La estadística

Enviado por Erika Josefina Sulbaran Silva

1. Definición de Estadística
2. Utilidad e importancia
3. División de la Estadística
4. Método para la recolección de datos
5. Variable

Definición de Estadística
La estadística es comúnmente considerada como una colección de hechos numéricos expresados en
términos de una relación sumisa, y que han sido recopilados a partir de otros datos numéricos.
Kendall y Buckland (citados por Gini V. Glas / Julian C. Stanley, 1980) definen la estadística como
un valor resumido, calculado, como base en una muestra de observaciones que generalmente, aunque no por
necesidad, se considera como una estimación de parámetro de determinada población; es decir,
una función de valores de muestra.
"La estadística es una técnica especial apta para el estudio cuantitativo de los fenómenos de masa o
colectivo, cuya mediación requiere una masa de observaciones de otros fenómenos más simples llamados
individuales o particulares". (Gini, 1953.
Murria R. Spiegel, (1991) dice: "La estadística estudia los métodos científicos para recoger, organizar, resumir
y analizar datos, así como para sacar conclusiones válidas y tomar decisiones razonables basadas en
tal análisis.
"La estadística es la ciencia que trata de la recolección, clasificación y presentación de los hechos sujetos a
una apreciación numérica como base a la explicación, descripción y comparación de los fenómenos". (Yale y
Kendal, 1954).
Cualquiera sea el punto de vista, lo fundamental es la importancia científica que tiene la estadística, debido al
gran campo de aplicación que posee. Otros autores tienen definiciones de la Estadística semejantes a las
anteriores, y algunos otros no tan semejantes. Para Chacón esta se define como "la ciencia que tiene por
objeto el estudio cuantitativo de los colectivos"; otros la definen como la expresión cuantitativa
del conocimiento dispuesta en forma adecuada para el escrutinio y análisis. La más aceptada, sin embargo,
es la de Minguez, que define la Estadística como "La ciencia que tiene por objeto aplicar las leyes de la
cantidad a los hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer su predicción
próxima".

Utilidad e importancia
Los métodos estadísticos tradicionalmente se utilizan para propósitos descriptivos, para organizar y resumir
datos numéricos. La estadística descriptiva, por ejemplo trata de la tabulación de datos, su presentación en
forma gráfica o ilustrativa y el cálculo de medidas descriptivas.
Ahora bien, las técnicas estadísticas se aplican de manera amplia en mercadotecnia, contabilidad, control de
calidad y en otras actividades; estudios de consumidores; análisis de resultados en deportes; administradores
de instituciones; en la educación; organismos políticos; médicos; y por otras personas que intervienen en
la toma de decisiones.

División de la Estadística
La Estadística para su mejor estudio se ha dividido en dos grandes ramas: la Estadística Descriptiva, la
Inferencial e Inductiva.
Estadística Descriptiva: Tienen por objeto fundamental describir y analizar las características de un conjunto
de datos, obteniéndose de esa manera conclusiones sobre las características de dicho conjunto y sobre las
relaciones existentes con otras poblaciones, a fin de compararlas. No obstante puede no solo referirse a
la observación de todos los elementos de una población (observación exhaustiva) sino también a la
descripción de los elementos de una muestra (observación parcial).
En relación a la estadística descriptiva, Ernesto Rivas González dice; "Para el estudio de estas muestras, la
estadística descriptiva nos provee de todos sus medidas; medidas que cuando quieran ser aplicadas
al universo total, no tendrán la misma exactitud que tienen para la muestra, es decir al estimarse para el
universo vendrá dada con cierto margen de error; esto significa que el valor de la medida calculada para la
muestra, en el oscilará dentro de cierto límite de confianza, que casi siempre es de un 95 a 99% de los casos.
Estadística Inferencial: se deriva de muestras, de observaciones hechas sólo acerca de una parte de un
conjunto numeroso de elementos y esto implica que su análisis requiere de generalizaciones que van más allá
de los datos. Como consecuencia, la característica más importante del reciente crecimiento de la estadística
ha sido un cambio en el énfasis de los métodos que describen a métodos que sirven para hacer
generalizaciones. La Estadística Inferencial investiga o analiza una población partiendo de una muestra
tomada. Según Berenson y Levine; Estadística Inferencial son procedimientos estadísticos que sirven para
deducir o inferir algo acerca de un conjunto de datos numéricos (población), seleccionando un grupo menor de
ellos (muestra). El objetivo de la inferencia en investigación científica y tecnológica radica en conocer clases
numerosas de objetos, personas o eventos a partir de otras relativamente pequeñas compuestas por los
mismos elementos.
En relación a la estadística descriptiva y la inferencial, Levin & Rubin (1996) citan los siguientes ejemplos para
ayudar a entender la diferencia entre las dos.
Estadística Inductiva: Está fundamentada en los resultados obtenidos del análisis de una muestra de
población, con el fin de inducir o inferir el comportamiento o característica de la población, de donde procede,
por lo que recibe también el nombre de Inferencia estadística.
Método Estadístico: El conjunto de los métodos que se utilizan para medir las características de
la información, para resumir los valores individuales, y para analizar los datos a fin de extraerles el máximo de
información, es lo que se llama métodos estadísticos. Los métodos de análisis para la información cuantitativa
se pueden dividir en los siguientes seis pasos:
1. Definición del problema.
2. Recopilación de la información existente.
3. Obtención de información original.
4. Clasificación.
5. Presentación.
6. Análisis.
Población: El concepto de población en estadística va más allá de lo que comúnmente se conoce como tal.
Una población se precisa como un conjunto finito o infinito de personas u objetos que presentan
características comunes.
"Una población es un conjunto de todos los elementos que estamos estudiando, acerca de los cuales
intentamos sacar conclusiones". Levin & Rubin (1996).
"Una población es un conjunto de elementos que presentan una característica común". Cadenas (1974).
Muestra: "Se llama muestra a una parte de la población a estudiar que sirve para representarla". Murria R.
Spiegel (1991).
"Una muestra es una colección de algunos elementos de la población, pero no de todos". Levin & Rubin
(1996).
"Una muestra debe ser definida en base de la población determinada, y las conclusiones que se obtengan de
dicha muestra solo podrán referirse a la población en referencia", Cadenas (1974).
Muestreo: Esto no es más que el procedimiento empleado para obtener una o más muestras de una
población; el muestreo es una técnica que sirve para obtener una o más muestras de población.
Este se realiza una vez que se ha establecido un marco muestral representativo de la población, se procede a
la selección de los elementos de la muestra aunque hay muchos diseños de la muestra.
Al tomar varias muestras de una población, las estadísticas que calculamos para cada muestra no
necesariamente serían iguales, y lo más probable es que variaran de una muestra a otra.
Tipos de muestreo
Existen dos métodos para seleccionar muestras de poblaciones; el muestreo no aleatorio o de juicio y el
muestreo aleatorio o de probabilidad. En este último todos los elementos de la población tienen la oportunidad
de ser escogidos en la muestra.
Una muestra seleccionada por muestreo de juicio se basa en la experiencia de alguien con la población.
Algunas veces una muestra de juicio se usa como guía o muestra tentativa para decidir como tomar una
muestra aleatoria más adelante. Las muestras de juicio evitan el análisis estadístico necesario para hacer
muestras de probabilidad.
Datos estadísticos:
Los datos estadísticos no son otra cosa que el producto de las observaciones efectuadas en las personas y
objetos en los cuales se produce el fenómeno que queremos estudiar. Dicho en otras palabras, son los
antecedentes (en cifras) necesarios para llegar al conocimiento de un hecho o para reducir las consecuencias
de este.
 Los datos estadísticos se pueden encontrar de forma no ordenada, por lo que es muy difícil en general,
obtener conclusiones de los datos presentados de esta manera. Para poder obtener una precisa y rápida
información con propósitos de descripción o análisis, estos deben organizarse de una manera sistemática; es
decir, se requiere que los datos sean clasificados. Esta clasificación u organización puede muy bien hacerse
antes de la recopilación
Clasificación de los datos
Los datos estadísticos pueden ser clasificados en cualitativos, cuantitativos, cronológicos y geográficos.
 Datos Cualitativos: cuando los datos son cuantitativos, la diferencia entre ellos es de clase y no de cantidad.
 Datos cuantitativos: cuando los valores de los datos representan diferentes magnitudes, decimos que son
datos cuantitativos.
 Datos cronológicos: cuando los valores de los datos varían en diferentes instantes o períodos de tiempo, los
datos son reconocidos como cronológicos.
 Datos geográficos: cuando los datos están referidos a una localidad geográfica se dicen que son datos
geográficos.
Fuentes de datos estadísticos
Los datos estadísticos necesarios para la comprensión de los hechos pueden obtenerse a través
de fuentes primarias y fuentes secundarias.
 Fuentes de datos primarias: es la persona o institución que ha recolectado directamente los datos.
 Fuentes secundarias: son las publicaciones y trabajos hechos por personas o entidades que no han
recolectado directamente la información.
Las fuentes primarias más confiables, son las efectuadas por oficinas gubernamentales encargadas de tal fin.
En la práctica, es aconsejable utilizar fuentes de datos primarias y en última instancia cuando estas no
existan, usar estadísticas de fuentes secundarias. Con este último tipo no debemos pasar por alto que
la calidad de las conclusiones estadísticas depende en grado sumo de la exactitud de los datos que se
recaben.

Método para la recolección de datos

En estadística se emplean una variedad de métodos distintos para obtener información de los que se desea
investigar. Discutiremos aquí los métodos más importantes, incluyendo las ventajas y limitaciones de estos.
La entrevista personal: los datos estadísticos necesarios para una investigación, se reúnen frecuentemente
mediante un proceso que consiste en enviar un entrevistador o agente, directamente a la persona investigada.
El investigador efectuará a esta persona una serie de preguntas previamente escritas en
un cuestionario boleta, donde anotará las respuestas correspondientes. Este procedimiento que se conoce
con el nombre de entrevista personal, permite obtener una información más veraz y completa que la que
proporcionan otros métodos, debido a que al tener contacto directo con la persona entrevistada, el
entrevistador podrá aclarar cualquier duda que se presente sobre el cuestionario o investigación.
Cuestionarios por correo: consiste en enviar por correo el cuestionario acompañado por el instructivo
necesario, dando en este no solo las instrucciones pertinentes para cada una de las preguntas, sino también
una breve explicación del objeto de la encuesta con el fin de evitar interpretaciones erróneas.
Entrevista por teléfono: como lo indica su nombre, este método consiste en telefonear a la persona a
entrevistar y hacerle una serie de preguntas. Este método es bastante simple y económico, ya que
el entrenamiento y supervisión de las personas encargadas de efectuar las preguntas es siempre fácil.
Instrumentos para la recolección de datos:
Cuestionarios: Cualquiera que sea el método por el que se decida el investigador para recabar información,
es necesario elaborar un estudio de preguntas. Los cuestionarios en general, constan de las siguientes partes:
a. La identificación del cuestionario: nombre del patrocinante de la encuesta, (oficial o privada), nombre de la
encuesta, número del cuestionario, nombre del encuestador, lugar y fecha de la entrevista.
b. Datos de identificación y de carácter social del encuestado: apellidos, nombres, cédula
de identidad, nacionalidad, sexo, edad o fecha de nacimiento, estado civil, grado de instrucción, ocupación
actual, ingresos, etc.
c. Datos propios de la investigación, son los datos que interesa conocer para construir el propósito de la
investigación. Estas partes, así como las preguntas, varían de acuerdo a la finalidad de la encuesta. En
algunos tipos de investigación, la parte referente a los datos personales es eliminada por no tener ningún tipo
de interés para el estudio.

