Está en la página 1de 8

DESARROLLO

1- ) HISTORIA DE LA ESTADISTICA

La historia de la estadística estudia y analiza la evolución de la misma desde su


nacimiento, el cual es anterior al 3.000 antes de Cristo. En la antigüedad, la
estadística nace de forma primitiva con el objetivo de contabilizar determinados
detalles que servían para mejorar determinadas áreas de la vida cotidiana. La
estadística nace con el ánimo de recoger datos, y habitualmente datos sobre el
Estado. De ahí su origen etimológico ‘Statisticus’, que significa relativo al Estado, y
que más tarde evolucionó a estadística. De tal manera que utilizaban
representaciones gráficas y otros símbolos en pieles, rocas, palos de madera y
paredes de cuevas para contar el número de personas, animales o cosas. Hacia
el año 3000 A.C. los babilonios usaban pequeñas tablillas de arcilla para recopilar
datos sobre la producción agrícola y sobre los géneros vendidos o cambiados
mediante trueque. En el siglo XXXI a.C., mucho antes de construir las pirámides,
los egipcios analizaban los datos de la población y la renta del país.

La historia de la estadística se puede resumir en cuatro etapas:

Primeras Civilizaciones

Desde Sumeria, Egipto, la antigua China, Babilonia o Asiria, se comenzaron a


desarrollar las primeras tablas estadísticas. Existen dos ejemplos muy ilustrativos
de la época. Por un lado en China, el famoso filósofo Confucio declaró en sus
escritos que el Rey Yao encargó recoger datos sobre industria, comercio y
agricultura. En Egipto, el que se cree que es el historiador antiguo más erudito, el
griego Heródoto, cita en sus escritos la importancia de la recogida de datos a la
hora de construir las enigmáticas pirámides de Egipto. Así mismo, Heródoto refleja
lo conveniente que es para un Estado como el suyo (Antigua Grecia) recoger
información y cuantificarla.
Por nombrar otro ejemplo más, podemos citar la gran biblioteca creada por Sargón
II, rey de Asiria. Su construcción fue posible por el gran volumen de impuestos que
cobraba a los pueblos sometidos. La biblioteca, construida en Nínive hacia el 700
a.C. es, probablemente, la más grande y con mayor valor histórico del mundo
antiguo. Allí se almacenan, junto con otras muchas tablillas, algunas de los
registros estadísticos más importantes de la época.

Imperio Romano

Con el nacimiento de Roma, hacia el 476 a.C., la estadística se tornó aún más
relevante. Gracias a la implantación de los métodos descriptivos, sabemos hoy
muchos datos sobre la demografía del Imperio Romano. Datos como mortalidad
infantil, defunciones, nacimientos y habitantes por kilómetro cuadrado.

Aunque no fueron los primeros en elaborar censos de población, sí que fueron los
primeros en utilizar la información para tomar mejores decisiones. Ya en Roma,
existían personas capaces de cuadrar balances, conceder préstamos y registrar el
tipo de interés acordado. Adicionalmente, se registraban los tributos pagados y el
Estado elaboraba sus propias cuentas.

Edad Media

Durante la Edad Media, la evolución de la ciencia estadística se estanca. De algún


modo, o eso parecen decirnos los escritos, la historia de la estadística se toma
una pausa. Esto podría deberse a las dificultades que las civilizaciones soportaron
en las diferentes partes del mundo, guerras, cultivo insuficiente, cambios
climáticos e importantes transformaciones culturales. La evolución se paralizó en
muchos de los planos del desarrollo humano y no sería hasta el Renacimiento
(Siglos XV y XVI) cuando la estadística volvería a cobrar vida.

Edad Moderna

Con el comienzo de la Edad Moderna, hacia el siglo XV, la Iglesia tras darse
cuenta de la importancia de registrar las defunciones, bautizos o nacimientos
dedica recursos a crear dichos registros. Concretamente, sería John Graunt
(1620-1674) quien, junto con su ayudante William Petty (1623-1687), elaboraría el
primer censo estadístico moderno y la primera tabla de probabilidades por edades.
Es decir, calculó la probabilidad de morir en función de la edad de los habitantes.

