ESTADÍSTICA

GENERAL

FACULTADES: INGENIERÍA y CC.EE.

2024-I

PROFESSOR: JOHNNY SOUZA PEREZ

 ESTADÍSTICA
• La Estadística es la ciencia que se encarga de recoger, organizar y
analizar los datos. Analiza en base a pará metros cuantificables.
1.- Recopilar datos: Encuesta, informació n primaria, estudios,
investigació n. Videos, Revistas, Auditorías, Inspecciones, check list.
Tomar datos en los ensayos.
Informació n primaria:
Bounocore (1980) define las Fuentes primarias de informació n como
“las que contienen informació n original no abreviada ni traducida: tesis,
libros, artículos de revista, manuscritos. Se les llama también Fuentes de
informació n de primera mano…”

UNIVERSIDAD CATÓ LICA SEDES SAPIENTIAE

• Una fuente primaria no es, por defecto, má s precisa o
fiable que una fuente secundaria.
• Proveen un testimonio o evidencia directa. Escrito
por la persona que investiga.
Ejemplo: como los resultados de laboratorio de
investigar los Coliformes totales de muestras del río
Yuracyacu realizados por el tesista.
Fuentes secundarias
• Bounocore (1980) define como aquellas que “contienen datos o
informaciones reelaborados o sintetizados…” ejemplo:
• Resú menes, obras de referencia (diccionarios o enciclopedias), un
cuadro estadístico elaborado con mú ltiples fuentes, entre otros. Son
textos basados en fuentes primarias. Tienen aná lisis, evaluació n.
: Revistas de resú menes, crítica literaria, Enciclopedias, Bibilografías,
Fuentes de informació n citadas en el texto. Informe de una institució n.
Datos estadísticos del MINSA, MINTRA, MINAGRI, etc. Excepto que sea
un trabajo de investigació n.
CITAR LAS
FUENTES Y LA
La ética profesional pide
reconocer el esfuerzo de los
demá s en la producció n del
É TICA conocimiento, por ello es
necesario citar las fuentes que
PROFESIONAL han servido de base al trabajo de
investigació n. Ejemplo : (Vá squez,
2018).
Sistema APA.
 1.- RECOPILAR LOS DATOS.

Es recoger la informació n, preparar las encuestas, hacer las entrevistas

O encuestas, asimismo rellenar los formatos diseñ ados. Ejemplo: Recopilar la
informació n haciendo encuestas preliminares en el caserío de Porvenir sobre la
segregació n de residuos só lidos. El cuestionario consta de preguntas de datos
sociales y la segunda parte son preguntas específicas referido si segregan los RR.SS.
 TIPO DE PREGUNTAS:

 Preguntas “filtro”, que determinan si el encuestado pertenece o no a un grupo

poblacional que se desea estudiar. Suelen, por ende, abordar los datos personales
o subjetivos del encuestado. Ejm, Nombres, lugar, grado de educación, etc.
 Preguntas “control”, que sirven para determinar qué tan verídicas han sido las
respuestas anteriores del encuestado, tratando de cazar alguna contradicción
reveladora o volviendo a preguntar lo mismo de una manera diferente. Ejm. Diga
en qué universidad estudió? ¿La última matrícula fue en la Universidad UCSS?
• Preguntas abiertas, en las que el encuestado es libre de proponer su respuesta.
Ejm….. Describir su respuesta en dos líneas.
Ejm: Mi color favorito es el ………
 Tipo de preguntas en
el cuestionario. Cuestionario. Es el conjunto
de preguntas, es un documento.
 Preguntas cerradas, en las que se ofrecen alternativas
preseleccionadas de respuesta al encuestado, para que las
rechace o las confirme. ( preguntas de rechazo o que acepte)
Encuesta. Es la forma o
Ejm: El estudio universitario es de 5 años en el Perú?
método de aplicar el
(Sí) ( No)
cuestionario. Por teléfono
 Preguntas dicotómicas, que le ofrecen al encuestado dos Por internet, entrevista.
opciones contradictorias para que elija una sola de ellas.
Ejm: ¿Te gustó el concierto de hoy? (Satisfactorio) ( No
satisfactorio).
 Preguntas de selección múltiple, que le brindan al
encuestado una serie de posibles respuestas y le permiten
elegir la o las que mejor se adapten a su pensamiento.
Ejemplo tiene 5 alternativas de respuesta como examen
admisión.(a) 5, b) 8, c) 10, d) 12.
 CUESTIONARIO
IDENTIFICACIÓN DE PELIGROS Y EVALUACIÓN DE RIESGOS ª. A continuación se enumeran una
serie de planteamientos que deberá leer cuidadosamente y luego marcar con una X la opción que mejor
considere. Responda a cada uno de ellos con la mayor objetividad y sinceridad posibles.

