MAPA CONCEPTUAL

Flowchart nodes

• ESTADISTICA  

• ESTADISTICA INFERENCIAL Interpreta los valores que resultan de las tecnicas descriptivas, tomar decisiones y extrer conclusiones 

• POBLACIÓN: colección o conjunto de individuos, objetos o eventos cuyas propiedades se analizarán.El conjunto es completo porque incluye a todos los sujetos que se estudiarán. MUESTRA: un subconjunto de miembros seleccionados de una población. Una muestra consiste en los individuos, objetos o mediciones seleccionadas de la población por el recolector de la muestra.  

• ESTDISTICA DESCRIPTIVA Se encarga de recoger, almacenar, ordenar, realizar tablas o graficos y calcular parametros basicos sobre el conjunto de datos.

• VARIABLE (o Variable de respuesta): una característica de interés acerca de cada elemento individual de una población o muestra. VALOR DE DATOS: el valor de la variable asociado con un elemento de una población o muestra. Este valor puede ser un número, una palabra o un símbolo. DATOS: El conjunto de valores recolectados de la variable para cada uno de los elementos que pertenecen a la muestra.

• EXPERIMENTO: Actividad planificada cuyos resultados producen un conjunto de datos. PARÁMETRO: Valor numérico que resume todos los datos de una población entera. ESTADÍSTICO: valor numérico que resume los datos muéstrales EJEMPLOS: •Estatura  •Edad •Salarios •Número de nacimiento

• VARIABLE CUALITATIVA, CATEGÓRICA O ATRIBUTO: Describe o jerarquiza un elemento de una población

• Nominal: A B C D (Clasificar) Ordinal: I II III IV(Jerarquizar)

• VARIABLE CUANTITATIVA O NUMÉRICA: Variable que cuantifica un elemento de una población.

• Discreta: 1234 ( Contar)  Continúa: 1.5 3.6 12.8(Medir)

• MENSURABILIDAD Y VARIABILIDAD  VARIABILIDAD: Es una medida de la dispersión de los datos en una distribución sea está teórica o de una muestra.

• METODOS ESTADISTICOS

• ESTUDIO OBSERVACIONAL: Se ven y miden características específicas, pero no intentamos modificar a los sujetos que estamos estudiando. ESTUDIO EXPERIMENTAL: Se aplican algunos tratamientos y luego procedemos a observar sus efectos sobre los sujetos( en los experimentos, a los sujetos se les denomina unidades experimentales).

• ESTUDIO TRANSVERSAL: a los datos se observan, miden y reúnen en un solo momento. ESTUDIO RETROSPECTIVO: los datos se toman del pasado (mediante el examen de registros, de entrevistas y otros). ESTUDIO PROSPECTIVO: los datos se reunirán en el futuro y se toman de grupos llamados cohortes) que comparten factores comunes.

• Diseño de bloque aleatorio: Se usa este diseño experimental si se realizan experimentos para probar uno o más tratamientos diferentes, si  existen grupos de sujetos similares y si los grupos difieren en aspectos que podrían afectar las respuestas a los tratamientos. Diseño de experimental completamente aleatorio: los sujetos se asignan a distintos grupos de tratamiento mediante un proceso de selección aleatoria. Diseño rigurosamente controlado: los sujetos se eligen cuidadosamente, de manera que quienes reciban cada tratamiento sean similares en aspectos para el experimento.​  

• Factores importantes en el diseño de experimentos

• Métodos de recolección de datos​ Método de muestreo: proceso de selección de ítems o eventos que se convertirán en la muestra.​ Método de muestreo sesgado: método de muestreo que produce datos que sistemáticamente difieren de la población modelo. El muestreo repetido no corregirá el sesgo.​ Método de muestreo no sesgado: método de muestreo que no está sesgado y produce datos que son representativos de la población original. ​

• EJEMPLOS: MUESTREO SESGADO ● Encuestas donde se dirige al público a seleccionar una respuesta sobre de otra. ● Encuestar sobre la popularidad de un programa de deportes a la clientela de una tienda dedicada al deporte.

• Diseños muestrales Muestras probabilísticas:Los elementos a seleccionar se extraen en base de la probabilidad. Cada elemento de una población tiene cierta posibilidad de ser seleccionado como parte de la muestra. Muestras dirigidas:Muestras que se seleccionan sobre la base de juzgarse “típicas”.

• Muestreo sencillo Los elementos del marco muestral se tratan igual y no hay subdivisión o partición del marco. Muestreo múltiples

• Métodos de muestreo sencillo Muestra aleatoria: los miembros de la población se seleccionan de forma que cada miembro individual tenga la misma posibilidad de ser elegido. Muestra aleatoria simple: n sujetos se seleccionan de manera que cada posible muestra del mismo tamaño n tenga la misma posibilidad de ser elegida. Técnica más sencilla pero ineficiente. Muestreo sistemático: se selecciona cada k-ésimo término del marco muestral, a partir de un primer elemento, que se selecciona aleatoriamente de los primeros k elementos.

• Ejemplo. Muestreo sistemático para una población de 800 estudiantes con un tamaño de muestra de n= 24, y empezando con el estudiante 5.

• Métodos múltiples Muestreo aleatorio múltiple: Diseño muestral en el que los elementos del marco muestral se subdividen y la muestra se elige en más de una etapa. Suelen incluir distintos procedimientos de muestreo. Muestreo aleatorio estratificado: Muestra que se obtiene al estratificar la población o marco muestral y entonces se selecciona un número de ítems de cada uno de los estratos mediante una técnica de muestreo aleatorio simple. Muestreo aleatorio estratificado proporcional: se obtiene al estratificar la población o marco muestral y después seleccionar un número de ítem proporcional al tamaño de los estratos de cada estrato mediante una técnica de muestreo aleatorio simple. Muestreo por conglomerados: se obtiene al estratificar la población o marco muestral y después seleccionar algunos o todos los ítems de algunos estratos, mas no de todos.

• Errores de muestreo Error de muestreo: es la diferencia entre el resultado de una muestra y el verdadero resultado de la población; este error es consecuencia de las fluctuaciones por el azar. Error que no es de muestreo: sucede cuando los datos muestrales se obtienen, registran o analizan de forma incorrecta (como cuando se selecciona una muestra sesgada, cuando se usa un instrumento de medición defectuoso o cuando se copian los datos de forma incorrecta).