Estad�stica

Ir a la navegaci�nIr a la b�squeda
Para an�lisis, datos y gr�ficas sobre Wikipedia, v�ase Wikipedia:Estad�sticas.

Una distribuci�n normal

La estad�stica (la forma femenina del t�rmino alem�n Statistik, derivado a su vez
del italiano statista, "hombre de Estado"),1? es la rama de las matem�ticas que
estudia la variabilidad, as� como el proceso aleatorio que la genera siguiendo
leyes de probabilidad.2? Como parte de la matem�tica, la estad�stica es una ciencia
formal deductiva, con un conocimiento propio, din�mico y en continuo desarrollo
obtenido a trav�s del m�todo cient�fico formal. En ocasiones, las ciencias f�cticas
necesitan utilizar t�cnicas estad�sticas durante su proceso de investigaci�n
factual, con el fin de obtener nuevos conocimientos basados en la experimentaci�n y
en la observaci�n. En estos casos, la aplicaci�n de la estad�stica permite el
an�lisis de datos provenientes de una muestra representativa, que busca explicar
las correlaciones y dependencias de un fen�meno f�sico o natural, de ocurrencia en
forma aleatoria o condicional.

La estad�stica es �til para una amplia variedad de ciencias f�cticas, desde la

f�sica hasta las ciencias sociales, desde las ciencias de la salud hasta el control
de calidad. Adem�s, se usa en �reas de negocios o instituciones gubernamentales con
el objetivo de describir el conjunto de datos obtenidos para la toma de decisiones,
o bien para realizar generalizaciones sobre las caracter�sticas observadas.

En la actualidad, la estad�stica aplicada a las ciencias f�cticas permite estudiar

una determinada poblaci�n a partir de la recopilaci�n de informaci�n, el an�lisis
de datos y la interpretaci�n de resultados. Del mismo modo, tambi�n es una ciencia
esencial para el estudio cuantitativo de los fen�menos de masa o colectivos.

La estad�stica se divide en dos grandes �reas:

Estad�stica descriptiva: Se dedica a la descripci�n, visualizaci�n y resumen de

datos originados a partir de los fen�menos de estudio. Los datos pueden ser
resumidos num�rica o gr�ficamente. Su objetivo es organizar y describir las
caracter�sticas sobre un conjunto de datos con el prop�sito de facilitar su
aplicaci�n, generalmente con el apoyo de gr�ficas, tablas o medidas num�ricas.
Ejemplos b�sicos de par�metros estad�sticos son: la media y la desviaci�n est�ndar.
Ejemplos gr�ficos son: histograma, pir�mide poblacional, gr�fico circular, entre
otros.
Estad�stica inferencial: Se dedica a la generaci�n de los modelos, inferencias y
predicciones asociadas a los fen�menos en cuesti�n teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la poblaci�n bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas s�/no (prueba de hip�tesis), estimaciones
de unas caracter�sticas num�ricas (estimaci�n), pron�sticos de futuras
observaciones, descripciones de asociaci�n (correlaci�n) o modelamiento de
relaciones entre variables (an�lisis de regresi�n). Otras t�cnicas de modelamiento
incluyen an�lisis de varianza, series de tiempo y miner�a de datos. Su objetivo es
obtener conclusiones �tiles para lograr hacer deducciones acerca de la totalidad de
todas las observaciones hechas, bas�ndose en la informaci�n num�rica.
Ambas ramas (descriptiva e inferencial) se utilizan en la estad�stica aplicada. La
estad�stica inferencial, por su parte, se divide en estad�stica param�trica y
estad�stica no param�trica.