1 Sí ( ) No ( ) No sabe ( )
Considera que la implementación del IPER contribuye a la
prevención de accidente leve en los proyectos de construcción.

2 Sí ( ) No ( ) No sabe ( )
Considera que la implementación del IPER contribuye a la
prevención de accidente total temporal en los proyectos de
construcción.
3 Sí ( ) No ( ) No sabe ( )
Considera que la implementación del IPER contribuye a la
prevención de accidente parcial permanente en los proyectos de
construcción.
4 Sí ( ) No ( ) No sabe ( )
Considera que la implementación del IPER contribuye a la
prevención de accidente total permanente en los proyectos de
construcción.
5 Sí ( ) No ( ) No sabe ( )
Considera que la implementación del IPER contribuye a la
prevención de accidente mortal en los proyectos de
construcción.
 2.- ORGANIZAR LOS DATOS
• Una vez obtenido los datos con la encuesta, ahora nos toca organizarlo, de acuerdo a los
datos o resultados que deseamos obtener. Por ejemplo si deseo obtener ¿Cuál variedad
de arroz tiene mayor producción en la región San Martín’?. Es Lógico que mis datos debo
organizar la producción de arroz de todas las variedades y por provincia para luego
consolidar la de la región San Martín. Entonces, en esa dirección debo organizar mi
procesamiento de datos. E incluso el cuestionario debe orientarme en esa dirección.

• Por ciertas características: por variedad de arroz y por provincia sería la característica.

• Ingresar los datos para procesarlo

• Elaborar resúmenes, cuadros, gráficas.

• Medidas de tendencia central

• Medidas de dispersión

• Inferir
 RESOLVER UN CASO CON LOS ALUMNOS: colores favoritos
1. Elabora la pregunta del color favorito en base a 04 colores:
Rojo, Blanco, Azul, Amarillo y Verde.
2.- Recopila los datos por cada bloque de alumnos del aula.
3.- Procesa tus datos totales para sintetizar en una sola Tabla.
4.- Elabora tu Tabla
5.- Analiza la Tabla describiendo los resultados con el pará metro
Porcentaje.

Recopilació n de datos: encuesta a tu compañ ero y viceversa.

Cada alumno entrevista a su compañ ero y escribe el gusto del color
favorito. Y Viceversa. Cada respuesta se responde en un papel pequeñ o.
No escribir el nombre.
El alumno de la primera carpeta recopila los resultados preliminares de
cada bloque y escribe en la pizarra.
 ANALISIS :
El color favorito de los alumnos del aula 202 es el azul, el cual
representa el 31.48 % del total de alumnos, y el color blanco está
en segundo lugar con 27.78 % de preferencia. Asimismo, el color
amarillo no es el color favorito por parte de los alumnos. Ver
Tabla 1.
Tabla 1.
Resultados del color favorito de los alumnos del aula 202.

El color rojo es el preferido en el Bloque I, el Blanco es el favorito

También en el bloque I, en cambio el color azul es preferido en el
Bloque III y Finalmente el color amarillo no es favorito en ninguno
De los bloques. Tal como señ ala la Tabla 2.
La Tabla 2 en el Bloque I es favorito el Blanco, en el Bloque II es favorito el
Azul, en el bloque III es favorito también el azú l y en el Bloque IV
Los favoritos son el azul y rojo.
Tabla 2.
¿Qué es inferir?
Afirmar el resultado de una muestra para
decir que corresponde a toda la población.

