Glosario de Términos Estadísticos

GLOSARIO DE TERMINOS

Defina los siguientes términos

1. Dato: Conocido también como información, es el valor de la variable asociada a un elemento de una población o una muestra.
2. Población: Es cualquier conjunto de unidades o elementos claramente definido, en el espacio y el tiempo, donde los elementos pueden ser personas, granjas, hogares, manzanas, condados, escuelas, hospitales, empresas, y cualquier otro. Las poblaciones pueden ser finitas e infinitas.
3. Muestra: Es un subconjunto representantivo de la población a partir del cual se pretende realizar inferencias respecto a la población de donde procede. Los elementos seleccionados con cierta técnica reúne ciertas características que la hacen ser representativa, significativa y confiable y que en base a ella se pueden hacer inferencias respecto a la población. La muestra puede ser probabilística y no probabilística.
4. Parámetro: Es cualquier valor característico de la población. Ejemplo: la media de la población, la desviación típica de la población. Sin embargo estos valores son desconocidos porque no siempre podemos tener todos los datos de la población para calcularlos.
5. Estimación: es el conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a partir de los datos proporcionados por una muestra.
6. Azar: es la característica de un experimento que produce resultados diversos, impredecibles en cada situación concreta, pero cuyas frecuencias, a la larga, tienden a estabilizarse hacia un valor “límite” en el infinito.
7. Aleatorio: es todo dato obtenido al azar, es decir, que todo número tenga la misma probabilidad de ser elegido y que la elección de uno no dependa de la elección del otro.
8. Inferencia: Es una parte de la estadística cuya finalidad es obtener conclusiones respecto a la población a partir de datos observados en muestras. Es el proceso por medio del cual se hacen aseveraciones o estimaciones de un todo, a partir de sus partes o elementos.
9. Estimación: es el conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a partir de los datos proporcionados por una muestra.
10. Media aritmética: Es una medida de tendencia central que denota el promedio de un conjunto de datos. Se calcula dividiendo la suma del conjunto de datos entre el total de ellos. Simbólicamente se representa por X
11. Proporción: es el número de veces que se presenta ese dato respecto al total de datos. Se conoce también como frecuencia relativa y es uno de los parámetros de cálculo más sencillo. Tiene la ventaja de que puede calcularse para variables cualitativas.
12. Estimación puntual: Consiste en la estimación del valor del parámetro mediante un sólo valor, obtenido de una fórmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado grupo de individuos, puede extraerse una muestra y ofrecer como estimación puntual la talla media de los individuos.
13. Estimación de intervalos: El intervalo dentro del cual se espera que se encuentre un parámetro poblacional usualmente es conocido como intervalo de confianza. Se trata por lo tanto de una variable aleatoria bidimensional, donde, por ejemplo, el intervalo de confianza para la media poblacional es el intervalo de valores que tiene una alta probabilidad de contener a la media de la población.
14. Grado o nivel de confianza: es la probabilidad de que no se equivoca al no rechazar la hipótesis nula verdadero generalmente es de 95%, puede ser de 90% o de 99%, etc.
15. Grados de libertad: En estadística grados de libertad de un estadístico calculado en base a n datos, se refiere al número de cantidades independientes que se necesitan en su cálculo, menos el número de restricciones que ligan a las observaciones y el estadístico. Simbólicamente se representa por gl.
16. Variable: Es una característica de la población o de la muestra cuya medida puede cambiar de valor. Se representa simbólicamente mediante las letras del alfabeto. Según su naturaleza puede ser cualitativa y cuantitativa.
17. Variable aleatoria: Conocida también como variable estocástica o probabilística. Es la característica considerada en un experimento aleatorio cuyo valor de ocurrencia sólo puede saberse con exactitud una vez observado.
18. Variable cualitativa: Es aquella que representa cualidades, atributos o características no numéricas y estas pueden ser nominales y ordinales.
19. Variable cuantitativa: Es aquella característica de la población o de la muestra que es posible representar numéricamente. Éstas pueden ser continua y discreta.
