Aplicaciones del Cálculo y

Estadística

Conceptos básicos
 Introducción
Desde hace un lustro (2010 – 2015) la estadística tiene
un rol protagó nico, ya que la Asamblea General de las
Naciones Unidas proclamó el 20 de octubre «Día Mundial
de la Estadística», la cuá l debe ser observado cada cinco
añ os.
La estadística es una ciencia que utiliza datos para
realizar una descripció n de las mismas o para inferir en
base al cá lculo de las probabilidades. Este curso solo
trabajará la estadística descriptiva y el cá lculo de las
probabilidades. En esta parte se verá la aplicació n de los
conceptos bá sicos, de població n, muestra, muestreo y la
escala de medició n de la variable.
Capacidad general:
Identificar la població n, muestra, muestreo, tratamiento y
variables con su escala de medició n.

Capacidades específicas:
•Esbozar el proceso de variables de entrada y salida.
•Identificar la unidad experimental y el tratamiento aplicado.
•Identificar el tipo de població n y la muestra en estudio.
•Identificar y aplica el tipo de muestreo en diferentes
situaciones.
•Identificar el tipo de recolecció n de datos.
 ¿Para qué estudiar estadística ?
Un uso en el control de calidad

Por la participación de la industria en el aumento de la calidad.

Muchas compañías se han dado cuenta que la baja calidad de un
producto, tiene un gran efecto en la productividad global de la
compañía, en el mercado, la posición competitiva, y finalmente,
en la rentabilidad de la empresa.
Mejorar los aspectos de calidad conlleva al éxito de la compañía.
La estadística es un elemento decisivo en el incremento de la
calidad, ya que la aplicación de las técnicas, permite describir y
comprender el objeto del estudio, que contiene la variabilidad.
Varias veces durante el día un profesional registra la
temperatura a los hornos en el Departamento de
Producción, para compararlas con los límites
establecidos.

Los profesionales programan el avance de sus

actividades y el cumplimiento de su presupuesto de
acuerdo a valores promedios o estándares establecidos

El profesional de redes y comunicaciones se preocupa

en detectar los motivos para explicar la caída de un
sistema.
 Definición de Estadística
• Es una ciencia que se ocupa de …..
 Subdivisión de la Estadística
 Consiste de métodos y técnicas
para estudiar las características
de una población con base en
muestras.
 Es posible generalizar los
resultados de la muestra, para la
población, basado en la Teoría
de la Probabilidad

 Consiste de métodos y técnicas

de recolección, caracterización
y presentación que permiten
describir las características de
un conjunto de datos.
 Comprende el uso de gráficos,
tablas y medidas u otras
técnicas, que resumen los
datos.
 Ejercicio
Indique si las siguientes afirmaciones son de tipo descriptivo o inferencial.

a)El 32% de los encuestados cuenta con servicio de Internet en casa.

b)La edad media de los estudiantes seleccionados es 19 años.

c)Sueldos de profesionales peruanos están estancados en S/.2300 desde 2004.

d)El 47% de las personas encuestadas es de sexo femenino.

e)El 23% de los peruanos ha visitado Machu Picchu por lo menos una vez.

f)Según un estudio de la empresa española Infoadex, “la inversión publicitaria en

Internet ascendió a 880,5 millones de euros durante el 2013”.
POBLACIÓN Y MUESTRA
1. Población

Para definir el término población se debe tener en cuenta

las siguientes definiciones:

 Población o universo:
Es cualquier conjunto de elementos claramente definido,
en el espacio y el tiempo, que son objeto de estudio.
Dichos elementos pueden ser personas, granjas,
hogares, manzanas, distritos, escuelas, hospitales,
empresas, y cualquier otro. Las poblaciones pueden ser
finitas e infinitas.
• Población finita:
Es aquella en la que es posible enumerar (contar)
físicamente los elementos que pertenecen a la
población.