Muestra
3.- Interpretar los datos
• Luego de obtener las medidas de tendencia central ,
podemos concluir ¿cuá l grupo de datos tiene la
mejor media?: µ: 15,16,17,18. ӯ=16,17,18, etc.
• µ= 16.5, ӯ= 17.0
• ¿Cuá l tratamiento o ensayo tiene mayor varianza o
mayor desviació n está ndar?
σ²= 25, σ=5, indica el grado de variació n de los datos.
ENSEÑ AR A INTERPRETAR RESULTADOS Y
DESCRIBIRLO
Tabla 1.
Resultados de la resistencia de 7 probetas.
Repeticione RESISTENCIA
s/Réplicas (Kgf/cm²)

1 250.6
2 245.5
3 238.9 Interpretar los datos de la Tabla 1.
4 249.2
A nivel descriptivo.
5 252.4
6 256.4
7 260.2
 Las ventas anuales de los artículos vendidos en el 2023 fueron los siguientes:

Producto Ventas anuales (S/)

Litro de aceite de soya 25400.00
Litro de aceite de palma 45600.00
Galones de aceite de palma 12800.00
Aceite oleaginosa 90640.00
Cajas x 24 jabones para lavar 345650.00
Cajas x 12 jabó n de tocador 186460.00
Aceite refinado Premium x litro 160740.00
 CLASIFICACIÓ N DE LA ESTADÍSTICA
I. ESTADÍSTICA DESCRIPTIVA:
• Estudia las características de un conjunto de datos con el fin de conocer los valores que los
describen. Herramientas:
• Medidas de tendencia central: media, moda, mediana,
• Dispersió n: dispersió n de varianza y desviació n típica.
• Forma: Coeficiente de Pearson

También se le conoce como deductiva, es el método para obtener, de un conjunto de datos,

conclusiones sobre los mismos y que no sobrepasan el conjunto de conocimientos que
proporcionan esos datos.

Islas Salomó n, C. A. Colín Uribe, M. P. y Morales Téllez, F. (2018). Probabilidad y estadística.

México, D.F, Grupo Editorial É xodo. Recuperado de
https://elibro.net/es/ereader/ucss/128557?page=18.
 CLASIFICACIÓN DE LA ESTADÍSTICA

II. ESTADÍSTICA INFERENCIAL: Inferir

• Analiza los datos de una muestra, su comportamiento de la població n a partir

de una (s) muestra (s), y puede establecer los efectos sobre una variable
respuesta.
Por ejemplo: Si en mi investigació n del % de mujeres que estudian ingeniería,
tomando 10 muestras resulta un promedio de 30%, entonces, puedo inferir que
en la UCSS el 30% que estudian ingeniería son Mujeres. Basado en los resultado
de 10 muestras.,. Mejor dicho utilicé 10 muestras para afirmar de una població n.
Otro concepto de Estadística Inferencial.
• Estadística inferencial: Es el método y conjunto de técnicas que se
utilizan para obtener conclusiones que sobrepasan los límites de los
conocimientos aportados por los datos.

Islas Salomó n, C. A. Colín Uribe, M. P. y Morales Téllez, F. (2018).

Probabilidad y estadística. México, D.F, Grupo Editorial É xodo.
Recuperado de https://elibro.net/es/ereader/ucss/128557?page=18.
 Estadística Inferencial

¿ Cuá l de los abonos tiene efecto Tratamiento 1:

30 gr. Urea/planta.
sobre el rendimiento de la Compost: 50 gr/planta

producció n de arroz?
Tratamiento 2:
50 gr. Urea/planta.
Compost: 50 gr/planta
¿ Cuá l es la variedad de papa con
menor tiempo de cocció n?
 VARIABLE RESULTADO (Variable
Variables: dependiente)