20. Variable aleatoria discreta: Es una variable cuantitativa. Es la característica de la población, cuyos valores están representados mediante el conjunto de los números naturales. Por ejemplo, el número de alumnos de un aula.
21. Variable aleatoria continua: Es una variable cuantitativa. Es la característica de la población, cuyos valores están representados mediante el conjunto de los números reales. Puede tomar cualquier valor real dentro de un intervalo. Por ejemplo, la velocidad de un vehículo puede ser 80,3 km/h, 94,57 km/h.
22. Muestreo no probabilístico: Es aquella que se obtiene mediante juicio de la persona que selecciona los elementos de la muestra que usualmente es un experto en la materia. Este método está basado en los puntos de vista subjetivos de una persona y la teoría de la probabilidad no puede ser empleada para medir el error de muestreo. Las principales ventajas de una muestra de juicio son la facilidad de obtenerla y que el costo usualmente es bajo.
23. Muestreo aleatorio simple: También llamado irrestrictamente aleatorio. Es un método de muestreo donde una muestra aleatoria simple es seleccionada de tal manera que cada muestra posible del mismo tamaño tiene igual probabilidad de ser seleccionada de la población.
24. Muestreo aleatorio sistemático: Es una variante del método aleatorio simple de selección de cada elemento de la muestra. Se aplica cuando la población está listada en algún orden. Consiste en seleccionar un número aleatorio menor que N/n y luego los (n-1) elementos de la muestra se eligen agregando al primer aleatorio: el entero K obtenido por K=N/n y así sucesivamente. El primer elemento de la muestra es seleccionado al azar. Por lo tanto, una muestra sistemática puede dar la misma precisión de estimación acerca de la población que una muestra aleatoria simple cuando los elementos en la población están ordenados al azar.
25. Muestreo aleatorio estratificado: Es un método de muestreo que se aplica cuando se divide la población en grupos, llamados estratos, donde los datos son más homogéneos pero un estrato frente al otro muy distintos. Para extraer la muestra aleatoria se aplica el muestreo aleatorio simple a cada estrato y el tamaño es la suma de los tamaños de todos los estratos. Para determinar los tamaños de los estratos se puede utilizar la asignación proporcional, óptima y óptima económica. Si no se conoce la variabilidad de los datos se aplica la asignación proporcional.
26. Muestreo por conglomerados: Es un método de muestreo en el cual la población está en grupos debido a la organización administrativa u otro (conglomerados). Ejemplo: Colegios, Universidades, manzanas de casas, entre otros. Al interior de los conglomerados no se puede garantizar homogeneidad.
27. Error de muestreo: Conocido también como error muestral, es la diferencia que existe entre el valor real (parámetro) obtenido con los valores de la población y el valor estimado en base a los valores de una muestra (estimación).
28. Distribución muestreal: es la lista de posibles valores de un estadístico y la probabilidad asociada a cada valor. Se puede construir varias distribuciones muestrales a partir de una población y dependerá del tipo de estadístico que se tome como referencia.
29. Teorema de límite central: es uno de los resultados fundamentales de la estadística. Este teorema nos dice que si una muestra es lo bastante grande (generalmente cuando el tamaño muestral (n) supera los 30), sea cual sea la distribución de la media muestral, seguirá aproximadamente una distribución normal. Es decir, dada cualquier variable aleatoria, si extraemos muestras de tamaño n (n>30) y calculamos los promedios muestrales, dichos promedios seguirán una distribución normal.
30. Teorema de chebyshev: da una estimación conservadora de la probabilidad de que una variable aleatoria tome un valor dentro de κ desviaciones estándar de su media para cualquier número real κ proporcionaremos la demostración solo para el caso continuo y se deja el caso discreto como ejercicio. La probabilidad de que cualquier variable aleatoria X, tome un valor dentro de la κ desviaciones estándar de la media es al menos 1 – 1 / κ2. Es decir P (µ – κ σ < X < µ + κ σ) ≥ 1 – 1–κ2.

Citar este texto en formato APA: _______. (2016). WEBSCOLAR. Glosario de Términos Estadísticos. https://www.webscolar.com/glosario-de-terminos-estadisticos-2. Fecha de consulta: 21 de noviembre de 2024.