Variable
La definición más sencilla, es la referida a la capacidad que tienen los objetos y las cosas de modificar su
estado actual, es decir, de variar y asumir valores diferentes.
 Sabino (1980) establece: "entendemos por variable cualquier característica o cualidad de la realidad que es
susceptible de asumir diferentes valores, es decir, que puede variar, aunque para un objeto determinado que
se considere puede tener un valor fijo".
 Briones (1987: 34) define: "Una variable es una propiedad, característica o atributo que puede darse en
ciertos sujetos o pueden darse en grados o modalidades diferentes. . . son conceptos clasificatorios que
permiten ubicar a los individuos en categorías o clases y son susceptibles de identificación y medición".
CLASIFICACIÓN DE LAS VARIABLES
 Variable Independiente: es aquella característica o propiedad que se supone ser la causa del fenómeno
estudiado. En investigación experimental se llama así, a la variable que el investigador manipula.
 Variable Dependiente: Hayman (1974: 69) la define como propiedad o característica que se trata de cambiar
mediante la manipulación de la variable independiente. La variable dependiente es el factor que es observado
y medido para determinar el efecto de la variable independiente.
 Variable Interviniente: Son aquellas características o propiedades que de una manera u otra afectan el
resultado que se espera y están vinculadas con las variables independientes y dependientes.
 Variable Moderadora: Según Tuckman: representan un tipo especial de variable independiente, que es
secundaria, y se selecciona con la finalidad de determinar si afecta la relación entre la variable independiente
primaria y las variables dependientes.
 Variables Cualitativas: Son aquellas que se refieren a atributos o cualidades de un fenómeno. Sabino (1989:
80) señala que sobre este tipo de variable no puede construirse una serie numérica definida.
 Variable Cuantitativa: Son aquellas variables en las que características o propiedades pueden presentarse
en diversos grados de intensidad, es decir, admiten una escala numérica de medición.
 Variables Continuas: Son aquellas que pueden adoptar entre dos números puntos de referencias intermedio.
Las calificaciones académicas (10.5, 14.6, 18.7, etc.)
 Variables Discretas: Son aquellas que no admiten posiciones intermedias entre dos números. Ej., en Barinas
la división de territorial la constituyen 11 municipios por no (10.5 u 11.5 municipios).
 Variables de Control: Según Tuckman: La define como esos factores que son controlados por el investigador
para eliminar o neutralizar cualquier efecto que podrían tener de otra manera en el fenómeno observado.
Operacionalización de la Variable:
Es un paso importante en el desarrollo de la investigación. Cuando se identifican las variables, el próximo
paso es su operacionalización. Comprende tres tipos de definiciones:
 Nominal: es el nombre de la variable que le interesa al investigador.
 Real: consiste en determinar las dimensiones que contienen las variables nominales.
 Operacional: o indicadores. Esta da la base para su medición y la definición de los indicadores que
constituyen los elementos más concretos de una variable y de donde el investigador derivará los ítems o
preguntas para el instrumento con que recolectará la información.

Autor:
Erika Josefina Sulbaran Silva
Trino Barrios
REPUBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR
UNIVERSIDAD BOLIVARIANA DE VENEZUELA
SEDE BOLIVAR
ESTADISTICA I
CIUDAD BOLIVAR, ENERO 2011

Leer más: http://www.monografias.com/trabajos84/definicion-estadistica/definicion-

estadistica.shtml#ixzz59YoXWCBC

Distribución de frecuencias
 Este artículo tiene referencias, pero necesita más para complementar su verificabilidad.
Puedes colaborar agregando referencias a fuentes fiables como se indica aquí. El material sin
fuentes fiables podría ser cuestionado y eliminado.
Este aviso fue puesto el 17 de febrero de 2018.

En estadística, se le llama distribución de frecuencias a la agrupación de datos en

categorías mutuamente excluyentes que indican el número de observaciones en cada
categoría.1 Esto proporciona un valor añadido a la agrupación de datos. La distribución de
frecuencias presenta las observaciones clasificadas de modo que se pueda ver el número
existente en cada clase.

Índice
[ocultar]

 1Tipos de frecuencias
o 1.1Frecuencia absoluta
o 1.2Frecuencia relativa
o 1.3Frecuencia acumulada
o 1.4Frecuencia relativa acumulada
o 1.5Distribución de frecuencias agrupadas
 2Referencias

Tipos de frecuencias[editar]
Frecuencia absoluta[editar]
La frecuencia absoluta es el número de veces que aparece un determinado valor en un
estudio estadístico. Se representa por fila. La suma de las frecuencias absolutas es igual al
número total de datos, que se representa por N. Para indicar resumidamente estas sumas se
utiliza la letra griega Σ (sigma mayúscula) que se lee suma o sumatoria.
Frecuencia relativa[editar]
Se dice que la frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos. Se puede expresar en tantos por ciento y se
representa por hi. La suma de las frecuencias relativas es igual a 1.
Frecuencia relativa (hi) es el cociente entre la frecuencia absoluta y el tamaño de la muestra
(N). Es decir:

siendo el fi para todo el conjunto i. Se presenta en una tabla o nube de puntos en una
distribución de frecuencias.
Si multiplicamos la frecuencia relativa por 100 obtendremos el porcentaje o tanto por ciento
(pi).
Frecuencia acumulada[editar]
La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores
inferiores o iguales al valor considerado.
La frecuencia acumulada es la frecuencia estadística F(XXr) con que el valor de un variable
aleatoria (X) es menor que o igual a un valor de referencia (Xr).
La frecuencia acumulada relativa se deja escribir como Fc(X≤Xr), o en breveFc(Xr), y se
calcula de:

Fc (Hr) = HXr / N

donde MXr es el número de datos X con un valor menor que o igual a Xr, y N es número total
de los datos. En breve se escribe:

Fc = M / N

Cuando Xr=Xmin, donde Xmin es el valor mínimo observado, se ve que Fc=1/N, porque M=1.
Por otro lado, cuando Xr=Xmax, donde Xmax es el valor máximo observado, se ve que Fc=1,
porque M=N.
En porcentaje la ecuación es:

Fc(%) = 100 M / N

Frecuencia relativa acumulada[editar]

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada de un
determinado valor y el número total de datos. Se puede expresar en tantos por ciento.
Ejemplo:
Durante el mes de julio, en una ciudad se han registrado las siguientes temperaturas
máximas:
32, 31, 28, 29, 33, 32, 31, 30, 31, 31, 27, 44
Distribución de frecuencias agrupadas[editar]
La distribución de frecuencias agrupadas o tabla con datos agrupados se emplea si las
variables toman un número grande de valores o la variable es continua. Se agrupan los
valores en intervalos que tengan la misma amplitud denominados clases. A cada clase se le
asigna su frecuencia correspondiente. Límites de la clase. Cada clase está delimitada por el
límite inferior de la clase y el límite superior de la clase.
La amplitud de la clase es la diferencia entre el límite superior e inferior de la clase. La marca
de clase es el punto medio de cada intervalo y es el valor que representa a todo el intervalo
para el cálculo de algunos parámetros. En caso de que el primer intervalo sea de la forma (-
∞,k], o bien [k,+∞) donde k es un número cualquiera, en el caso de (-∞,k], para calcular la
marca de clase se tomará la amplitud del intervalo adyacente a el (ai+1), y la marca de clase
será ((k-ai+1) +k)/2. En el caso del intervalo [k,+∞) también se tomará la amplitud del intervalo
adyacente a el (ai-1) siendo la marca de clase ((k+ai-1)+k)/2.
Construcción de una tabla de datos agrupados:
3, 15, 24, 28, 33, 35, 38, 42, 43, 38, 36, 34, 29, 25, 17, 7, 34, 36, 39, 44, 31, 26, 20, 11, 13, 22,
27, 47, 39, 37, 34, 32, 35, 28, 38, 41, 48, 15, 32, 13.

1. Se localizan los valores menor y mayor de la distribución. En este caso son 3 y 48.
 2. Se restan y se busca un número entero un poco mayor que la diferencia y que sea
divisible por el número de intervalos que queramos establecer.
Es conveniente que el número de intervalos oscile entre 6 y 15.
En este caso, 48 - 3 = 45, incrementamos el número hasta 50 : 5 = 10 intervalos.
Se forman los intervalos teniendo presente que el límite inferior de una clase pertenece al
intervalo, pero el límite superior no pertenece al intervalo, se cuenta en el siguiente intervalo.

Intervalo ci ni Ni fi Fi

[0, 5) 2.5 1 1 0.025 0.025

[5, 10) 7.5 1 2 0.025 0.050

[10, 15) 12.5 3 5 0.075 0.125

[15, 20) 17.5 3 8 0.075 0.200

[20, 25) 22.5 3 11 0.075 0.275

[25, 30) 27.5 6 17 0.150 0.425

[30, 35) 32.5 7 24 0.175 0.600

[35, 40) 37.5 10 34 0.250 0.850

[40, 45) 42.5 4 38 0.100 0.950

[45, 50) 47.5 2 40 0.050 1

Total: 40 1

Referencias[editar]
 1. Volver arriba↑ Alvarado Valencia, Jorge Andrés; Juan José Obagi Araújo, (2008). Fundamentos
de inferencia estadística, Ed. Universidad oseeaa Javeriana de Bogotá, pág. 19.
Categoría:
 Estadística aplicada

Nivel de medida
El nivel de medida de una variable en matemáticas y estadísticas, también llamado escala
de medición, es una clasificación acordada con el fin de describir la naturaleza de la
información contenida dentro de los números asignados a los objetos y, por lo tanto, dentro de
una variable. Según la teoría de las escalas de medida, varias operaciones matemáticas
diferentes son posibles dependiendo del nivel en el cual la variable se mide.