• Población infinita:
Es aquella lo bastante grande como para que un cambio
de tamaño ocasionado por sustracciones o adiciones de
esa población no afecte significativamente las
proporciones. Dicho de otra manera, cuando los
elementos de la población son ilimitados.
 Población objetivo:
También llamada población de estudio, es el conjunto de
elementos de los que nos interesa obtener información o
tomar decisiones. Cuando una población o universo es
la que nos interesa estudiar en un problema de
investigación, se constituye en la población objetivo.
Muestra

Población

Estrato 1 Estrato 2

Muestra
 Muestra
La muestra es un subconjunto de la población. En realidad la
estadística es la ciencia que estudia los procedimientos para
determinar el valor de una o varias características de una variable en
una población observando sólo unos pocos elementos si se trata de
una población finita o realizando unos pocos experimentos si se trata
de una población infinita.

Unidad de observación (Unidad estadística o Unidad elemental) 

Es el sujeto u objeto sobre el cual se realiza una medición. Es la
unidad básica de observación, con frecuencia se la denomina
elemento.

Marco del muestreo 

Es una lista compuesta por las unidades de observación o elementos.
 Ejemplo
Gray et al. (2010) publicó un articulo tratando de entender
los factores asociados a la prolongación del tiempo de vida
de pacientes con cáncer cervical.

 Población:
Mujeres con diagnostico de cáncer cervical.
 Unidad Estadística:
Mujer con diagnostico de cáncer cervical.
 Muestra:
Un grupo de 268 mujeres con diagnostico de cáncer cervical
en el hospital de la Universidad de Washington.
 Sesgo
Sesgo de selección Sesgo de medición
• El sesgo de selección se • El sesgo de medición se
observa cuando alguna parte produce cuando el instrumento
de la población objetivo no con el que se mide, tiene una
forma parte del marco del tendencia a diferir del
muestreo. Ej: verdadero valor en alguna
• Utilización como marco de dirección. Ej:
muestreo a las líneas • Una balanza descalibrada que
telefónicas. añade 5 mg en cada medición.
• Los individuos que se niegan a • Las personas, algunas veces,
responder. Para que una no dicen la verdad o no
muestra sea válida tendrá que comprenden las preguntas.
tener una baja tasa de no
respuesta.
 Sesgo y error muestral

Tirador A Tirador B Tirador C

El tirador A es insesgado: la posición promedio de los tiros está en el

centro del blanco.
El tirador B es preciso pero no insesgado: todos los tiros están juntos,
pero de manera sistemática alejados del blanco.
El tirador C es preciso e insesgado: todos los tiros están cerca de sí y
del blanco.
 Clases de Muestras
Muestra

Probabilística No Probabilística

Aleatoria Estratificada Sistemático Conveniencia Criterio Cuotas

Simple
La elección de los elementos no
Todos los elementos deben tener una depende de la probabilidad sino de
probabilidad conocida de quedar las características de la
incluidos en la muestra. Esta investigación.
probabilidad no necesariamente tendrá
que ser la misma.
 Ejemplo
El Gerente de producción de una empresa metal mecánica “Metálica S.A” ha realizado un
estudio para determinar que medidas correctivas debe aplicar para incrementar la
productividad en dicha empresa, considerando para ello los resultados obtenidos del
Estudio. El estudio se realizó en el mes de Febrero del 2013, seleccionándose de ese mes
30 horas laborables (producción) en forma aleatoria. Los resultados obtenidos fueron los
siguientes:
El número promedio de artículos fabricados por hora fue de 6.76 artículos.
El 35% de artículos fabricados fue clasificado como de muy buena calidad, 25% de buena
calidad, 20% regular y el resto de mala calidad.
El tiempo promedio empleado en la fabricación fue de 8.25 minutos por artículo.
El 30% de la producción fabricada corresponde a puertas de aluminio, el 40% sillas de
acero y 30% restante otros artículos.
Según este enunciado, identifique: La población estudiada, la muestra, y la unidad
elemental.
Población: Los artículos producidos por Metálica S.A. en febrero del 2013.
Muestra:Los artículos producidos por Metálica S.A. durante las 30 horas seleccionadas de
febrero del 2013.
Unidad elemental: Cada artículo producido por Metálica S.A. durante febrero del
2013.
 Parámetro y estadístico

