en la sociedad actual, que se ha vuelto
cada vez más compleja y que se halla en continuo cambio, en la misma se utiliza
cotidianamente información estadística en ámbitos tan diferentes como el político,
económico, social, científico y educativo. Poder interpretarla correctamente, así como
emplear el razonamiento y los métodos estadísticos para analizar los fenómenos y poder
tomar decisiones, es una necesidad para todos los miembros de la sociedad.

Desde un punto de vista global, es explícita la lucha contra el analfabetismo en el mundo,

donde se destaca especialmente el rol de la UNESCO, quien ha realizado estudios, a partir de
los cuales se concluye que existen carencias en lectoescritura y escasas competencias
cuantitativas, así como de conocimientos numéricos básicos. Se afirma además, que los
conocimientos estadísticos esenciales no han tenido un protagonismo para destacar en el plan
de lucha para frenar el analfabetismo, a pesar de su evidente importancia central para la vida
cotidiana de la gente y para su inserción en el mundo laboral.
Es claro que para lograr la alfabetización estadística, la enseñanza es fundamental y en su
planificación hay que tener en cuenta que ciertos conceptos estadísticos son altamente
sofisticados y que conllevan cierta dificultad en su aprendizaje; que habría que aprovechar las
nuevas tecnología para la enseñanza como recurso para agilizar el proceso, sin descuidar el
tener en cuenta los libros de texto y principalmente la formación de profesores.
En función de estas consideraciones, se puso especial énfasis en la tarea realizada en esta
investigación en la detección de las falencias que deben atenderse y superarse como punto de
partida para una mejor conceptualización de los términos y conceptos estadísticos.

23
Del análisis de la información relevada, a continuación se resumen las consideraciones más
notorias:
• En los libros de texto escolares se observaron carencias o inconvenientes en la
presentación de algunos conceptos estadísticos porque aparecían de manera
incompleta o confusa sin su formalización correspondiente.
• En los libros universitarios básicos se utilizan distintos términos para indicar
significados iguales y expresiones idénticas para designar distintas nociones.
• En las páginas de internet se han detectado imprecisiones tanto en las definiciones de
algunos conceptos como en algunas representaciones gráficas.
• En la información periodística seleccionada se observaron algunos ejemplos de
información errónea o de dudosa interpretación.
• Los conceptos o términos básicos más conflictivos detectados en cuanto a su
presentación y la precisión de su significado son: variables, medidas (modo, media
aritmética, mediana, percentiles, quintiles, entre otras), aleatoriedad, muestreo,
inferencia en general y pruebas de hipótesis en particular.

Cabe aclarar que en principio se consideraron categorías que agrupaban a los conceptos en
base tanto a la experiencia en el aula como a la cotidiana de los integrantes del equipo de
investigación. Una de ellas se identificó como usos y costumbres errados, instalados
fuertemente en el lenguaje y expresiones cotidianas como así también la mención frecuente de
términos y técnicas, incluyendo referencias estadísticas y aplicaciones formuladas de manera
incorrecta o incompletas. Otra de las categorías iniciales fue la de términos diferentes pero
con significados idénticos a fin de detectar y superar ambigüedades o definiciones confusas.
Y por último se había pensado agrupar conceptos y términos pasibles de ser utilizados sin
conocimiento cabal de su significado o interpretación, cayendo en falacias de distinto tenor o
bien, con fines dudosos siguiendo intereses particulares y no como herramienta metodológica
formal dentro de la categoría manipulación.
Con el avance de las tareas de relevamiento la tipificación preliminar fue modelándose,
revisada y ajustada dejando de ser una división estricta para pasar a ser una serie de caracteres
que fueron presentándose sucesivamente, confirmando la existencia de estos usos de los
conceptos y técnicas estadísticas, siendo que se repitieron frecuentemente. De esta manera se
justifica la previsión de tales categorías pero ha quedado superada la clasificación de los
conceptos como pertenecientes a una u otra, echando luz sobre los temas y significados que

24
debían incluirse, clarificarse y especificar su significado e interpretación en el registro que se
iba confeccionando.
A partir de la elaboración de definiciones formales, aceptadas universalmente se han
compendiado una importante serie de conceptos, términos, calificativos y técnicas estadísticas
de uso más frecuente dando lugar a un registro alfabético de los mismos, que incluye términos
que denotan conceptos como también métodos operativos con la finalidad de que puedan
convertirse en insumos, tanto para la actividad educativa como laboral de cualquier usuario de
estadística.

El registro resultante está organizado alfabéticamente y en forma dinámica materializado

mediante links ad-hoc entre los conceptos vinculados por identidad de significado o por
pertenecer a una misma red conceptual.

25
1.5. Registro de términos y conceptos estadísticos

Aleatorio: cualidad de estar sujeto al azar. Nombre equivalente: estocástico.

Amplitud intercuartílica: Rango intercuartílico.

Análisis bivariado: análisis estadístico que involucra el estudio de dos variables en forma
conjunta.

Análisis de correlación: consiste en determinar el grado o fuerza de asociación que existe

entre variables cuantitativas.

Análisis de regresión: consiste en elaborar un modelo matemático para formular la relación

entre dos o más variables cuantitativas. El modelo puede ser lineal, cuadrático, exponencial,
logarítmico, entre otros.

Análisis de regresión lineal bivariado: es el análisis de regresión entre dos variables donde
el modelo matemático que describe la relación es lineal. Se pueden visualizar los patrones que
indican cómo están relacionadas las variables en el diagrama de dispersión.

Análisis Exploratorio de Datos (EDA): es un enfoque en el abordaje descriptivo de los datos

cuya filosofía hace hincapié en la preservación del dato y de la información subyacente en él.
Desarrollado por varios autores desde mediados de la década de 1960, sus principales
lineamientos quedaron plasmados en Exploratory Data Análisis de J. Tukey (1977). Su
aplicabilidad está altamente relacionada con las capacidades logradas por informática que
permitió sostener una gran masa de datos y procesarlos en tiempo real, contribuyendo así al
mejoramiento de la calidad de la información estadística resultante.

Arreglo de datos ordenados: es una matriz fila o columna que contiene a los datos ordenados
según los valores numéricos o categorías ordenables de una variable, en forma ascendente o
descendente.

Asimetría: la distribución de los valores de una variable cuantitativa es asimetría cuando

presenta una menor concentración de dichos valores en sólo uno de sus extremos o colas. Una
distribución puede presentar asimetría a izquierda o asimetría a derecha.

Asimetría a izquierda: una distribución presenta asimetría a izquierda cuando los valores de
la variable más alejados de la zona central se ubican a su izquierda.

26
Asimetría a derecha: una distribución presenta asimetría a derecha cuando los valores de la
variable más alejados de la zona central se ubican a su derecha

Atributo: cualidad o propiedad de la unidad de observación.

Box-Plot: es una representación gráfica de una variable cuantitativa que se construye en base
a cinco elementos: el valor mínimo, el valor máximo, la mediana, el primer cuartil y el tercer
cuartil de los datos. En él quedan simbolizados los datos centrales, datos adyacentes y datos
raros (si hubiera). Nombre completo original: Box-and-whisker plots.

Censo: es el relevamiento de todas las unidades de observación de la población objetivo.

Coeficiente cíclico: es un índice cíclico expresado en forma de coeficiente.

Coeficiente de correlación (de Pearson): en el análisis de correlación, mide la fuerza y el

sentido de la relación lineal entre dos variables. Su valor es un número real comprendido entre
–1 y 1. El valor 0 indica que no hay correlación lineal entre las variables, el valor -1 que
existe una correlación lineal inversa perfecta y +1 una correlación lineal directa perfecta. El
sentido (signo) es información que comparte con el coeficiente de regresión. Símbolos: r
(estadístico muestral) y ρ (parámetro poblacional).

Coeficiente de desigualdad de Gini: es un indicador de la desigualdad en el reparto de un

recurso, basándose en la distribución uniforme como modelo teórico en el reparto equitativo
del recurso. Su valor es un número real comprendido entre 0 y 1. El valor 0 indica una
igualdad absoluta y el 1 una total desigualdad en la distribución del recurso. Nombre
equivalente: coeficiente de concentración. Símbolo: G.

Coeficiente de determinación: en el análisis de regresión, indica en qué porcentaje las

variaciones de una de las variables cuantitativas es explicada por las variaciones de la otra.
Su valor es un número real comprendido entre 0 a 1. Símbolos: r2 o R2.

Coeficiente de regresión: en el análisis de regresión líneal bivariado, es la pendiente de la

recta de regresión, indica en cuánto cambia en promedio la variable explicada por cada

27
unidad de cambio en la variable explicativa. Símbolos: b (estadístico muestral) y β
(parámetro poblacional).