Índice
[ocultar]

 1Escalas de medición discreta continua y nominal

 2Niveles de clasificación
 3Medida nominal
 4Medida ordinal
 5Medida de intervalo o intervalar
 6Medida de razón o racional
 7Véase también
 8Bibliografía
 9Referencias

Escalas de medición discreta continua y nominal[editar]

Escalas de medición son una sucesión de medidas que permiten organizar datos en orden
jerárquico. Las escalas de medición, pueden ser clasificadas de acuerdo a una degradación
de las características de las variables. Estas escalas son: nominales, ordinales, intervalares o
racionales. Según pasa de una escala a otra el atributo o la cualidad aumenta. Las escalas de
medición ofrecen información sobre la clasificación de variables discretas o continuas, también
más conocidas como escalas grandes o pequeñas. Toda vez que dicha clasificación
determina la selección de la gráfica adecuada.

Niveles de clasificación[editar]
La medición puede definirse como la asignación de numerales a objetos o sucesos siguiendo
ciertas reglas Stevens (1946). El autor de esta definición desarrolló un método para clasificar
los diferentes resultados de las mediciones en lo que llamó niveles de medición. Un nivel de
medición es la escala que representa una jerarquía de precisión dentro de la cual una variable
puede evaluarse, en función de las características que rigen las escalas. Por ejemplo, la
variable estatura puede analizarse en diferentes niveles de medida. Un conjunto de personas
pueden clasificarse en altos y bajos, A y B respectivamente, creando dos grupos. Para ello no
es necesario recurrir a ninguna cinta métrica, simplemente basta observar quienes destacan
sobre los demás (el grupo de altos) y el resto completarán el grupo de bajos. El nivel de
medición que corresponde a esta forma de medir es nominal.
También podrían alinearse a los sujetos y ordenarlos según su altura, el primero sería el más
alto y el último el más bajo, el resto se organizaría de forma que cada persona tuviese delante
a uno más alto y detrás a uno más bajo. El nivel de medición en este caso es ordinal. Hasta el
momento no es posible decir cuánto es una persona más alta que otra.
A través del número de personas que hay entre dos sujetos, por ejemplo, Andréa y Juan en la
fila ordenada anteriormente. En este caso además del orden se conoce la magnitud de la
altura. Si en lugar de utilizar el número de personas se recurre a una regla se puede ofrecer
otra medida de la altura. Esta forma de medir es propia del nivel de intervalos, que permite
saber la magnitud de los elementos comparando unos con otros.
La cuarta posibilidad es utilizar un metro que sitúa el cero en el mismo suelo y, por lo tanto, la
altura se define en función de la distancia desde la cabeza al suelo (valor cero absoluto donde
se sitúa la ausencia de altura). En ciencias sociales es poco frecuente encontrar variables en
niveles de razón, normalmente son nominales, ordinales y en ocasiones de intervalos, rara vez
de razón. Una característica de esta clasificación es que las propiedades de una escala se
cumplen en el nivel superior.
En la estadística descriptiva y con el fin de realizar pruebas de significancia, las variables se
clasifican de la siguiente manera de acuerdo con su nivel de medida:

 nominal (también categórica o discreta)

 ordinal
 de intervalo o intervalar (continua)
 de razón o racional (continua)
Las variables de intervalo y de razón también están agrupadas como variables continuas.

Medida nominal[editar]
El nivel nominal de medición, de la palabra latina común (nombre) describe variables de
naturaleza categórica que difieren en cualidad más que en cantidad (Salkind, 1998: 113). Ante
las observaciones que se realizan de la realidad, es posible asignar cada una de ellas
exclusivamente a una categoría o grupo. Cada grupo o categoría se denomina con un nombre
o número de forma arbitraria, es decir, que se etiqueta en función de los deseos o
conveniencia del investigador. Este nivel de medición es exclusivamente cualitativo y sus
variables son por lo tanto cualitativas.
Por ejemplo, los sujetos que son del curso de A de 2º de eso y los de B generan dos grupos.
Cada sujeto se asigna a un grupo, y las variables son de tipo cualitativo (de cualidad) y no
cuantitativo puesto que indica donde está cada sujeto y no "cuanto es de un curso y no de
otro". En este ejemplo los números 2 y 3 pueden sustituir las letras A y B, de forma que 2 y 3
son simples etiquetas que no ofrecen una valoración numérica sino que actúan como
nominativos.
En esta escala hay que tener en cuenta dos condiciones:

 No es posible que un mismo valor o sujeto esté en dos grupos a la vez. No se puede ser
de 2º y 3º a la vez. Por lo tanto este nivel exige que las categorías sean mutuamente
excluyentes entre sí.
 Los números no tienen valor más que como nombres o etiquetas de los grupos.
En este tipo de medidas, se asignan nombres o etiquetas a los objetos. La asignación se lleva
a cabo evaluando, de acuerdo con un procedimiento, la similaridad de la instancia a ser
medida con cada conjunto de ejemplares o definiciones de categorías. El nombre de la
mayoría de los ejemplares nominados o definiciones es el “valor” asignado a la medida
nominal de la instancia dada. Si dos instancias tienen el mismo nombre asociado a ellas,
entonces pertenecen a la misma categoría, y ese es el único significado que las medidas
nominales tienen.
Esta escala comprende variables categóricas que se identifican por atributos o cualidades. Las
variables de este tipo nombran e identifican distintas categorías sin seguir un orden. El
concepto nominal sugiere su uso que es etiquetar o nombrar. El uso de un número es para
identificar. Un número no tiene mayor valor que otro. Un ejemplo son los números de las
camisetas de los jugadores de un equipo de béisbol. El número mayor no significa que tiene el
mayor atributo que el número menor, es aleatorio o de capricho personal a quien otorga el
número. Para el procesamiento de datos, los nombres pueden ser remplazados por números,
pero en ese caso el valor numérico de los números dados es irrelevante. El único tipo de
comparaciones que se pueden hacer con este tipo de variables es el de igualdad o diferencia.
Las comparaciones “mayor que”o “menor que” no existen entre nombres, así como tampoco
operaciones tales como la adición, la substracción, etc.
Ejemplos de medidas nominales son algunas de estas variables: estado marital, género, raza,
credo religioso, afiliación política, lugar de nacimiento, el número de seguro social, el sexo, los
números de teléfono, entre otros.
La única medida de tendencia central que se puede hacer es la moda. La dispersión
estadística se puede hacer con tasa de variación, índice de variación cualitativa, o mediante
entropía de información. No existe la desviación estándar.

Medida ordinal[editar]
El nivel ordinal describe las variables a lo largo de un continuo sobre el que se pueden ordenar
los valores. En este caso las variables no sólo se asignan a grupos sino que además pueden
establecerse relaciones de mayor que, menor que o igual que, entre los elementos.
Por ejemplo, se puede ordenar al conjunto de alumnos del módulo de diversificación curricular
en función de la calificación obtenida en el último examen sea de Español, Esperanto o de
matemáticas, es lo mismo.
Las variables de este tipo, además de nombrar, se considera el asignar un orden a los datos.
Esto implica que un número de mayor cantidad tiene un más alto grado de atributo medido en
comparación con un número menor, pero las diferencias entre rangos pueden no ser iguales.
Las operaciones matemáticas posibles son: contabilizar los elementos, igualdad y
desigualdad, además de ser mayor o menor que.

Medida de intervalo o intervalar[editar]

El nivel de intervalo procede del latín interval lun (espacio entre dos paredes). Este nivel
integra las variables que pueden establecer intervalos iguales entre sus valores. Las variables
del nivel de intervalos permiten determinar la diferencia entre puntos a lo largo del mismo
continuo. Las operaciones posibles son todas las de escalas anteriores, más la suma y la
resta.
En este tipo de medida, los números asignados a los objetos tienen todas las características
de las medidas ordinales, y además las diferencias entre medidas representan intervalos
equivalentes. Esto es, las diferencias entre un par arbitrario de medidas puede compararse de
manera significativa. Estas variables nombran, ordenan y presentan igualdad de magnitud. Por
lo tanto, operaciones tales como la adición, la sustracción tienen significado. En estas
variables el punto cero de la escala es arbitrario y no significa ausencia de valor. Se pueden
usar valores negativos. Las razones entre valores no tienen sentido pues dependen de la
posición del cero, no puede decirse que una temperatura es el doble que la otra, pues usando
grados celsius dará un resultado y usando grados Fahrenheit dará otro. Las medidas de
tendencia central pueden representarse mediante la moda, la mediana al promedio aritmético.
El promedio proporciona más información.
Las variables medidas al nivel de intervalo se llaman variables de intervalo o variables de
escala.
Ejemplos de este tipo de variables son la fecha, la temperatura, las puntuaciones de una
prueba, la escala de actitudes, las puntuaciones de IQ, conjuntos de años, entre otros.

Medida de razón o racional[editar]

El nivel de razón, cuya denominación procede del latín ratio (cálculo), integra aquellas
variables con intervalos iguales que pueden situar un cero absoluto. Estas variables nombran
orden, presentan intervalos iguales y el cero significa ausencia de la característica. El cero
absoluto supone identificar una posición de ausencia total del rasgo o fenómeno. Tiene
características importantes:

 El valor cero no es arbitrario (no responde a las conveniencias de los investigadores). Un

ejemplo claro es la temperatura. La existencia de un cero en la escala Celsius no supone
la ausencia de temperatura, puesto que el cero grados centígrados está situado por
arbitrio de los creadores de la escala. Por el contrario, la escala Kelvin sí tiene un cero
absoluto, precisamente allí donde las moléculas cesan su actividad y no se produce por lo
tanto roce entre los componentes moleculares. El cero absoluto de la escala Kelvin se
sitúa a unos -273 grados centígrados.
 La presencia de un cero absoluto permite utilizar operaciones matemáticas más complejas
a las otras escalas. Hasta ahora se podía asignar, establecer la igualdad (nominal), mayor
o menor que (ordinal), sumar y restar (intervalo) a las que se añade multiplicar, dividir, etc.
Los números asignados a los objetos tienen todas las características de las medidas de
intervalo y además tienen razones significativas entre pares arbitrarios de números.
Operaciones tales como la multiplicación y la división tienen significado.
La posición del cero no es arbitraria para este tipo de medida. Las variables para este nivel de
medida se llaman variables racionales. La mayoría de las cantidades físicas, tales como la
masa, longitud, energía, se miden en la escala racional, así como también la temperatura (en
Kelvin) relativa al cero absoluto. Las medidas de tendencia central de una variable medida a
nivel racional pueden representarse por la moda, la mediana, el promedio aritmético o su
promedio geométrico. Lo mismo que con la escala de intervalos, el promedio aritmético
proporciona la mayor información.
Por ejemplo; el ingreso; el cero representaría que no recibe ingreso en virtud de un trabajo, la
velocidad; el cero significa ausencia de movimiento. Otros ejemplos de variables racionales
son la edad, y otras medidas de tiempo. En otras palabras, la escala de razón comienza desde
el cero y aumenta en números sucesivos iguales a cantidades del atributo que está siendo
medido.