Existe tambi�n una disciplina llamada estad�stica matem�tica que establece las
bases te�ricas de las t�cnicas estad�sticas. La palabra �estad�sticas� se refiere
al resumen de resultados estad�sticos, habitualmente descriptivos, como en
estad�sticas econ�micas, estad�sticas criminales, etc�tera.
�ndice
1 Historia
1.1 Origen
1.2 Empleo de la estad�stica en las antiguas civilizaciones
1.2.1 En la Edad Media
1.2.2 En la Edad Moderna
1.3 Or�genes en probabilidad
1.4 Siglo XX
1.5 Estado actual
2 M�todos estad�sticos
2.1 Estudios experimentales y observacionales
2.2 Niveles de medici�n
2.3 T�cnicas de an�lisis estad�stico
3 Lenguaje y simbolog�a
3.1 Poblaci�n y muestra
3.2 Par�metro
4 Disciplinas especializadas
5 Computaci�n estad�stica
6 Mal uso de la estad�stica
7 Inferencia cl�sica e inferencia bayesiana
8 Ense�anza de la estad�stica en las ciencias sociales
9 V�ase tambi�n
10 Referencias
11 Bibliograf�a
12 Enlaces externos
Historia
Origen
El t�rmino alem�n Statistik, introducido originalmente por Gottfried Achenwall en
1749, se refer�a al an�lisis de datos del Estado, es decir, la �ciencia del Estado�
(o m�s bien, de la ciudad-estado). Tambi�n se llam� aritm�tica pol�tica de acuerdo
con la traducci�n literal del ingl�s. No fue hasta el siglo XIX cuando el t�rmino
estad�stica adquiri� el significado de recolectar y clasificar datos. Este concepto
fue introducido por el militar brit�nico sir John Sinclair (1754-1835).

En su origen, por tanto, la estad�stica estuvo asociada a los Estados o ciudades

libres, para ser utilizados por el gobierno y cuerpos administrativos (a menudo
centralizados). La colecci�n de datos acerca de estados y localidades contin�a
ampliamente a trav�s de los servicios de estad�stica nacionales e internacionales.
En particular, los censos comenzaron a suministrar informaci�n regular acerca de la
poblaci�n de cada pa�s. As� pues, los datos estad�sticos se refer�an originalmente
a los datos demogr�ficos de una ciudad o Estado determinados. Y es por ello que en
la clasificaci�n decimal de Melvil Dewey, empleada en las bibliotecas, todas las
obras sobre estad�stica se encuentran ubicadas al lado de las obras de o sobre la
demograf�a.

Ya se utilizaban representaciones gr�ficas y otras medidas en pieles, rocas, palos

de madera y paredes de cuevas para controlar el n�mero de personas, animales o
ciertas mercanc�as. Hacia el a�o 3000 a. C. los babilonios usaban ya peque�os
envases moldeados de arcilla para recopilar datos sobre la producci�n agr�cola y de
los g�neros vendidos o cambiados. Los egipcios analizaban los datos de la poblaci�n
y la renta del pa�s mucho antes de construir las pir�mides en el siglo XI a. C. Los
libros b�blicos de N�meros y Cr�nicas incluyen en algunas partes trabajos de
estad�stica. El primero contiene dos censos de la poblaci�n de la Tierra de Israel
y el segundo describe el bienestar material de las diversas tribus jud�as. En China
exist�an registros num�ricos similares con anterioridad al a�o 2000 a. C. Los
antiguos griegos realizaban censos cuya informaci�n se utilizaba hacia el 594 a. C.
para cobrar impuestos.
Empleo de la estad�stica en las antiguas civilizaciones
Art�culo principal: Edad Antigua
En la Edad Antigua, la estad�stica consist�a en elaborar censos (de poblaci�n y
tierras). Su objetivo era facilitar la gesti�n de las labores tributarias, obtener
datos sobre el n�mero de personas que podr�an servir en el ej�rcito o establecer
repartos de tierras o de otros bienes.