Variable independiente
Variedad de arroz

Suelo

Fertilizante

Rendimiento: Producción de arroz / Ha

Tiempo de cocción de papa

Resistencia de concreto (Kg/cm²)

 IMPORTANCIA DE LA ESTADÍSTICA
Estadística como herramienta. La curva de crecimiento exponencial del COVID 19
registrado por el MINSA servirá para tomar decisiones respecto a la ampliació n del
estado de emergencia.
1. Toma de decisiones gerenciales, porque se enfrentan a complejidades: nuevos
productos, introducir al mercado, ubicació n de la venta de negocio. Variedad a
producir. Adquisició n de terreno.
2. Ayuda enfrentar la incertidumbre, dó nde invertir.
3. Relació n entre variables, por ejemplo como las ventas y cambios en los ingresos,
satisfacció n al cliente.
4. Garantía de calidad, minimizar errores en el proceso productivo.
5. Efectos de las variables independientes sobre las Variables Dependientes (Variables
Respuesta). Inferencia estadística.
 POBLACIÓ N y MUESTRA
• Se denomina població n al conjunto completo de
Població n: Tomate
elementos, con alguna característica comú n, que
es objeto de nuestro estudio. Puede ser finita o
infinita. Tomate
Cherry
• Por població n estadística, o simplemente
població n, debe entenderse el total de Tomate
elementos de un grupo que se estudia, por de
ejemplo: 80 alumnos de 04 aulas de 1er grado cuelga
de primaria. Tomate
Roma
• Ejemplo: Los habitantes de un país, los planetas
del Sistema solar, las estrellas en la vía lá ctea.
• A un subconjunto de elementos de la població n Tomate
se le conoce como muestra Raf

Muestra Raf
MUESTRA:
• Una muestra es un conjunto de elementos extraídos de un conjunto
mayor (la població n), a fin de conocer de manera aproximada las
características de la població n de donde proviene.

Islas Salomó n, C. A. Colín Uribe, M. P. y Morales Téllez, F. (2018).

Probabilidad y estadística. México, D.F, Grupo Editorial É xodo.
Recuperado de https://elibro.net/es/ereader/ucss/128557?page=20.
 PARA EXTRAER UNA MUESTRA:
• Para extraer una muestra se define la població n objetivo, la unidad de observació n y el á mbito
o delimitació n geográ fica de la misma.

Ejemplo. Identificar la població n objetivo, la observació n y el á mbito geográ fico en :

Muestra: 28 estudiantes del 1er grado de secundaria de la I.E. Miguel Grau de

Nueva Cajamarca.

Població n: Estudiantes de 1er grado de secundaria.

Observació n. 28 Estudiantes.

Á mbito geográ fico: I.E. Miguel Grau de Nueva Cajamarca.

Puente Viedma, C. D. L. (2018). Estadística descriptiva e inferencial. Madrid, Spain: Ediciones IDT.
Recuperado de https://elibro.net/es/ereader/ucss/59931?page=173.
 Población y Muestra
• Ejemplo: Todos los estudiantes
de Pre grado de Ingeniería
Ambiental= Población.

01 Muestra: Estudiantes del IV

Ciclo de Ingeniería Ambiental.