Véase también[editar]
 Metrología
 Medición
 Sistema de unidades
 Instrumento de medición
 Prefijos del Sistema Internacional
Bibliografía[editar]
 Salkind, N. J. (1998). Métodos De Investigación (3º ed., pág. 380). México [etc.]: Prentice
Hall.
 Stevens, S.S. (1946). On the theory of Scales Measurement. Science, 103(2684), 677-
680.
 Matas, A. (2000). Análisis de datos I. Sevilla: Kronos.

tipos de variables
Se le llama variable a aquel elemento de un algoritmo, fórmula o proposición que representa
un elemento no especificado de un determinad conjunto. A este conjunto se lo conoce bajo el
nombre de universo de la variable y cada uno de sus elementos es un valor de la variable.

Existen distintos tipos de variables, algunos de ellos son:

Independiente: los valores de este tipo de variables no dependen del de otras, son
representadas en el eje de las abscisas y en las funciones con la letra X.

Dependiente: los valores de estas variables, en cambio, son determinados por los que
adquieran las otras variables. Se las representa en el eje de las ordenadas y se las representa
con la letra Y en las funciones.

Cuantitativas: estas variables se expresan por medio de un número, lo que permite utilizarlas
para operaciones aritméticas. Dentro de estas encontramos dos clases:

1. Continua: este tipo de variables puede adquirir valores existentes entre dos números.

2. Discreta: esta variable no puede adquirir valores intermedios entre dos números, sino
aislados.

Cualitativas: hace alusión a aquellas cualidades que no se las puede medir numéricamente.
Dentro de estas variables encontramos dos clases:

1. Variable cualitativa ordinal o cuasicuantitativa: este tipo de variables presentan

modalidades no numéricas en las que hay un orden.
 2. Variable cualitativa ordinal: en este tipo de variables, en cambio, las modalidades
numéricas no pueden ser ordenadas bajo ningún criterio.

Aleatorias: son aquellas funciones que asocian un número real a cada elemento del espacio
muestral E. Dentro de esta variable encontramos los siguientes tipos:

1. Variable aleatoria discreta: esta variable solamente puede adquirir valores enteros.

2. Variable aleatoria continua: a diferencia de la discreta, puede adquirir cualquier valor

dentro de un intervalo de la recta real.

3. Variable aleatoria binominal: con esta variable se muestra el número de éxitos que se
adquirieron en cada prueba de un experimento. Es como la discreta, que sólo adquiere
valores enteros, pero de acuerdo a las pruebas realizadas.

Variable estadística bidimensional: en esta variable, a cada individuo se lo define con dos
caracteres que son a su vez variables estadísticas entre las que existe relación: una de ellas
es la variable dependiente mientras que la otra, la independiente.

Fuente:http://www.tiposde.org/general/35-tipos-de-variables/#ixzz59Yq7Gu9P

Tablas de
frecuencias
Tablas de frecuencias

Concepto: Ordenamiento en forma de tabla de los

datos estadísticos, asignando a cada dato su
 Las Tablas de frecuencia correspondiente.
frecuencias son
herramientas
de Estadística donde se colocan los datos en columnas representando los
distintos valores recogidos en la muestra y las frecuencias (las veces) en que
ocurren.

Contenido
[ocultar]

 1 Elementos de las Tablas de frecuencias

o 1.1 Datos
o 1.2 Frecuencia absoluta
o 1.3 Frecuencia absoluta acumulada
o 1.4 Frecuencia relativa
o 1.5 Frecuencia relativa acumulada
 2 Tabla de frecuencia de datos no agrupados
 3 Tabla de frecuencia de datos agrupados
 4 Fuentes

Elementos de las Tablas de frecuencias

Datos
Los datos son los valores de la muestra recogida en el estudio estadístico

Frecuencia absoluta
La frecuencia absoluta (ni) es el número de veces que aparece un determinado
valor en un estudio estadístico. Número de veces que se repite el í-esimo valor de
la variable. La suma de las frecuencias absolutas es igual al número total de
datos, que se representa por n

Frecuencia absoluta acumulada

La Frecuencia absoluta acumulada (Ni) es la suma de las frecuencias absolutas
de todos los valores inferiores o iguales al valor considerado.
N1 = n1
N2 = n1 + n2 = N1 + n2
N3 = n1 + n2 + n3 = N2 + n3
Nk = n.
Se interpreta como el número de observaciones menores o iguales al í-esimo valor
de la variable.
Frecuencia relativa
La frecuencia relativa (fi) es la proporción de veces que se repite un determinado
dato.
La frecuencia relativa es el cociente entre la frecuencia absoluta de un
determinado valor y el número total de datos.
fi = ni/n
La suma de las frecuencias relativas es igual a 1.

Frecuencia relativa acumulada

La frecuencia relativa acumulada (Fi) es el número de observaciones menores o
iguales al í-esimo valor de la variable pero en forma relativa.
F1 = fl
F2 = f1+ f2 = F1 + f2
F3 = f1+ f2 + f3 = F2 + f3
Fk = 1

Tabla de frecuencia de datos no agrupados

Los datos no agrupados son las de observaciones realizadas en un estudio
estadistico que se presentan en su forma original tal y como fueron recolectados,
para obtener información directamente de ellos.
La Tabla de frecuencia de datos no agrupados indica las frecuencias con que
aparecen los datos estadísticos sin que se haya hecho ninguna modificación al
tamaño de las unidades originales. En estas distribuciones cada dato mantiene su
propia identidad después que la distribución de frecuencia se ha elaborado. En
estas distribuciones los valores de cada variable han sido solamente reagrupados,
siguiendo un orden lógico con sus respectivas frecuencias.
La tabla de frecuencias de datos no agrupados se emplea si las variables toman
un número pequeños de valores o la variable es discreta.

Tabla de frecuencia de datos agrupados

La Tabla de frecuencia de datos agrupados aquella distribución en la que los datos
estadísticos se encuentran ordenados en clases y con la frecuencia de cada clase;
es decir, los datos originales de varios valores adyacentes del conjunto se
combinan para formar un intervalo de clase.
"Ejemplo de Tabla de Frecuencia de datos agrupados"
La tabla de frecuencias agrupadas se emplea generalmente si las variables toman
un número grande de valores o la variable es continua.
En este caso se agrupan los valores en intervalos que tengan la misma amplitud
denominados clases. A cada clase se le asigna su frecuencia correspondiente.
Las clases deben ser excluyentes y exhaustivas, es decir que cada elemento de la
muestra debe pertenecer a una sola clase y a su vez, todo elemento debe
pertenecer a alguna clase.
Cada clase está delimitada por el límite inferior de la clase y el límite superior de la
clase.
Los intervalos se forman teniendo presente que el límite inferior de una clase
pertenece al intervalo, pero el límite superior no pertenece intervalo, se cuenta en
el siguiente intervalo. No existe una regla fija de cuantos son los intervalos que se
deben hacer; hay diferentes criterios, la literatura especializada recomienda
considerar entre 5 y 20 intervalos. El número de intervalos se representa por la
letra "K".
El Recorrido es el límite dentro del cual están comprendidos todos los valores de
la serie de datos,. Es la diferencia entre el valor máximo de una variable y el valor
mínimo que ésta toma en una investigación cualquiera.
R = Xmax. - Xmin.
La Amplitud de la clase es la diferencia entre el límite superior e inferior de la clase
y se representarán por "Ci"
Ci = R/K
Se considerará la misma amplitud para todos los intervalos.
La Marcas de clases (Xi) representa a la variable a través de un valor. Se calcula
como el punto medio de cada clase, o bien la semi suma de la clase
La tabla de frecuencias puede representarse gráficamente en un histograma.
Normalmente en el eje vertical se coloca las frecuencias y en el horizontal los
intervalos de valores.

Fuentes
 Distribución de frecuencias.
 Distribución de frecuencias
 Estadistica básica
 Muray R. Spiegel. Teoría y Práctica de Estadística. Editorial Revolución. 1984
 Gráfica
Se ha sugerido que este artículo o sección sea fusionado con diagrama (discusión).
Una vez que hayas realizado la fusión de contenidos, pide la fusión de historiales aquí.

Este artículo trata sobre representación de datos. Para otros usos de este término,
véase gráfico (desambiguación).
Una gráfica o representación gráfica es un tipo de representación de datos,
generalmente numéricos, mediante recursos
visuales (líneas, vectores, superficies o símbolos), para que se manifieste visualmente
la relación matemática o correlación estadística que guardan entre sí. También es el nombre
de un conjunto de puntos que se plasman en coordenadas cartesianas y sirven para analizar
el comportamiento de un proceso o un conjunto de elementos o signos que permiten la
interpretación de un fenómeno. La representación gráfica permite establecer valores que no se
han obtenido experimentalmente sino mediante la interpolación (lectura entre puntos) y
la extrapolación (valores fuera del intervalo experimental).

Índice
[ocultar]

 1Gráficas en estadística
 2Eje numérico
 3Gráfico de burbujas
 4Véase también

Gráficas en estadística[editar]
 La estadística gráfica es la descripción e interpretación de datos e inferencias sobre estas.
Forma parte de los programas estadísticos usados con los ordenadores. Autores
como Edward R. Tufte desarrollaron nuevas soluciones de análisis gráficos. Existen
diferentes tipos de gráficas:

 Gráfico lineal: los valores se dividen en dos ejes cartesianos perpendiculares entre sí. Las
gráficas lineales se recomiendan para representar series en el tiempo, y es donde se
muestran valores máximos y mínimos; también se utilizan para varias muestras en un
diagrama.
 Gráfico de barras: se usa cuando se pretende resaltar la representación de porcentajes de
datos que componen un total. Una gráfica de barras contiene barras verticales que
representan valores numéricos, generalmente usando una hoja de cálculo. Las gráficas de
barras son una manera de representar frecuencias; las frecuencias están asociadas con
categorías. Una gráfica de barras se presenta de dos maneras: horizontal o vertical. El
objetivo es poner una barra de largo (alto si es horizontal) igual a la frecuencia. La gráfica
de barras sirve para comparar y tener una representación gráfica de la diferencia de
frecuencias o de intensidad de la característica numérica de interés.
 Histograma: se emplea para ilustrar muestras agrupadas en intervalos. Está formado por
rectángulos unidos a otros, cuyos vértices de la base coinciden con los límites de los
intervalos y el centro de cada intervalo es la marca de clase que representamos en el eje
de las abscisas. La altura de cada rectángulo es proporcional a la frecuencia del intervalo
respectivo.
  Gráfico circular: permite ver la distribución interna de los datos que representan un hecho,
en forma de porcentajes sobre un total.
 Pictograma: Son imágenes que sirven para representar el comportamiento o la
distribución de los datos cuantitativos de una población, utilizando símbolosde tamaño
proporcional al dato representado. Una posibilidad es que el gráfico sea analógico por
ejemplo, la representación de los resultados de las elecciones con colores sobre un
hemiciclo.

