ESTADISTICA I

SANCHEZ, EDGAR

Lic. MARTINEZ

INTRODUCCION
LA ESTADSTICA COMO CIENCIA
La Estadstica es la ciencia que se encarga de recoger, organizar e interpretar los
datos. Es la ciencia de los datos. En la vida diaria somos bombardeados
continuamente por datos estadsticos: encuestas electorales, economa, deportes,
datos meteorolgicos, calidad de los productos, audiencias de TV. Necesitamos una
formacin bsica en Estadstica para evaluar toda esta informacin. Pero la utilidad de
la Estadstica va mucho ms all de estos ejemplos. La Estadstica es fundamental
para muchas ramas de la ciencia desde la medicina a la economa. Pero sobre todo, y
en lo que a nosotros importa, es esencial para interpretar los datos que se obtienen
de la investigacin cientfica. Es necesario leer e interpretar datos, producirlos,
extraer conclusiones, en resumen saber el significado de los datos. Es por lo tanto una
herramienta de trabajo profesional. Se recomienda leer la Introduccin de Estadstica:
modelos y mtodos de Daniel Pena, para conocer el desarrollo histrico de la
Estadstica. La Estadstica (del latn, Status o ciencia del estado) se ocupaba sobre
todo de la descripcin de los datos fundamentalmente sociolgicos: datos
demogrficos y econmicos (censos de poblacin, producciones agrcolas, riquezas,
etc.), principalmente por razones fiscales. En el siglo XVII el clculo de probabilidades
se consolida como disciplina independiente aplicndose sobre todo a los juegos de
azar. Posteriormente (s. XVIII) su uso se extiende a problemas fsicos (principalmente
de Astronoma) y actuariales (seguros martimos). Posteriormente se hace
imprescindible en la investigacin cientfica y es esta la que la hace avanzar.
Finalmente, en el siglo XIX, nace la Estadstica como ciencia que une ambas
disciplinas. El objetivo fundamental de la estadstica es obtener conclusiones de la
investigacin emprica usando modelos matemticos. A partir de los datos reales se
construye un modelo que se confronta con estos datos por medio de la Estadstica.
Esta proporciona los mtodos de evaluacin de las discrepancias entre ambos. Por eso
es necesaria para toda ciencia que requiere anlisis de datos y diseo de
experimentos.

PARA QU SIRVE LA ESTADSTICA

Ya hemos visto que la Estadstica se encuentra ligada a nuestras actividades
cotidianas. Sirve tanto para pronosticar el resultado de unas elecciones, como para
determinar el nmero de ballenas que viven en nuestros ocanos, para descubrir
leyes fundamentales de la Fsica o para estudiar cmo ganar a la ruleta. La Estadstica
resuelve multitud de problemas que se plantean en ciencia:

Anlisis de muestras. Se elige una muestra de una poblacin para hacer

inferencias respecto a esa poblacin a partir de lo observado en la muestra
(sondeos de opinin, control de calidad, etc.).
Descripcin de datos. Procedimientos para resumir la informacin contenida en
un conjunto (amplio) de datos.

Contraste de hiptesis. Metodologa estadstica para disear experimentos que

garanticen que las conclusiones que se extraigan sean vlidas. Sirve para
comparar las predicciones resultantes de las hiptesis con los datos observados
(medicina eficaz, diferencias entre poblaciones, etc.).
Medicin de relaciones entre variables estadsticas (contenido de gas hidrogeno
neutro en galaxias y la tasa de formacin de estrellas, etc.)
Prediccin. Prever la evolucin de una variable estudiando su historia y/o
relacin con otras variables.