Coeficiente de variación (de Pearson): en una variable cuantitativa, es un coeficiente

adimensional que se obtiene mediante el cociente entre el desvío estándar y la media
aritmética. En un mismo grupo de unidades de observación, permite comparar la dispersión –
relativa– entre las distribuciones de las correspondientes variables.

Coeficientes de asimetría: miden, con distintos criterios, el grado de asimetría de una

distribución con respecto a una medida de tendencia central. Un coeficiente cero indica que la
distribución es simétrica, un valor positivo indica que la distribución es asimétrica a derecha
y uno negativo que la distribución es asimétrica a izquierda.

Coeficientes de curtosis: miden, con distintos criterios, el grado de curtosis de una

distribución frecuencias o de una distribución de probabilidades con respecto a la
distribución normal.

Componente cíclica: en las series de tiempo, describe el comportamiento de un ciclo

periódico de una determinada longitud, si lo hubiere. En una misma serie de tiempo podrían
superponerse ciclos periódicos de distintas longitudes.

Componente determinística: de un modelo estadístico, explica matemáticamente la ley que

subyace detrás del comportamiento de las variables que participan en el modelo. Se la suele
denominar modelo determinístico.

Componentes de una serie de tiempo: partes en las que se desglosa una serie de tiempo para
su análisis. En una serie tratada en el dominio del tiempo las componentes son: tendencia,
ciclos periódicos, ciclos no periódicos y ruido estadístico.

Componente estacional: de una serie de tiempo, es la componente cíclica cuya longitud

temporal es de un año.

Componente estocástica: describe la parte aleatoria del modelo estadístico y se la identifica

con el modelo aleatorio. Nombre equivalente: modelo estocástico.

Componente irregular: de una serie de tiempo, comprende los ciclos no periódicos y el ruido
estadístico.

Covarianza: es una medida de dispersión que mide la variación conjunta entre dos variables.
Su valor puede ser cero, positivo o negativo y está relacionado con el grado de dependencia
lineal que puede existir entre las dos variables. Símbolos: Sxy (estadístico muestral) y σxy
(parámetro poblacional).

28
Cuartil: cada una de las tres marcas geométricas que dividen al arreglo de datos ordenado en
cuatro partes iguales. El primer cuartil deja por debajo de sí la cuarta parte y por encima las
tres cuartas partes del conjunto de datos. El segundo cuartil coincide con la mediana y el
tercer cuartil deja por debajo de sí las tres cuartas partes de los datos y por encima la cuarta
parte restante. Símbolos: Q1, Q2 y Q3.

Curtosis o kurtosis: carácter vinculado a la forma que adopta la distribución de datos

comparándola con la distribución normal de igual varianza. La distribución normal de
referencia se denomina mesocúrtica; una distribución es platicúrtica si tiene un menor
porcentaje de datos que la normal en un entorno de un desvío estándar alrededor de la media
(menor concentración por lo tanto un menor apuntamiento en la zona central); y es
leptocúrtica si presenta mayor porcentaje de datos en un entorno de un desvío estándar
alrededor de la media (mayor concentración, es decir, mayor apuntamiento en la zona
central).

Dato: es el resultado obtenido al observar un atributo en una unidad de observación.

Dato adyacente: todo dato que se encuentra en las inmediaciones de la caja del box-plot, por
fuera de ella y a ambos lados hasta una distancia de una vez y media el rango intercuartílico.

Dato bivariado: es el resultado obtenido al observar simultáneamente dos atributos en una

unidad de observación.

Dato central: todo dato que se ubica entre el primer y tercer cuartil. El conjunto de los datos
centrales de una distribución constituye el 50% central del total y en el box-plot se representa
gráficamente mediante la caja.

29
Dato externo: todo dato raro que se localiza a un distancia cuyo valor está comprendido entre
una vez y media y tres veces el rango intercuartílico a ambos lados de la caja del box-plot.

Dato lejano: todo dato raro que se encuentra más allá de tres veces el rango intercuartílico
de la caja del box-plot.

Dato raro: todo dato que se localiza a un distancia superior a una vez y media el rango
intercuartílico, a ambos lados de la caja del box-plot. Un dato raro puede ser externo o lejano.
Término equivalente: dato atípico. En la voz inglesa: outlier.

Datos crudos: dato colectados en un relevamiento que no han sido organizados o procesados.
Nombre equivalente: datos en bruto.

Decil: cada una de las nueve marcas geométricas que dividen al arreglo de datos ordenado en
diez partes iguales. Símbolos: Di con i de 1a 9.

Definición clásica de probabilidad (de Laplace): en un experimento aleatorio, la

probabilidad de un suceso es el cociente entre el número de resultados favorables al suceso y
el número de todos los resultados posibles del experimento. La condición de aplicabilidad de
esta probabilidad es el cumplimiento del principio de la equiprobabilidad.

Definición frecuencial de probabilidad: la frecuencia relativa de un suceso dado observada

bajo determinadas circunstancias puede considerarse, si permanecen dichas circunstancias,
como la probabilidad de dicho suceso en un experimento aleatorio. Si un experimento
aleatorio se realiza n veces bajo las mismas condiciones y un mismo suceso ocurrió r ≤ n

30
veces entonces, una estimación de la probabilidad del suceso es r/n; la verdadera probabilidad
del suceso es el valor límite de r/n cuando n se aproxima al infinito.

Desvío: diferencia entre el valor de un dato y una medida central de referencia de la

distribución de datos.

Desvío estándar: mide la dispersión de los datos respecto de la media aritmética. Su magnitud
es igual a la de la variable. Se obtiene como la raíz cuadrada de la varianza. En las
distribuciones mesocúrticas describe un entorno alrededor de la media que encierra
aproximadamente las dos terceras partes de todos los datos. Términos equivalentes:
desviación estándar, desviación típica. Símbolos: s (estadístico muestral) y σ (parámetro
poblacional).

Desvío medio (de Laplace): mide la dispersión, es el promedio de los valores absolutos de los
desvíos de cada valor de la variable respecto a la media aritmética. Nombre equivalente:
desviación media.

Diagrama de caja y bigotes: Box-Plot

Diagrama de dispersión: gráfico que permite visualizar la disposición conjunta de datos

cuantitativos en el análisis bivariado.

Diseño de muestra: lineamientos para realizar un muestreo. Contempla las particularidades

del fenómeno en estudio, la población objetivo asociada, el tamaño de la muestra y el método
de muestreo adecuado.

Dispersión: en las variables cuantitativas, expresa la disposición de los datos alrededor de una
medida central de referencia (media aritmética, mediana o moda, según el criterio) o entre los
dos valores extremos. La noción de dispersión se equipara con las de variedad, diversidad y
heterogeneidad de un conjunto de datos.

Distancia intercuartílica: Rango intercuartílico

Distribución de Bernoulli: es la distribución de probabilidades de una variable aleatoria de

Bernoulli con parámetro P. Donde P es la probabilidad de éxito y (1–P) la probabilidad de
fracaso. Su esperanza es E(x) = P y su varianza es V(x) = P.(1–P).

31
Distribución binomial: es la distribución de probabilidades de una variable aleatoria
Binomial con parámetros n y P. Su esperanza es E(x) = n . P y su varianza V(x) = n. P. ( 1-
P).
Su función de probabilidad es h (r) = P(X= r)= nCr. Pr. (1–P)n-r para r perteneciente al
recorrido de la variable. Su representación gráfica es:

Distribución de frecuencias: tabla donde se listan todos los valores o categorías de una
variable junto con sus correspondientes frecuencias.

Distribución de frecuencias conjuntas: tabla de doble entrada donde se listan los valores de
dos variables junto con sus frecuencias conjuntas absolutas o frecuencias conjuntas relativas
o frecuencias conjuntas porcentuales. Nombre equivalente: tabla de distribución conjunta.

Distribución de Poisson: es la distribución de probabilidad de una variable aleatoria de

Poisson. Su esperanza E(x) es el parámetro. λ = E(x) = α. t y la varianza V(x) = λ.
λ r .e − λ
Su función de probabilidad h(r) = P(X=r)= donde r es la cantidad de éxitos en un
r!
intervalo de medida t.

Distribución de probabilidad de una variable aleatoria discreta: tabla donde se listan todos
los valores del recorrido de la variable aleatoria discreta junto con su función de
probabilidad y su función de distribución acumulativa.

Distribución exponencial: es la distribución de probabilidad de una variable aleatoria

1 1
exponencial. Su parámetro es α. Su esperanza es E ( x) = y su varianza V ( x) = 2 .
α α
 α e− α x
si x ≥ 0
Su función de densidad de probabilidad es f ( x ) =  y su representación
0 si x < 0
gráfica

32
Distribución Hipergeométrica: es la distribución de probabilidad de una variable aleatoria
hipergeométrica. Sus parámetros son la cantidad de éxitos en la población (R), el tamaño de
la muestra (n) y el de la población (N). Su esperanza es y su varianza
.

