Historia de la Estadística

La palabra Estadística procede del vocablo “Estado”, pues era función principal de
los Gobiernos de los Estados establecer registros de población, nacimientos,
defunciones, impuestos, cosechas... La necesidad de poseer datos cifrados sobre
la población y sus condiciones materiales de existencia han debido hacerse sentir
desde que se establecieron sociedades humanas organizadas.

Es difícil conocer los orígenes de la Estadística. Desde los comienzos de la

civilización han existido formas sencillas de estadística, pues ya se utilizaban
representaciones gráficas y otros símbolos en pieles, rocas, palos de madera y
paredes de cuevas para contar el número de personas, animales o ciertas cosas.

Su origen empieza posiblemente en la isla de Cerdeña, donde existen

monumentos prehistóricos pertenecientes a los Nuragas, las primeros habitantes
de la isla; estos monumentos constan de bloques de basalto superpuestos sin
mortero y en cuyas paredes de encontraban grabados toscos signos que han sido
interpretados con mucha verosimilidad como muescas que servían para llevar la
cuenta del ganado y la caza.

Hacia el año 3.000 a.e.c. los babilonios usaban ya pequeñas tablillas de arcilla
para recopilar datos en tablas sobre la producción agrícola y los géneros vendidos
o cambiados a. e.c. mediante trueque.

Los egipcios ya analizaban los datos de la población y la renta del país mucho
antes de construir las pirámides. En los antiguos monumentos egipcios se
encontraron interesantes documentos en que demuestran la sabia organización y
administración de este pueblo; ellos llevaban cuenta de los movimientos
poblacionales y continuamente hacían censos. Tal era su dedicación por llevar
siempre una relación de todo que hasta tenían a la diosa Safnkit, diosa de los
libros y las cuentas. Todo esto era hecho bajo la dirección del Faraón y fue a partir
del año 3050.

En la Biblia observamos en uno de los libros del Pentateuco, bajo el nombre de

Números, el censo que realizó Moisés después de la salida de Egipto.
Textualmente dice: "Censo de las tribus: El día primero del segundo año después
de la salida de Egipto, habló jehova a Moisés en el desierto de Sinaí en el
tabernáculo de la reunión, diciendo: "Haz un censo general de toda la asamblea
de los hijos de Israel, por familias y por linajes, describiendo por cabezas los
nombres de todos los varones aptos para el servicio de armas en Israel. En el libro
bíblico Crónicas describe el bienestar material de las diversas tribus judías.
En China existían los censos chinos ordenados por el emperador Tao hacia el año
2.200 a. e.c.

Posteriormente, hacia el año 500 a. e.c., se realizaron censos en Roma para

conocer la población existente en aquel momento. Se creó la figura del censor,
cuya misión consistía en controlar el número de habitantes y su distribución por los
distintos territorios.

En la Edad Media, en el año 762, Carlomagno ordenó la creación de un registro de

todas sus propiedades, así como de los bienes de la iglesia.

Después de la conquista normanda de Inglaterra en 1.066, el rey Guillermo I, el

Conquistador, elaboró un catastro que puede considerarse el primero de Europa.

Los Reyes Católicos ordenaron a Alonso de Quintanilla en 1.482 el recuento de

fuegos (hogares) de las provincias de Castilla.

En 1.662 un mercader de lencería londinense, John Graunt, publicó un tratado con

las observaciones políticas y naturales, donde Graunt pone de manifiesto las cifras
brutas de nacimientos y defunciones ocurridas en Londres durante el periodo
1.604-1.661, así como las influencias que ejercían las causas naturales, sociales y
políticas de dichos acontecimientos. Puede considerarse el primer trabajo
estadístico serio sobre la población.

Curiosamente, Graunt no conocía los trabajos de Blaise Pascal » (1.623-1.662) ni

de Christiaan Huygens (1.629-1.695) sobre estos mismos temas. Un poco más
tarde, el astrónomo Edmund Halley (1.656- 1.742) presenta la primera tabla de
mortalidad que se puede considerar como base de los estudios contemporáneos.
En dicho trabajo se intenta establecer el precio de las anualidades a satisfacer a
las compañías de seguros. Es decir, en Londres y en París se estaban
construyendo, casi de manera simultánea, las dos disciplinas que actualmente
llamamos estadística y probabilidad.

