Estadstica

DeWikipedia,laenciclopedialibre
La estadstica (la forma femenina del
alemn
Statistik,
y
estederivadodelitalianostatista'hombredeEstado')1
es una ciencia formal y una herramienta que estudia
usos y anlisis provenientes de una muestra
representativa de datos, busca explicar las
correlacionesydependenciasdeunfenmenofsico o
natural,deocurrenciaenformaaleatoriaocondicional.
Es transversal a una amplia variedad de disciplinas,
desde la fsica hasta las ciencias sociales, desde las
ciencias de la salud hasta el control de calidad.
Adems, se usa en reas de negocios o instituciones
gubernamentales ya que su principal objetivo es
describir al conjunto de datos obtenidos para la toma
de decisiones o bien, para realizar generalizaciones
sobrelascaractersticasobservadas.

Distribucinnormal.

Hoyenda,laestadsticaesunaciencia que se encarga de estudiar una determinada poblacin por medio de la

recoleccin,recopilacineinterpretacindedatos.Delmismomodo,tambinesconsideradaunatcnicaespecial
aptaparaelestudiocuantitativodelosfenmenosdemasaocolectivo.
Laestadsticasedivideendosgrandesreas:
Estadsticadescriptiva:Sededicaaladescripcin,visualizacinyresumendedatosoriginadosapartirde
los fenmenos de estudio. Los datos pueden ser resumidos numrica o grficamente. Su objetivo es
organizarydescribirlascaractersticassobreunconjuntodedatosconelpropsitodefacilitarsuaplicacin,
generalmenteconelapoyodegrficas,tablasomedidasnumricas.
Ejemplosbsicosdeparmetrosestadsticosson:lamediayladesviacinestndar.
Ejemplosgrficosson:histograma,pirmidepoblacional,grficocircular,entreotros.
Estadsticainferencial:Sededicaalageneracindelosmodelos,inferenciasyprediccionesasociadasalos
fenmenos en cuestin teniendo en cuenta la aleatoriedad de las observaciones. Se usa para modelar
patrones en los datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas s/no (pruebadehiptesis), estimaciones de unas caractersticas
numricas (estimacin), pronsticos de futuras observaciones, descripciones de asociacin (correlacin) o
modelamientoderelacionesentrevariables(anlisisderegresin).Otrastcnicasdemodelamientoincluyen
anlisis de varianza, series de tiempo y minera de datos. Su objetivo es obtener conclusiones tiles para
lograr hacer deducciones acerca de la totalidad de todas las observaciones hechas, basndose en la
informacinnumrica.
Ambasramas(descriptivaeinferencial)comprendenlaestadsticaaplicada,perolaestadsticainferencial,porsu
parte,sedivideenestadsticaparamtricayestadsticanoparamtrica.
Existetambinunadisciplinallamadaestadsticamatemtica,laqueserefierealasbasestericasdelamateria.La
palabraestadsticastambinserefierealresultadodeaplicarunalgoritmoestadsticoaunconjuntodedatos,
comoenestadsticaseconmicas,estadsticascriminales,etc.

ndice

ndice
1 Historia
1.1 Origen
1.2 EmpleodelaestadsticaenlasAntiguasCivilizaciones
1.3 Orgenesenprobabilidad
1.4 SigloXX
1.5 Estadoactual
2 Mtodosestadsticos
2.1 Estudiosexperimentalesyobservacionales
2.2 Nivelesdemedicin
2.3 Tcnicasdeanlisisestadstico
3 Lenguajeysimbologa
3.1 Poblacinymuestra
3.2 Parmetroyestadstico
4 Disciplinasespecializadas
5 Computacinestadstica
6 Crticasalaestadstica
7 Estadsticosfamosos
8 EnseanzadelaestadsticaenlasCienciasSociales
9 Referencias
10 Bibliografa
11 Enlacesexternos

Historia
Origen
EltrminoalemnStatistik,introducidooriginalmenteporGottfriedAchenwallen1749, sereferaalanlisis de
datosdelEstado,esdecir,lacienciadelEstado(omsbien,delaciudadestado).Tambinsellamaritmtica
poltica de acuerdo con la traduccin literal del ingls. No fue hasta el siglo XIX cuando el trmino estadstica
adquiri el significado de recolectar y clasificar datos. Este concepto fue introducido por el militar britnico sir
JohnSinclair(17541835).
En su origen, por tanto, 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,loscensoscomenzaronasuministrarinformacinregularacercadelapoblacindecadapas.Aspues,
losdatosestadsticossereferanoriginalmentealosdatosdemogrficosdeunaciudadoEstadodeterminados.Y
es por ello que en la clasificacin decimal de MelvilDewey, empleada en las bibliotecas, todas las obras sobre
estadsticaseencuentranubicadasalladodelasobrasdeosobrelademografa.