Su función de probabilidad es para todo r en el rango de la variable.

Distribución Normal: es la distribución de probabilidad de una variable aleatoria normal.

Sus parámetros son µ y σ2. Su esperanza es E(x) = µ y su varianza V(x) = σ2.
2
1 x -µ 
1 − . 
La función de densidad de probabilidad es f ( x) = .e 2  σ 
y su representación
2π .σ
gráfica

Distribución Normal estándar: es la distribución de probabilidad de una variable aleatoria

normal de media cero µ= 0 y varianza uno σ2 =1. La función de densidad de probabilidad de
1
1 − .z2
la distribución normal estándar es f ( z) = .e 2 y su representación gráfica
2π .σ

Distribución uniforme: es la distribución de probabilidad de una variable aleatoria uniforme

continua que asigna probabilidades iguales a intervalos de igual amplitud. Su parámetro es el
( b − a) .
2
a+ b
rango de la distribución. Su esperanza es: E(x) = y su varianza V(x) =
2 12
 1
 si x ∈ [a; b]
Su función de densidad de probabilidad es f ( x) =  b − a y su representación
 0 si x ∉ [a; b]
gráfica

33
Equiprobabilidad: es un principio de la probabilidad que enuncia la igualdad de oportunidad
en la selección que debe tener cualquier elemento de una población respecto de los otros
elementos.

Encuesta: instrumento diseñado para recolectar información primaria mediante preguntas

abiertas o cerradas.

Error estadístico: es la diferencia entre un estadístico muestral y el parámetro poblacional.

Error de estimación: es el error estadístico cuando la referencia es el estadístico conocido.

Error estándar: término con que se nombra al desvío estándar de la distribución de un

estadístico alrededor del parámetro correspondiente.

Error máximo: es el máximo error estadístico que puede ocurrir al asociársele una cierta
probabilidad.

Error máximo del muestreo: respecto del parámetro conocido, es el error máximo al
determinar un estadístico.

Error máximo de la estimación: respecto del estadístico determinado, es el error máximo al

estimar un parámetro.

Error tipo I: es el error estadístico que se comete en una prueba de hipótesis al rechazar una
hipótesis nula si fuera verdadera.

Error tipo II: es el error estadístico que se comete en una prueba de hipótesis al no rechazar
una hipótesis nula si fuera falsa.

Espacio muestral: conjunto de todos los resultados posibles de un experimento aleatorio.

Esperanza: es el valor esperado de una variable aleatoria X, la media teórica, es un

parámetro. Símbolo: E(X). Término equivalente: esperanza matemática.

Esperanza de una variable aleatoria discreta X: es E(X) = ∑

x∈ ℜ ( x )
x.h(x) donde h(x) es la

función de probabilidad de X.

∞
Esperanza de una variable aleatoria continua X: es E(X) = ∫ −∞
x. f ( x) donde f(x) es la
función de densidad de probabilidad de X.

Estadística: La función principal de la estadística es elaborar principios y métodos que nos

ayuden a tomar decisiones frente a la incertidumbre. (Chou Ya Lun, 1991).

34
Es el arte y la ciencia de extraer información útil de datos empíricos (Hampel F.R., 1986).

Ciencia encargada de recolectar, analizar, presentar e interpretar datos. (Enciclopedia

Británica, 2010).

Estadística descriptiva: área de la estadística que elabora las técnicas y métodos para la
descripción de un conjunto de datos a partir de la determinación de una serie de indicadores
que permiten caracterizarlo.

Estadística inferencial: área de la estadística que, basada en la teoría de la probabilidad, se

encarga de proyectar a la población objetivo las características de una muestra representativa
de la misma.

Estadísticas: hechos reunidos y cuantificados sistemáticamente en cualquier campo del

conocimiento.

Estadístico: cualquier medida o indicador muestral. Algunos símbolos particulares son: X

(media aritmética muestral), s (desvío estándar muestral) y s2 (varianza muestral).

Estadístico de prueba: en una prueba de hipótesis es el estadístico muestral estandarizado

según la distribución utilizada para la prueba.

Estandarización: procedimiento mediante el cual la distribución de una variable aleatoria se

ajusta a una distribución típica o estándar.

Estandarización normal: si X es una variable aleatoria distribuida normalmente su

X− µx
estandarización resulta de: Z = σx
, donde Z es una variable aleatorial con distribución
normal estándar.

Estimación de parámetros: es un procedimiento de la estadística inferencial por medio del

cual, partiendo de estadísticos muestrales, se obtienen conclusiones acerca de los parámetros
poblacionales.

Estimación por intervalos de confianza: es la estimación de un parámetro mediante un

intervalo de confianza.

Estimación puntual: es adoptar como parámetro poblacional el valor del estimador

muestral.

Estimador: estadístico utilizado en la inferencia estadística. Un estimador óptimo es

insesgado, eficiente, consistente y suficiente. Símbolo: θˆ .

35
Estimador consistente: es el estimador que tiende al valor del parámetro al aumentar la
muestra.

Estimador eficiente: es el estimador de menor varianza dentro del conjunto de todos los
estimadores posibles.

Estimador insesgado: es el estimador cuyo valor esperado coincide con el parámetro.

Símbolo: E( θˆ ) = θ.

Estimador suficiente: es el estimador que transmite la máxima información posible de una

muestra utilizando todos sus elementos.

Estocástico: aleatorio.

Evento aleatorio: suceso aleatorio.

Experimento aleatorio: experimento donde no se puede determinar a priori cuál va a ser su

resultado. Términos equivalentes: experimento probabilístico o estocástico, fenómeno
aleatorio.

Experimento binomial: es un experimento aleatorio compuesto por repetición de un

experimento simple de Bernoulli, donde las n repeticiones son independientes.

Experimento de Bernoulli: experimento aleatorio simple que tiene sólo dos resultados
posibles (o sus valores se han dicotomizado), donde se identifica como éxito a uno y fracaso
al otro.

Experimento hipergeométrico: es un experimento aleatorio compuesto por repetición de un

experimento simple de Bernoulli, donde las n repeticiones son dependientes.

Experimento normal: es un experimento aleatorio donde la mayor parte de sus resultados

numéricos reales se concentra alrededor de un valor esperado y el resto, al alejarse de la zona
central, van disminuyendo su concentración paulatinamente hacia ambos extremos, adoptando
además la distribución de todos los resultados una forma acampanada.

Experimento probabilístico: experimento aleatorio

Experimento uniforme: es un experimento aleatorio donde todos los resultados numéricos

reales tienen una concentración pareja dentro de un intervalo cerrado.

Fenómeno aleatorio: experimento aleatorio.

36
Fractil: lugar geométrico en el arreglo de datos ordenados que lo divide en dos partes y
permite determinar el máximo de la fracción inferior o el mínimo de la fracción restante.

Frecuencia absoluta acumulada: cantidad de datos ordenados que se acumulan hasta un

cierto valor de la variable, incluyendo a todos los que le anteceden.

Frecuencia absoluta simple: cantidad de veces que aparece un valor de la variable en el

grupo de datos estudiado. Símbolo: f

Frecuencia conjunta absoluta: cantidad de veces con que, en un grupo de datos bivariados,
aparecen simultáneamente los valores correspondientes a cada una de las dos variable
intervinientes.

Frecuencia conjunta porcentual: peso porcentual con que, en un grupo de datos bivariados,
aparecen simultáneamente los valores correspondientes a cada una de las dos variable
intervinientes.

Frecuencia conjunta relativa: peso relativo con que, en un grupo de datos bivariados,
aparecen simultáneamente los valores correspondientes a cada una de las dos variables
intervinientes.

Frecuencia porcentual acumulada: cantidad porcentual de datos ordenados que se acumulan

hasta un cierto valor de la variable, incluyendo a todos los que le anteceden.

Frecuencia porcentual simple: peso porcentual de un valor de la variable respecto al total.

Símbolo: f % = f r .100

Frecuencia relativa acumulada: cantidad relativa de datos ordenados que se acumulan hasta
un cierto valor de la variable, incluyendo a todos los que le anteceden.

Frecuencia relativa simple: peso relativo de un valor de la variable respecto a la cantidad

f
total de los datos. Símbolo: f r =
n

Función de densidad de probabilidad: es una función real que modela la distribución de

probabilidad de una variable aleatoria continua. La función de densidad de probabilidad
siempre toma valores no negativos y el área comprendida bajo su gráfico sobre todos los
valores de x siempre es igual a 1. Esta función no asigna probabilidades pero sí permite
calcularlas mediante su función de distribución acumulativa para cualquier intervalo del
recorrido de la variable. Símbolo: f(x)

Función de distribución acumulativa: para un valor real x de una variable aleatoria X,

calcula la probabilidad acumulada hasta él. Símbolo: F(x), donde: F(x)= P(X ≤ x).