Estudiantes de Ingeniería Ambiental IV CICLO

 TIPO DE MUESTRAS
• PROBABILÍSTICA. • NO Probabilística

Los métodos de muestreo En este método todos los

probabilístico buscan que todos elementos de la població n no
los elementos que conforman la poseen la misma probabilidad de
població n tengan igual ser seleccionados, es posible
probabilidad al ser seleccionados elegir las unidades muestrales
en la muestra. Es decir, todas las bajo determinados criterios
muestras de un tamañ o buscando mayor
determinado que se puedan sacar representatividad en la muestra.
de una població n tendrá n la
misma probabilidad de ser
elegidas.
 1.0 MUESTREO PROBABILÍSTICO
1.1 Muestreo aleatorio simple
1.1 El muestreo aleatorio simple Se asigna un número a cada elemento de la
población y, por medio de un mecanismo tal como balotas dentro de un recipiente
o el uso de números aleatorios, se elige el número de elementos requeridos para
la muestra (Martínez, 2000). es poco útil cuando se tienen poblaciones muy
grandes.
 1.2 El muestreo aleatorio sistemático.
El muestreo aleatorio sistemático consiste en asignar números a la totalidad de elementos
de la población. Martínez (2000, p. 2) describe el proceso para aplicar este tipo de
muestreo: Inicialmente se toma un número aleatorio i (elegido al azar) y los elementos que
conforman la muestra son aquellos que se ubican en los sitios i, i+k, i+2k, i+3k,..., i+(n-1)k, o
sea que se toman los individuos de k en k, donde k es el resultado de dividir el número de
elementos de la población entre el número de elementos de la muestra: k=N/n. El número i
que se emplea como punto de partida será un número al azar entre 1 y k.

N= 30, n= 5, k=6, i supongamos sale = 4

i=4, I + k = 4 + 6 = 10, I + 2k = 4 + 2(6) = 16, I + 3k = 4 + 18= 22, I + k = 4 + 24 = 28,

La muestra sería los nú meros : 4, 10, 16, 22, 28. Siendo N= 1, 2, …..30
 1.3 Muestreo aleatorio estratificado.
. Este tipo de muestreo busca simplificar los procesos, con el objeto de minimizar el error
muestral al determinar el tamaño óptimo de la muestra, básicamente cuando la población es
heterogénea y presenta gran variabilidad. El procedimiento consiste en determinar categorías (o
estratos) diferentes entre los elementos de la población (Martínez, 2000). Los estratos se definen
con respecto a la similitud entre las características de los elementos, por ejemplo: estado civil,
género y nivel salarial. Ejm: Trabajadores casados en cada Gerencia.
La distribución de los elementos que serán muestreados en cada estrato se conoce como
afijación, y puede ser de diferentes tipos:
Afijación simple: cuando el número de elementos muestreados se reparte en iguales cantidades en
todos los estratos. Gerencia 1: 5 trabajadores, GERENCIA 2: 5 TRABAJADORES.
Afijación proporcional: el número de elementos muestreados en cada estrato es la proporción de
su tamaño con respecto al de la población. Primero hallar la proporción, luego la cantidad de la
muestra.
Afijación óptima: además de la proporción en cada estrato, se tiene en cuenta la variación
(desviación típica). Este tipo de afijación no es muy usada, debido a que en la mayoría de los
procesos muestrales no se conoce la desviación.
 1.4 Muestreo aleatorio por conglomerados.
En este tipo de muestreo, el marco muestral está integrado por varios
elementos que forman una unidad, la cual se conoce como conglomerado. Por
ejemplo: las unidades de salud, los departamentos de una empresa, los
municipios de un departamento. Este tipo de muestreo se realiza mediante la
selección de un número de conglomerados de forma aleatoria y
posteriormente se analizan todos los elementos que pertenecen a los
conglomerados seleccionados (Martínez, 2000).
Ejemplo:
1.- Departamento Producció n
2.- Departamento de ventas
3.- Departamento de Administració n. Posada Hernández, G. J. (2016). Elementos básicos de estadística descriptiva
para el análisis de datos. Medellín, Universidad Católica Luis Amigó.
Recuperado de https://elibro.net/es/ereader/ucss/127436?page=28.
2.- Métodos de muestreo no probabilístico.

2.1 Muestreo por cuotas .

• Tiene como premisa el conocimiento amplio de los estratos o grupos
relevantes de la población.
• No tiene el carácter aleatorio (Posada y Buitrago, 2008).
• Para el muestreo se fijan “cuotas” que corresponden a un número de
elementos que cumplen ciertos requerimientos.

Ejm. Encuestar a 40 sufragantes por local.