TambinLaestadsticaeslapartedelasMatemticasqueseencargadelestudiodeunadeterminadacaractersticaenunapoblacin,

Yaseutilizabanrepresentacionesgrficasyotrasmedidasenpieles,rocas,palosdemaderayparedesdecuevas
paracontrolarelnmerodepersonas,animalesociertasmercancas.Haciaelao3000a.C.losbabiloniosusaban
ya pequeos envases moldeados de arcilla para recopilar datos sobre la produccin agrcola y de los gneros
vendidos o cambiados. Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de
construirlaspirmidesenelsigloXIa.C.LoslibrosbblicosdeNmerosyCrnicasincluyenenalgunaspartes

trabajosdeestadstica.ElprimerocontienedoscensosdelapoblacindelaTierradeIsraelyelsegundodescribe
elbienestarmaterialdelasdiversastribusjudas.EnChinaexistanregistrosnumricossimilaresconanterioridad
alao2000 a. C. Los antiguos griegos realizaban censos cuya informacin se utilizaba hacia el 594 a. C. para
cobrarimpuestos.

EmpleodelaestadsticaenlasAntiguasCivilizaciones
EnlaEdadAntigualaestadsticaconsistaenelaborarcensos(depoblacinytierras).Suobjetivoerafacilitarla
gestin de las labores tributarias, obtener datos sobre el nmero de personas que podran servir en el ejrcito o
establecerrepartosdetierrasuotrosbienes.
1.En Egipto: La estadstica comienza con la Dinasta I, en el ao 3050 a.C.. Los faraones ordenaban la
realizacindecensosconlafinalidaddeobtenerlosdatossobretierrasyriquezasparapoderplanificarla
construccindelaspirmides.
2.EnChina:Ao2238a.C.elemperadorYaoelaborauncensogeneralsobrelaactividadagrcola,industrialy
comercial.
3.EnlaAntigua Grecia: Se realizaron censos para cuantificar la distribucin y posesin de la tierra y otras
riquezas,organizarelserviciomilitarydeterminarelderechoalvoto.
4.EnlaAntiguaRoma:DuranteelImperioRomanoseestablecieronregistrosdenacimientosydefunciones,y
seelaboraronestudiossobrelosciudadanos,sustierrasysusriquezas.
5.EnMxico: Ao 1116, durante la segunda migracin de las tribus chichimecas, el rey Xlotl orden que
fuerancensadoslossbditos.
6.EnelOrienteMedio,bajoeldominiosumerio,Babiloniatenacasi6000habitantes.Seencontraronenella
tablillasdearcillaqueregistrabanlosnegociosyasuntoslegalesdelaciudad.
7.Elcensoenelpueblojudosirvi,ademsdepropsitosmilitares,paracalcularelmontodelosingresosdel
templo.
DurantelaEdadMedialaestadsticanopresentgrandesavances,perodestacaeltrabajodeIsidorodeSevilla,
quienrecopilyclasificdatosdediversanaturalezacuyosresultadosfueronpublicadosenlaobraOriginumsive
Etymologiarum.
EnlaEdadModernasecontinaconlaobtencindecensos.
1.EnEspaa:DestacaelcensodePecheros(1528),eldelosObispos(1587),elCensodelosMillones(1591)
oelCensodelCondedeAranda(1768).
2.En Inglaterra: la peste de la dcada de 1500 provoc un aumento en la contabilizacin de los datos sobre
defuncionesynacimientos.

Orgenesenprobabilidad
Los mtodos estadsticomatemticos 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. El Ars coniectandi (pstumo, 1713) de Jakob Bernoulli y la Doctrina de
posibilidades(1718)deAbrahamdeMoivreestudiaronlamateriacomounaramadelasmatemticas.2Enlaera
moderna, el trabajo de Kolmogrov ha sido un pilar en la formulacin del modelo fundamental de la Teora de
Probabilidades,elcualesusadoatravsdelaestadstica.
La teora de errores se puede remontar a la pera miscellnea (pstuma, 1722) de Roger Cotes y al trabajo
preparadoporThomasSimpsonen1755(impresoen1756)elcualaplicaporprimeravezlateoradeladiscusin
de errores de observacin. La reimpresin (1757) de este trabajo incluye el axioma de que errores positivos y
negativossonigualmenteprobablesyquehayunosciertoslmitesasignablesdentrodeloscualesseencuentran
todosloserroressedescribenerrorescontinuosyunacurvadeprobabilidad.