EL MTODO CIENTFICO
Citando a Martin Gardner: La ciencia es una bsqueda de conocimientos fidedignos
acerca del mundo: como se estructura y cmo funciona el universo (incluyendo los
seres vivos). La informacin que maneja la ciencia es amplia, al ser amplio su
mbito. Pero se suele reunir en tres apartados: los hechos, las leyes y las teoras. No
es una particin estanca, aunque podemos entender aqu nos referimos con algn
ejemplo. Los hechos se refieren a casos especficos y/o nicos. Por ejemplo la Tierra
tiene una luna (satlite natural).
La primera ley de Kepler (ya que estamos con planetas) es un buen ejemplo de ley:
los planetas describen orbitas elpticas en torno al Sol, que ocupa uno de los focos de
la elipse. Como se ve, frente al hecho, concreto y nico, la ley se refiere a muchos
casos, como lo son los planetas que orbitan en torno al Sol. La generalizacin de la ley
de Kepler permite aplicarla a cualquier par de cuerpos ligados por la gravedad. Una
teora es una abstraccin, con entidades inobservables, que explica hechos y leyes.
Por ejemplo la teora newtoniana de la gravitacin. En ella se habla de fuerzas (o de
campos gravitatorios) que no son entes observables, pero esta teora explica hechos y
leyes. Sucede que el conocimiento cientfico no es completamente seguro en ninguna
de las precedentes categoras. Podra existir otra luna en torno a la Tierra. O, como
sabemos, la teora newtoniana de la gravitacin no es completa, porque no da cuenta
de algunos fenmenos. De ah vino su evolucin a nuevas teoras de la gravitacin.
No hay as un conocimiento completamente seguro: los enunciados absolutamente
ciertos solo existen en el mbito de las matemticas o la lgica. Pero la ciencia usa
una correspondencia con estas dos disciplinas. La matemtica y la lgica aplicadas a
las ciencias facilitan poder establecer hechos, leyes y teoras con coherencia interna y
con un alto grado de certeza. Y la Estadstica proporciona una herramienta para poder
evaluar esta certeza, o proporcionar pautas para realizar inferencias a partir de lo que
se conoce.
Lo que distingue a una teora cientfica es que esta, a diferencia de la que no lo es,
puede ser refutada: puede existir un conjunto de circunstancias que si son observadas
demuestran que la teora est equivocada. A continuacin se ofrece una visin
simplificada del mtodo cientfico. Hacemos observaciones en la naturaleza y a travs
de un proceso creativo generamos una hiptesis de cmo funciona cierto aspecto de
la naturaleza (modelos). Basndonos en esa hiptesis diseamos un experimento que
consiste en que un conjunto de observaciones deben tener lugar, bajo ciertas
condiciones, si la hiptesis es cierta. En el caso de que estas observaciones no
ocurran nos enfrentamos a varias posibilidades: nuestras hiptesis necesitan ser

revisadas, el experimento se llev a cabo de forma incorrecta, o nos hemos

equivocado en el anlisis de los resultados del experimento.
Hace algunos cientos de aos se estableci un mtodo para encontrar respuestas a
los interrogantes que nos planteamos al contemplar la naturaleza. Este mtodo,
conocido como mtodo cientfico, se basa en tres pilares fundamentales:
Observacin, razonamiento y experimentacin. El mtodo cientfico no es una simple
receta, sino que es un proceso exigente que requiere, entre otros ingredientes, juicio
crtico. De forma resumida, el mtodo cientfico incorpora las siguientes facetas:
Observacin: aplicacin atenta de los sentidos a un objeto o a un fenmeno, para
estudiarlos tal como se presentan en realidad.
Descripcin: las mediciones deben ser fiables, es decir, deben poder repetirse. Las
observaciones nicas e irrepetibles no permiten predecir futuros resultados. En este
sentido la Cosmologa se enfrenta, a priori, a un grave problema. El Universo es nico
y no podemos volver a repetirlo modificando las condiciones iniciales.
Prediccin: las predicciones de cualquier fenmeno deben ser vlidas tanto para
observaciones pasadas, como presentes y futuras. Control: capacidad de modificar las
condiciones del experimento para estudiar el impacto de los diferentes parmetros
participantes. Esto se opone a la aceptacin pasiva de datos, que puede conducir a un
importante sesgo (bias) emprico.
Falsabilidad o eliminacin de alternativas plausibles: Este es un proceso gradual que
requiere la repeticin de los experimentos (preferiblemente por investigadores
independientes, quienes deben ser capaces de replicar los resultados iniciales con la
intencin de corroborarlos). Todas las hiptesis y teoras deben estar sujetas a la
posibilidad de ser refutadas. En este sentido, a medida que un rea de conocimiento
crece y las hiptesis o teoras sobre la que se sustenta van realizando predicciones
comprobables, aumenta la confianza en dichas hiptesis o teoras (uno de los
defensores fundamentales del criterio de falsabilidad es Karl Popper (19021994); ver,
por ejemplo, La lgica de la investigacin cientfica en Popper 1935).
Explicacin causal: los siguientes requisitos son normalmente exigibles para admitir
una explicacin como cientfica: Identificacin de las causas. Las causas identificadas
deben correlacionarse con los observables. Las causas deben preceder
temporalmente a los efectos medidos.