En Egipto: La estad�stica comienza con la Dinast�a I, en el a�o 3050 a. C. Los

faraones ordenaban la realizaci�n de censos con la finalidad de obtener los datos
sobre tierras y riquezas para poder planificar la construcci�n de las pir�mides.
En China: A�o 2238 a. C. el emperador Yao elabora un censo general sobre la
actividad agr�cola, industrial y comercial.
En la Antigua Grecia: Se realizaron censos para cuantificar la distribuci�n y
posesi�n de la tierra y otras riquezas, organizar el servicio militar y determinar
el derecho al voto.
En la Antigua Roma: Durante el Imperio romano se establecieron registros de
nacimientos y defunciones, y se elaboraron estudios sobre los ciudadanos, sus
tierras y sus riquezas.
En M�xico: A�o 1116, durante la segunda migraci�n de las tribus chichimecas, el rey
X�lotl orden� que fueran censados los s�bditos.
En el Oriente Medio, bajo el dominio sumerio, Babilonia ten�a casi 6000 habitantes.
Se encontraron en ella tablillas de arcilla que registraban los negocios y asuntos
legales de la ciudad.
El censo en el pueblo jud�o sirvi�, adem�s de prop�sitos militares, para calcular
el monto de los ingresos del templo.
En la Edad Media
Art�culo principal: Edad Media
Durante la Edad Media, la estad�stica no present� grandes avances, pero destaca el
trabajo de Isidoro de Sevilla, quien recopil� y clasific� datos de diversa
naturaleza cuyos resultados se publicaron en la obra Originum sive Etymologiarum.

En la Edad Moderna
Art�culo principal: Edad Moderna
En Espa�a, destacan: el censo de Pecheros (1528), el de los Obispos (1587), el
Censo de los Millones (1591) y el Censo del conde de Aranda (1768).
En Inglaterra, la peste de la d�cada de 1500 provoc� un aumento en la
contabilizaci�n de los datos sobre defunciones y nacimientos.
Or�genes en probabilidad
Los m�todos estad�stico-matem�ticos emergieron desde la teor�a de probabilidad, la
cual data desde la correspondencia entre Pascal y Pierre de Fermat (1654).
Christian Huygens (1657) da el primer tratamiento cient�fico que se conoce a la
materia. El Ars coniectandi (p�stumo, 1713) de Jakob Bernoulli y la Doctrina de
posibilidades (1718) de Abraham de Moivre estudiaron la materia como una rama de
las matem�ticas.3? En la era moderna, el trabajo de Kolmog�rov ha sido un pilar en
la formulaci�n del modelo fundamental de la Teor�a de Probabilidades, el cual es
usado a trav�s de la estad�stica.

La teor�a de errores se puede remontar a la �pera miscell�nea (p�stuma, 1722) de

Roger Cotes y al trabajo preparado por Thomas Simpson en 1755 (impreso en 1756) el
cual aplica por primera vez la teor�a de la discusi�n de errores de observaci�n. La
reimpresi�n (1757) de este trabajo incluye el axioma de que errores positivos y
negativos son igualmente probables y que hay unos ciertos l�mites asignables dentro
de los cuales se encuentran todos los errores; se describen errores continuos y una
curva de probabilidad.

Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para la
combinaci�n de observaciones desde los principios de la teor�a de probabilidades.
Laplace represent� la Ley de probabilidades de errores mediante una curva y dedujo
una f�rmula para la media de tres observaciones. Tambi�n, en 1871, obtiene la
f�rmula para la ley de facilidad del error (t�rmino introducido por Lagrange, 1744)
pero con ecuaciones inmanejables. Daniel Bernoulli (1778) introduce el principio
del m�ximo producto de las probabilidades de un sistema de errores concurrentes.