Parámetro Estadístico
 Es un valor que describe  Es un valor que describe
una variable de una una variable de una
población. muestra.
 Para calcular un  Para calcular el
parámetro se requiere estadístico se usan las
medir la característica de mediciones de la
interés en todos los característica de interés
elementos que conforman en los elementos que
la población. conforman la muestra de
estudio.
 Ejemplo
Notación de los principales parámetros y
estadísticos
 Variables y sus tipos
• Son las características que se desean evaluar en las
unidades elementales.
 Ejemplo
Se quiere estimar la media del tiempo transcurrido para
una prueba de 100 metros nado libre.
Población:
Nadadores Peruanos
Muestra:
Nadadores seleccionados de la Federación Deportiva
Peruana de Natación.
Unidad Estadística:
Nadadores
Defina la Variable de interés:
Variable: Tiempo del recorrido de 100 metros a nado estilo libre.
 Escalas de Medición
Cualitativas Cuantitativas
 Intervalo
• Nominal

 Razón
 Ordinal
 Ejemplo 1

HOGARES DE CAJAMARCA ESTÁN ENTRE LOS QUE

MENOS GASTAN EN EL PAÍS (09/08/13)
En ese departamento, cada hogar gasta un promedio de
S/. 13,460 al año, uno de los cinco menores del Perú.

La Variable en estudio es:

El tipo de variable es:
La escala es:
El estadístico o parámetro es:
El valor del estadístico o parámetro:
 Ejemplo 2

EL 60% DE LA CLASE MEDIA EMERGENTE TIENE UN

TRABAJO INDEPENDIENTE (07/08/13)
Se trata de 5.4 millones de peruanos, de un total de nueve
millones. Exactamente la misma proporción tiene un trabajo
dependiente en el caso de quienes conforman la clase media
tradicional, indicó Arellano Marketing

La Variable en estudio es:

El tipo de variable es:
La escala es:
El estadístico o parámetro es:
El valor del estadístico o parámetro:
 Ejercicio
Un ingeniero de procesos desea determinar si el ajuste de potencia de las
máquinas que usan para llenar ciertos tipos de cajas de cereal, tienen un efecto
significativo sobre el peso real del producto. El estudio consta de tres tipos de
cereal elaborados por la empresa, elegidos al azar, y tres flujos fijos de energía.
Para cada combinación se mide el peso de 4 cajas de cereal diferentes
seleccionadas al azar. El peso deseado es de 400 gramos. A continuación se
presentan los datos:
Tipo de cereal
Ajuste de
1 2 3
potencia
395 390 392 392 402 405
Bajo
401 400 394 401 399 399
396 399 390 392 404 403
Actual
400 402 395 502 400 399
410 408 404 406 415 412
Alto
408 407 401 400 413 415

Identificar variables, tipos de variables y escalas de medición.

 Autoevaluación
Afirmación Verdadero Falso
El valor de un parámetro se puede conocer
solamente si se realiza un censo X
El resultado obtenido, 35% de todos los artículos
fabricados fue clasificado como de muy buena calidad, es X
una inferencia estadística.
El año de fabricación de un auto es una variable
cuantitativas discreta. X
Las variables cualitativas pueden ser de escalas de
intervalo o de razón. X
El número de teléfono es una variable de tipo
cuantitativa discreta. X
Una empresa distribuidora de computadoras realizó un
estudio sobre las ventas mensuales efectuadas durante
todo el 2001. En dicho estudio, los registros de ventas
mensuales corresponden al número de computadoras. La X
unidad elemental es una computadora.
 Variables en SPSS – Vista de variables

“Nombre”: No puede empezar en un número y no debe haber espacios en

blanco, deben ser cortos.
Etiquetas: Es para especificar en detalle el nombre de la variable.
Tipo: Independiente si la variables es cualitativa o cuantitativa, estas pueden
ser codificadas y se le asignará el tipo numérico.
Valores: Para nuestro caso solo lo utilizaremos para codificar variables
cualitativas.
Medida: Utilizaremos “escala” para variables con datos numéricos, “Ordinal”
para variables cualitativas ordinal, “Nominal” para variables cualitativas
nominales.
 Variables en SPSS – Vista de datos

Esta vista se muestra la matriz de datos que se ha recolectado y con el botón

se mostrará o se ocultará las etiquetas de la variable cualitativa.
 Técnicas de recolección de datos primarios
La técnica de recolección de datos, es el conjunto de reglas y
procedimientos que permiten al investigador establecer la relación con
el objeto o sujeto de la investigación. Para la recolección de datos
primarios en una investigación científica se dispone de tres técnicas: la
observación, la encuesta o entrevista y la experimentación.
 Técnicas de recolección de datos primarios

1. La observación
La observación científica, según Abraham Kaplan “es
búsqueda deliberada, llevada con cuidado y
premeditación, en contraste con las percepciones
casuales, y en gran parte pasivas, de la vida
cotidiana”. Con la observación, se registra el dato
bajo condiciones normales, es el proceso de medir,
en forma sistemática, con el objetivo de descubrir
la importancia de aquello que se observa.