Ejemplo: 50 personas entre los 18 y 30 años, estudiantes de pregrado y

residentes en una misma ciudad. En este caso, la cuota son los estudiantes
de pregrado residentes en una misma ciudad y serán seleccionados los
primeros 50 estudiantes que cumplan la condición.
2.2- Muestreo intencional u opiná tico.
Este tipo de muestreo se utiliza cuando la población es
desconocida y se requiere obtener “representativas”. Para ello, se
incluyen en la muestra grupos típicos que permitan suministrar
la información requerida, por ejemplo, sondeos preelectorales o
gustos sobre un evento (Martínez, 2007).

Ejemplo: Muestra rural 600 personas

y urbana 400 personas para sondeo de opinió n electoral.
La cantidad de personas se pudiera obtener proporcional a la població n
Que establece el INEI. En urbana y rural.
 2.3 Muestreo bola de nieve

Este tipo de muestreo es utilizado en estudios con poblaciones en las

cuales no se conocen los elementos que la integran, pero se sabe que
existen.
En este proceso se localizan algunos individuos que permitan la
vinculación con otros, y así hasta obtener una muestra representativa.

por ejemplo: estudios de graduados de una institución, de per-

sonas que han cometido un determinado delito, de miembros de
una secta religiosa, entre otros.
Posada Hernández, G. J. (2016).
 Otro ejemplo: Población y Muestra de área terreno.
• Població n: 01 hectá rea de terreno con límite demarcado.

• Muestras: Extraer 10 muestras , 02 muestras de 01 Kg de tierra en

cada cuadrante y 02 en el centro, con el fin de determinar el tipo de
suelo, hasta una profundidad de 50 cm.
M₁ M₃
MM₃ Tamañ o
M₂ M₄
M₄ De la
Muestra
M₉ (02)
M₁₀ element
os
M₅ M₇
M₆ M₈

Tipo estratificado.
 UNIDAD EXPERIMENTAL
• Corresponde a la unidad representativa de lo que va ser objeto específico de estudio en
una medició n y se refiere al qué o quién es objeto de interés en una investigació n.
• Ejemplo de Agraria: Una planta de café. Una planta de cacao.

• Ejemplo de Agraria: 1.0 m² de sembrío de culantro en cada tratamiento. Por má s que

existan 05 réplicas, la unidad experimental de medició n es 1.0 m² de culantro.
• Mi unidad experimental va ser 10 litros de agua residual colocados en un depó sito.

• Ejemplo: Mi unidad experimental va ser 01 niñ o por familia sometido a aná lisis de
contenido de plomo en la sangre.
• Ejemplo: Variedad de arroz Capirona afectado por la plaga en Rioja

• Ejemplo: Alto Mayo afectado por plaga del café.

• Ejemplo: 1 .0 hectá reas de Plantas de cacao de la asociació n JUNGLA solamente.

 VARIABLE Y CLASES
• Variable : Valores “ hombre” y “mujer”, Rendimiento.

• Variable “edad”; valores: 0,1,2,3, recién nacidos,

• Variable “ingresos mensuales”; Valores: 0- 100’ euros.

• Variables: Rendimiento de arroz, tiempo de cocció n de papa.

• Variables: Fertilizantes, cantidad de agua, Variedad de piñ a.

VARIABLE: Característica de cada sujeto (cada caso) de un

conjunto de datos.
Llamamos “variable” precisamente porque “varía” de sujeto a sujeto.
Cada sujeto tiene un valor para cada variable.
 VARIABLE DEPENDIENTE E
INDEPENDIENTE
• Variable Dependiente: Es aquel resultado que depende de la variable
independiente.
Ejemplo: Rendimiento de Tn/Ha
La Variable dependiente rendimiento depende de los fertilizantes o
calidad de suelo que son independientes.
• Variable Independiente: Es aquel cuyo valor hace efecto sobre la
variable Dependiente. Es la causa, es el factor que influye.
Ejemplo: % de Fertilizantes, abonos, calidad de suelo, etc.
Variable independiente % de Fertilizantes hace efecto sobre el
rendimiento de producción de arroz: Tn/ha.
 EJEMPLO DE VARIABLE: Elabore un Cuadro que diseñ e
los resultados del rendimiento de variedad de arroz en Kg/Ha.
Identifique las variables en este diseñ o:
Prueba de Duncan para Rendimiento de Grano
Kg/Ha al 14% de H°R
Variable Dependiente
Orden de Variedad Tratami Rend. En
mérito entos grano (Variable resultante)
(Kg)/Ha