37
Función de probabilidad: es una función que asigna una probabilidad a cada valor de una
variable aleatoria discreta. Símbolo: h(x)

Gráfico de barras agrupadas: es un gráfico bivariado adecuado para representar la

información de una tabla conjunta, utilizando cualquiera de las frecuencias simples.

Gráfico de barras segmentadas: es un gráfico bivariado adecuado para representar la

información de una tabla conjunta, que permite visualizar para cada valor de una de las
variables las particiones según los valores de la otra, utilizando cualquiera de sus frecuencias
simples.

Gráfico de barras separadas: gráfico aplicable a una variable cualitativa para representar
cualquiera de sus frecuencias simples.

Gráfico de bastones: corresponde a cualquiera de las frecuencias simples de una variable

cuantitativa bajo tratamiento discreto.

Gráfico de Caja y Bigotes: Box-Plot

38
Gráfico de torta: está dividido en sectores donde cada porción representa la proporción con
que cada valor de la variable incide en el total. Puede aplicarse a cualquier tipo de variable.
Términos equivalentes: gráfico circular o de pastel.

Gráfico escalonado (o de escalones): corresponde a cualquiera de las frecuencias acumuladas

de una variable cuantitativa tratada en forma discreta.

Hipótesis alternativa: es la hipótesis estadística que se opone a la hipótesis nula. Puede

existir más de una hipótesis alternativa que se oponga a la misma hipótesis nula. Símbolo: HA
ó H1 , H2 ..Hi.

Hipótesis estadística: supuesto, proposición o enunciado respecto a alguna característica de la

población objetivo basado en la evidencia muestral.

Hipótesis nula: es la hipótesis estadística que se somete a prueba cuando se realiza una
prueba de hipótesis. Símbolo: H0. Término equivalente: hipótesis principal

Histograma de Pearson: gráfico de barras adyacentes que puede construirse con cualquiera
de las frecuencias simples y que se aplica a variables cuantitativas organizadas en intervalos
de clase.

Indicador estadístico: es una medida estadística interpretada en un contexto particular

concreto de índole económica, social, etc.

Índice: es la medida de intensidad que permite medir la variación relativa de la ocurrencia de

los valores de una variable entre una situación dada y otra de referencia o base. Las

39
situaciones pueden ser temporales, espaciales o de cualquier otra índole. Para variables
económicas el término ocurrencia se refiere tanto a la frecuencia, como a la cantidad o al
precio de un producto o un grupo de productos. Término equivalente: número índice.

Índice compuesto: índice referido a un grupo de valores de la variable.

Índice de agregados de precios ponderados: índice compuesto que resulta del cociente entre
las sumas o agregaciones de precios ponderados por cantidades.

Índice de agregados no ponderados: índice compuesto que resulta del cociente entre las
sumas o agregaciones de precios o cantidades correspondientes a dos situaciones distintas.

Índice de costos de la construcción: es un índice compuesto general que mide la evolución de

los costos de los materiales de la construcción. Acrónimo: ICC.

Índice de Fisher: índice de agregados de precios ponderados que se obtiene como la media
geométrica entre el Índice de Laspeyres y el de Paasche. En símbolos: IF. Se calcula mediante
la fórmula: I F = I L .I P

Índice deflactor: cualquier índice general de precios (IPC, IPIM, ICC) usado para corregir el
valor monetario de una magnitud económica, lo que permite efectuar comparaciones a lo
largo del tiempo (por ejemplo el salario).

Índice de Laspeyres: índice de agregados de precios ponderados donde como criterio de

ponderación se utilizan las cantidades de la situación base. En símbolos: IL
IL =
∑ p ji . q jo
.100 Donde: pjo: precio del item “j” en el periodo base “o”. pji : precio del item “j” en el periodo “i”
∑ p jo . q jo

Índice de Paasche: : índice de agregados de precios ponderados donde como criterio de

ponderación se utilizan las cantidades de la situación dada. En símbolos: Ip
IP =
∑ p ji . q ji
.100 Donde: pjo: precio del item “j” en el periodo base “o”. pji : precio del item “j” en el periodo “i”
∑ p jo . q ji

Índice de precios al consumidor: índice compuesto que se usa para analizar la evolución del
costo de vida a partir de los precios de una canasta de productos y servicios. Acrónimo: IPC.

Índice de precios industriales mayoristas: índice compuesto que mide la evolución de los
precios de los productos industriales de origen nacional e importado excepto los de la
construcción. En realidad es un sistema de varios índices. Acrónimos: IPIM, SIPIM

Índices cíclicos: conjunto de índices con los que se describe una determinada componente
cíclica de una serie de tiempo. Si la serie tuviera más de una componente cíclica, para cada
una de ellas habría un conjunto de índice cíclicos.

40
Índice simple: índices referido a un solo valor de la variable.

Inferencia estadística: procedimiento por medio del cual se proyectan hacia la población
objetivo los resultados de una muestra representativa.

Información estadística: toda información basada en datos empíricos recolectados y/o

tratados con metodología estadística. Comprende tanto la información muestral como la
información población.

Instituto Nacional de Estadística y Censos: organismo coordinador del Sistema Estadístico

Nacional. Acrónimo: INDEC.

Instrumentos de medición: herramientas para la recolección de los datos como ser: encuestas,
archivos, fichas, entrevistas, información brindada por organismos oficiales, aparatos de
medición, etc. Se utilizan tanto en censos como en trabajo sobre muestras.

Intervalo de confianza: intervalo real en el recorrido de la variable que contiene el valor del
parámetro con un cierto nivel de confianza.

Intervalos de clase: secciones en que puede dividirse el recorrido de una variable

cuantitativa al agrupar los datos.

Ley de los grandes números: es un conjunto de leyes estadísticas que expresan la

convergencia de estadísticos muestrales o sus distribuciones de probabilidad cuando crece el
número de observaciones (n → ∞).

Marca de clase: es un punto, usualmente el punto medio, elegido como representante del
intervalo de clase.

Matriz de datos: es un arreglo bidimensional que incluye conjuntamente los atributos

relevados y las unidades observadas, y donde cada fila representa una unidad de observación
y cada columna un atributo variable, o a la inversa.

Media aritmética: en variables cuantitativas es la medida de posición que representa el punto

de equilibrio o centro de masas del conjunto de datos. Se la determina mediante cálculo en el
dominio de los números reales dividiendo la suma de todos los valores de los datos
observados, por la cantidad total de datos. Sinónimos: promedio, media (a secas). Símbolos:
x (media aritmética muestral) y µ (media aritmética poblacional).

Media de índices simples (de precios o cantidades): es un índice compuesto y resulta de

promediar los índices simples correspondientes a cada valor de la variable. Nombres
equivalentes: promedio de relativos simples o media de relativos simples.

41
Media de relativos simples: media de índices simples

Media geométrica: es la n-ésima raíz del producto de los valores correspondientes a n datos
numéricos.

Mediana: como medida de posición es el lugar geométrico del arreglo de datos ordenados,
que lo divide en dos partes iguales. Símbolo: Me

Medida estadística: toda medida que permite caracterizar un conjunto de datos en estudio.

Medidas de dispersión: medidas estadísticas que miden, bajo distintos criterios, el grado de
dispersión. Algunas medidas de dispersión son: rango, rango intercuartílico, desvío estándar,
desvío medio, varianza y covarianza. Término equivalente: medidas de variabilidad.

Medidas de forma: son medidas que permiten caracterizar, con distintos criterios, la forma
asumida por una distribución de datos, como el Coeficiente de asimetría y el Coeficiente de
curtosis.

Medidas de intensidad: medidas estadísticas que miden de varias maneras la relación entre
los distintos valores de una variable o de un mismo valor de la misma pero en diferentes
situaciones (espaciales o temporales). Son de este tipo de medidas los números índices, las
razones y las proporciones. Nombre equivalente: tasas.

Medidas de posición: medidas estadísticas que determinan, con distintos criterios,

ubicaciones unívocas en el conjunto de datos. Son ejemplos de ellas: media aritmética, moda,
mediana, fractiles, percentiles, deciles y cuartiles.

Medidas de tendencia central: permiten identificar la zona de centralidad en una distribución

de datos. Ellas son la media, la moda y la mediana. En el caso de una variable cuantitativa su
distribución se considera simétrica cuando esas tres medidas coinciden.

Medidas de variabilidad: Medidas de dispersión.

Metodología estadística: conjunto de principios y reglas de procedimientos propios de la

estadística, que atañen a la recolección de datos, su organización, la extracción de
información útil y su empleo en la inferencia.

Métodos de muestreo: los métodos pueden ser probabilístico o no probabilísticos. En los

métodos de muestreo probabilístico se hace intervenir el azar en la selección de cada una de
las unidades de observación integrantes de la muestra cosa que no ocurre en los no
probabilísticos.

