Fundamentos de Estadstica y

Probabilidad

Estadstica es la ciencia que

estudia las poblaciones

ESTADSTICA
Laestadsticaes unaciencia formal que estudia las
POBLACIONES, anlisis provenientes de una muestra
representativa, busca explicar las correlaciones y
dependencias de un fenmeno fsico o natural, de
ocurrencia en formaaleatoriaocondicional.
La estadstica es ms que eso, es decir, es la
herramienta fundamental que permite llevar a cabo el
proceso relacionado con lainvestigacin cientfica.
Es transversal a una amplia variedad de disciplinas,
desde la fsica hasta lasciencias sociales, desde las
ciencias de la saludhasta elcontrol de calidad.
Se usa para la toma de decisiones en reas denegocios
o institucionesgubernamentales.

La estadstica se divide en dos grandes reas:

Estadstica descriptiva Se dedica a la descripcin, visualizacin y
resumen de datos originados a partir de los fenmenos de estudio. Los
datos pueden ser resumidos numrica o grficamente. Ejemplos bsicos
deparmetros estadsticosson: lamediay ladesviacin estndar.
Algunos ejemplos grficos son:histograma,pirmide poblacional,
grfico circular, entre otros.
Estadstica inferencialSe dedica a la generacin de losmodelos,
inferencias y predicciones asociadas a los fenmenos en cuestin
teniendo en cuenta laaleatoriedadde las observaciones. Se usa para
modelarpatrones en los datos y extraer inferencias acerca de la
poblacinbajo estudio. Estas inferencias pueden tomar la forma de
respuestas a preguntas s/no (prueba de hiptesis), estimaciones de unas
caractersticas numricas (estimacin),pronsticosde futuras
observaciones, descripciones de asociacin (correlacin) o modelamiento
de relaciones entre variables (anlisis de regresin). Otras tcnicas de
modelamiento incluyen anova, series de tiempo yminera de datos.

Otras Estadsticas
Ambas ramas (descriptiva e inferencial)
comprenden laestadstica aplicada. La estadstica
inferencial, por su parte, se divide en estadstica
paramtrica y estadstica no paramtrica.
Hay tambin una disciplina llamada
estadstica matemtica, la que se refiere a las
bases tericas de la materia.
La palabra estadsticas tambin se refiere al
resultado de aplicar un algoritmo estadstico a un
conjunto de datos, como en
estadsticas econmicas,estadsticas criminales,
entre otros.

HISTORIA Y ORGENES
El trminoalemnStatistik, introducido originalmente porGottfried Achenwallen
1749, se refera al anlisis dedatosdelEstado, es decir, la ciencia del Estado (o
ms bien, de laciudad-estado). Tambin se llamaritmtica polticade acuerdo con
la traduccin literal delingls. No fue hasta el siglo XIX cuando el trmino
estadsticaadquiri el significado de recolectar y clasificar datos. Este concepto fue
introducido por el militar britnicosirJohn Sinclair(1754-1835).
En su origen, la estadstica estuvo asociada a los Estados o ciudades libres, para ser
utilizados por el gobierno y cuerpos administrativos (a menudo centralizados).
La coleccin de datos acerca de estados y localidades contina ampliamente a travs
de los servicios de estadstica nacionales e internacionales. En particular, loscensos
comenzaron a suministrar informacin regular acerca de lapoblacinde cada pas.
As pues, los datos estadsticos se referan originalmente a los datos demogrficos de
una ciudad o Estado determinados. Y es por ello que en la clasificacin decimal de
Melvil Dewey, empleada en las bibliotecas, todas las obras sobre estadstica se
encuentran ubicadas al lado de las obras de lademografa.

Orgenes en probabilidad
Los mtodos estadstico-matemticos emergieron desde la teora de
probabilidad, la cual data desde la correspondencia entre Pascal y Pierre de
Fermat (1654). Christian Huygens(1657) da el primer tratamiento cientfico
que se conoce a la materia. ElArs coniectandi(pstumo,1713) de Jakob
Bernoulli y laDoctrina de posibilidades(1718) deAbraham de Moivre
estudiaron la materia como una rama de las matemticas. 1En la era
moderna, el trabajo deKolmogrovha sido un pilar en la formulacin del
modelo fundamental de la Teora de Probabilidades, el cual es usado a travs
de la estadstica.
Lateora de erroresse puede remontar a lapera miscellnea(pstuma,
1722) deRoger Cotesy al trabajo preparado porThomas Simpsonen 1755
(impreso en 1756) el cual aplica por primera vez la teora de la discusin de
errores de observacin. La reimpresin (1757) de este trabajo incluye el
axiomade que errores positivos y negativos son igualmente probables y que
hay unos ciertos lmites asignables dentro de los cuales se encuentran todos
los errores; se describen errores continuos y una curva de probabilidad.

ESTADO ACTUAL
Durante elsiglo XX, la creacin de instrumentos precisos para
asuntos desalud pblica(epidemiologa,bioestadstica, etc.) y
propsitos econmicos y sociales (tasa dedesempleo,econometra,
etc.) necesit de avances sustanciales en las prcticas estadsticas.
Hoy el uso de la estadstica se ha extendido ms all de sus orgenes
como un servicio alEstadoo al gobierno. Personas y organizaciones
usan la estadstica para entender datos y tomar decisiones en
ciencias naturales y sociales, medicina, negocios y otras reas. La
estadstica es entendida generalmente no como un sub-rea de las
matemticas sino como una ciencia diferente aliada.
Muchasuniversidadestienen departamentos acadmicos de
matemticas y estadstica separadamente. La estadstica se ensea
en departamentos tan diversos comopsicologa,educaciny
salud pblica

POBLACIN Y MUESTRA
Al aplicar la estadstica a un problema cientfico, industrial o
social, se comienza con un proceso opoblacina ser estudiado.
Esta puede ser la poblacin de un pas, de granos cristalizados
en una roca o de bienes manufacturados por una fbrica en
particular durante un periodo dado. Tambin podra ser un
proceso observado en varios instantes y los datos recogidos de
esta manera constituyen unaserie de tiempo.
Por razones prcticas, en lugar de compilar datos de una
poblacin entera, usualmente se estudia un subconjunto
seleccionado de la poblacin, llamadomuestra. Datos acerca de
la muestra son recogidos de manera observacional o
experimental. Los datos son entonces analizados
estadsticamente lo cual sigue dos propsitos: descripcin e
inferencia.