1 Moro T1 101 7813.6

2 Alto Mayo T2102 7618.26
3 Capirona T3103 6690.34
4 Huallaga Inía T4104 6050.50

Variable independiente
Variable independiente.
 Ejemplos de Variable Dependiente e
Independiente
Prueba de Duncan para Nú meros de Granos Vano por Panoja

Orden de Variedad Tratamien Nú mero de

mérito tos Granos
Vano/Panoja
1 Alto Mayo T1 101 9
Variable dependiente
2 Huallga Inia T2102 4.9
3 Moro T3103 3.92
4 Capirona T4104 3.72

Variable independiente
VARIABLES
Discreta Variables que se pueden contar
CUANTITATIVA Continua Variables que se pueden medir

CUALITATIVA
Discreta Ejemplo: N° de TV en una
Vivienda¨: 0, 1, 2
Variables que
sirven para
medir Continua: Estatura de alumnos:
características 1.68, 1.75, 1.85
CLASES DE VARIABLES • Variables Discretas y Continuas

• Variable cualitativa: indica una Variables Discretas: Son el resultado

de contar, son nú meros enteros (N°
cualidad, ejemplo la media de miembros del hogar, ingresos,
estado civil; o de partido població n). Pueden ser cualitativas o
político. Preferencia por cuantitativas (intervalo) u ordinal
consumo de frugos. Preferencia (categoría, orden). N° de peces por
por el color fuccia. acuario. N° de mascotas por hogar. N° de
habitaciones por vivienda familiar: 1, 2,
• Variable cuantitativa: Es 3, 4.
medible, ejemplo la edad de Variables Continuas: Son infinitos
niñ os o jó venes. La estatura, las dentro de un rango, son agrupadas en
ppm de partículas de polvo en la intervalos. ( ejemplos: altura, peso, á rea
Av. Cajamarca. Rendimiento del del piso, edad) el nú mero de valores
posibles entre dos valores es infinito
arroz(Kg/Ha). (enteros, decimales). Solamente son
cuantitativas. Nunca puede ser medida
con exactitud. Ejemplo( 1.72m, 1.721m
……1.73m, 1.8134m…..)
 EJEMPLO DE VARIABLE:

• Peso de los niñ os recién nacidos en Cajamarca 2017:

N°
PESO (Kg) BEBES
[1.5—2.0] 30 Continuas o discretas?
[2.1--3.0] 164
[3.1--4.0] 23

• Peso de los pollos de una muestra de 1000.

N°
PESO (Kg)
POLLOS
[1.5--2.0] 42
[2.1--2.5] 840
[2.6--3.0] 118
 EJEMPLO DE VARIABLE:

• Producció n de arroz/Ha en la Provincia de Rioja 2017

Producció n
(Tn) Ha
[7.0--8.0] 23
[8.1--9.0] 1280
[9.1--10.0] 356

• Cultivo de café afectado por la plaga en el Alto Mayo 2016.