42
Moda: es el valor o categoría de la variable que ocurre con mayor frecuencia. En un conjunto
de datos puede no haber moda o puede haber una o más. Si hay moda, es el valor o valores de
la variable que predomina/n o prevalece/n respecto de los demás. Sinónimo: modo. Símbolo:
Mo.

Modelo aleatorio: componente estocástica.

Modelo determinístico: componente determinística.

Modelo estadístico: en un fenómeno susceptible de ser estudiado estadísticamente, es un

modelo que contiene una componente determinística y una componente estocástica.

Modelos matemáticos de una serie cronológica: analizada en el dominio del tiempo,

describen cómo se vinculan las componentes de la serie. Dependiendo de las características
del fenómeno en estudio, el modelo matemático puede ser multiplicativo o aditivo según si
interactúan o no entre sí las componentes.

Muestra: es un subconjunto de la población objetivo.

Muestra representativa: es una muestra recolectada aplicando un método de muestreo

probabilístico adecuado lo que garantizaría que la muestra pueda reflejar las características
de la población objetivo.

Muestreo: es el proceso conducente a la obtención de una muestra.

Muestreo al azar simple: muestreo probabilístico mediante el cual se seleccionan las

unidades de observación directamente desde la población.

Muestreo estratificado: muestreo probabilístico que se aplica a poblaciones que dada la

información que se tiene de ellas se pueden dividir en grupos o clases denominadas estratos,
en cada estrato se selecciona una submuestra y la agregación de todas ellas conforman la
muestra definitiva. La selección de los elementos de cada submuestra puede ser proporcional
o no al tamaño del estrato.

Muestreo por conglomerados: muestreo probabilístico que se aplica en poblaciones que se

subdividen en partes denominadas conglomerados donde cada uno refleja a la población. La
muestra se conforma por la elección al azar de unidades de observación de cada
conglomerado que fue seleccionado aleatoriamente.

Muestreo probabilístico: muestreo basado en el principio de la equiprobabilidad al momento

de la elección de cada una de las unidades de observación que integrarán la muestra
representativa de la población. Algunos de los métodos de muestreo probabilístico son:

43
muestreo al azar simple, muestreo sistemático o secuencial, muestreo estratificado y
muestreo por conglomerados.

Muestreo sistemático o secuencial: muestreo probabilístico que se aplica a poblaciones

resultantes de fenómenos que se desarrollan con un ciento orden temporal o espacial, sobre el
que se fija una secuencia para la selección de las unidades de observación. Tanto la longitud
de la secuencia como el inicio de la misma se determinan aleatoriamente.

Nivel de confianza: es la probabilidad asociada al error máximo de la estimación. Símbolo:

1- α.

Nivel de significación: de una prueba de hipótesis, es la probabilidad asociada a la región

crítica y en consecuencia la probabilidad de cometer un error de tipo I. Símbolo: α.

Número índice: índice.

Ojiva de Galton: es la representación gráfica acumulada de una variable cuantitativa, con

tratamiento continuo de las frecuencias acumuladas absolutas o relativas o porcentuales.
Término equivalente: Polígono de frecuencias acumulativas.

Outlier: dato raro.

Parámetro: indicador poblacional. Símbolo genérico: θ. Algunos símbolos particulares son:

µ (media aritmética poblacional), σ (desvío estándar poblacional) y σ2 (varianza
poblacional).

Percentil k: es la marca geométrica en el arreglo de datos ordenado, que deja por debajo de
él, el k% de los datos. El percentil es el fractil expresado en porcentaje. Símbolo: Pk.

Pirámide poblacional: es un gráfico bivariado que involucra a las variables sexo y edad de
una población.

44
Población objetivo: totalidad de individuos o elementos a estudiar; o todas las
manifestaciones producto de un fenómeno susceptible de ser estudiado estadísticamente.
Término equivalente: universo.

Polígono de frecuencias: es el gráfico determinado por los segmentos que unen las marcas de
clase de los intervalos correspondientes a la organización de la distribución en intervalos de
clase, considerado agregándole las marcas de clase del intervalo previo al primero y del
siguiente al último con frecuencia cero, por no pertenecer al rango de valores de la variable.
El área que encierra el polígono de frecuencias es igual al área del histograma del mismo
agrupamiento.

Predicción estadística: es el resultado de aplicar métodos de interpolación/extrapolación a las

componentes de un modelo estadístico.

Probabilidad: es la medida de la ocurrencia de un suceso aleatorio. Es un número real

comprendido entre 0 y 1 (incluidos ambos). Se expresa como: P(A) e indica la probabilidad
del suceso A

Probabilidad compuesta: probabilidad conjunta.

Probabilidad condicional: es la probabilidad de ocurrencia de un suceso aleatorio

condicionada por la ocurrencia de otro u otros sucesos. Se expresa: P(A/B) e indica la
probabilidad del suceso A si el suceso B ocurriera.

Probabilidad conjunta: es la probabilidad de que dos o más suceso aleatorio ocurran

simultáneamente. En símbolos: P(A y B) o también P(A∩B). Nombre equivalente:
probabilidad compuesta.

Probabilidades marginales: son las probabilidades totales en una tabla de contingencias.

Probabilidad total: es la probabilidad del suceso resultante de la unión de dos o más suceso
aleatorio.

Proceso de Poisson: es un experimento aleatorio de naturaleza binomial, donde los éxitos

ocurren a lo largo del continuo y el fracaso es la no ocurrencia de éxito. Está caracterizado por
el número α, que es la intensidad media de ocurrencias de éxito por unidad de continuo.
Nombre equivalente: proceso poissoniano.

45
Promedio: este concepto es equivalente al de media aritmética, aunque en algunos casos su
uso involucra a todas las medidas de tendencia central en forma indistinta.

Promedio de relativos simples: media de índices simples.

Pronóstico estadístico: predicción realizada en base a una serie de tiempo.

Proporción: medida de intensidad que representa el peso que tiene en el conjunto de datos, un
valor o un grupo de valores de una o más variables. Es decir que indica cuánto incide ese
valor o grupo de valores en el total. Se expresa como un coeficiente y se suele interpretar
como un porcentaje.

Prueba de hipótesis: procedimiento de la inferencia estadística mediante el cual se pone a

prueba una hipótesis de trabajo denominada hipótesis nula frente a una hipótesis alternativa.
La prueba de hipótesis se basa en la evidencia muestral y se fundamenta en la teoría de la
probabilidad. Una prueba de hipótesis concluye con la decisión de rechazar o no rechazar la
hipótesis nula con determinado nivel de significación. Nombres equivalentes: test de hipótesis
o docimasia estadística.

Prueba de hipótesis paramétrica: prueba de hipótesis que somete a prueba un valor supuesto
del parámetro poblacional cuyo verdadero valor es en realidad desconocido utilizando un
estimador muestral de distribución conocida.

p-valor: es el área de probabilidad determinada por el estadístico de prueba y ubicada hacia

su derecha o hacia su izquierda dependiendo de la ubicación de la región crítica de la prueba
de hipótesis. En la voz inglesa: p-value.

p-value: p-valor

Quintil: cada una de las cuatro marcas geométricas que dividen al arreglo de datos ordenado
en cinco partes iguales. Término equivalente: quintilo.

Rango: es una medida de dispersión que mide la amplitud o extensión total del recorrido de
una variable cuantitativa. Al tener en cuenta sólo los valores máximo y mínimo de la variable
no es un estimador suficiente. Nombre equivalente: amplitud de la distribución. En símbolo:
Rg=Xmáx-Xmín

Rango intercuartílico: es una medida de dispersión que mide la amplitud de la fracción del
recorrido de una variable cuantitativa que se extiende entre el primero y tercer cuartil. En
símbolos: d=Q3–Q1. Nombres equivalentes: amplitud intercuartílica o distancia intercuartílica.

46
Razón: medida de intensidad que representa el peso que tiene sobre un determinado valor o
grupo de valores otro valor o grupo de valores de una o más variables. Es decir que indica
cuánto incide un valor o grupo de valores de una variable sobre otro.

Razonamiento estadístico: es el razonamiento que permite al individuo reconocer la

necesidad de los datos, lograr comprender un fenómeno real a través de su modelización
mediante tablas, gráficos, indicadores, etc. y poder explicar a otros los significados extraídos
del modelo; diferenciando los datos propiamente dichos del modelo de los mismos. Además
le permite percibir y comprender la variación que hay y se transmite en los datos, así como la
incertidumbre originada por la variación no explicada. La estadística permite hacer
predicciones, buscar explicaciones y causas de la variación y aprender del contexto.

Recorrido de una variable: conjunto de valores que asume una variable cuantitativa.

Recta de tendencia: es un modelo matemático que permite describir la tendencia de una serie
de tiempo.

Relativo simple: índice simple.

Región crítica: en una prueba de hipótesis es la región del recorrido del estadístico muestral
asociada con la hipótesis alternativa. Se la suele denominar también zona de rechazo de la
hipótesis nula.