Gracias a esa labor, un famoso profesor alemán llamado Caspar Neumann (1648-
1715) realizó el primer estudio estadístico no político de la historia. Pretendió, y de
hecho lo consiguió, destruir el mito de que los años terminados en el número siete
moría más gente.

Aunque anterior a él hay escritos sobre probabilidad, fue Godofredo Achenwall


(1719-1772) el primero en acuñar la palabra ‘estadística’.

Hasta la llegada del siglo XX nacieron grandes personalidades como Pascal,


Bernoulli, Laplace, Gauss, Poisson, Bayes o Markov que fueron, poco a poco,
contribuyendo a la unión de los conceptos de estadística y de probabilidad. La
estadística, fue adquiriendo herramientas matemáticas derivadas de la teoría de la
probabilidad. Poco a poco la una fue creciendo con la otra, pero no terminarían de
unirse hasta el siglo XX.

Edad Contemporánea

Aunque, en esencia, la estadística y la probabilidad son materias diferentes, están


muy relacionadas. Desde el siglo XX ambas andan caminando estrechamente de
la mano.

Este camino paralelo que han ido tomando no hubiera sido posible sin los avances
Kolmogorov y Borel. Ambos dotaron de sentido matemático real al asunto. Ya que
hasta entonces, la probabilidad era vista desde el mundo académico como algo
poco serio y sin suficiente sustento matemático. No podemos olvidar, sin embargo,
las enormes contribuciones que hicieron Fisher y Pearson a la estadística como
disciplina científica.
Desde mediados del siglo XX, la estadística y la probabilidad no han parado de
avanzar. Junto con la computación y los programas informáticos, ha sido posible
almacenar grandes cantidades datos, y realizar cálculos inimaginables hasta la
fecha.

2- ) DEFINICION DE TERMINOS BASICOS

Estadística: Es la ciencia que se ocupa de desarrollar y estudiar métodos para


obtener datos y luego recolectar, organizar, resumir, analizar, interpretar y llegar a
conclusiones basadas en los datos

Población: Es el conjunto completo de todos los elementos (puntuaciones,


personas, medidas, etc.) que se va estudiar. El conjunto es completo porque
incluye a todos los sujetos que se estudiarán.

Muestra: Es un subconjunto de miembros seleccionados de una población.

Individuo o Unidad Estadística: Cada uno de los elementos que componen la


población.

Dato: Son las observaciones recolectadas (como mediciones, géneros,


respuestas de encuestas).

Valor: Es el resultado que puede cada uno de los datos del estudio.

Muestreo: Conjunto de datos obtenidos de la muestra.

Censo: Es el conjunto de datos de cada uno de los miembros de la población.


3- ) OBJETIVO DE LA ESTADISTICA

El objetivo básico de la estadística es hacer inferencia acerca de una población


basada en la información contenida en una muestra. Inferir significa predecir,
suponer, asegurar. Es decir se pretende establecer inferencia acerca de una
población. Entendiendo a la población como un conjunto de individuos,
organismos o entes inanimados de los cuales se quiere conocer alguna o algunas
características para que se ayude a tomar una decisión u obtener alguna
conclusión de suma importancia.

Algunos objetivos específicos son:

 Conocer la realidad de una observación o fenómeno.


 Determinar lo típico o normal de esa situación.
 Determinar los cambios que representa el fenómeno.
 Relacionar dos o más fenómenos.
 Determinar las causas que originan el fenómeno.
 Hacer estimaciones sobre el comportamiento futuro del fenómeno.
 Obtener conclusiones de un grupo menor (muestra) para hacerlas
extensivas a un grupo mayor (población).
 Determinar el grado de validez y confiabilidad ya sea de las predicciones o
las conclusiones obtenidas a partir de muestras.