Distrito Ha
Rioja 840
Nuevo
Cajamarca 1080
Moyobamba 350
 OBSERVACIÓN
• Describe y explica: Por ejemplo observo que a la primera semana de
siembra de cebolla china, 10 semillas murieron por la plaga. Esto me
permite averiguar ¿Qué plaga es?, sus causas de la plaga, etc. Estos datos
hay que registrarlo.
• Datos será n adecuados y fiables. Eso significa que el investigador tiene
que comprobar en el campo, visualizar, tocar, pesar, medir, etc.
• Conductas perfectamente identificadas. Se refiere que una de las muestras
de tratamiento de agua residual en el laboratorio, comenzó a sedimentar
su materia orgá nica. Osea se observa un cambio, este dato hay que
registrar.
Ejemplo: Observar y registrar el nú mero de granos vano por panoja
 PARÁMETROS Y ESTADÍGRAFO
• Parámetro: Es una cantidad numérica estimada sobre una població n y
resume los valores que ésta toma en algú n atributo.
Intenta indicar toda la informació n que hay en la població n tomada de varias
muestras.
Ejemplo: El peso medio de los niñ os recién nacidos en el 2017 en la Regió n
San Martín es de 3.5 Kg. Se tomaron 100 muestras (100 réplicas) total a
nivel de todas las provincias. El pará metro es el peso promedio de niñ os
recién nacidos.
Este dato se puede utilizar como pará metro confiable, por la metodología y
seriedad del trabajo de investigació n realizada.
Diferencia entre pará metro y estadígrafo
• La diferencia entre un parámetro y un estadígrafo es que el primero
es una medida descriptiva relacionada a una población mientras que
la segunda es una medida descriptiva relacionada a una muestra.
• Ahora, una població n es un conjunto de datos que son generales
mientras que la muestra es parte de una población.
• Por ende, pudiéramos decir que un parámetro se origina partiendo
de un estadígrafo.
Ejemplo: PARÁMETROS Y ESTADÍSTICOS
• El pará metro de la producció n de arroz/Ha en la regió n San Martín

es de 6 Tn/ha. Este resultado fue obtenido de una muestra de 200 unidades

experimentales.
• Este dato es casi generalizado en el rendimiento de la producció n del arroz
en San Martín.
 Estadígrafo o estadístico
• Estadístico: Es una cantidad numérica calculada sobre una muestra que resume su
informació n sobre algú n aspecto.
• Si un estadístico se usa para aproximar un pará metro también se le suele llamar
“estimador”
• Ejemplo: Rendimiento de la investigació n de arroz

• La media µ₁ de la producció n de arroz del tratamiento T1 de la variedad capirona.

• La media µ₂ de la producció n de arroz del tratamiento T2 de la variedad capirona.
• Ejemplo: Muestras de cacao/Ha

• Se toma 03 muestras de cacao (en fruto) en una hectá rea con los siguientes pesos
medios:
M1= 2.2 Kg, M2= 2.4 Kg , M3= 2.8 Kg.
 Práctica 01

• Formar grupos de dos • Formar grupos de dos

compañ eros de clase y dar compañ eros de clase y
plantear .
05 ejemplos de Població n y
muestra aplicado a su • 02 tablas de variables continuas
especialidad.
• 02 tablas con variables
• Plantear O5 tratamientos discretas.
indicando la variable
dependiente e independiente • 05 ejemplos de pará metro

• 05 ejemplos de estadístico o
estadígrafo.
 REPASO
• Població n y Muestra:

La Població n es el todo, la muestra es una parte de la població n.

• Variable dependiente (Variable respuesta) e independiente.

Variable dependiente.- Es la variable resultante, es el producto o

consecuencia, constituída por varias variables independientes.
Variable independiente.- Es la causa o factor que influye sobre la
variable dependiente, contribuye con otras variables a obtener un
resultado.
Ejemplo: El excesivo consumo de cigarro genera cá ncer al pulmó n.
La variable independiente es el excesivo consumo de cigarro. Y la
Variable dependiente es el cancer al pulmó n, mejor dicho la
consecuencia.
REPASO veamos un ejemplo:
• Variable discreta y continua

La variable discreta es un entero, no es necesario agruparlos en intervalos. Ejemplo:

Nú mero de Hijos por familia.
Cuadro 1
N°
Si intentamos agrupar en intervalos sería:
Cuadro 2
N° de Hijos/familia Familias(Frecuencia)
N° de Hijos/familia N° Familias(Frecuencia)
0 5 0---2 23
1 8
2----4 ?
2 10 4------6 ?
3 18
4 11
5 6

Pero el Cuadro 1 tiene mayor precisió n. Es exacto. Pero el Cuadro 2

Me distorsiona la informació n, ya que estoy agrupando con 0, 1 y 2 hijos en un
solo intervalo. Por lo tanto es mejor utilizarlo como Variable discreta.