PierreSimonLaplace (1774) hace el primer intento de deducir una regla para la combinacin de observaciones
desde los principios de la teora de probabilidades. Laplace represent la Ley de probabilidades de errores
mediante una curva y dedujo una frmula para la media de tres observaciones. Tambin, en 1871, obtiene la
frmula para la ley de facilidad del error (trmino introducido por Lagrange, 1744) pero con ecuaciones
inmanejables. Daniel Bernoulli (1778) introduce el principio del mximo producto de las probabilidades de un
sistemadeerroresconcurrentes.
Elmtododemnimoscuadrados,elcualfueusadoparaminimizarloserrores
enmediciones,fuepublicadoindependientementeporAdrienMarieLegendre
(1805), Robert Adrain (1808), y Carl Friedrich Gauss (1809). Gauss haba
usadoelmtodoensufamosaprediccindelalocalizacindelplanetaenano
Ceresen1801.PruebasadicionalesfueronescritasporLaplace(1810,1812),
Gauss (1823), James Ivory (1825, 1826), Hagen (1837), Friedrich Bessel
(1838),W.F.Donkin (1844, 1856), JohnHerschel (1850) y Morgan Crofton
(1870).OtroscontribuidoresfueronEllis(1844),AugustusDeMorgan(1864),
Glaisher(1872)yGiovanniSchiaparelli(1875).LafrmuladePeterspara ,
elprobableerrordeunaobservacinsimpleesbienconocido.
ElsigloXIXincluyeautorescomoLaplace,SilvestreLacroix(1816),Littrow
(1833),RichardDedekind (1860), Helmert (1872), Hermann Laurent (1873),
Liagre y Didion. Augustus De Morgan y George Boole mejoraron la
presentacindelateora.AdolpheQuetelet(17961874),fueotroimportante
fundadordelaestadsticayquienintrodujolanocindelhombrepromedio
(lhomme moyen) como un medio de entender los fenmenos sociales
complejos tales como tasas de criminalidad, tasas de matrimonio o tasas de
suicidios.

FotografadeCeresporel
telescopioespacialHubble.La
posicinfueestimadaporGauss
medianteelmtododemnimos
cuadrados.

SigloXX
Elcampomodernodelaestadsticaseemergialosprincipiosdelsiglo
XX dirigida por la obra de Francis Galton y Karl Pearson, quienes
transformaron la estadstica a convertirse en una disciplina matemtica
rigurosa usada por anlisis, no solamente en la ciencia sino en la
manufactura y la poltica. Las contribuciones de Galton incluyen los
conceptosdedesviacin tpica, correlacin, anlisis de la regresin y la
aplicacindeestosmtodosalestudiodelavariedaddecaractersticasla
altura, el peso entre otros.3 Pearson desarroll el Coeficiente de
correlacindePearson,definicomounmomentoproducto,4elmtodo
KarlPearson,unfundadordela
de momentos por caber las distribuciones a las muestras y la
estadsticamatemtica.
distribuciones de Pearson, entre otras cosas.5 Galton y Pearson se
fundaronBiometrikacomosuprimerarevistadelaestadsticamatemtica
ylabioestadstica(enaquelentoncesconocidacomolabiometra).Pearsontambinfundelprimerdepartamento
deestadsticaenUniversityCollegedeLondres.6
Durante el siglo XX, la creacin de instrumentos precisos para asuntos de salud pblica (epidemiologa,
bioestadstica,etc.)ypropsitoseconmicosysociales(tasadedesempleo,econometra,etc.)necesitdeavances
sustancialesenlasprcticasestadsticas.
Lasegundaoladelosaos1910y1920seiniciWilliamGosset,yseculminenlaobradeRonaldFisher,quin
escribiloslibrosdetextoqueibanadefinirladisciplinaacadmicaenuniversidadesentodosladosdelmundo.
Suspublicacionesmsimportantesfueronsupapelde1918TheCorrelationbetweenRelativesontheSupposition

of Mendelian Inheritance, lo cual era el primero en usar el trmino

estadstico varianza, su obra clsica de 1925 Statistical Methods for
ResearchWorkersysu1935TheDesignofExperiments,9 10 11 12donde
desarroll los modelos rigurosos de diseo experimental. Origin el
conceptodesuficienciaylainformacindeFisher.13Ensulibrode1930
The Genetical Theory of Natural Selection aplic la estadstica a varios
conceptosenlabiologacomoelPrincipiodeFisher14 14 (sobre el ratio
de sexo), el Fisherian runaway,15 16 17 18 19 20 un concepto en la
seleccin sexual sobre una realimentacin positiva efecto hallado en la
evolucin.

Estadoactual
Hoyelusodelaestadsticasehaextendidomsalldesusorgenescomo
un servicio al Estado o al gobierno. Personas y organizaciones usan la
estadsticaparaentenderdatosytomardecisionesencienciasnaturalesy
sociales, medicina, negocios y otras reas. La estadstica es entendida
generalmente no como un subrea de las matemticas sino como una
ciencia diferente aliada. Muchas universidades tienen departamentos
acadmicosdematemticasyestadsticaseparadamente.Laestadsticase
enseaendepartamentostandiversoscomopsicologa,educacinysalud
pblica.

RonaldFisherinventeltrmino
hiptesisnuladuranteelexperimento
delamujersaboreandot,lacual
nuncasepruebeniseestablezcapero
talvezserefuta,enelcursode
experimentacin. 7 8

Al aplicar la estadstica a un problema cientfico, industrial o social, se

comienza con un proceso o poblacin a 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
recogidosdeestamaneraconstituyenunaseriedetiempo.
Porrazonesprcticas,enlugardecompilardatosdeunapoblacinentera,
usualmente se estudia un subconjunto seleccionado de la poblacin,
llamado muestra. Datos acerca de la muestra son recogidos de manera
observacional o experimental. Los datos son entonces analizados
estadsticamentelocualsiguedospropsitos:descripcineinferencia.

RegresinlinealGrficosde
dispersinenestadstica.