4- ) CONCEPTOS Y DIFERENCIAS DE LA ESTADISTICA DESCRIPTIVA Y LA


ESTADISTICA INFERENCIAL

ESTADISTICA DESCRIPTIVA: es la rama de la estadística que recolecta,


analiza y caracteriza un conjunto de datos (peso de la población, beneficios diarios
de una empresa, temperatura mensual,…) con el objetivo de describir las
características y comportamientos de este conjunto mediante medidas de
resumen, tablas o gráficos.

ESTADISTICA INFERENCIAL O INFERENCIA: Es la rama de la


estadística encargada de hacer deducciones, es decir, inferir propiedades,
conclusiones y tendencias, a partir de una muestra del conjunto. Su papel es
interpretar, hacer proyecciones y comparaciones.

La estadística inferencial emplea usualmente mecanismos que le permiten


llevar a cabo dichas deducciones, tales como pruebas de estimación puntual
(o de intervalos de confianza), pruebas de hipótesis, pruebas paramétricas
(como de media, de diferencia de medias, proporciones, etc.) y no
paramétricas (como la prueba del chi-cuadrado, etc.). También le son útiles los
análisis de correlación y de regresión, las series cronológicas, el análisis de
varianza, entre otros.

5- ) CONCEPTO, CONSTRUCCION Y APLICACIÓN DE LAS ESCALAS DE


MEDIDAS
Son una sucesión de medidas que permiten organizar datos en orden jerárquico.
Las escalas de medición, pueden ser clasificadas de acuerdo a una degradación
de las características de las variables.

Existen cuatro escalas de medición las cuales son:

 Escala nominal: cuando un dato identifica una etiqueta (o el nombre de un


atributo) de un elemento, se considera que la escala de medición es
una escala nominal. En esta carecen de sentido el orden de las etiquetas,
así como la comparación y las operaciones aritméticas. La única finalidad
de este tipo de datos es clasificar a las observaciones. Ejemplo: Una
variable que indica si el visitante de este post es hombre o mujer. En esta
variable se tienen dos etiquetas para clasificar a los visitantes. El orden
carece de sentido, así como la comparación u operaciones aritméticas.

 Escala ordinal: cuando los datos muestran las propiedades de los datos
nominales, pero además tiene sentido el orden (o jerarquía) de estos, se
utiliza una escala ordinal. Ejemplo: Una variable que mide la calidad
de un post. La variable puede tomar valores enteros del 1 al 5, donde el
valor 1 es el peor y el 5 el mejor.
 En esta variable sigue sin tener sentido las operaciones aritméticas, pero
ahora sí tiene sentido el orden. Si un post tiene valor 4 y otro tiene valor 2,
el primero se entiende que es mejor que es segundo.

 Escala de intervalo, los datos tienen las propiedades de los datos


ordinales, pero a su vez la separación entre las variables tiene sentido. Este
tipo de datos siempre es numérico, y el valor cero no indica la ausencia de
la propiedad. Veamos un ejemplo: La temperatura (en grados centígrados)
media de una ciudad.
 En esta escala, los número mayores corresponden a temperaturas
mayores. Es decir, el orden importa, pero a la vez la diferencias entre las
temperaturas importa.

 Escala de razón, los datos tienen todas las propiedades de los datos de
intervalo, y la proporción entre ellos tiene sentido. Para esto se requiere que
el valor cero de la escala indique la ausencia de la propiedad a medir.
Ejemplos de este tipo de variables son el peso de una persona a el tiempo
utilizado para una tarea. Ejemplo: Una variable que mide el salario de una
persona.
 En esta variable, si una persona gana 100, y otra 10, la primera gana más
que la segunda (comparación). También tiene sentido decir que la primera
gana 90 más que la segunda (diferencia), o que gana 10 veces más
(proporción).

También podría gustarte