Eje numérico[editar]
Un gráfico de eje numérico es un diagrama de barras, de líneas o de área que utiliza un
campo numérico o un campo de fecha/hora como campo “A cambio de”. Los gráficos de eje
numérico proporcionan un medio para aplicar una escala a los valores del eje X, creándose de
este modo un eje 'X'numérico verdadero o un ejemplo X de fecha/hora verdadero.

Gráfico de burbujas[editar]
Este tipo de gráfico presenta los datos como una serie de burbuja, el tamaño de las cuales es
proporcional a la cantidad de datos. Un gráfico de este tipo resulta muy efectivo para mostrar
el número de productos vendidos en cierta región.[cita requerida]

Medidas de tendencia central

Al describir grupos de diferentes observaciones, con frecuencia es conveniente resumir la
información con un solo número. Este número que, para tal fin, suele situarse hacia el centro
de la distribución de datos se denomina medida o parámetro de tendencia central o de
centralización. Cuando se hace referencia únicamente a la posición de estos parámetros
dentro de la distribución, independientemente de que esté más o menos centrada, se habla de
estas medidas como medidas de posición.1 En este caso se incluyen también
los cuantiles entre estas medidas.
Entre las medidas de tendencia central tenemos:

 Media aritmética
 Media ponderada
 Media geométrica
 Media armónica
 Mediana
 Moda
Se debe tener en cuenta que existen variables cualitativas y variables cuantitativas, por lo que
las medidas de posición o medidas de tendencia se usan de acuerdo al tipo de variable
que se está observando, en este caso se observan variables cuantitativas.

Índice
[ocultar]

 1La media aritmética

o 1.1Definición formal
o 1.2Propiedades
o 1.3Inconvenientes de su uso
 o 1.4Media aritmética ponderada
o 1.5Media muestral
 2Moda
o 2.1Propiedades
o 2.2Inconvenientes
 3Mediana
o 3.1Cálculo de la mediana para datos agrupados
o 3.2Propiedades e inconvenientes
 4Véase también
 5Referencias
 6Enlaces externos

La media aritmética[editar]
Artículo principal: Media aritmética

La media aritmética es el valor obtenido por la suma de todos sus valores dividida entre el
número de sumadores.
Por ejemplo, las notas de 5 alumnos en una prueba:

niño nota
1 6,0 ·Primero, se suman las notas:
2 5,4 6,0+5,4+3,1+7,0+6,1 = 27,6
3 3,1 ·Luego el total se divide entre la cantidad de alumnos:
4 7,0 27,6/5=5,52
5 6,1

· La media aritmética en este ejemplo es 5,52

La media aritmética es, probablemente, uno de los parámetros estadísticos más extendidos.2
Se le llama también promedio o, simplemente, media.
Definición formal[editar]
Dado un conjunto numérico de datos, x1, x2, ..., xn, se define su media aritmética como

Esta definición varía, aunque no sustancialmente, cuando se trata de variables continuas,

esto es, también puede calcularse para variables agrupadas en intervalos.
Propiedades[editar]
Las principales propiedades de la media aritmética son:3

 Su cálculo es muy sencillo y en él intervienen todos los datos.

 Su valor es único para una serie de datos dada.

 Se usa con frecuencia para comparar poblaciones, aunque es más apropiado

acompañarla de una medida de dispersión.
 Se interpreta como "punto de equilibrio" o "centro de masas" del conjunto de datos, ya
que tiene la propiedad de equilibrar las desviaciones de los datos respecto de su
propio valor:

 Minimiza las desviaciones cuadráticas de los datos respecto de cualquier valor

prefijado, esto es, el valor de es mínimo cuando . Este resultado se

conoce como Teorema de König. Esta propiedad permite interpretar uno de los
parámetros de dispersión más importantes: la varianza.

 Se ve afectada por transformaciones afines (cambios de origen y escala), esto es,

si

entonces , donde es la media aritmética de los , para i = 1,

..., n y a y b números reales.

 Es poco sensible a fluctuaciones muestrales, por lo que es un parámetro muy

útil en inferencia estadística.
Inconvenientes de su uso[editar]
Este parámetro, aún teniendo múltiples propiedades que aconsejan su uso en
situaciones muy diversas, tiene también algunos inconvenientes, como son:

 Para datos agrupados en intervalos (variables continuas) su valor oscila en

función de la cantidad y amplitud de los intervalos que se consideren.

La estatura media como resumen de una población homogénea (abajo) o heterogénea

(arriba).

 Es una medida a cuyo significado afecta sobremanera la dispersión, de modo

que cuanto menos homogéneos sean los datos, menos información
proporciona. Dicho de otro modo, poblaciones muy distintas en su
 composición pueden tener la misma media.4 Por ejemplo, un equipo de
baloncesto con cinco jugadores de igual estatura, 1,95 m, evidentemente,
tendría una estatura media de 1,95 m, valor que representa fielmente a esta
población homogénea. Sin embargo, un equipo de jugadores de estaturas
más heterogéneas, 2,20 m, 2,15 m, 1,95 m, 1,75 m y 1,70 m, por ejemplo,
tendría también, como puede comprobarse, una estatura media de 1,95 m,
valor que no representa a casi ninguno de sus componentes.

 En el cálculo de la media no todos los valores contribuyen de la misma

manera. Los valores altos tienen más peso que los valores cercanos a cero.
Por ejemplo, en el cálculo del salario medio de una empresa, el salario de un
alto directivo que gane 10.000 € tiene tanto peso como el de diez empleados
"normales" que ganen 1.000 €. En otras palabras, se ve muy afectada por
valores extremos.

 No se puede determinar si en una distribución de frecuencias hay intervalos

de clase abiertos.
Media aritmética ponderada[editar]
A veces puede ser útil otorgar pesos o valores a los datos dependiendo de su
relevancia para determinado estudio. En esos casos se puede utilizar una media
ponderada.

Si son nuestros datos y son sus "pesos" respectivos, la media

ponderada se define de la siguiente forma:

Media muestral[editar]
Esencialmente, la media muestral es el mismo parámetro que el anterior,
aunque el adjetivo "muestral" se aplica a aquellas situaciones en las que la
media aritmética se calcula para un subconjunto de la población objeto de
estudio.
La media muestral es un parámetro de extrema importancia en la inferencia
estadística, siendo de gran utilidad para la estimación de la media
poblacional, entre otros usos.

Moda[editar]
Artículo principal: Moda (estadística)

La moda es el dato más repetido de la encuesta, el valor de la variable con

mayor frecuencia absoluta.5 En cierto sentido la definición matemática
corresponde con la locución "estar de moda", esto es, ser lo que más se lleva.
Su cálculo es extremadamente sencillo, pues solo necesita un recuento. En
variables continuas, expresadas en intervalos, existe el denominado intervalo
modal o, en su defecto, si es necesario obtener un valor concreto de la
variable, se recurre a la interpolación.
Por ejemplo, el número de personas en distintos vehículos en una carretera:
5-7-4-6-9-5-6-1-5-3-7. El número que más se repite es 5, entonces la moda es
5.
Hablaremos de una distribución bimodal de los datos, cuando encontremos
dos modas, es decir, dos datos que tengan la misma frecuencia absoluta
máxima. Cuando en una distribución de datos se encuentran tres o más
modas, entonces es multimodal. Por último, si todas las variables tienen la
misma frecuencia diremos que no hay moda.
Cuando tratamos con datos agrupados en intervalos, antes de calcular la
moda, se ha de definir el intervalo modal. El intervalo modal es el de mayor
frecuencia absoluta.
La moda, cuando los datos están agrupados, es un punto que divide el
intervalo modal en dos partes de la forma p y c-p, siendo c la amplitud del
intervalo, que verifiquen que:

Siendo la frecuencia absoluta del intervalo modal y y las

frecuencias absolutas de los intervalos anterior y posterior,
respectivamente, al intervalo modal.
Las calificaciones en la asignatura de Matemáticas de 39 alumnos de una
clase viene dada por la siguiente tabla (debajo):

Calificaciones 1 2 3 4 5 6 7 8 9
Número de alumnos 2 2 4 5 8 9 3 4 2

Propiedades[editar]
Sus principales propiedades son:

 Cálculo sencillo.
 Interpretación muy clara.
 Al depender solo de las frecuencias, puede calcularse para variables
cualitativas. Es por ello el parámetro más utilizado cuando al resumir
una población no es posible realizar otros cálculos, por ejemplo,
cuando se enumeran en medios periodísticos las características más
frecuentes de determinado sector social. Esto se conoce
informalmente como "retrato robot".6
Inconvenientes[editar]

 Su valor es independiente de la mayor parte de los datos, lo que la

hace muy sensible a variaciones muestrales. Por otra parte, en
variables agrupadas en intervalos, su valor depende excesivamente
del número de intervalos y de su amplitud.
 Usa muy pocas observaciones, de tal modo que grandes variaciones
en los datos fuera de la moda, no afectan en modo alguno a su valor.
 No siempre se sitúa hacia el centro de la distribución.
 Puede haber más de una moda en el caso en que dos o más valores
de la variable presenten la misma frecuencia (distribuciones
bimodales o multimodales).