Serie cronológica: serie de tiempo

Serie de tiempo: es el conjunto de los datos bivariados de una variable estadística registrados
secuencialmente en el tiempo. Nombre equivalente: serie cronológica.

Sistema Estadístico Nacional Argentino: organismo interprovincial coordinado por el INDEC

e integrado por todos los organismos oficiales productores de estadísticas del país. Su
funcionamiento está regulado por ley (Nº 17.622/68) y se estructura sobre la base de la
descentralización. Acrónimo: SEN.

Suceso aleatorio: cualquier subconjunto de un espacio muestral. Término equivalente: evento

aleatorio.

Suceso cierto: suceso aleatorio del que se tiene certeza de que va a ocurrir. Coincide con el
espacio muestral.

Suceso elemental: suceso aleatorio unitario de un espacio muestral.

Suceso imposible: suceso aleatorio del que se tiene certeza de que no va a ocurrir.

47
Sucesos excluyentes: sucesos aleatorios que no pueden ocurrir simultáneamente. Nombre
equivalente: sucesos mutuamente excluyentes.

Sucesos independientes: dos sucesos aleatorios son independientes cuando ocurrencia de uno
de ellos no incide en la ocurrencia del otro.

Sucesos mutuamente excluyentes: sucesos excluyentes.

Tabla de contingencias: es una distribución de frecuencias conjuntas relativas que en virtud

de la definición frecuencial de probabilidad puede aplicarse a un determinado experimento
aleatorio.

Tabla de distribución conjunta: distribución de frecuencias conjuntas.

Tasa: medida de intensidad

Técnica de muestreo: método de muestreo.

Tendencia: es la componente que modela el comportamiento de la serie de tiempo a largo

plazo. Nombre equivalente: tendencia secular.

Teorema Central del Límite (TCL): formaliza el comportamiento asintóticamente normal,

bajo determinadas condiciones, de la distribución de la suma de un gran número de variables
aleatorias, en particular el de las variables aleatorias media muestral y proporción muestral.

Test de hipótesis: prueba de hipótesis.

Unidad de análisis estadística: conjunto de unidades de observación agrupadas bajo un

determinado criterio. En muchos casos se la utiliza como nombre equivalente al de unidad de
observación.

Unidad de observación: cada individuo o elemento de la población objetivo.

Valor atípico: dato raro

Valor esperado de una variable aleatoria: esperanza

Valor p: p-valor

Variable: variable estadística

48
Variable aleatoria: asigna valores numéricos reales a los sucesos definidos en el espacio
muestral asociado a un experimento aleatorio. Es decir que es una función del espacio
muestral sobre el espacio de los números reales. Nombre equivalente: variable estocástica.

Variable aleatoria continua: variable aleatoria cuyo recorrido es un intervalo de números

reales.

Variable aleatoria discreta: variable aleatoria cuyo recorrido es un subconjunto de los

números enteros.

Variable Bernoulli: en el experimento de Bernoulli, es la variable aleatoria discreta que

asigna 0 al fracaso y 1 al éxito. Su recorrido ℜ(x) = {0; 1}.

Variable Binomial: es una variable aleatoria discreta que cuenta la cantidad de éxitos en n
repeticiones independientes de un experimento de Bernoulli. Su recorrido es el intervalo
entero [0, n].

Variable cualitativa o categórica: variable estadística que adopta valores no numéricos que
usualmente se denominan categorías.

Variable cualitativa no ordenable: variable cualitativa cuyos valores no son intrínsecamente

pasibles de ordenarse.

Variable cualitativa ordenable: variable cualitativa cuyos valores son intrínsecamente

pasibles de ser ordenados

Variable cuantitativa: variable estadística que adopta valores numéricos.

Variable cuantitativa continua: variable cuantitativa cuyos valores son números reales que
provienen de algún mecanismo de medición.

Variable cuantitativa discreta: variable cuantitativa cuyos valores provienen de un

mecanismo de conteo; en consecuencia asume un número finito o infinito numerable de
valores.

Variable dependiente: variable cuyos valores dependen de los valores de otra variable.

Variable de Poisson: en un proceso de Poisson, es la variable aleatoria discreta que cuenta la

cantidad de éxitos en un intervalo continuo de medida t. Su recorrido es el conjunto de los
números naturales y el cero.

Variable dicotómica: variable estadística que por su propia naturaleza adopta sólo dos
valores o categorías.

49
Variable estadística: se construye a partir de uno o varios atributos variables observados en
las unidades de observación.

Variable exponencial: es la variable aleatoria continua, que a partir del último éxito ocurrido
dentro de un proceso de Poisson, mide el intervalo continuo que transcurriría hasta el
siguiente éxito. Su recorrido es el conjunto de los números reales mayores o iguales a cero.

Variable hipergeométrica: es una variable aleatoria discreta que cuenta el número de éxitos
obtenidos en n repeticiones dependientes de un experimento de Bernoulli. En particular es
adecuada para el muestreo sin reposición en poblaciones pequeñas. Su recorrido es el
intervalo entero [0; n].

Variable independiente: variable cuyos valores no dependen de los valores de otra variable.

Variable normal: es la variable aleatoria continua que surge de un experimento normal y

cuyo recorrido es el conjunto de los números reales.

Variable uniforme: es la variable aleatoria continua asociada a un experimento uniforme y

cuyo recorrido es un intervalo cerrado en el conjunto de los números reales.

Varianza (de Gauss): es una medida de dispersión que se determinada como la m edia
ar itm ética de los cuadrados de los desvíos. Su magnitud es el cuadrado de la magnitud de
la variable. Nombres equivalentes: desviación cuadrática media o variancia. Símbolos: s2
(estadístico muestral) y σ2 (parámetro poblacional).

50
Bibliografía

- Ardila A., El lenguaje Matemático y el Usual, como Mediador de la Comunicación. Acta

Latinoamericana de Matemática Educativa, Vol 15, Universidad de Panamá. (1991), 1161-
1171.
- Argibay, Juan Carlos. “Subjetividad y procesos cognitivos”. Subj. procesos cogn. Vol.13
no.1 Ciudad Autónoma de Buenos Aires. ARTÍCULOS ORIGINALES. Muestra en
investigación cuantitativa. The sample in quantitative research. Versión ISSN 1852-7310.
(ene./jun. 2009)
- Batanero, Carmen. “Los retos de la cultura estadística”. Congreso de Estadística. Caseros,
Argentina, (2003).
- Batanero, Carmen. Didáctica de la Estadística. GEEUG (Grupo de Educación Estadística
Universitaria de Granada). Publica: Grupo de Investigación Estadística, Departamento de
Didáctica de la Matemática, Universidad de Granada. Granada. (2001).
- Batanero, Carmen. Conferencia organizada por IASE sobre la formación de investigadores.
(2001)
- Bressan, Ana y Bressan, Oscar. “Probabilidad y estadística: como trabajar con niños y
jóvenes”. Ed. Novedades Educativas. Argentina. (2008).
- Chou. Ya-Lun. “Análisis Estadístico”. Ed. McGaw-Hill. Segunda Edición. (1992)
- Diccionario de Estadística Práctica. Universidad Intermericana de Panama. Lic. Admin de
Recursos Humanos. (2007)
- Ferreiro, Osvaldo y Fernández de la Reguera, Pedro. “La estadística, una ciencia de la
controversia”. Artículo publicado en la Revista Universitaria Nº 25 del Instituto de
Matemáticas y Física .Universidad de Talca. Chile. (1988)
- Guzmán, Miguel de. “Enfoque heurístico de la enseñanza de la matemática, Aspectos
didácticos de matemáticas”. Publicaciones del Instituto de Ciencias de la Educación de la
Univ. de Zaragoza. (1985)
- Guzmán, Miguel de. “Para pensar mejor”. Ed. Labor, Barcelona. (1991)
- Kreyszig, Erwin. “Introducción a la Estadística Matemática. Principios y métodos”. Ed.
LIMUSINA, S.A. México, Quinta reimpresión, 1981.
- Meyer, Paul. “Probabilidad y aplicaciones estadísticas”. Ed. Addison-Wesley-
Iberoamericana. Edición revisada USA. (1992)
- MODULO 1. ESTADISTICA DESCRIPTIVA. Glosario. SEQC. (2009)
- Moroney. M. S. Hechos y estadística. Ed. EUDEBA. (1979).
-Juan Ignacio Piovani, Juan Ignacio. XXV Congreso ALAS. Universidade Federal do Rio Grande do Sul. Porto
Alegre. “La estadística y el sentido común de los sociólogos”. Università degli studi di Bologna,
Representación en Argentina. Universidad Nacional de La Plata. (22-26 de agosto de 2005).
- Pozo, José I. “Comprender y transformar la enseñanza”. Ed. Morata. Madrid. (1993)
- Santaló Luis A.; Gálvez, Grecia; Charnay, Roland; Brousseau, Guy; Lerner, Delia y
Sadosky, Patricia. Parra, Cecilia y Saiz, Irma (compiladoras). “Didáctica de matemáticas”.
Aportes y reflexiones. Ed. Paidós Educador. Argentina. 5ta reimpresión, (1997).
- Santaló,L.A., “La educación matemática, hoy”. Ed. Teide, Barcelona. (1975)