Elconceptodecorrelacinesparticularmentevalioso.Anlisisestadsticos
de un conjunto de datos puede revelar que dos variables (esto es, dos propiedades de la poblacin bajo
consideracin)tiendenavariarconjuntamente,comosihubieraunaconexinentreellas.Porejemplo,unestudio
delingresoanualylaedaddemuertepodraresultarenquepersonaspobrestiendenatenervidasmscortasque
personasdemayoringreso.Lasdosvariablessedicequeestncorrelacionadas.Sinembargo,nosepuedeinferir
inmediatamente la existencia de una relacin de causalidad entre las dos variables. El fenmeno correlacionado
podraserlacausadeunatercera,previamentenoconsiderada,llamadavariableconfusora.
Si la muestra es representativa de la poblacin, inferencias y conclusiones hechas en la muestra pueden ser
extendidas a la poblacin completa. Un problema mayor es el de determinar cun representativa es la muestra
extrada.Laestadsticaofrecemedidasparaestimarycorregirporaleatoriedadenlamuestrayenelprocesode
recoleccindelosdatos,ascomomtodosparadisearexperimentosrobustoscomoprimeramedida,verdiseo
experimental.

Elconceptomatemticofundamentalempleadoparaentenderlaaleatoriedadeseldeprobabilidad.Laestadstica
matemtica (tambin llamada teora estadstica) es la rama de las matemticas aplicadas que usa la teora de
probabilidadesyelanlisismatemticoparaexaminarlasbasestericasdelaestadstica.
Elusodecualquiermtodoestadsticoesvlidosolocuandoelsistemaopoblacinbajoconsideracinsatisface
lossupuestosmatemticosdelmtodo.Elmalusodelaestadsticapuedeproducirserioserroresenladescripcin
einterpretacin,locualpodrallegaraafectarpolticassociales,laprcticamdicaylacalidaddeestructurastales
comopuentesyplantasdereaccinnuclear.
Incluso cuando la estadstica es correctamente aplicada, los resultados pueden ser difciles de interpretar por un
inexperto. Por ejemplo, el significado estadstico de una tendencia en los datos, que mide el grado al cual la
tendenciapuedesercausadaporunavariacinaleatoriaenlamuestra,puedenoestardeacuerdoconelsentido
intuitivo.Elconjuntodehabilidadesestadsticasbsicas(yelescepticismo)queunapersonanecesitaparamanejar
informacineneldaadaserefierecomoculturaestadstica.

Mtodosestadsticos
Estudiosexperimentalesyobservacionales
Unobjetivocomnparaunproyectodeinvestigacinestadsticaesinvestigarlacausalidad,yenparticularextraer
unaconclusinenelefectoquealgunoscambiosenlosvaloresdepredictoresovariablesindependientes tienen
sobre una respuesta o variables dependientes. Hay dos grandes tipos de estudios estadsticos para estudiar
causalidad:estudiosexperimentalesyobservacionales.Enambostiposdeestudios,elefectodelasdiferenciasde
una variable independiente (o variables) en el comportamiento de una variable dependiente es observado. La
diferenciaentrelosdostiposeslaformaenqueelestudioesconducido.Cadaunodeellospuedesermuyefectivo.

Nivelesdemedicin
Hay cuatro tipos de mediciones o escalas de medicin en estadstica: niveles de medicin (nominal, ordinal,
intervaloyrazn).Tienendiferentesgradosdeusoenlainvestigacinestadstica.Lasmedidasderazn,endonde
un valor cero y distancias entre diferentes mediciones son definidas, dan la mayor flexibilidad en mtodos
estadsticosquepuedenserusadosparaanalizarlosdatos.Lasmedidasdeintervalotienendistanciasinterpretables
entremediciones,perounvalorcerosinsignificado(comolasmedicionesdecoeficienteintelectualotemperatura
engradosCelsius).Lasmedidasordinalestienenimprecisasdiferenciasentrevaloresconsecutivos,perounorden
interpretableparasusvalores.Lasmedidasnominalesnotienenningnrangointerpretableentresusvalores.
Laescalademedidanominal,puedeconsiderarselaescaladenivelmsbajo.Setratadeagruparobjetosenclases.
Laescalaordinal,porsuparte,recurrealapropiedaddeordendelosnmeros.Laescaladeintervalosiguales
estcaracterizadaporunaunidaddemedidacomnyconstante.Esimportantedestacarqueelpuntoceroenlas
escalasdeintervalosigualesesarbitrario,ynoreflejaenningnmomentoausenciadelamagnitudqueestamos
midiendo.Estaescala,ademsdeposeerlascaractersticasdelaescalaordinal,permitedeterminarlamagnitudde
losintervalos(distancia)entretodosloselementosdelaescala.LaescaladecoeficientesoRazoneseselnivelde
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
igualesdiferenciasentrelosnmerosasignadoscorrespondenigualesdiferenciasenelgradodeatributopresente
enelobjetodeestudio.