En el siglo XIX, la estadística entra en una nueva fase de su desarrollo con la

generalización del método para estudiar fenómenos de las ciencias naturales y
sociales. Galton » (1.822-1.911) y Pearson (1.857-1936) se pueden considerar
como los padres de la estadística moderna, pues a ellos se debe el paso de la
estadística deductiva (de lo general a lo particular) a la estadística inductiva(va de
lo particular a lo general).

Los fundamentos de la estadística actual y muchos de los métodos de inferencia

son debidos a Ronald Aylmer Fishe. Se interesó primordialmente por la eugenesia,
lo que le conduce, siguiendo los pasos de Galton a la investigación estadística,
sus trabajos culminan con la publicación de la obra Métodos estadísticos para
investigaciones. En él aparece la metodología estadística tal y como hoy la
conocemos.

Eugenesia hace referencia al “buen nacimiento”. Se trata de la disciplina que

busca aplicar las leyes biológicas de la herencia para perfeccionar la especie
humana. La eugenesia supone una intervención en los rasgos hereditarios para
ayudar al nacimiento de personas más sanas y con mayor inteligencia

A partir de mediados del siglo XX comienza lo que podemos denominar la

estadística moderna, uno de los factores determinantes es la aparición y
popularización de los computadores. El centro de gravedad de la metodología
estadística se empieza a desplazar técnicas de computación intensiva aplicadas a
grandes masas de datos, y se empieza a considerar el método estadístico como
un proceso iterativo de búsqueda del modelo ideal

Las aplicaciones en este periodo de la Estadística a la Economía conducen a una

disciplina con contenido propio: la Econometría. La investigación estadística en
problemas militares durante la segunda guerra mundial y los nuevos métodos de
programación matemática, dan lugar a la Investigación Operativa.

Teoría del muestreo

En la práctica profesional, el profesional se enfrenta con frecuencia ante la

necesidad de conocer realidades respecto a proceso, procedimientos que
involucran todas las área del conocimiento ejemplos cambios climáticos,
desastres naturales, procesos laborales, trasmisión de información, una
enfermedad, un medicamento, una técnica quirúrgica, niveles de educación e
información; de esta forma se hace necesario conocer un grupo poblacional, sería
preciso examinar todos los miembros o procesos de ese grupo población con el
fin de observar el comportamiento de las variables en estudio.

Sin embargo, muchas veces, el grupo en estudio es tan grande que hace difícil,
casi imposible el examen de todos sus miembros, por lo que se procede
comúnmente a examinar un determinado número de individuos u objetos, observar
el comportamiento de las variables en estudio en este conjunto limitado para luego
extender los resultados al conjunto total, con cierto grado de confianza. Es
entonces, importante conocer que se puede estudiar un sub conjunto de la
población para luego inferir los resultados al conjunto total de elementos con un
cierto grado de precisión el cual dependerá de la selección de los elementos del
sub conjunto a estudiar y de los métodos de inferencia para la obtención de
premisas generales.

Inferencia: es la acción y efecto de inferir (deducir algo, sacar una consecuencia

de otra cosa, para conducir a un resultado). La inferencia surge a partir de una
evaluación mental entre distintas expresiones que, al ser relacionadas como
abstracciones, permiten trazar una implicación lógica.

La inferencia puede ser la capacidad de obtener información o establecer

conclusiones que no están expresadas de forma explícita, bien sea en escritos o
en cualquier forma de comunicación. También pudiera ser el acto o proceso de
sacar conclusiones lógicas a partir de premisas que se saben o suponen que son
verdaderas.

En la “teoría del muestreo”, la selección adecuada en cantidad y calidad de los

individuos que constituirán el grupo de observación, para ello es necesario tener
conceptos muy claros respecto a población o universo y muestra.

La teoría del muestreo es un estudio de las relaciones existentes entre una

población y muestras extraídas de la misma. Tiene gran interés en muchos
aspectos de la estadística.

Por ejemplo, permite estimar cantidades desconocidas de la población (tales como

la media poblacional, la varianza, etc.), frecuentemente llamadas parámetros
poblacionales o brevemente parámetros, a partir del conocimiento de las
correspondientes cantidades muestrales (tales como la media muestral, la
varianza, etc.), a menudo llamadas estadísticos muestrales o brevemente
estadísticos.