Fotograf�a de Ceres por el telescopio espacial Hubble. La posici�n fue estimada por
Gauss mediante el m�todo de m�nimos cuadrados.
El m�todo de m�nimos cuadrados, el cual fue usado para minimizar los errores en
mediciones, fue publicado independientemente por Adrien-Marie Legendre (1805),
Robert Adrain (1808), y Carl Friedrich Gauss (1809). Gauss hab�a usado el m�todo en
su famosa predicci�n de la localizaci�n del planeta enano Ceres en 1801. Pruebas
adicionales fueron escritas por Laplace (1810, 1812), Gauss (1823), James Ivory
(1825, 1826), Hagen (1837), Friedrich Bessel (1838), W. F. Donkin (1844, 1856),
John Herschel (1850) y Morgan Crofton (1870). Otros contribuidores fueron Ellis
(1844), Augustus De Morgan (1864), Glaisher (1872) y Giovanni Schiaparelli (1875).
La f�rmula de Peters para {\displaystyle r} r, el probable error de una observaci�n
simple es bien conocido.

El siglo XIX incluye autores como Laplace, Silvestre Lacroix (1816), Littrow
(1833), Richard Dedekind (1860), Helmert (1872), Hermann Laurent (1873), Liagre y
Didion. Augustus De Morgan y George Boole mejoraron la presentaci�n de la teor�a.
Adolphe Quetelet (1796-1874), fue otro importante fundador de la estad�stica y
quien introdujo la noci�n del �hombre promedio� (l�homme moyen) como un medio de
entender los fen�menos sociales complejos tales como tasas de criminalidad, tasas
de matrimonio o tasas de suicidios.

Siglo XX

Karl Pearson, un fundador de la estad�stica matem�tica.

El campo moderno de la estad�stica se emergi� a los principios del siglo XX
dirigida por la obra de Francis Galton y Karl Pearson, quienes transformaron la
estad�stica a convertirse en una disciplina matem�tica rigurosa usada por an�lisis,
no solamente en la ciencia sino en la manufactura y la pol�tica. Las contribuciones
de Galton incluyen los conceptos de desviaci�n t�pica, correlaci�n, an�lisis de la
regresi�n y la aplicaci�n de estos m�todos al estudio de la variedad de
caracter�sticas �la altura, el peso entre otros�.4? Pearson desarroll� el
coeficiente de correlaci�n de Pearson, defini� como un momento-producto,5? el
m�todo de momentos por caber las distribuciones a las muestras y la distribuciones
de Pearson, entre otras cosas.6? Galton y Pearson se fundaron Biometrika como su
primera revista de la estad�stica matem�tica y la bioestad�stica (en aquel entonces
conocida como la biometr�a). Pearson tambi�n fund� el primer departamento de
estad�stica en University College de Londres.7?

Durante el siglo XX, la creaci�n de instrumentos precisos para asuntos de salud

p�blica (epidemiolog�a, bioestad�stica, etc.) y prop�sitos econ�micos y sociales
(tasa de desempleo, econometr�a, etc.) necesit� de avances sustanciales en las
pr�cticas estad�sticas.

La segunda ola de los a�os 1910 y 1920 se inici� William Gosset, y se culmin� en la
obra de Ronald Fisher, qui�n escribi� los libros de texto que iban a definir la
disciplina acad�mica en universidades en todos lados del mundo. Sus publicaciones
m�s importantes fueron su papel de 1918 The Correlation between Relatives on the
Supposition of Mendelian Inheritance, lo cual era el primero en usar el t�rmino
estad�stico varianza, su obra cl�sica de 1925 Statistical Methods for Research
Workers y su 1935 The Design of Experiments,8?9?10?11? donde desarroll� los modelos
rigurosos de dise�o experimental. Origin� el concepto de suficiencia y la
informaci�n de Fisher.12? En su libro de 1930 The Genetical Theory of Natural
Selection aplic� la estad�stica a varios conceptos en la biolog�a como el Principio
de Fisher13? (sobre el ratio de sexo), el Fisherian runaway,14?15?16?17?18?19? un
concepto en la selecci�n sexual sobre una realimentaci�n positiva efecto hallado en
la evoluci�n.