Mediana[editar]
 Artículo principal: Mediana (estadística)

La mediana es un valor de la variable que deja por debajo de sí a la mitad

de los datos, una vez que éstos están ordenados de menor a mayor.7 Por
ejemplo, la mediana del número de hijos de un conjunto de trece familias,
cuyos respectivos hijos son: 3, 4, 2, 3, 2, 1, 1, 2, 1, 1, 2, 1 y 1, es 2,
puesto que, una vez ordenados los datos: 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3,
4, el que ocupa la posición central es 2:

En caso de un número par de datos, la mediana no correspondería a

ningún valor de la variable, por lo que se conviene en tomar como
mediana el valor intermedio entre los dos valores centrales. Por
ejemplo, en el caso de doce datos como los siguientes:

Se toma como mediana

Existen métodos de cálculo más rápidos para datos más
numerosos (véase el artículo principal dedicado a este
parámetro). Del mismo modo, para valores agrupados en
intervalos, se halla el "intervalo mediano" y, dentro de éste, se
obtiene un valor concreto por interpolación.
Cálculo de la
mediana para xi fi Fi
datos
agrupados[editar] 1 2 2
2 2 4
Primero hallamos las
frecuencias absolutas 3 4 8
acumuladas Fi (ver 4 5 13
tabla del margen
derecho). 5 6 19 = 19
Así, aplicando la 6 9 28
fórmula asociada a la 7 4 32
mediana para n impar,
obtenemos X(39+1)/2 8 4 36
= X20 y basándonos 9 2 38
en la fórmula que hace
referencia a las frecuencias absolutas:
Ni-1< n/2 <Ni = N19 < 19.5 < N20
Por tanto la mediana será el valor de la variable que ocupe el
vigésimo lugar. En nuestro ejemplo, 21 (frecuencia absoluta
acumulada para Xi = 5) > 19.5 con lo que Me = 5 puntos (es
aconsejable no olvidar las unidades; en este caso como
estamos hablando de calificaciones, serán puntos)
La mitad de la clase ha obtenido un 5 o menos, y la otra
mitad un 5 o más.
 Ejemplo (N par)
Las calificaciones en la asignatura de Matemáticas de 38
alumnos de una clase viene dada por la siguiente tabla
(debajo):

Calificaciones 1 2 3 4 5 6 7 8 9
Número de alumnos 2 2 4 5 6 9 4 4 2

Cálculo de la Mediana:
Primero hallamos las frecuencias absolutas
acumuladas Fi (ver tabla margen derecho).
Si volvemos a utilizar la fórmula asociada a la mediana
para n par, obtenemos X(38/2) = X19 y basándonos en la
fórmula que hace referencia a las frecuencias absolutas --
> Ni-1< n/2 < Ni = N18 < 19 < N19
Con lo cual la mediana será la media aritmética de los
valores de la variable que ocupen el decimonoveno y el
vigésimo lugar.
En nuestro ejemplo, el lugar decimonoveno lo ocupa el 5 y el
vigésimo el 6, (desde el vigésimo hasta el vigésimo octavo)
con lo que Me = (5+6)/2 = 5,5 puntos.
Propiedades e inconvenientes[editar]
Las principales propiedades de la mediana son:8

 Es menos sensible que la media a oscilaciones de los

valores de la variable. Un error de transcripción en la
serie del ejemplo anterior en, pongamos por caso, el
último número, deja a la mediana inalterada.
 Como se ha comentado, puede calcularse para datos
agrupados en intervalos, incluso cuando alguno de ellos
no está acotado.
 No se ve afectada por la dispersión. De hecho, es más
representativa que la media aritmética cuando la
población es bastante heterogénea. Suele darse esta
circunstancia cuando se resume la información sobre los
salarios de un país o una empresa. Hay unos pocos
salarios muy altos que elevan la media aritmética
haciendo que pierda representatividad respecto al grueso
de la población. Sin embargo, alguien con el salario
"mediano" sabría que hay tanta gente que gana más
dinero que él, como que gana menos.
Sus principales inconvenientes son que en el caso de datos
agrupados en intervalos, su valor varía en función de la
amplitud de estos. Por otra parte, no se presta a cálculos
algebraicos tan bien como la media aritmética.
Véase también[editar]
 Media aritmética
 Mediana (estadística)
 Moda (estadística)
 Parámetro estadístico.

Referencias[editar]
1. Volver arriba↑ Férnandez Fernández, Santiago; Alejandro
Córdoba, José María Cordero Sánchez, Alejandro Córdoba
(2002). «3.3. Medidas de posición». Estadística
Descriptiva(2ª edición). ESIC Editorial.
p. 134. ISBN 8473563069.
2. Volver arriba↑ Wackerly, Dennis D; Mendenhall, William;
Scheaffer, Richard L. (2002). «1.3. Descripción de un
conjunto de mediciones: métodos numéricos». Estadística
matemática con aplicaciones (6ª edición). Cengage
Learning Editores. p. 8. ISBN 9706861947. «La medida central
que más se usa en estadística es la media aritmética».
3. Volver arriba↑ Rius Díaz, Francisca (octubre de
1997). «2.3.2 La media». Bioestadística. Métodos y
aplicaciones. Málaga: Universidad de Málaga. ISBN 84-7496-
653-1. Archivado desde el original el 23 de diciembre de
2009. Consultado el 7 de abril de 2009.
4. Volver arriba↑ Wackerly, Dennis D; Mendenhall, William;
Scheaffer, Richard L. (2002). «1.3. Descripción de un
conjunto de mediciones: métodos numéricos». Estadística
matemática con aplicaciones (6ª edición). Cengage
Learning Editores. p. 8. ISBN 9706861947. «Dos conjuntos de
mediciones podrían tener distribuciones de frecuencias
muy distintas, pero con la misma media».
5. Volver arriba↑ Rius Díaz, Francisca. «2.3.6 La
moda». Bioestadística. Métodos y aplicaciones.
6. Volver arriba↑ Santos, María José (abril de 2009). «Retrato
robot del alcalde metropolitano». El Correo de Andalucía.
Consultado el 7 de abril de 2009.
7. Volver arriba↑ Serret Moreno-Gil, Jaime
(1998). Procedimientos estadísticos. ESIC.
p. 75. ISBN 8473561716. Consultado el 17 de abril de 2009.
8. Volver arriba↑ Rius Díaz, Francisca. «2.3.4 La
mediana». Bioestadística. Métodos y aplicaciones.

Enlaces externos[editar]
 Las tres medias Calcula la media aritmética, geométrica y
armónica de una serie de 80 datos o menos.
 La calculadora web descriptiva Calcula media, moda,
varianza, desviación típica, coeficiente de variación,
coeficientes de forma, índice Gini, media armónica.
 La desviación estándar (DS/DE), también llamada desviación típica, es una medida
de dispersión usada en estadística que nos dice cuánto tienden a alejarse los valores
concretos del promedio en una distribución de datos. De hecho, específicamente, el cuadrado
de la desviación estándar es "el promedio del cuadrado de la distancia de cada punto respecto

del promedio". Se suele representar por una S o con la letra sigma, .

La desviación estándar de un conjunto de datos es una medida de cuánto se desvían los
datos de su media. Esta medida es más estable que el recorrido y toma en consideración el
valor de cada dato.

Elaboración, análisis e interpretación de los datos y

redacción de informes de investigación (página 2)
Enviado por Katy Jimenez

Partes: 1, 2

Ventajas e inconvenientes de los métodos cualitativos vs cuantitativos.

Métodos cualitativos Métodos cuantitativos
Propensión a "comunicarse con" los sujetos del estudio Propensión a "servirse de" los sujetos del estudio
Se limita a preguntar Se limita a responder
Comunicación más horizontal... entre el investigador y los
investigados... mayor naturalidad y habilidad de estudiar los
factores sociales en un escenario natural
Son débiles en términos de validez interna -casi nunca
Son fuertes en términos de validez interna, pero son débiles en
sabemos si miden lo que quieren medir-, pero son
validez externa, lo que encuentran no es generalizable a la
fuertes en validez externa, lo que encuentran es
población
generalizable a la población
Preguntan a los cuantitativos: ¿Cuan particularizables son los Preguntan a los cualitativos: ¿Son generalizables tus
hallazgos? hallazgos?

Conclusiones del tema

 La investigación es un proceso riguroso, cuidadoso y sistematizado en el que se busca resolver problemas,
bien sea de vacío de conocimiento (investigación científica) o de gerencia, pero en ambos casos es
organizado y garantiza la producción de conocimiento o de alternativas de solución viables.
 La investigación es un proceso metódico y sistemático dirigido a la solución de problemas o preguntas
científicas, mediante la producción de nuevos conocimientos, los cuales constituyen la solución o respuesta a
tales interrogantes"
 La investigación cuantitativa es la que analiza diversos elementos que pueden ser medidos y cuantificados.
Toda la información se obtiene a base de muestras de la población, y sus resultados son extrapolables a toda
la población, con un determinado nivel de error y nivel de confianza.
 La investigación cualitativa da cuenta de la credibilidad de la comunicación, los conceptos, o de los beneficios
ofrecidos. Los estudios cualitativos observan al individuo encuestado, por un lado, y por otro lado observan
el producto, u objeto de la investigación y sobre la que se encuesta y que es el estímulo generador de
determinadas conductas entre los individuos. Estas observaciones adquirirán un carácterprobabilístico, y, por
ende, proyectarle al universo en una segunda etapa de la investigación que ya será cuantitativa.
 La investigación cuantitativa se sirve de números y métodos estadísticos. Parte de casos concretos para llegar
a una descripción general o comprobar hipótesis causales. Se dice cuantitativa- sistemática- generalizadora.
 La investigación cualitativa abarca enfoques que por definición, no se basan en medidas numéricas. Se sirve
de entrevistas en profundidad o de análisis de materiales históricos. Utiliza el método discursivo e intenta
estudiar de forma global un acontecimiento o unidad. Se dice cualitativa- humanista- discursiva.
 A partir de esto es posible hacer una reflexión acerca del enfoque que de allí se desprende: Si estamos
tratando la investigación científica, es posible desarrollar dos enfoques importantes el cualitativo y el
cuantitativo, en el primero se entiende que la cantidad es parte de la cualidad, además de darse
mayor atención a lo profundo de los resultados y no de su generalización; mientras que en el enfoque
cuantitativo, lo importante es la generalización o universalización de los resultados de la investigación.
 Por tanto, en una investigación no es conveniente hablar, ni de Paradigma Cualitativo, Metodología Cualitativa
o Investigación Cualitativa; puesto que lo cualitativo o cuantitativo son enfoques de la investigación científica.
Diferentes formas de presentación de los datos
Partes de una tabla o cuadro
Todo cuadro o tabla estadística posee por lo menos cuatro elementos esenciales:
 Título.
 Columna matriz.
 Encabezado de la columnas.
 Cuerpo.
En algunos casos se agregan también:
 La numeración.
 Indicación de fuente.
 Notas al pie.
 Notas de introducción.
TITULO. Debe responder sintéticamente a las preguntas: ¿Qué?, ¿Dónde?, ¿Cómo? y ¿Cuándo?; es decir,
debe expresar de que se trata, como se compone, donde sucedió y cuando se ha clasificado.
COLUMNA MATRIZ. Situada a la izquierda del cuadro abarca la designaciones y conceptos que dominan el
contenido de las demás columnas; si estas designaciones y conceptos son cualidades, por ejemplo (nombre
de países) ordenaran alfabéticamente; cuando se trata de conceptos cuantitativos el ordenamiento puede
hacerse de forma ascendente o descendente, según se estime más oportuno; cuando hay fechas el
ordenamiento se hace cronológicamente.
ENCABEZADO DE COLUMNAS. Comprende los títulos de cada columna de datos; se procurara que en
la construcción de estos epígrafes las palabras se han lo más cortas y expresivas posibles, escribiéndose
preferentemente en forma horizontal.
CUERPO. Comprende la parte del cuadro en que está colocado los datos en líneas y columnas.
NUMERACION. Cuando hay más de un cuadro estadístico, conviene asignarles un número para facilitar las
referencias, la localización e identificación dentro del trabajo.
INDICACION DE FUENTE. Si se utilizan datos que no son originales debe indicarse la fuente o fuentes de
donde han sido tomados; esto debe hacerse por razones de honestidad intelectual y para que el lector pueda
recurrir a las fuentes para verificar los datos, si ello fuere necesario, o para tener una idea de la seriedad de la
información.
NOTAS AL PIE. Se utilizan notas al pie con el fin de aclarar los datos contenidos en la tabla; estas notas
como su nombre lo sugiere, deben colocarse en la parte inferior del cuadro.
NOTAS DE INTRODUCCION. Deben colocarse debajo del título y con letras más pequeñas; tienen por
finalidad aclarar el contenido del cuadro en general.
Tabla de distribución de frecuencia
Se le llama tabla de distribución de frecuencias a la agrupación de datos en categorías mutuamente
excluyentes que indican el número de observaciones en cada categoría. Esto proporciona un valor añadido a
la agrupación de datos. La distribución de frecuencias presenta las observaciones clasificadas de modo que
se pueda ver el número existente en cada clase. Estas agrupaciones de datos suelen estar agrupadas en
forma de tablas.
Características
-Una distribución de frecuencias es un formato tabular en la que se organizan los datos en clases, es decir,
en grupos de valores que describen una característica de los datos y muestra el número de observaciones del
conjunto de datos que caen en cada una de las clases.
 -La tabla de frecuencias ayuda a agrupar cualquier tipo de dato numérico. En principio, en la tabla de
frecuencias se detalla cada uno de los valores diferentes en el conjunto de datos junto con el número de
veces que aparece, es decir, su Frecuencia. Se puede complementar la frecuencia absoluta con la
denominada frecuencia relativa, que indica la frecuencia en porcentaje sobre el total de datos.
En variablescuantitativas se distinguen por otra parte la frecuencia simple y la frecuencia acumulada.