La teoría de muestreo es también útil para determinar si las diferencias que se

puedan observar entre dos muestras son debidas a la aleatoriedad de las mismas
o si por el contrario son realmente significativas. Tales preguntas surgen, por
ejemplo, al ensayar un nuevo suero para el tratamiento de una enfermedad, o al
decidir si un proceso de producción es mejor que otro. Estas decisiones envuelven
a los llamados ensayos e hipótesis de significación, que tienen gran importancia
en teoría de la decisión.

Ejemplos

Nota del Bloguista de Baracutey Cubano

En Estadísticas y, en particular, en la Teoría General del Muestreo, existe el

concepto de Muestra Representativa de una población, que es aquella muestra o
parte que representa las características de la población. En la Teoría del Muestro
se estudian diferentes técnicas o métodos para extraer muestras que sean
representativas de la población sobre la cual se van a inferir resultados
(poblacionales) a partir de los resultados muestrales presentes en las muestras
extraídas y estudiadas. También en la Teoría General del Muestreo se estudia
como determinar el tamaño de muestra (número de personas u observaciones
que van a componer la muestra) necesario para inferir con cierta confiabilidad,
teniendo en cuenta el error dispuesto a correr, los resultados poblacionales a partir
de los resultados muestrales.

Los resultados dados por Tibisay Lucena en la noche del 14 de abril o madrugada
del 15 de abril de 2013: 50.66% de los votos a favor de Nicolas Maduro y el 49.07
a favor de Henrique Capriles fueron dados con el 98% de la población de todos
los que votaron ese día; o sea, esos resultados podemos verlos como resultados
muestrales que se obtuvieron de una muestra del 98% del tamaño de la población
o universo. Sin embargo, los resultados finales con el 100% de la población de los
que votaron ese día, arrojaron un resultado tal, que el 2% de los votos que
faltaban por contar cuando Tibisay dio el anuncio, se comportaron con un 61%
para Maduro y un 31 % para Capriles, algo IMPOSIBLE, pues en ese 2% los
votos para ambos candidatos debieron de comportarse muy cercanos al 50% tanto
para Capriles como para Maduro, pues así se había comportado,
SUPUESTAMENTE, el 98 % de la población de los que votaron ese día. Si se
cometió fraude en el 2% de los votos, hay razones más que suficientes para dudar
que también se cometiera fraude en el 98% restante.

CONCEPTOS DE MUESTREO

Población: Es todo conjunto de elementos, finito o infinito, definido por una o más
características, de las que gozan todos los elementos que lo componen, y sólo
ellos.

En muestreo se entiende por población a la totalidad del universo que interesa

considerar, y que es necesario que esté bien definido para que se sepa en todo
momento que elementos lo componen.

No obstante, cuando se realiza un trabajo puntual, conviene distinguir entre

población teórica: conjunto de elementos a los cuales se quieren extrapolar los
resultados, y población estudiada: conjunto de elementos accesibles en nuestro
estudio.
El tamaño que tiene una población es un factor de suma importancia en el proceso
de investigación estadística y este tamaño vienen dado por el número de
elementos que constituyen la población, según el número de elementos la
población puede ser finita o infinita. Cuando el número de elementos que integra la
población es muy grande, se puede considerar a esta como una población
infinita, por ejemplo; el conjunto de todos los números positivos.

Una población finita es aquella que está formada por un limitado número de
elementos, por ejemplo; el número de habitantes de un pueblo.

Cuando la población es muy grande, es obvio que la observación y/o medición de

todos los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y
costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una
muestra estadística.

La población finita inicial que se desea investigar se denomina población objetivo,

pero el muestreo de toda la población objetivo no siempre es posible debido a
diferentes problemas que no permiten obtener información de algunos de sus
elementos (inaccesibilidad de algunos de sus elementos, negativas a colaborar,
ausencias, etc.), con lo que la población que realmente es objeto de estudio o
población investigada no coincide con la población objetivo.

Es a menudo imposible o poco práctico observar la totalidad de los individuos,

sobre todos si estos son muchos. En lugar de examinar el grupo entero llamado
población o universo, se examina una pequeña parte del grupo denominada
muestra.

El Tamaño de la Población: es el número de elementos y unidades que

conforman la población. Se denota con N.

Ejemplo, el tamaño de la población es el número de artículos que conforman el

lote, N = 10,000.