EL PROCESO EXPERIMENTAL
La experimentacin est lejos de estar carente de dificultades. Algunas tcnicas
experimentales exigen un aprendizaje largo y, en muchas ocasiones, el volumen de
datos a manejar puede ser tan grande que sea necesario un trabajo de anlisis
intenso. La paciencia y la perseverancia son grandes aliadas en este sentido.
Las razones para realizar un experimento son diversas y de alcance muy variable.
Preguntas tpicas son, por ejemplo: Como de aplicable es una teora particular? Es
posible mejorar una tcnica de medida? A qu temperatura debe fundir una nueva
aleacin? Qu ocurre con las propiedades magnticas de un material al someterlo a

temperaturas de trabajo muy bajas? Se ven alteradas las propiedades de un

semiconductor debido al bombardeo por radiacin nuclear?
De una forma esquemtica, el proceso experimental suele desarrollarse siguiendo el
siguiente esquema:
1. Definir la pregunta o problema a resolver. Cuanto ms claro y definido sea el
objetivo del experimento, mucho ms fcil ser a realizar su planificacin y
ejecucin.
2. Obtener informacin y recursos. Una vez definido el objetivo del experimento, es
necesario elaborar un plan de trabajo para poder alcanzarlo. Hay que identificar
que equipos son necesarios, que cantidades hay que medir, y de qu manera se va
a realizar el experimento.
3. Formular hiptesis, acerca de los resultados de nuestro experimento. Hacerlo antes
de su ejecucin evita el sesgo personal de identificar los resultados que ya se
conocen como objetivos iniciales (no debemos engaarnos a nosotros mismos).
4. Realizar el experimento y obtener las medidas. Esta tarea se subdivide en varios
pasos:
Preparacin: el equipo debe ser puesto a punto para su utilizacin. Si el
experimento requiere la utilizacin de aparatos con los que no estamos
familiarizados, es necesario leer atentamente los manuales de utilizacin, e
incluso consultar a experimentadores con experiencia previa en su manejo.
Todo ello evita perder tiempo y cometer errores de bulto, a la vez que
preserva la integridad del equipo (y la nuestra!).
Experimentacin preliminar: suele ser muy aconsejable realizar una pequea
experimentacin de prueba antes de iniciar la toma definitiva de medidas.
Esto facilita el uso correcto del equipo instrumental, permitiendo identificar
los aspectos ms difciles o en los que resulta ms fcil cometer errores.
Toma de datos: el trabajo cuidadoso y detallado son fundamentales en todo
proceso experimental. Ejecutar dicha labor siguiendo un plan de trabajo bien
definido resulta bsico. No hay nada ms frustrante que descubrir, tras
largas horas de medidas, que hemos olvidado anotar algn parmetro
esencial o sus unidades. En este sentido resulta imprescindible tener
presentes varias cuestiones
Cules son las unidades asociadas a cada medida?
Cul es la incertidumbre asociada?
Que variabilidad presentan las medidas?
Cmo puedo tener una idea del orden de magnitud de una medida antes
de realizarla y saber as que los resultados que se van obteniendo son
razonables?
Qu informacin debe ser incluida en la tabla de datos?
Comprobacin de la respetabilidad: siempre que sea posible, todo
experimento o debera repetirse varias veces para comprobar que los
resultados obtenidos son repetibles y representativos. Y aunque,
obviamente, la repeticin de un experimento no proporciona exactamente
los mismos nmeros, discrepancias muy grandes deben alertarnos acerca de
la existencia de efectos sistemticos que pueden estar distorsionando el
experimento.

5. Analizar los datos: una vez obtenidas las medidas es necesario su tratamiento
estadstico para poder obtener magnitudes (e incertidumbres asociadas)
representativas del objeto de nuestro estudio.
6. Interpretar los datos y extraer conclusiones que sirvan como punto de partida para
nuevas hiptesis. El xito de esta interpretacin depender a, bsicamente, de la
calidad de las medidas y de su anlisis. Las herramientas estadsticas que se
describen en este libro nos permitirn tomar decisiones de manera objetiva.
7. Publicar los resultados. Los resultados de cualquier proceso experimental deben
ser comunicados de manera clara y concisa. Esto incluye desde un sencillo informe
de laboratorio, como el que se exigir en los diversos laboratorios en los que se
trabajar durante la licenciatura de Fsicas, hasta la publicacin de un artculo
cientfico en una revista reconocida.

FUNDAMENTOS DE ESTADSTICA DESCRIPTIVA

La aplicacin del tratamiento estadstico tiene dos fases fundamentales: 1.