Frecuencia absoluta: La frecuencia absoluta es el número de veces que aparece un determinado valor en un
estudio estadístico.
Frecuencia relativa: La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor
y el número total de datos. Se puede expresar en tantos por ciento, en cifras y decimales.
Frecuencia acumulada: La frecuencia acumulada es la suma de las frecuencias absolutas de todos los valores
inferiores o iguales al valor considerado.
Frecuencia relativa acumulada: La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada
de un determinado valor y el número total de datos.
Representación grafica
Este tipo de representación, como medio auxiliar del que se vale la estadística para llevar al público profano
sus conclusiones, ha adquirido notable desarrollo en los últimos tiempos.
Si bien es cierto que el método grafico representa en forma más atractiva y expresiva los datos compilados
(puesto que de una sola ojeada se puede tener una visión del conjunto y se puede ver en concreto lo que se
considera en abstracto), desde el punto de vista estrictamente técnico, no podemos considerarla como un
modo riguroso de representación estadística.
Debemos hacer notar, asimismo, una serie de limitaciones a la utilización de la representación gráfica:
 El método grafico no puede representar tantos datos como un cuadro o tabla estadística.
 No permite la apreciación de detalles.
 El grafico no puede dar valores exactos.
 Los gráficos requieren mayor tiempo en su ejecución que los cuadros y tablas.
Tipos de representación gráfica:
Gráfico de barras simples.
Se usa fundamentalmente para representar distribuciones de frecuencias de una variable cualitativa o
cuantitativa discreta y, ocasionalmente, en la representación de series cronológicas o históricas. Uno de los
ejes sirve para inscribir las frecuencias, ya sean absolutas o relativas (%), y el otro para la escala de
clasificación utilizada.
Gráfico circular, de sectores o pastel.
El gráfico típico de circular, se usa, para representar distribuciones de frecuencias relativas (%) de una
variable cualitativa o cuantitativa discreta. En este gráfico se hace corresponder la medida del ángulo de cada
sector con la frecuencia correspondiente a la clase en cuestión. Si los 360º del círculo representan el 100 %
de los datos clasificados, a cada 1% le corresponderán 3,6º. Luego, para obtener el tamaño del ángulo para
un sector dado bastaría con multiplicar el por ciento correspondiente por 3,6º (por simple regla de tres).
Gráfico de barras múltiples.
Se usa para representar las frecuencias observadas en clasificaciones dobles, es decir, cuando son dos los
criterios de clasificación, para variables cualitativas o cuantitativas discretas. Su forma de construcción es
similar a la del gráfico de barras simples. El hecho de ser doble, triple, cuádruple, etc., parte del número de
 clases que tenga la variable, que no es el criterio principal de clasificación. Las barras que integran una barra
múltiple se colocan juntas o ligeramente solapadas.Histograma.
Este gráfico se usa para representar una distribución de frecuencias de una variable cuantitativa
continua. Polígono de frecuencias.
Se utiliza, al igual que el histograma, para representar distribuciones de frecuencias de variables cuantitativas
continuas, pero como no se utilizan barras en su confección sino segmentos de recta, de ahí el nombre de
polígono.
Habitualmente se usa cuando se quiere mostrar en el mismo gráfico más de una distribución o una
clasificación cruzada de una variable cuantitativa continúa con una cualitativa o cuantitativa discreta, ya que
por la forma de construcción del histograma sólo se puede representar una distribución.
Gráfico de frecuencias acumuladas u ojiva.
Su objetivo, al igual que el histograma y el polígono de frecuencias es representar distribuciones de
frecuencias de variables cuantitativas continuas, pero sólo para frecuencias acumuladas. No se utilizan barras
en su confección, sino segmentos de recta, por ello no sólo es útil para representar una distribución de
frecuencias sino también cuando se quiere mostrar más de una distribución o una clasificación cruzada de
una variable cuantitativa continua con una cualitativa o cuantitativa discreta.
Gráfico aritmético simple.
Este es uno de los más sencillos de confeccionar. Su uso estadístico fundamental es en la representación de
series cronológicas, y en casos particulares, para representar los valores promedio o posicionales de muchas
dimensiones.
Cartograma.
La representación gráfica denominada sistema cartográfico o cartogramas consisten en representar figuras
sobre mapas y aunque no se hacen con base matemática, deben confeccionarse con precisión en relación al
fenómeno que representan.
Podemos señalar dos tipos de representación cartográfica:
 Discontinua (mapas rayados, sombreados o punteados).
 Continua (puntos, líneas, superficies y volúmenes).
Pictogramas.
Consiste en figuras que representan un fenómeno que es explicado por la índole misma de la figura.
Análisis de los datos
El análisis de datos consiste en la realización de las operaciones a las que el investigador someterá los datos
con la finalidad de alcanzar los objetivos del estudio. Sin embargo es importante planificar los principales
aspectos del plan de análisis en función de la verificación de cada una de las hipótesis formuladas ya que
estas definiciones condicionarán a su vez la fase de recolección de datos.
Interpretar datos
Los datos el resultado del trabajo científico y constituyen elementos que se someten a estudio, análisis
e interpretación. La interpretación de datos es una de las etapas más importantes del trabajo científico, porque
se proyecta en las conclusiones.
Una adecuada interpretación de datos se fundamenta en un diseño experimental adecuado a la naturaleza del
problema que se investiga; en la realización de observaciones y mediciones cuidadosas, y en
el empleo de técnicas de investigación adecuadas. Los datos mismos tienen poco interés por sí mismos; lo
importante es la nueva luz que surge al examinarlos; las generalizaciones que se pueden formular y las
nuevas preguntas que plantean principalmente.
En ciencias, los datos se suelen presentar en forma de tablas, gráficos, esquemas, etc. No hay ciencia sin
datos; no hay investigación científica sin interpretación de datos.
Por una parte es necesario ser riguroso para obtener datos; por otra, es fundamental ser muy cuidadoso para
interpretarlos: las generalizaciones precipitadas no forman parte del trabajo propiamente científico.
Al investigar, por ejemplo, la rapidez de evaporación de un líquido en función de determinados factores, el
resultado del trabajo será una información, datos cuya interpretación permitirá establecer determinadas
conclusiones. Por cierto que un buen trabajo experimental es la condición indispensable para obtener datos
fiables y válidos. Si las observaciones y mediciones realizadas, las técnicas empleadas y el control de
variables no son confiables, los datos obtenidos carecen de validez. Además, los datos no pueden someterse
a análisis si no constituyen un volumen tal que permita establecer conclusiones.
Esto significa que hay una relación estrecha entre el volumen de información obtenida y las conclusiones que
se puedan formular.
Si se está investigando, por ejemplo, en qué medida influye una dieta determinada en el desarrollo de
las aves de corral, no será suficiente realizar tres o cuatro mediciones...
Además de precisar bien las condiciones experimentales y realizar un adecuado control de variables será
imprescindible obtener un volumen de datos que permita una conclusión de carácter general.
No hay reglas precisas para determinar cuál es este volumen de datos; pero el experimentador lo determina
considerando fundamentalmente la naturaleza de la investigación que realiza y las normas de carácter general
que rigen en la comunidad científica.
Finalmente, también es importante la obtención y el análisis de datos que guarden relación con el problema, lo
que significa que si bien el caudal de información que se obtenga es importante, también lo es que dicha
información sea atingente al problema.
Controlar variables
Cualquier factor que influye en un hecho o fenómeno es una variable. Controlar variables implica, en primer
lugar, la identificación de los factores que influyen en un determinado fenómeno, en segundo lugar, manipular
una variable y mantener constantes (controladas) todas las demás. Por ejemplo, la temperatura, humedad
ambiental, vientos, presión atmosférica, son factores o variables del clima; la edad, el sexo, condiciones
de higiene y alimentación, son variables que influyen en el desarrollo (estatura, peso, salud) de un ser vivo.
En el desarrollo infantil influyen una serie de variables o factores: alimentación, higiene,
actividad, interacción social… además, del cariño y cuidado de los padres.
Cuando se realiza un trabajo experimental hay que establecer las posibles relaciones entre las variables, que
se suelen clasificar en tres categorías: o Variable manipulada o independiente;
Variable respuesta o dependiente, y o Variables constantes o controladas, que no cambian.
Veamos un ejemplo: si se estudia el crecimiento de un polluelo en función del tiempo, la variable manipulada,
independiente, es el tiempo: el observador decide durante qué período lo medirá. El crecimiento (medido en
función del peso, principalmente) es la variable dependiente o respuesta. Está relacionada con el tiempo,
dependiendo de él. La variable experimental podría ser un tipo particular de alimentación que suponemos
influye en el desarrollo. Es decir, la variable experimental sería el alimento. Otras variables se mantienen
controladas, sin modificarse en todo el período que dure el experimento; por ejemplo, cantidad de
alimento, calidad del alimento, temperatura ambiental, peso inicial de los polluelos, períodos del día en que
reciben alimentación, etc.
Para un investigador es fundamental identificar las variables que pueden influir en un determinado fenómeno y
realizar un adecuado control de variables. También es importante considerar el experimento control o testigo.
Para el caso de los polluelos, si se investiga que una determinada dieta -variable experimental- influye en el
desarrollo de los polluelos, se separa un grupo experimental (que recibirá la dieta especial), y otro grupo, 4
controles, que tiene las mismas características que el grupo experimental, pero que recibe la dieta
considerada usual o normal. El experimento control permite una comparación de resultados: las diferencias,
entonces, se pueden atribuir a la variable que se manipula.
Hipótesis
Afirmación que se considera lo suficientemente fiable o creíble como para basar sobre ella una tesis
o teoría demostrada o confirmada con datos reales.