Una o más unidades de muestreo seleccionadas de una

Muestra: La muestra es una representación significativa de las características de

una población, el un error (generalmente no superior al 5%) se estudian las
características de un conjunto poblacional mucho menor que la población global.

"Se llama muestra a una parte de la población a estudiar que sirve para
representarla". Murria R. Spiegel (1991).
"Una muestra es una colección de algunos elementos de la población, pero no de
todos". Levin & Rubin (1996).

"Una muestra debe ser definida en base de la población determinada, y las

conclusiones que se obtengan de dicha muestra solo podrán referirse a la
población en referencia", Cadenas (1974).

Por ejemplo estudiamos los valores sociales de una población de 5000 habitantes
aproximadamente., entendemos que sería de gran dificultad poder analizar los
valores sociales de todos ellos, por ello, la estadística nos dota de una
herramienta que es la muestra para extraer un conjunto de población que
represente a la globalidad y sobre la muestra realizar el estudio. Una muestra
representativa contiene las características relevantes de la población en las
mismas proporciones que están incluidas en tal población.

Los expertos en estadística recogen datos de una muestra. Utilizan esta

información para hacer referencias sobre la población que está representada por
la muestra. En consecuencia muestra y población son conceptos relativos. Una
población es un todo y una muestra es una fracción o segmento de ese todo.

El Tamaño de la Muestra: es el número de elementos que conforman la muestra.

Se denota con n.

El tamaño de la muestra, es el número de artículos seleccionados. Es decir, si

seleccionamos tres cajas (cada caja con 20 artículos) de artículos para la
inspección, el tamaño de muestra será n = 60 artículos.

Un parámetro: es un valor numérico de la población usualmente desconocido,

que representan ciertas características numéricas de la población.

Los parámetros más usuales son la media poblacional, μ (si se trata de

mediciones numéricas) y la proporción poblacional, P (si se trata de mediciones
cualitativas). Además, se conoce otros parámetros como la desviación estándar
poblacional σ, total poblacional T, etc. Ejemplo, parámetro desconocido que
deseamos estimar es una proporción poblacional P.

P: proporción de artículos defectuosos en el Lote.

Un estimador: es una función real de la muestra aleatoria, usado para estimar un

parámetro.

ERROR DE MUESTREO: Se comete con la aplicación de un método específico

de muestreo y está dado por la diferencia entre el valor poblacional y el valor que
se obtiene de una muestra.
 El término error no se debe interpretar como sinónimo de equivocación o de que
algo está mal hecho; esto se refiere más bien al margen de incertidumbre
esperado.

Ejemplo: Usted escucha decir a los que difunden los resultados de una encuesta,
nuestros resultados contemplan un X% de margen de error; a veces utilizan un
3%, a veces un 5%, un 13%, esto es, dependiendo de la naturaleza de la variable
analizada en el estudio de muestreo del cual se trate.

El error de muestreo se puede determinar ya que al calcular los estimadores de la

muestra se pueden comparar con los parámetros poblacionales. Ejemplos de
estos estimadores son la varianza de la variable, la desviación típica o error
estándar, el coeficiente de variación de las variables etc. Estos errores son
controlables variando el tamaño de la muestra.

ERRORES AJENOS AL MUESTREO: Son errores de cobertura, errores de

medición, errores de elaboración y publicación. Estos errores pueden presentarse
tanto en investigaciones exhaustivas (CENSOS) como en muestreo (MÉTODO
REPRESENTATIVO), lográndose un mayor control en los últimos.

Unidad de análisis: también llamado elemento de muestreo es el objeto en el

cual se toman las mediciones. Estas unidades pueden ser personas, familias,
fincas, empresas, tarjetas, etc.

Unidades de muestreo: "son colecciones no traslapadas de elementos de la

población que cubren la población completa" es decir que no debe haber
intersección entre una unidad y otra, por lo tanto, cada elemento de muestreo
puede pertenecer a sólo una unidad de muestreo. Estas unidades pueden ser
manzanas de barrios, barrios, familias, fincas, parcelas, sectores, etc. Si cada
unidad de muestreo contiene un solo elemento, entonces la unidad de muestreo y
el elemento de muestreo son iguales.

Marco de muestreo: es un listado o mapa que contiene todas las unidades de

muestreo y por consiguiente cubre a toda la población.

Un marco será más adecuado cuanto mejor cubra la población objetivo, es decir,
cuanto menor sea el error de cobertura.