Close
Dato
Conocido también como información
Población:
Es cualquier conjunto de unidades o elementos claramente definido
Muestra:
Es un subconjunto representativo de la población a partir del cual se pretende realizar inferencias respecto a la población de donde procede.
Parámetro:
Es cualquier valor característico de la población
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.
Azar:
es la característica de un experimento que produce resultados diversos, impredecibles en cada situación concreta
Aleatorio: es todo dato obtenido al azar, es decir, que todo número tenga la misma probabilidad de ser elegido
Inferencia: Es una parte de la estadística cuya finalidad es obtener conclusiones respecto a la población a partir de datos observados en muestras
Media aritmética: Es una medida de tendencia central que denota el promedio de un conjunto de datos.
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.
Estimación puntual: Consiste en la estimación del valor del parámetro mediante un sólo valor, obtenido de una fórmula determinada
Estimación de intervalos: El intervalo dentro del cual se espera que se encuentre un parámetro poblacional usualmente es conocido como intervalo de confianza
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.
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.
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.
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.
Variable cualitativa: Es aquella que representa cualidades, atributos o características no numéricas y estas pueden ser nominales y ordinales.
Variable cuantitativa: Es aquella característica de la población o de la muestra que es posible representar numéricamente. Éstas pueden ser continua y discreta
Variable aleatoria discreta: Es una variable cuantitativa. Es la característica de la población, cuyos valores están representados mediante el conjunto de los números naturales
Variable aleatoria continua: Es una variable cuantitativa. Es la característica de la población, cuyos valores están representados mediante el conjunto de los números reales.
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
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.
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).
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.
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.