Tcnicasdeanlisisestadstico
Algunostestsyprocedimientosparainvestigacindeobservacionesbienconocidosson:

PruebatdeStudent
Pruebade
Anlisisdevarianza(ANOVA)
UdeMannWhitney
Anlisisderegresin
Correlacin
Iconografadelascorrelaciones
Frecuenciaestadstica
Anlisisdefrecuenciaacumulada
PruebadeladiferenciamenossignificantedeFisher
CoeficientedecorrelacindePearson
CoeficientedecorrelacindeSpearman
Anlisisfactorialexploratorio
Anlisisfactorialconfirmatorio
Grficaestadstica

Lenguajeysimbologa
Poblacinymuestra
Poblacin:Eseltodoounconjuntoformadoportodoslosvaloresexistentes,yaseanpersonas,medidasu
objetosquepuedenserexpresadosmedianteunavariableyadems,tienenunacaractersticadequesonde
inters estadstico para un estudio en especfico. Al anlisis completo de la poblacin tambin se le suele
conocercomo"censo".
Poblacinfinita: Es aquella que expresa que es posible sobrepasarse al contar o bien, alcanzarse por lo
tanto,eslaquetieneoincluyeunnmerolimitadoyaseadeobjetos,medidasopersonas.Porejemplo:el
gastoencomidaduranteciertotiempo,unconjuntodecalificacionesobien,eltotaldealumnosqueestudian
enunauniversidad.
Poblacininfinita:Esaquellaqueincluyeaungrannmerodeconjuntodeobservacionesomedidasque
no se pueden alcanzar con el conteo. Esto quiere decir que tiene un nmero ilimitado de valores, por
ejemplo:laproduccinfuturadeunamquinaoellanzamientodedadosounamoneda.
Muestra: Es aquel subconjunto perteneciente a una poblacin. Esto quiere decir que se conforma por
algunos datos de sta, ya sean ciertos objetos, personas, o medidas de la poblacin. Al estudio de este
conceptoselesueleconocercomo"muestreo".
Muestrarepresentativa:Esaquelsubconjuntorepresentativodeunapoblacin,peroparaqueseconsideren
as se deben seguir ciertos procedimientos de seleccin o bien, un mtodo de muestreo. Se dice que la
muestraadecuadaesaquellaquecontienecaractersticasesencialesdelapoblacinparalograrelobjetivode
hacergeneralizacionesconrespectoaltotaldelosdatossinexaminarcadaunodeellos.

Parmetroyestadstico
Parmetro: Es la medida de cierta caracterstica numrica de una poblacin que generalmente se expresa
mediantesmbolosgriegos().

Disciplinasespecializadas
Algunoscamposdeinvestigacinusanlaestadsticatanextensamentequetienenterminologaespecializada.Estas
disciplinasincluyen:
Cienciasactuariales
Fsicaestadstica
Estadsticaindustrial

Estadsticaespacial
Matemticaestadstica
Estadsticaenmedicina
Estadsticaenmedicinaveterinariayzootecnia
Estadsticaennutricin
Estadsticaenagronoma
Estadsticaenplanificacin
Estadsticaeninvestigacin
Estadsticaenrestauracindeobras
Estadsticaenliteratura
Estadsticaenastronoma
Estadsticaenantropologa(antropometra)
Estadsticaenhistoria
Estadsticamilitar
Geoestadstica
Bioestadstica
Estadsticasdenegocios
Estadsticacomputacional
Estadsticaencienciasdelasalud
Investigacindeoperaciones
Estadsticasdeconsultora
Estadsticadelaeducacin,laenseanza,ylaformacin
Estadsticaencomercializacinomercadotecnia
Cienciometra
Estadsticadelmedioambiente
Estadsticaenepidemiologa
Mineradedatos(aplicaestadsticayreconocimientodepatronesparaelconocimientodedatos)
Econometra(usalaestadsticacomocienciaauxiliar)
Estadsticaeningeniera
Geografaysistemasdeinformacingeogrfica,msespecficamenteenanlisisespacial
Demografa
Estadsticaenpsicologa(psicometra)
Calidadyproductividad
Estadsticassociales(paratodaslascienciassociales)
Culturaestadstica
Encuestaspormuestreo
Anlisisdeprocesosyquimiometra(paraanlisisdedatosenqumicaanalticaeingenieraqumica)
Confiabilidadestadstica
Procesamientodeimgenes
Estadsticasdeportivas
Laestadsticaesunaherramientabsicaennegociosyproduccin.Seusaparaentenderlavariabilidaddesistemas
demedicin,controldeprocesos(comoencontrolestadsticodeprocesosoSPC(CEP)),paracompilardatosy
para tomar decisiones. En estas aplicaciones es una herramienta clave y probablemente la nica herramienta
disponible.

Computacinestadstica
ElrpidoysostenidoincrementoenelpoderdeclculodelacomputacindesdelasegundamitaddelsigloXXha
tenido un sustancial impacto en la prctica de la ciencia estadstica. Viejos modelos estadsticos fueron casi
siempre de la clase de los modelos lineales. Ahora, complejos computadores junto con apropiados algoritmos
numricoshancausadounrenacerdelintersenmodelosnolineales(especialmenteredesneuronalesyrbolesde
decisin)ylacreacindenuevostipostalescomomodeloslinealesgeneralizadosymodelosmultinivel.

