Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tipos y
objetivos
E Experto GestioPolis.Com
22.09.2002
8 minutos de lectura
o
o
o
¿Qué es estadística?
La estadística es la ciencia que estudia cómo debe emplearse la información y cómo dar una
guía de acción en situaciones prácticas que entrañan incertidumbre. (Gutiérrez, p. 23)
La estadística es la rama del conocimiento humano que tiene como objeto el estudio de
ciertos métodos inductivos aplicables a fenómenos susceptibles de expresión
cuantitativa. (López, p. 1)
Es el arte de aprender a partir de los datos. Está relacionada con la recopilación de datos, su
descripción subsiguiente y su análisis, lo que nos lleva a extraer conclusiones. (Ross, p. 3)
Es una ciencia que facilita la toma de decisiones mediante la presentación ordenada de los
datos observados en tablas y gráficos estadísticos, reduciendo los datos observados a un
pequeño número de medidas estadísticas que permitirán la comparación entre diferentes
series de datos y estimando la probabilidad de éxito que tiene cada una de las decisiones
posibles. (Fernández et.al, p. 18)
En el siguiente video, de Educatina, se hace una corta introducción al concepto de estadística,
se presenta una definición y, a través de un ejemplo, algunos conceptos adicionales que
seguro te van a resultar útiles.
Objetivos
Como objetivo general se puede decir que:
El principal objetivo de la estadística es hacer inferencias acerca de una población, con base
en la información contenida en una muestra. (Pérez, p. 172)
Estadística descriptiva
La estadística descriptiva se puede definir como un método para describir numéricamente
conjuntos numerosos. Por tratarse de un método de descripción numérica, utiliza el número
como medio para describir un conjunto, que debe ser numeroso, ya que las permanencias
estadísticas no se dan en los casos raros. No es posible sacar conclusiones concretas y
precisas de los datos estadísticos. (Vargas, p.33)
La estadística inferencial tiene dos objetivos básicos; a) obtener conclusiones válidas acerca
de una población sobre la base de una muestra, es decir, que las conclusiones que
obtengamos de una muestra se puedan extrapolar a la población que dio origen a esa
muestra y b) poder medir el grado de incertidumbre presente en dichas inferencias en
términos de probabilidad. (Díaz, p.287)
Partes de la estadística
De acuerdo con Moore (p. XXXIV) la estadística, para su estudio, se divide en tres partes:
1. El análisis de datos se ocupa de los métodos y las ideas necesarias para organizar y
describir datos utilizando gráficos y resúmenes numéricos.
2. La obtención de datos proporciona métodos para obtener datos que permiten dar
respuestas claras a preguntas concretas,
3. La inferencia estadística va más allá de los datos disponibles y obtiene conclusiones
sobre un universo más amplio teniendo en cuenta la omnipresencia de la variabilidad y la
incertidumbre de las conclusiones.
William Sealy Gosset, estadístico inglés (1876-1937), descubrió, a comienzos del Siglo XX, la
forma de la distribución t mediante una combinación de trabajos empíricos y matemáticos con
números aleatorios en su trabajo como estudainte y colaborador en el laboratorio de Pearson.
Ronald Fisher, estadístico y biólogo inglés (1890 – 1962), considerando uno de los padres de
la inferencia estadística moderna, propuso y desarrolló el concepto de análisis de la varianza,
los valores p, el método de máxima veroscimilitud, la distribución f (de Fisher, aunque también
se le atribuye a otro científico, el estadounidense George W. Snedecor, quien la habría
nombrado de esa manera por su gran admiración a Fisher), investigó la relación de los genes
de diferentes características y desarrolló métodos de análisis multivariante para responder
esas inquietudes.
Frank Yates, estadístico inglés (1902 – 1994), en su trabajo con Fisher, desarrolló la
correccion de continuidad o correccion de Yates.
Egon Pearson, hijo de Karl, estadístico británico (1895 – 1980), y Jerzy Neyman, matemático y
estadístico polaco (1894 – 1981), propusieron la prueba de hipótesis, en oposición a los
estudios de Fisher, conocido como el lema fundamental de Neyman-Pearson, un resultado
que describe el criterio óptimo para distinguir dos hipótesis simples.
Clases de datos
Variable cuantitativa o escalar. Será una variable cuando pueda asumir sus
resultados en medidas numéricas.
Variable cuantitativa discreta. Es aquella que puede asumir sólo ciertos valores,
números enteros. Ejemplo: El número de estudiantes (1,2,3,4)
Variable cuantitativa continua. Es aquella que teóricamente puede tomar cualquier
valor en una escala de medidas, ya sea entero o fraccionario. Ejemplo, Estatura: 1.90 m
Variables cualitativas nominales. Cuando no es posible hacer medidas numéricas,
son susceptibles de clasificación. Ejemplo: Color de autos: rojo, verde, azul.
Etiquetas: estadística
Escrito por:
E
Experto GestioPolis.com
Imagen del encabezado cortesía de habbyshaw en Flickr
Artículos Relacionados
Estadística descriptiva
40 minutos de lectura 10.03.2020
La metodología de la investigación
7 horas de lectura 21.09.2015