51
- Sierra Bravo, R. “Técnicas de Investigación Social. Teoría y Ejercicios”. Decimosegunda
Edición. Ed. Paraninfo. (1998)
- SIEL (Sistema de Información Estadística Local), cuadernos. Serie 1. Materiales institucionales,
conceptuales y metodológicos Cultura Estadística y Gestión Local Instituto Nacional de Estadística y
Censos. Dirección Nacional de Planificación y Coordinación Estadística. (Julio 2007).
- Toranzos, Fausto I. “Teoría Estadística y Aplicaciones”. Ediciones Macchi. Reimpresión.
(1997)
- Tukey, J. “Exploratotory data analysis”. Ed. Addison Wesley. (1977)
- Valdes, Fernando. “Comprensión y Uso de la Estadística”. Universidad Rómulo Gallegos
(Robert Ponterio – Project Direct and HTML). SUNY Cortland Dept. Glosario. (1998).

Libros de texto escolares

- De Simone, Turner., Funciones y estadística Ed. A-Z
- Estrada de 6º grado. Ed. Estrada. 2006.
- Latorre, L.; Spivak, L. ; Kaczor, P. y de Elizondo, M.C., Manual de 9º año. Ed. Santillana.
- Manual de 1º año. Ed. Kapelusz. 2006
- Manual de 7º grado. Ed. Puerto de Palos 2005.
- Manuales de 8º y 9º año. Ed. Santillana, Ed. Nuevas Propuestas. Ed. Tinta Fresca. Ed.
Puerto de Palos.
- Matemática de 7º grado (1º E.S.B.). Ed. Puerto de Palos. 2005
- Textos 8º y 9º ((2º y 3º E.S.B.): Matemática I, Ed. Santillana, 1995. Matemática 8, Ed.
Nuevas Propuestas. Matemática 8, Ed. Tinta Fresca, 2005. Matemática 9, Ed. Puerto de
Palos, 2001
- Semino, S. ; Englebert, S. Y Pedemonti, S., Manual de 9º año. Ed A-Z.
- Seveso de Larotonda, J. ; Wykowski, Ana R. y Ferrarini, G., Manual de 9º año. Ed.
Kapelusz.

Material digitalizado
http://www.bioestadistica.uma.es/libro/node2.htm
http://www.hojamat.es/estadistica/diccio/diccestad.htm.
http://www.ucm.es/info/nomadas/.
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
http://web.cortland.edu/flteach/stats/
http://maristascoruna.wikispaces.com/file/view/Apuntes+Estadistica+P4.pdf
http://www.so.ucr.ac.cr/Enlaces/Estadistica/problemas/Diccionario.html
http://www.vitutor.com/estadistica/descriptiva/a_2.html
http://es.wikipedia.org/wiki/Medidas_de_posici%C3%B3n_no_central
http:/www.ugr.es/local/batanero/sergroup.htm
http://web.udl.es/usuaris/z4084849/docs/uno45.pdf
http://dialnet.unirioja.es/servlet/articulo?codigo=2697036
http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S1852-
73102009000100001&lng=es&nrm=iso

52
Anexo
Instrumentos para recabar información de potenciales usuarios de herramientas estadísticas
Guía para la entrevista de alumnos de distintas carreras de la UNLaM
Edad:
Sexo:
Carrera que cursa:
Trabaja actualmente o trabajó? Si No
Indicar lugar/es
Actividad que desempeña o desempeñó:
Si en su trabajo, ha utilizado o utiliza herramientas estadísticas, completar el siguiente cuadro.
Herramientas Indicar de qué tipo Detallar resultados obtenidos
Cálculos

Gráficos

Tablas

Otras (detallar)

En caso de haber tenido dificultades en la utilización de las herramientas anteriores, indicar cuáles y de qué tipo.

Formulario guía para entrevista de usuarios comunes de herramientas estadísticas

Datos personales
Edad: Sexo: Nivel máximo de instrucción alcanzado:
En las siguientes opciones marcar con una X según corresponda:
Capacitación que posee:
Está estudiando alguna carrera de grado o de posgrado? Si No
En caso afirmativo la carrera que sigue es:
Indique el nivel de la misma: secundario terciario universitario
Está realizando en la actualidad algún curso de perfeccionamiento? Si No
En caso afirmativo indicar cuál o cuáles:
Realizó algún curso de estadística como estudiante o como especialización laboral?
No Si ¿En qué condición?
Indicar cuál:.
Situación laboral:
Rubro de la fábrica, empresa o entidad donde desempeña su labor:
Antigüedad en el trabajo:
Puesto que ocupa o tareas que desempeña
Herramientas o cálculos estadísticos que necesita o maneja:
Emplea algún concepto o herramienta estadística para realizar sus tareas?
Estadística descriptiva:
No Sí ¿Señale cuál/es de los siguientes conceptos maneja?
Tablas ¿cómo?
Gráficos ¿cuáles?
Medidas ¿cuáles?
¿en qué contexto las emplea?
¿cómo las utiliza?
Inferencia Estadística:
Estimación de parámetros, ¿de qué parámetros?
Pruebas de Hipótesis, ¿de qué tipo?
¿cuáles.
Análisis de regresión – correlación, ¿en qué situación/es?

53
2- Producción científico – tecnológica

Trabajo sobre enseñanza de la estadística en la universidad.

Presentado y aprobado por el Congreso Internacional de Pedagogía Universitaria (CIPU).
Organizado por la UBA.
Fecha de presentación de la ponencia: 8 de setiembre de 2009.
Publicado en el Libro de Resúmenes. Primer Congreso Internacional de Pedagogía
Universitaria. Editorial Eudeba. Septiembre 2009. Buenos Aires, Argentina. ISBN 978-950-
23-1682-6.
Autores: Graciela Fernández, Laura Polola y María Eugenia Ángel.

54
3- Proyecto de Investigación

CODIGO....55B/142...................
1. PROYECTO DE INVESTIGACION

Titulo del proyecto: .......................................

....................................................................................................................................................................
REGISTRO DE CONCEPTOS ESTADÍSTICOS
...................................................................................................................................................................
COMO RECURSO PARA UNA ALFABETIZACIÓN ESTADÍSTICA

Unidad Ejecutoria: …………………………………..………………………………..

Univ. Nac. de La Matanza
Departamento: ………………………………………………………………………….……..
Ciencias Económicas
Carrera, Cátedra, etc,:.................................................................................................................
Estadística
Grupo de investigación: .............................................................................................................
Dirección: Florencio Varela 1903 – San Justo. Cod. Postal: 1754. Tel.: .......... 4480-8954

Investigadores Miembros del Equipo :

Graciela Fernández
Nombre y apellido : .................................................................................................................
Laura Polola
Nombre y apellido : .................................................................................................................
Enrique Borgna
Nombre y apellido : .................................................................................................................
Liliana Pagano
Nombre y apellido : .................................................................................................................
Silvia Brunetti
Nombre y apellido : .................................................................................................................
Miriam Ecalle
Nombre y apellido : .................................................................................................................

Director y Subdirector :
María Eugenia Ángel
Nombre y apellido : .................................................................................................................
Profesora de Matemática
Titulo:.......................................................................................Legajo 511
UNLM : .....................
Profesor Titular
Categoría Docente: ..................................................................Dedicación Exclusiva
: ...........................
Av. Rivadavia 13230 Ramos Mejía
Dirección Particular : ...............................................................Tel. 4658 - 2286
:.......................................

RESUMEN : Mediante un trabajo de buceo exploratorio se recopilará información estadística,

procesada o no, de medios de difusión y comunicación –informes periodísticos, libros, publicaciones
en general, Internet, su empleo a través de herramientas informáticas- para detectar usos y
aplicaciones de términos y conceptos estadísticos según el contexto, como también se relevarán
diferencias y similitudes de significado para mismas expresiones del lenguaje empleado a fin de
identificar necesidades y potenciales destinatarios de los resultados de la presente investigación . A
partir de éstos se elaborará un estudio intensivo de comparación y contrastación para reordenarlos,
resignificarlos, clarificarlos y establecer relaciones entre ellos y con su raíz teórica formal tomando
como referente textos y desarrollos universitarios institucionalizados ya que el lenguaje aplicado a
trabajos y desarrollos formales o científicos requiere formas estandarizadas tanto a nivel académico
como laboral. Desde esta tarea de compilación de datos y su análisis minucioso se realizará un primer
registro de términos y conceptos universalmente utilizados en Estadística para su mejor y más
acabado uso y comprensión y para la mejor interpretación de la información estadística tanto desde lo
comunicacional como desde lo instrumental para su empleo en diversos ámbitos de estudio y también
de trabajo, no necesariamente académico o educacional.