Elincrementoenelpodercomputacionaltambinhallevadoalcrecimientoenpopularidaddemtodosintensivos
computacionalmente basados en remuestreo, tales como tests de permutacin y de bootstrap, mientras tcnicas
como el muestreo de Gibbs han 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.Ungrannmerodepaquetesestadsticosestahoradisponibleparalosinvestigadores.Lossistemas
dinmicosyteoradelcaos,desdehaceunadcada,empezaronainteresarenlacomunidadhispana,puesenla
anglosajonadeEstadosUnidosestabayaestablecidalaconductacaticaensistemasdinmicosnolinealescon
350librospara1997yempezabanalgunostrabajosenloscamposdelascienciassocialesyenaplicacionesdela
fsica.Tambinseestabacontemplandosuusoenanaltica.
Vasetambin:ComputacinCientfica

Crticasalaestadstica
Hay una percepcin general de que el conocimiento estadstico es intencionado y frecuentemente mal usado,
encontrandomanerasdeinterpretarlosdatosqueseanfavorablesalpresentador.Undichofamoso,alparecerde
Benjamin Disraeli,21 es: Hay tres tipos de mentiras: mentiras pequeas, mentiras grandes y estadsticas. El
popularlibroHowtoliewithstatistics(Cmomentirconlasestadsticasenlaedicinespaola)deDarrellHuff
discutemuchoscasosdemalusodelaestadstica,connfasisengrficasmalintencionadas.Alescoger(orechazar
o modificar) una cierta muestra, los resultados pueden ser manipulados por ejemplo, mediante la eliminacin
selectivadevaloresatpicos(outliers).Estepuedeserelresultadodefraudesosesgosintencionalesporpartedel
investigador(DarrelHuff22).LawrenceLowell(decanodelaUniversidaddeHarvard) escribien1909que las
estadsticas,comoalgunospasteles,sonbuenassisesabequinlashizoyseestsegurodelosingredientes.
Algunosestudioscontradicenresultadosobtenidospreviamenteylapoblacincomienzaadudarenlaveracidadde
talesestudios.Sepodraleerqueunestudiodice(porejemplo)quehacerXreducelapresinsangunea,seguido
por un estudio que dice que hacer X no afecta la presin sangunea, seguido por otro que dice que hacer X
incrementalapresinsangunea.Amenudolosestudiossehacensiguiendodiferentesmetodologas,oestudios
enmuestraspequeasqueprometenresultadosmaravillososquenosonobteniblesenestudiosdemayortamao.
Sinembargo,muchoslectoresnonotantalesdiferencias,ylosmediosdecomunicacinsimplificanlainformacin
alrededordelestudioyladesconfianzadelpblicocomienzaacrecer.
Sinembargo,lascrticasmsfuertesvienendelhechoquelaaproximacindepruebasdehiptesis,ampliamente
usadaenmuchoscasosrequeridosporleyoreglamentacin,obligaaunahiptesisaserfavorecida(lahiptesis
nula)ypuedetambinexagerarlaimportanciadepequeasdiferenciasenestudiosgrandes.Unadiferenciaquees
altamentesignificativapuedeserdeningunasignificanciaprctica.
Vasetambincrticasdepruebadehiptesisycontroversiadelahiptesisnula.
Enloscamposdelapsicologaylamedicina,especialmenteconrespectoalaaprobacindenuevosmedicamentos
porlaFoodandDrugAdministration,crticasdelaaproximacindepruebadehiptesissehanincrementadoen
los aos recientes. Una respuesta ha sido un gran nfasis en el pvalor en vez de simplemente reportar si la
hiptesisfuerechazadaalniveldesignificancia dado.Denuevo,sinembargo,estoresumelaevidenciaparaun
efectoperonoeltamaodelefecto.Unaposibilidadesreportarintervalosdeconfianza,puestoqueestosindicanel
tamaodelefectoylaincertidumbre.Estoayudaainterpretarlosresultados,comoelintervalodeconfianzapara
un dadoindicandosimultneamentelasignificanciaestadsticayelefectodetamao.
Elpvalorylosintervalosdeconfianzasonbasadosenlosmismosclculosfundamentalescomoaquellosparalas
correspondientespruebasdehiptesis.Losresultadossonpresentadosenunformatomsdetallado,enlugardel
sonodelaspruebasdehiptesisyconlamismametodologaestadstica.

Otro tipo de aproximacin es el uso de mtodos bayesianos. Esta aproximacin ha sido, sin embargo, tambin
criticada.
Elfuertedeseodequelosmedicamentosbuenosseanaprobadosyquelosmedicamentospeligrososodepocouso
seanrechazadoscreatensionesyconflictos(errorestipoIyIIenellenguajedepruebasdehiptesis).

