· REPÚBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIÓN

INSTITUTO UNIVERSITARIO POLITÉCNICO

“SANTIAGO MARIÑO”

ESTADISTICA I

DOCENTE: ESTUDIANTE:
RITA MARTINEZ José, Alemán

C.I:28649999

Ing. Industrial
Antecedentes Históricos de la Estadística.

la estadística estudia y analiza la evolución de la misma desde su nacimiento, el cual es

anterior al 3.000 antes de Cristo (a.C).
Aunque podríamos datar el origen de la estadística incluso antes de dicha fecha, la
prudencia nos hace a decantarnos por aquel comienzo. 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.

Así, por ejemplo, es habitual ver en algunas pinturas sobre rocas signos y señales que
servían para registrar la cantidad de ganado o de alimento. Con el tiempo la evolución de la
estadística como ciencia contribuyó a hitos como la construcción de las pirámides de
Egipto, elaboración de censos de población o el registro de variables económicas como
el producto interior bruto (PIB).

La cantidad de signos con fines estadísticos sobre rocas, en el interior de las cuevas o
esculpidas sobre tablas de arcilla es innumerable. Podríamos incluso decir que la
estadística, nace junto con las civilizaciones. A través de las pinturas rupestres, primeros
pasos de la escritura mediante iconos o dibujos, los seres humanos intentábamos satisfacer
la necesidad de recoger datos, información o describir sucesos.

En cualquier caso, de lo que sí hay certeza es que tres milenios después del nacimiento de
la primera civilización, hacia el 3.500 a.C. se han encontrado las primeras tablillas con
signos que se pìensa pueden tener fines estadísticos.

Etapas de la historia de la estadística

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.

¿Cuál es el propósito de la estadística?

El objetivo básico de la estadística es hacer inferencia acerca de una población con base a
la información contenida en una muestra (vea las figuras al final de esta sección). ...
Definido este número de jóvenes a los cuales, mediante técnicas de consulta adecuadas, se
entenderá como una muestra de la población en estudio.

La Estadística es la parte de las Matemáticas que se encarga del estudio de una determinada
característica en una población, recogiendo los datos, organizándolos en tablas,
representándolos gráficamente y analizándolos para sacar conclusiones de dicha población.

Importancia de la Estadística en la Ingeniería.

Nos proporcionan formas de adquirir nuevas perspectivas del comportamiento de muchos

fenómenos con que nos encontramos en el campo de la ingeniería industrial.
La Estadística enseña cómo razonar lógicamente y tomar decisiones informadas en
presencia de la incertidumbre y la variación.

ha sido encaminada por la participación de la industria en el aumento de la calidad.

Muchas compañías se han dado cuenta que la baja calidad de un producto, tiene un gran
efecto en la productividad global de la compañía, en el mercado, la posición competitiva, y
finalmente, en la rentabilidad de la empresa. Mejorar los apectos de calidad conlleva al
éxito de la compañía. La estadística es un elemento decisivo en el incremento de la calidad,
ya que las técnicas estadísticas pueden emplearse para describir y comprender la
variabilidad.

¿Qué es lo que distingue a la estadística descriptiva de la inferencial?

En primer lugar, la naturaleza de los datos. Mientras que la estadística descriptiva sirve
tanto para una población como para una muestra (un subconjunto de esa población cuyos
elementos son elegidos al azar), la estadística inferencial trabaja con muestras a partir de las
cuales intenta extraer conclusiones sobre la población.

Esta práctica se conoce como inferir, y es importante recalcar la diferencia en la naturaleza

de los datos, ya que es un error muy común el de extraer conclusiones de un conjunto cuyas
conclusiones… son los mismos datos en sí.

Para explicar dicho error, conviene asimismo explicar la principal diferencia teórica entre
estadística descriptiva e inferencial. La descriptiva, al ser únicamente una descripción de
los datos, no asume que éstos tengan alguna propiedad más allá de las que se pueden
describir con los estadísticos ya mencionados. En cambio, la inferencial asume que los
datos se rigen bajo un fenómeno aleatorio subyacente que es el que hace que tomen un
valor u otro. Es por esto por lo que los datos pasarían a denominarse variables aleatorias. Al
existir incertidumbre, se puede igualmente describir la población de la que sale esa muestra,
pero debemos entonces asumir un cierto error derivado de la naturaleza probabilística de
los datos.

Escalas de medición en estadística

Como hemos dicho, para que los datos tengan sentido es necesario compararlos. Y para
poder compararlos debemos utilizar escalas de medición. Dichas escalas tendrán diferentes
propiedades en función de las características de los datos que se compararán. En estadística
existen cuatro escalas de medición: nominal, ordinal, de intervalo y de razón.

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
En una 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
En una 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).

Variables en estadística

Las variables se las suele dividir según distintos criterios, en función las características de
los valores que estas puedan tomar.

Variables cuantitativas y cualitativas

De acuerdo al tipo de escala que se utilizan se puede clasificar en cualitativas o
cuantitativas.
Las variables cualitativas son aquellas que se usan para identificar un atributo de un
elemento. Se emplean con la escala nominal o la ordinal, y pueden ser numéricos o no. Los
datos contenidos en estas variables se resumen contando el número de observaciones de
cada valor que toma la variable, o la proporción en entre estos. Un hecho importante a tener
en cuenta es que, aun cuando para los datos cualitativos se use un código numérico, las
operaciones aritméticas como la suma o la multiplicación no tienen sentido. Ejemplo:
El color de un auto.
Luego, las variables cuantitativas son aquellas que requieren valores numéricos para
definir los datos. Se emplean con las escalas de medición de intervalo o de razón. En
estas sí tienen sentido las operaciones aritméticas. Ejemplo:
La altura de una persona.
En general hay más alternativas para el análisis estadístico cuando se tienen variables
cuantitativas que con las variables cualitativas.

Variables continuas y discretas

El siguiente criterio de clasificación (solo para variables cuantitativas) es según como es el
conjunto de valores sobre el cual estas pueden tomar valores.
Una variable continua puede tomar valores dentro de un intervalo continuo, es decir, dado
dos puntos de un intervalo, la variable siempre podrá tomar infinitos valores entre ambos
puntos. Ejemplo:
La temperatura en una habitación.
En cambio, una variable discreta solo puede tomar valores sobre un conjunto finito de
valores o un conjunto infinito numerable (un conjunto infinito, pero cuyos elementos se
pueden contar). En otras palabras, no puede tomar valores sobre cualquier punto del
intervalo, sino solamente sobre aquellos incluidos en el conjunto al que pertenece. Esto
hace que surja el concepto de valores observados sucesivos, lo cual significa que, dado una
observación, puede existir una observación previa y otra posterior. Ejemplo:
Cantidad de años de vida de una persona.