55
PLAN DE INVESTIGACION
Reflexiones que motivaron la investigación
A partir de la investigación y de la práctica educativa, desde siempre y naturalmente ha existido el
interés por conocer cómo aprendemos los seres humanos para poder enriquecer la experiencia de
enseñar y aprender. Dada la creciente influencia de las nuevas tecnologías en el tratamiento estadístico
de la información es preciso contar con un referente conceptual que permita su buen uso y aplicación y
que establezca un puente entre la teoría formal y la práctica responsable. En estos términos aparece la
noción de alfabetización estadística asociada a determinar qué conocimientos, valores y habilidades
necesita desarrollar el ciudadano de hoy para desempeñarse con solvencia en las sociedades actuales
donde los medios de comunicación y las nuevas tecnologías actúan como herramientas en la
construcción social de la cultura.
El uso de la tecnología expandió aún más la utilización de la estadística como herramienta cotidiana de
trabajo. La divulgación de sistemas y programas informáticos en diversos ámbitos como los
educacionales y laborales y la escasa o nula formación estadística de muchos usuarios plantean la
necesidad de que el hombre común adquiera suficiente formación estadística. Concretamente, de esta
manera se estaría apuntando a una reestructuración, una renovación de los términos y conceptos
estadísticos que tomara en cuenta a los interesados sin dejar de lado la función comunicativa del
lenguaje.
Como cada rutina utilizada por los sujetos está llena de ecos y reflejos de otros usos y costumbres, la
propuesta de este trabajo es la de remediar, en parte, el desconocimiento que se tiene de algunos
términos y conceptos estadísticos de uso más frecuente. Se tratará de establecer cuáles son los más
utilizados y cuáles son los vicios más comunes de encontrar en pos de enfatizar su manera más
adecuada y llamar la atención sobre su mal empleo, si lo hubiere. Para tal fin se prevé confeccionar un
“manual estadístico para el usuario” donde se asienten los términos y conceptos analizados con sus
significados científicos -particularmente el académico- y sus aplicaciones, señalando las formas
incorrectas más comunes. Esta sistematización y transmisión sería un elemento clave para organizar y
modular la actividad formativa que se persigue del individuo.

Objetivo General
El objetivo es la elaboración de un registro de términos y conceptos estadísticos donde se unifiquen y
jerarquicen las definiciones a partir de las similitudes y diferencias de interpretaciones de acuerdo a su
contexto y aplicación.

Objetivos operacionales
• Identificar y clasificar conceptos a analizar.
• Compilar usos y aplicaciones del leguaje estadístico.
• Compendiar posibles identificaciones entre conceptos que pueden parecer diferentes pero con
idéntica raíz teórico-conceptual.
• Puntualizar diferencias entre conceptos que pueden confundirse o que se identifican sin ser
equivalentes.
• Analizar y describir conceptualmente las herramientas estadísticas para un mejor
aprovechamiento de sus potenciales resultados.
• Elaborar un registro de los resultados para su utilización en el estudio de la Estadística tanto
para la formación básica, profesional, docente como así también para la formación del usuario
de recursos estadísticos de diversa índole con fines laborales

56
Etapas del proceso de investigación

Esta investigación se desarrollará en varias etapas, que se encuentran relacionadas con el

cumplimiento de los objetivos planteados.
1- Recopilación de terminología estadística utilizada en medios gráficos o audiovisuales de
difusión, en paquetes informáticos de uso popular y textos de otras ramas del conocimiento.
2- Selección y clasificación de los términos y conceptos a analizar.
3- Reconocimiento de las distintas aplicaciones de los términos y conceptos seleccionados (su
utilización)
4- Elección del material bibliográfico académico de referencia.
5 - Selección de definiciones formales de los términos y conceptos recopilados.
6- Comparación entre el uso común y la referencia formal institucionalizada (cruce de información)
7- Unificación y/o jerarquización del uso y significado de los términos y conceptos.
8- Construcción de un registro.
La metodología de trabajo es cualitativa basada en datos secundarios extraídos de diversas fuentes
especializadas de las distintas áreas del conocimiento.

Cronograma de actividades:
El siguiente es un cronograma del tiempo estimado para las distintas actividades o etapas a realizar:

Actividad Tiempo estimado (en meses)

1- Recopilación de terminología estadística utilizada en medios 8
gráficos o audiovisuales de difusión, en paquetes informáticos
de uso popular y textos de otras ramas del conocimiento.
2- Selección y clasificación de los términos y conceptos a analizar. 8
3- Reconocimiento de las distintas aplicaciones de los términos y 8
conceptos seleccionados (su utilización)
4- Elección del material bibliográfico académico de referencia. 4
5 - Selección de definiciones formales de los términos y conceptos 5
recopilados.
6- Comparación entre el uso común y la referencia formal 6
institucionalizada (cruce de información)
7- Unificación y/o jerarquización del uso y significado de los 7
términos y conceptos.
8- Construcción de un registro. 9

DESARROLLO DE LA INVESTIGACIÓN A TRAVÉS DEL TIEMPO (EN MESES)

ACTIVIDAD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1
2
3
4
5
6
7
8

57
BIBLIOGRAFÍA BÁSICA
- A. Ardila, El lenguaje Matemático y el Usual, como Mediador de la Comunicación. Acta
Latinoamericana de Matemática Educativa, Vol 15, Universidad de Panamá. (1991), 1161-1171.
- Batanero, Carmen. “Los retos de la cultura estadística”. Congreso de Estadística. Caseros, Argentina,
(2003).
- Batanero, Carmen. Didáctica de la Estadística. GEEUG (Grupo de Educación Estadística
Universitaria de Granada). Publica: Grupo de Investigación Estadística, Departamento de Didáctica
de la Matemática, Universidad de Granada. Granada. (2001).
- Bressan, Ana y Bressan, Oscar. Probabilidad y estadística: como trabajar con niños y jóvenes. Ed.
Novedades Educativas. Argentina. (2008).
- Ferreiro, Osvaldo y Fernández de la Reguera, Pedro, La estadística, una ciencia de la controversia,
Artículo publicado en la Revista Universitaria Nº 25 del Instituto de Matemáticas y Física
.Universidad de Talca. Chile. (1988)
- Guzmán, Miguel de, Enfoque heurístico de la enseñanza de la matemática, Aspectos didácticos de
matemáticas 1 (1985), Publicaciones del Instituto de Ciencias de la Educación de la Univ. de
Zaragoza.
- Guzmán, Miguel de, Para pensar mejor (Labor, Barcelona, 1991)
- Kreyszig, Erwin. Introducción a la Estadística Matemática. Principios y métodos. Ed. LIMUSINA,
S.A. México, Quinta reimpresión, 1981.
- Moroney. M. S. Hechos y estadística. Ed. EUDEBA. (1979).
- Pozo, José I. (1993): Comprender y transformar la enseñanza. Ed. Morata. Madrid.
- Santaló Luis A.; Gálvez, Grecia; Charnay, Roland; Brousseau, Guy; Lerner, Delia y Sadosky,
Patricia. Parra, Cecilia y Saiz, Irma (compiladoras). Didáctica de matemáticas. Aportes y
reflexiones. Editorial Paidós Educador. Argentina. 5ta reimpresión, 1997.
- Santaló,L.A., La educación matemática, hoy (Teide, Barcelona, 1975)
- Toranzos, Fausto I. Teoría Estadística y Aplicaciones. Ediciones Macchi. 1997
- Tukey, J. Exploratotory data analysis. Ed. Addison Wesley. (1977)

ESTADO ACTUAL DEL TEMA PROPUESTO

Actualmente existen varios diccionarios estadísticos, algunos de ellos disponibles en la web.
Este material factible de utilizar presenta disparidades y contradicciones y en ninguno de los casos se
intenta realizar una unificación y/o jerarquización del uso y significado de los términos y
conceptos estadísticos como se pretende realizar en el presente trabajo.

TRANSFERENCIA
La transferencia del trabajo se realizará con la utilización del registro resultante de la investigación.
Este registro podrá ser utilizado por estudiantes, docentes, usuarios de paquetes estadísticos y
responsables de la producción de información basada en la estadística (investigadores, periodistas o
comunicadores sociales)

VINCULACION DE LOS RESULTADOS OBTENIDOS CON LAS ACTIVIDADES DOCENTES

Como aplicación directa se utilizará el registro en la cátedra de estadística de la UNLaM como soporte
terminológico.
Extensivamente, el registro quedará a disposición para ser utilizado como complemento en cualquier
otra materia que requiera de los conceptos o términos tratados.

58