Estadsticosfamosos
ThomasBayes
PafnutiChebyshov
DavidCox
GertrudeCox
GeorgeDantzig
RenDescartes
W.
Edwards
Deming

BrunodeFinetti
SirRonaldFisher
PierreFermat
SirFrancisGalton
Carl
Friedrich
Gauss
William
Sealy
Gosset
Andri
Kolmogrov
Aleksandr
Lyapunov

Abraham
De
Moivre
SirIsaacNewton
JerzyNeyman
Florence
Nightingale
BlaisePascal
GeorgeBox
KarlPearson

AdolpheQuetelet
C.R.Rao
Ernst
Georg
Ravenstein
TheodoreSchultz
WalterShewhart
CharlesSpearman
JohnTukey
MiltonFriedman

EnseanzadelaestadsticaenlasCienciasSociales
Sobre la enseanza de la estadstica en Ciencias Sociales algunas investigaciones sugieren que los estudiantes
aprendenmscuandolosprofesoresusanejemplosconcretosyproblemasrelevantesparaellos.23
Para contar con ejemplos concretos y problemas relevantes a los estudiantes es posible proponer actividades de
aprendizaje que vinculen los mtodos cuantitativos a los enfoques cualitativos, debido a que estos ltimos son
utilizados con mayor recurrencia en los planes de estudio de las licenciaturas en Ciencias sociales. Sobre esta
combinacin de mtodos encontramos que una de sus principales virtudes es que la recopilacin de los ricos
detallesdescriptivosdelosdatoscualitativossepuedeusarparacuantificarygeneralizarlosresultados.24
Entrelasventajasdeunaenseanzaquecombinelosmtodoscuantitativosconloscualitativosseencuentraelque
losestudiantesdesarrollenladestrezaparatriangularresultados,loquedisminuyelafalibilidadinherenteacada
enfoque.Porejemploloserroresquepuedanatribuirsealosdatosdeorigen,datoquelosmtodosutilizantiposde
datosdistintos,sernmsconfiableslosresultadossiprocedendeunatriangulacindemtodos.25
Incluso,sepuedecontemplarlaenseanzadelosmtodoscuantitativosdentrodelosprogramasdelosdistintos
ejes del curriculum acadmico. Actualmente es comn que en las diversas asignaturas se ejercite el uso de los
mtodos de investigacin cualitativos pero no de los cuantitativos. Esto debera cambiar porque introducir el
razonamiento cuantitativo en los cursos sustanciales permite ligar el entrenamiento en mtodos cuantitativos,
especialmenteestadsticos,conlosasuntosmedularesdelascienciassociales.26

Referencias
1.RealAcademiaEspaola(2014).estadstica(http://dle.rae.es/estad%C3%ADstica).Diccionariodelalenguaespaola
(23.edicin).Madrid:Espasa.
2.Ver el trabajo de Ian Hacking en The emergence of probability para una historia del desarrollo del concepto de
probabilidadmatemtica.