Mtodos estadsticos
Estudios experimentales y observacionales
Un objetivo comn para un proyecto de investigacin
estadstica es investigar la causalidad, y en particular
extraer una conclusin en el efecto que algunos cambios en
los valores de predictores ovariables Independientes
tienen sobre una respuesta ovariables dependientes. Hay
dos grandes tipos de estudios estadsticos para estudiar
causalidad: estudios experimentales y observacionales. En
ambos tipos de estudios, el efecto de las diferencias de una
variable independiente (o variables) en el comportamiento
de una variable dependiente es observado. La diferencia
entre los dos tipos es la forma en que el estudio es
conducido. Cada uno de ellos puede ser muy efectivo

Niveles de medicin
Hay cuatro tipos de mediciones o escalas de medicin en
estadstica:nominal,ordinal,intervaloyrazn. Tienen
diferentes grados de uso en lainvestigacinestadstica.
Las medidas de razn, en donde un valor cero y distancias
entre diferentes mediciones son definidas, dan la mayor
flexibilidad en mtodos estadsticos que pueden ser usados
para analizar los datos. Las medidas de intervalo tienen
distancias interpretables entre mediciones, pero un valor
cero sin significado (como las mediciones de coeficiente
intelectual o temperatura en gradosCelsius). Las medidas
ordinales tienen imprecisas diferencias entre valores
consecutivos, pero un orden interpretable para sus valores.
Las medidas nominales no tienen ningn rango
interpretable entre sus valores.

La escala de medida
nominal
puede considerarse la escala de nivel ms bajo. Se trata de agrupar
objetos en clases. La escala ordinal, por su parte, recurre a la propiedad
de orden de los nmeros. La escala de intervalos iguales est
caracterizada por una unidad de medida comn y constante. Es
importante destacar que el punto cero en las escalas de intervalos
iguales es arbitrario, y no refleja en ningn momento ausencia de la
magnitud que estamos midiendo. Esta escala, adems de poseer las
caractersticas de la escala ordinal, permite determinar la magnitud de
los intervalos (distancia) entre todos los elementos de la escala. La
escala de coeficientes o Razones es el nivel de medida ms elevado y se
diferencia de las escalas de intervalos iguales nicamente por poseer un
punto cero propio como origen; es decir que el valor cero de esta escala
significa ausencia de la magnitud que estamos midiendo. Si se observa
una carencia total de propiedad, se dispone de una unidad de medida
para el efecto. A iguales diferencias entre los nmeros asignados
corresponden iguales diferencias en el grado de atributo presente en el
objeto de estudio.

Tcnicas de anlisis estadstico

Algunostestsy procedimientos parainvestigacindeobservacionesbien
conocidos son:
Prueba t de Student
Prueba de
Anlisis de varianza(ANOVA)
U de Mann-Whitney
Anlisis de regresin
Correlacin
Iconografa de las correlaciones
Frecuencia estadstica
Anlisis de frecuencia acumulada
Prueba de la diferencia menos significante de Fisher
Coeficiente de correlacin de Pearson
Coeficiente de correlacin de Spearman
Anlisis factorial exploratorio
Anlisis factorial confirmatorio
Grfica estadstica

Disciplinas especializadas
Ciencias actuariales
Fsica estadstica
Estadstica industrial
Estadstica espacial
Matemtica estadstica
Estadstica en medicina
Estadstica en medicina veterinaria y zootecnia
Estadstica en nutricin
Estadstica en agronoma
Estadstica en planificacin
Estadstica en investigacin
Estadstica en restauracin de obras
Estadstica en literatura
Estadstica en astronoma
Estadstica en antropologa (antropometra)
Estadstica enhistoria
Estadstica militar
Geoestadstica
Bioestadstica
Estadsticas de negocios
Estadstica computacional
Estadstica en ciencias de la salud
Investigacin de operaciones

Computacin estadstica
Viejos modelos estadsticos fueron casi siempre de la clase de los
modelos lineales. Ahora, complejos computadores junto con apropiados
algoritmosnumricos han causado un renacer del inters enmodelos no lineales
(especialmenteredes neuronales yrboles de decisin) y la creacin de nuevos
tipos tales comomodelos lineales generalizados ymodelos multinivel.
El incremento en el poder computacional tambin ha llevado al crecimiento en
popularidad de mtodos intensivos computacionalmente basados enremuestreo,
tales como tests de permutacin y debootstrap, mientras tcnicas como el
muestreo de Gibbshan hecho los mtodos bayesianos ms accesibles. La
revolucin en computadores tiene implicaciones en el futuro de la estadstica,
con un nuevo nfasis en estadsticas experimentales y empricas. Un gran
nmero de paquetes estadsticosest ahora disponible para los investigadores.
Lossistemas dinmicos y teora del caos , desde hace una dcada, empezaron a
interesar en la comunidad hispana, pues en la anglosajona de Estados Unidos
estaba ya establecida la conducta catica en sistemas dinmicos no lineales
con 350 libros para 1997 y empezaban algunos trabajos en los campos de las
ciencias sociales y en aplicaciones de la fsica.