Redacción del Informe

Redactar significa escribir sobre un tema determinado. Todo proceso de investigación culmina con
la redacción de un informe.
Muchos investigadores encuentran que esta tarea no es nada sencilla pero es necesaria la elaboración del
mismo, pues ningún proyecto se considera completo hasta que se prepara el informe de investigación.
El informe de investigación representa el resultado final del largo proceso de investigación., su articulación
estructural constituye ser el modo de como los investigadores ordenan, clasifican y presentan los datos.
Antes de redactar el informe es indispensable que el investigador conteste las siguientes preguntas: ¿Cuál es
el contexto en que habrán de presentarse los resultados? ¿Quiénes son los usuarios de los resultados?
¿Cuáles son las características de tales usuarios? La manera en que se presenten los resultados dependerá
de las repuestas a dichas preguntas.
En general se suelen distinguir cuatro tipos de informes, considerando como criterio de clasificación los
usuarios y fines de investigación:
Informes Científicos: Van destinados a hombres de ciencia, consecuentemente competentes en el tema que
trata la investigación, en este caso, el lenguaje es riguroso y no hay limitaciones en el uso de tecnicismos;
estos informes pertenecen a la categoría de memorias científicas.
Informes técnicos: Destinados a las organizaciones públicas o privadas que han encargado del estudio o
investigación; en este caso, manteniendo el máximo rigor, se procurara que el informe sea accesible a los
destinatarios, que no siempre dominan toda la jerga propia de la sociología, antropología, psicología social,
etc…
Informes de divulgación: Se trata de estudios destinados a púbico en general, por consiguiente, deben se
escritos en un lenguaje accesible a una persona de mediana cultura.
Informes Mixtos: Suelen estar destinados a una organización, al mismo tiempo que se dan a conocer al
público en general.
Cualesquiera que sean los destinatarios o el tipo de informe redactado, el objetivo será el mismo, que es
comunicar los resultados de una investigación.
Estructura de los informes
 La estructura del informe debe tener una secuencia lógica, que en términos generales explica de que se trata,
que se hizo, como se hizo, y cuáles son las conclusiones. Cualquiera que sea la longitud y la índole de los
informes, estos tienen ciertos elementos comunes que constituyen una estructura básica.
Un ejemplo de una estructura de un informe es la siguiente:

Sección Preliminar:
 1. Portada : Incluye el título de la investigación, el nombre del autor o los autores y sus afiliación institucional,
o el nombre de la organización que patrocina el estudio, así como la fecha en que se presenta el reporte, se
recomienda que el titulo sea claro, conciso y breve y que no exceda las 7 palabras.
 2. Prologo o prefacio: debe compendia el contenido y el alcance de la investigación, de modo que el lector
sepa con claridad de que trata y encuentre una motivación para leer el trabajo descubriendo de entrada lo
esencial de lo que se va a decir luego.
Cuerpo del informe:
Es el núcleo central en el que se desarrolla el asunto o tema de investigación, ha de contener el material
recogido, estudiado, analizado y elaborado, presentado de forma objetiva, lógica, clara y precisa. No hay que
agregar ninguna información que no conduzca al mayor conocimiento de aquello sobre lo cual se está
informando. El material no necesario solo sirve para crear confusión. En algunos casos la información puede
resultar demasiado voluminosa y su inclusión en el cuerpo del informe puede dificultar la comprensión o
 continuidad del tema, especialmente cuando se trata de información estadística o documentos tales como:
estatutos, reglamentos, et. Estos deberán incluirse en los anexos o apéndices.
 1. Introducción: En términos generales describe los objetivos de la investigación y la finalidad con que se
presenta. Además se pueden mencionar los motivos particulares que han llevado a realizar el trabajo y los
principales resultados obtenidos. Hay que tener cuidado de no repetir en la introducción lo que ya se dijo en el
prólogo. En algunos casos puede excluirse uno de los dos.
 2. Marco teórico: Es aquel que aborda la realidad e ilumina la investigación. Es necesario explicitar ese
marco teórico para saber desde que parámetros se interroga la realidad. También conviene incluir una
explicación sobre el alcance con que se utilizan las principales categorías científicas a emplear en la
investigación y si fuera preciso también la explicar las definiciones operacionales utilizadas. Los términos que
tienen un alcance comúnmente aceptado no necesitan ser definidos.
 3. Revisión de la literatura: en este apartado se hace una reseña de la literatura publicada sobre el tema y
que se considera significativa para la investigación a realizar.
 4. Esquema de la investigación: en esta sección se hace referencia al diseño e la investigación y a
los procedimientos utilizados para la recolección y análisis de los datos
 5. Presentación y análisis de los resultados: Esta sección representa el cuerpo principal, y comprende tres
partes fundamentales: Los hechos, su análisis y su interpretación, presentándolos en forma de textos,
cuadros, gráficos y figuras. La presentación y análisis de los resultados deben ser completos, comprensibles y
precisos.
 6. Resumen y conclusiones: las conclusiones están diseminadas en el texto , de ahí que es necesario
añadir un resumen en una sección por separado, en este caso las conclusiones se agruparán por temas,
ordenándolas según su orden de importancia , resumiendo los principales hallazgos, el significado de los
datos obtenidos y sugerencias para investigaciones ulteriores.
 a) Diagnóstico: Es el procedimiento en el cual se intenta establecer la naturaleza, magnitud, y jerarquización
de las necesidades y problemas esenciales que ofrecen el aspecto, sector o situación de la realidad social que
es motivo de un estudio de investigación, también comprende el conocimiento de las diferentes fuerzas
en conflicto y de los factores que actúan de manera favorable, neutra o desfavorable, para alcanzar los
objetivos o la finalidad propuesta.
 b) Recomendaciones: Cuando se realiza una investigación aplicada, en función de un programa concreto, en
obvio que siempre debe culminar en una serie de recomendaciones que se agruparán conforme a un listado
de propuestos y a un orden prioridades. Estas recomendaciones se apoyan en los resultados de la
investigación, pero surgen principalmente de los valores, ideales, opiniones y también prejuicios e intereses
del que las propone.
Sección de referencias:
Con mucha frecuencia, el acopio del material en una investigación es muy abundante. Para no recargar el
texto del informe, se traslada a una sección separada, destinada a las referencias bibliográficas y a los anexos
y apéndices.
 a) Bibliografía: Referencias utilizadas por el investigador para elaborar el marco teórico u otros propósitos; se
incluyen al final del reporte, ordenas alfabéticamente. Cuando un mismo autor aparezca dos veces, debemos
organizar las referencias que lo contienen de la más antigua a la más reciente.
 b) Apéndices o anexos: Resultan útiles para describir con mayor profundidad ciertos materiales, sin
distraer la lectura del texto principal del reporte, o evitar que dichos materiales rompan el formato del reporte.
Luego de que los datos recogidos han sido orgánicamente sistematizados se procede con la redacción del
informe.
Antes de empezar a redactar el informe, se ha de trazar un bosquejo del contenido de las secciones
(preliminar, principal y de referencias) ampliándose luego, sobre esta base, cada una de las partes hasta
llegar a los subtítulos y notas sobre el tema, esto es para que la presentación del material sea orgánica e
inteligente.
En la preparación del cuerpo de un informe hay que elaborar un esquema que contenga los puntos principales
del discurso científico. Estos puntos son como pivotes sobre los que descansa la línea discursiva, permitiendo
la unidad, orden, progresión y transición en el trabajo de presentación. Con las cuestiones básicas o
fundamentales se constituye el esquema o esqueleto.
Entre las exigencias que debe cumplir el discurso científico, se suelen señalar cuatro principales:
 Unidad: Todo lo que se diga debe estar relacionado con el tema de estudio o investigación. Las digresiones
inútiles o los detalles superfluos atentan contra la unidad.
 Orden: Las ideas deben desarrollarse de modo que los razonamientos puedan derivarse uno de otros. Esto
supone un hilo del discurso, un orden lógico que en ningún momento debe perderse.
 Progresión: Hay que avanzar por aproximaciones sucesivas de modo que el conjunto del discurso se
desarrolle poco a poco.
 Transición: un informe científico no puede ser un simple amontonamiento de ideas, análisis, hechos, datos
etc. Las transiciones vigorosas ayudan a reproducir los diferentes aspectos o facetas del análisis.
En conclusión en la redacción del informe se debe de tener como guía todas las exigencias o requisitos antes
mencionados. El primer bosquejo deberá tener un lenguaje telegráfico.
En el texto escrito hay que dejar espacios para correcciones y sobre todo para añadidos o enmiendas.
Cuando hay que intercalar párrafos muy largos, se ha de recurrir a una tarea de corte y confección, para ello
hay que escribir en otra cuartilla las nuevas ideas o razonamientos, cortar el texto y añadir lo que se ha escrito
en el lugar que procede.
A partir de esa redacción inicial se van haciendo sucesivas correcciones en un primer momento centrando la
preocupación en los contenidos, ya sea profundizando el análisis de los datos como dando más rigor a las
argumentaciones, o bien agrupando las ideas afines y desarrollando equilibradamente las diferentes partes
del trabajo.
Finalmente la redacción definitiva será el fruto de sucesivos reajustes que exigirán redactar dos, tres, cuatro, o
más borradores. Únicamente después de haber trabajado suficiente los contenidos, se pasa a la redacción
final.

Bibliografía
Libro Técnicas de investigación Social, Autor Ezequiel Ander Egg
Proceso de investigación, Autor Carlos Sabino
Programa de método y técnica de la investigación, Autora Altagracia Dinorah Gómez.
Introducción a la metodología de la investigación, Autor Santiago Zorrilla Arena
Metodología de la investigación cualitativa, Autores G. Rodríguez Gómez, J. Gil Flores, E. García Jiménez
Es.wikipedia.org (técnicas de investigación), (tipos de investigaciones científicas).

Leer más: http://www.monografias.com/trabajos97/elaboracion-analisis-e-interpretacion-datos-y-redaccion-

informes-investigacion/elaboracion-analisis-e-interpretacion-datos-y-redaccion-informes-
investigacion2.shtml#ixzz59Ys32Mq6