3.Galton,F(1877).Typicallawsofheredity.Nature15:492553.doi:10.1038/015492a0(http://dx.doi.org/10.1038%2F015492a0).
4.Stigler, S. M. (1989). Francis Galton's Account of the Invention of Correlation. Statistical Science 4 (2): 7379.
doi:10.1214/ss/1177012580(http://dx.doi.org/10.1214%2Fss%2F1177012580).
5.Pearson,K.(1900).OntheCriterionthatagivenSystemofDeviationsfromtheProbableintheCaseofaCorrelated
System of Variables is such that it can be reasonably supposed to have arisen from Random Sampling. Philosophical
MagazineSeries550(302):157175.doi:10.1080/14786440009463897(http://dx.doi.org/10.1080%2F14786440009463897).
6.Karl
Pearson
(18571936)
(http://web.archive.org/web/http://www.ucl.ac.uk/stats/department/pearson.html).
DepartmentofStatisticalScienceUniversityCollegeLondon.Archivadodesdeeloriginal(http://www.ucl.ac.uk/stats/d
epartment/pearson.html)el25denoviembrede2015.
7.Fisher|1971|loc=Chapter II. The Principles of Experimentation, Illustrated by a Psychophysical Experiment, Section 8.
TheNullHypothesis]]
8.OED quote: 1935 R. A. Fisher, The Design of Experiments ii. 19, "We may speak of this hypothesis as the 'null
hypothesis',anditshouldbenotedthatthenullhypothesisisneverprovedorestablished,butispossiblydisproved,in
thecourseofexperimentation."
9.Stanley, J. C. (1966). The Influence of Fisher's "The Design of Experiments" on Educational Research Thirty Years
Later.AmericanEducationalResearchJournal3(3):223.doi:10.3102/00028312003003223(http://dx.doi.org/10.3102%2F0002831
2003003223).
10.Box,JF(febrerode1980).R.A.FisherandtheDesignofExperiments,19221926.TheAmericanStatistician34(1):
17.doi:10.2307/2682986(http://dx.doi.org/10.2307%2F2682986).JSTOR2682986(https://www.jstor.org/stable/2682986).
11.Yates, F (junio de 1964). Sir Ronald Fisher and the Design of Experiments. Biometrics 20 (2): 307321.
doi:10.2307/2528399(http://dx.doi.org/10.2307%2F2528399). JSTOR2528399(https://www.jstor.org/stable/2528399).
12.Stanley,JulianC.(1966).TheInfluenceofFisher's"TheDesignofExperiments"onEducationalResearchThirtyYears
Later.AmericanEducationalResearchJournal3(3):223229. doi:10.3102/00028312003003223(http://dx.doi.org/10.3102%2F00
028312003003223). JSTOR1161806(https://www.jstor.org/stable/1161806).
13.Agresti,AlanDavidB.Hichcock(2005).BayesianInferenceforCategoricalDataAnalysis(http://www.stat.ufl.edu/~
aa/articles/agresti_hitchcock_2005.pdf).StatisticalMethods&Applications14(14):298. doi:10.1007/s102600050121y (htt
p://dx.doi.org/10.1007%2Fs102600050121y).
14.Edwards, A.W.F. (1998). Natural Selection and the Sex Ratio: Fisher's Sources. AmericanNaturalist 151 (6): 564
569.doi:10.1086/286141(http://dx.doi.org/10.1086%2F286141).PMID18811377(https://www.ncbi.nlm.nih.gov/pubmed/18811377).
15.Fisher,R.A.(1915)Theevolutionofsexualpreference.EugenicsReview(7)184:192
16.Fisher,R.A.(1930)TheGeneticalTheoryofNaturalSelection.ISBN0198504403
17.Edwards,A.W.F.(2000)Perspectives:Anecdotal,HistorialandCriticalCommentariesonGenetics.TheGeneticsSociety
ofAmerica(154)1419:1426
18.Andersson,M.(1994)Sexualselection.ISBN0691000573
19.Andersson, M. and Simmons, L.W. (2006) Sexual selection and mate choice. Trends, Ecology and Evolution (21)
296:302
20.Gayon,J.(2010)Sexualselection:AnotherDarwinianprocess.ComptesRendusBiologies(333)134:144
21.Cf.Damned lies and statistics: untangling numbers from the media, politicians, and activists, del profesor Joel Best.
BestatribuyeestedichoaDisraeli,ynoaMarkTwainuotrosautorescomosecreepopularmente.
22.DarrellHuff.Cmomentirconestadsticas,Barcelona:Sagitario,1965
23.Bridges, G. S. Gillmore, G. M. Pershing, J. L. Bates, K. A. (1998). Teaching Quantitative Research Methods: A
QuasiExperimental Analysis. Teaching Sociology (http://www.jstor.org/stable/1318676). American Sociological
Association26(1):15.Consultadoel5demarzode2016.
24.Abusabha,R.Woelfel,M.(2003).Qualitativevsquantitativemethods:Twooppositesthatmakeaperfectmatch(htt
p://doi.org/10.1053/jada.2003.50129). Journal of the American Dietetic Association 103 (5): 567. Consultado el 5 de
marzode2016.
25.Sechrest,L.Sidani,S.(1995).Quantitativeandqualitativemethods:IsThereanAlternative?(http://www.sciencedirec
t.com/science/article/pii/014971899400051X). Evaluation and Program Planning 18 (1): 84. doi:10.1016/0149
7189(94)00051X(http://dx.doi.org/10.1016%2F01497189%2894%2900051X).Consultadoel5demarzode2016.
26.Bridges, G. S. Gillmore, G. M. Pershing, J. L. Bates, K. A. (1998). Teaching Quantitative Research Methods: A
QuasiExperimental Analysis. Teaching Sociology (http://www.jstor.org/stable/1318676). American Sociological
Association26(1):24.Consultadoel5demarzode2016.

Bibliografa

Best, Joel (2001). Damned Lies and Statistics: Untangling Numbers from the Media, Politicians, and
Activists.UniversityofCaliforniaPress.ISBN0520219783.
Desrosires,Alain(2004).Lapolticadelosgrandesnmeros.Ed.Melusina.ISBN8493327352.
Hacking,Ian(1990).TheTamingofChance.CambridgeUniversityPress.ISBN0521388848.
Lindley,D.V.(1985).MakingDecisions(2.edicinedicin).JohnWiley&Sons.ISBN0471908088.
Stigler,StephenM.(1990).TheHistoryofStatistics:TheMeasurementofUncertaintybefore1900.Belknap
Press/HarvardUniversityPress.ISBN067440341X.
Tijms, Henk (2004). Understanding Probability: Chance Rules in Everyday life. Cambridge University
Press.ISBN0521833299.
Volle,Michel(1984).Lemtierdestatisticien(2.ed.edicin).Econmica.ISBN2717808248.

Enlacesexternos
WikimediaCommonsalbergacontenidomultimediasobreEstadstica.
WikiquotealbergafrasesclebresdeosobreEstadstica.
Wikcionariotienedefinicionesyotrainformacinsobreestadstica.
Obtenidodehttps://es.wikipedia.org/w/index.php?title=Estadstica&oldid=94649788
Categoras: Estadstica Calidad Mtodosdeevaluacin
Estapginafuemodificadaporltimavezel29oct2016alas19:10.
EltextoestdisponiblebajolaLicenciaCreativeCommonsAtribucinCompartirIgual3.0podranser
aplicablesclusulasadicionales.Alusarestesitio,ustedaceptanuestrostrminosdeusoynuestrapoltica
deprivacidad.
WikipediaesunamarcaregistradadelaFundacinWikimedia,Inc.,unaorganizacinsinnimodelucro.