Organizacin y anlisis inicial de los datos recogidos. 2. Extraccin de conclusiones
vlidas y toma de decisiones razonables a partir de ellos. Los objetivos de la
Estadstica Descriptiva son los que se abordan en la primera de estas fases. Es decir,
su misin es ordenar, describir y sintetizar la informacin recogida. En este proceso
ser necesario establecer medidas cuantitativas que reduzcan a un nmero
manejable de parmetros el conjunto (en general grande) de datos obtenidos. La
realizacin de graficas (visualizacin de los datos en diagramas) tambin forma parte
de la Estadstica Descriptiva dado que proporciona una manera visual directa de
organizar la informacin. La finalidad de la Estadstica Descriptiva no es, entonces,
extraer conclusiones generales sobre el fenmeno que ha producido los datos bajo
estudio, sino solamente su descripcin (de ah el nombre).

VARIABLES ESTADSTICAS
El concepto de variable estadstica es, sin duda, uno de los ms importantes en
Estadstica. Pero antes de abordar su definicin, es necesario introducir anteriormente
diversos conceptos bsicos. 2.1.1. Poblacin y muestra Se denomina poblacin al
conjunto completo de elementos, con alguna caracterstica comn, que es el objeto
de nuestro estudio. Esta definicin incluye, por ejemplo, a todos los sucesos en que
podra concretarse un fenmeno o experimento cualesquiera. Una poblacin puede
ser finita o infinita.
Ejemplo I1 Los habitantes de un pas, los planetas del Sistema Solar, las estrellas en
la Va Lctea, son elementos de una poblacin finita. Sin embargo, el nmero de
posibles medidas que se puedan hacer de la velocidad de la luz, o de tiradas de un
dado, forman poblaciones infinitas.
Cuando, aunque la poblacin sea finita, su nmero de elementos es elevado, es
necesario trabajar con solo una parte de dicha poblacin. A un subconjunto de
elementos de la poblacin se le conoce como muestra.

Ejemplo I2 Si se quiere estudiar las propiedades de las estrellas en nuestra Galaxia,

no tendremos la oportunidad de observarlas todas; tendremos que conformarnos con
una muestra representativa. Obviamente, elegir de forma representativa los
elementos de una muestra es algo muy importante. De hecho existe un grave
problema, conocido como efecto de seleccin, que puede condicionar el resultado de
un estudio si uno no realiza una seleccin correcta de los elementos que forman parte
de una muestra.
Al nmero de elementos de la muestra se le llama tamao de la muestra. Es fcil
adelantar que para que los resultados de nuestro estudio estadstico sean fiables es
necesario que la muestra tenga un tamao mnimo. El caso particular de una muestra
que incluye a todos los elementos de la poblacin es conocido como censo.

CARACTERES CUANTITATIVOS O CUALITATIVOS

El objeto de nuestra medida pueden ser caracteres de tipos muy diversos. De ah que
normalmente se clasifiquen en: caracteres cuantitativos: aquellos que toman valores
numricos. Por ejemplo la altura o la velocidad de un mvil. Caracteres cualitativos:
tambin llamados atributos, son aquellos que no podemos representar
numricamente y describen cualidades. Por ejemplo, un color o el estado civil. Aunque
existen algunas diferencias, el tratamiento para ambos casos es similar, pudindose
asignar, en muchas ocasiones, valores numricos a los diferentes caracteres
cualitativos.

VARIABLE ESTADSTICA
Se entiende por variable estadstica al smbolo que representa al dato o carcter
objeto de nuestro estudio de los elementos de la muestra y que puede tomar un
conjunto de valores. En el caso de que estemos tratando con caracteres cuantitativos,
la variables estadsticas pueden clasificarse en: discretas, cuando solo pueden tomar
una cantidad (finita o infinita) numerable de valores, y continuas, cuando pueden
tomar tericamente infinitos valores entre dos valores dados. Es la diferencia bsica
que existe entre contar y medir.
Ejemplo I3 El nmero de electrones de un tomo es una variable discreta. La
velocidad o la altura de un mvil son variables continuas.
Por otra parte, las variables se pueden asimismo clasificar en unidimensionales,
cuando solo se mida un carcter o dato de los elementos de la muestra, o
bidimensionales, tridimensionales, y en general ndimensionales, cuando se estudien
simultneamente varios caracteres de cada elemento.
Ejemplo I4 La temperatura o la presin atmosfrica (por separado), son variables
monodimensionales. La temperatura y la presin atmosfrica (estudiadas
conjuntamente), o la longitud y el peso de una barra conductora, son ejemplos de
variables bidimensionales. La velocidad, carga elctrica y masa de un ion es
tridimensional.