Según sean los medios utilizados para la

sistematización de lo observado, el grado de
participación del observador, el número de
observadores y el lugar donde se realiza, la
observación puede ser de diferentes modalidades.
Observación automática

El uso de arduinos y sensores nos permitirá recolectar datos numéricos de

diferentes variables en forma automática en intervalos de tiempo que nos
pueda interesar.
2. La encuesta o entrevista

Al procedimiento de la entrevista,
comúnmente se le reconoce como
“encuesta”. Se registran situaciones que
pueden ser observadas y en ausencia de
poder recrear un experimento se cuestiona
a la persona participante sobre ello.

Principales Características:
La Encuesta es una observación no directa, manifestada por los
entrevistados.
Es una técnica preparada para la investigación.
Permite una aplicación masiva que mediante un sistema de
muestreo pueda extenderse a una nación entera.
Hace posible que la investigación del mercado,
se descubran los aspectos subjetivos
de los consumidores.
3. La experimentación

Es la técnica por el cual las variables pueden ser manipuladas en

condiciones que permiten la reunión de datos, conociendo los
efectos de los estímulos recibidos y creados para su apreciación
particular. En el experimento existe un control directo sobre un
factor que se va a analizar. En la experimentación se registra un
dato bajo condiciones provocadas simulando el proceso lo más
real posible.
El experimento suministra los datos más
convincentes si se aplican los controles
adecuados. En la medida en que el diseño y
la ejecución del experimento excluyan otras
hipótesis que expliquen los mismos
resultados, el profesional de administración
en negocios, economistas, especialistas en
general, estarán seguros de la veracidad de
las conclusiones.
 Ejercicio

El Gerente de producción de una empresa metal mecánica “Metálica S.A” ha

realizado un estudio para determinar que medidas correctivas debe aplicar
para incrementar la productividad en dicha empresa, considerando para ello
los resultados obtenidos del Estudio. El estudio se realizó en el mes de
Febrero del 2013, seleccionándose de ese mes 30 horas laborables
(producción) en forma aleatoria. Los resultados obtenidos fueron los
siguientes:
El número promedio de artículos fabricados por hora fue de 6.76 artículos.
El 35% de artículos fabricados fue clasificado como de muy buena calidad,
25% de buena calidad, 20% regular y el resto de mala calidad.
El tiempo promedio empleado en la fabricación fue de 8.25 minutos por
artículo.
El 30% de la producción fabricada corresponde a puertas de aluminio, el 40%
sillas de acero y 30% restante otros artículos.

Indique el tipo de recolección de dato.

 Ejercicio
Un ingeniero de procesos desea determinar si el ajuste de potencia de las
máquinas que usan para llenar ciertos tipos de cajas de cereal, tienen un efecto
significativo sobre el peso real del producto. El estudio consta de tres tipos de
cereal elaborados por la empresa, elegidos al azar, y tres flujos fijos de energía.
Para cada combinación se mide el peso de 4 cajas de cereal diferentes
seleccionadas al azar. El peso deseado es de 400 gramos. A continuación se
presentan los datos:
Tipo de cereal
Ajuste de
1 2 3
potencia
395 390 392 392 402 405
Bajo
401 400 394 401 399 399
396 399 390 392 404 403
Actual
400 402 395 502 400 399
410 408 404 406 415 412
Alto
408 407 401 400 413 415

Indique el tipo de recolección de dato.

Bibliografía
• Box, George (2008). Estadística para investigadores. Diseño,
innovación y descubrimiento. Barcelona : Reverté (519.2/B78)
• Devore, Jay L. (2005). Probabilidad y estadística para
ingeniería y ciencias. México D.F.: Cengage Learning
(519.5/D64)
• Esteban García, Jesús (2005). Estadística descriptiva y
nociones de probabilidad. Madrid : Thomson (519.53/E92)