Estado actual
Hoy el uso de la estad�stica se ha extendido m�s all� de sus or�genes como un
servicio al Estado o al gobierno. Personas y organizaciones usan la estad�stica
para entender datos y tomar decisiones en ciencias naturales y sociales, medicina,
negocios y otras �reas. La estad�stica es una sub-�rea de las matem�ticas cuya
aplicaci�n en el �mbito de las ciencias f�cticas es �til para el avance del
conocimiento cient�fico factual, consider�ndose como una ciencia formal �aliada� de
la ciencia f�ctica. Muchas universidades tienen departamentos acad�micos de
matem�ticas (con especializaci�n en estad�stica) o de estad�stica separadamente. La
estad�stica se ense�a en departamentos tan diversos como psicolog�a, sociolog�a,
educaci�n y salud p�blica.20?

Regresi�n lineal � gr�ficos de dispersi�n en estad�stica.

Al aplicar la estad�stica a un problema cient�fico, industrial o social, se
comienza con un proceso o poblaci�n a ser estudiado. Esta puede ser la poblaci�n de
un pa�s, de granos cristalizados en una roca o de bienes manufacturados por una
f�brica en particular durante un periodo dado. Tambi�n podr�a ser un proceso
observado en varios instantes y los datos recogidos de esta manera constituyen una
serie de tiempo.

Por razones pr�cticas, en lugar de compilar datos de una poblaci�n entera,

usualmente se estudia un subconjunto seleccionado de la poblaci�n, llamado muestra.
Datos acerca de la muestra son recogidos de manera observacional o experimental.
Los datos son entonces analizados estad�sticamente lo cual sigue dos prop�sitos:
descripci�n e inferencia.

El concepto de correlaci�n es particularmente valioso. An�lisis estad�sticos de un

conjunto de datos puede revelar que dos variables (esto es, dos propiedades de la
poblaci�n bajo consideraci�n) tienden a variar conjuntamente, como si hubiera una
conexi�n entre ellas. Por ejemplo, un estudio del ingreso anual y la edad de muerte
podr�a resultar en que personas pobres tienden a tener vidas m�s cortas que
personas de mayor ingreso. Las dos variables se dice que est�n correlacionadas. Sin
embargo, no se puede inferir inmediatamente la existencia de una relaci�n de
causalidad entre las dos variables. El fen�meno correlacionado podr�a ser la causa
de una tercera, previamente no considerada, llamada variable confusora.

Si la muestra es representativa de la poblaci�n, inferencias y conclusiones hechas

en la muestra pueden ser extendidas a la poblaci�n completa. Un problema mayor es
el de determinar cu�n representativa es la muestra extra�da. La estad�stica ofrece
medidas para estimar y corregir por aleatoriedad en la muestra y en el proceso de
recolecci�n de los datos, as� como m�todos para dise�ar experimentos robustos como
primera medida, ver dise�o experimental.

El concepto matem�tico fundamental empleado para entender la aleatoriedad es el de

probabilidad. La estad�stica matem�tica (tambi�n llamada teor�a estad�stica) es la
rama de las matem�ticas aplicadas que usa la teor�a de probabilidades y el an�lisis
matem�tico para examinar las bases te�ricas de la estad�stica.

El uso de cualquier m�todo estad�stico es v�lido solo cuando el sistema o poblaci�n

bajo consideraci�n satisface los supuestos matem�ticos del m�todo. El mal uso de la
estad�stica puede producir serios errores en la descripci�n e interpretaci�n, lo
cual podr�a llegar a afectar pol�ticas sociales, la pr�ctica m�dica y la calidad de
estructuras tales como puentes y plantas de reacci�n nuclear.

Incluso cuando la estad�stica es correctamente aplicada, los resultados pueden ser

dif�ciles de interpretar por un inexperto. Por ejemplo, el significado estad�stico
de una tendencia en los datos, que mide el grado al cual la tendencia puede ser
causada por una variaci�n aleatoria en la muestra, puede no estar de acuerdo con el
sentido intuitivo. El conjunto de habilidades estad�sticas b�sicas (y el
escepticismo) que una persona necesita para manejar informaci�n en el d�a a d�a se
refiere como �cultura estad�stica�.