La estadstica es una ciencia formal y una herramienta que estudia el uso y los anlisis

provenientes de una muestra representativa de datos, busca explicar las correlaciones y

dependencias de un fenmeno fsico o natural, de ocurrencia en
forma aleatoria o condicional.
Sin embargo, la estadstica es ms que eso, es decir, es la herramienta fundamental que
permite llevar a cabo el proceso relacionado con la investigacin cientfica.

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.
Se usa para la toma de decisiones en reas de negocios o instituciones gubernamentales.
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 de parmetros estadsticos son: la media y
la desviacin estndar. Algunos ejemplos grficos son: histograma, pirmide
poblacional, grfico circular, entre otros.
Estadstica inferencial
Se dedica a la generacin de los modelos, inferencias y predicciones asociadas a
los 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 (prueba de hiptesis), estimaciones de unas
caractersticas numricas (estimacin), pronsticos de futuras observaciones,
descripciones de asociacin (correlacin) o modelamiento de relaciones entre
variables (anlisis de regresin). Otras tcnicas
de modelamiento incluyen anova, series de tiempo y minera de datos.
Ambas ramas (descriptiva e inferencial) comprenden la estadstica 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.
ndice

[ocultar]

1 Historia
o

1.1 Origen

1.2 Orgenes en probabilidad

1.3 Estado actual

2 Mtodos estadsticos
o

2.1 Estudios experimentales y observacionales

2.2 Niveles de medicin

2.3 Tcnicas de anlisis estadstico

3 Disciplinas especializadas

4 Computacin estadstica

5 Crticas a la estadstica

6 Estadsticos famosos

7 Notas

8 Bibliografa

9 Enlaces externos

Historia[editar]
Origen[editar]
El trmino alemn Statistik, introducido originalmente por Gottfried
Achenwall en 1749, se refera al anlisis de datos del Estado, es decir, la ciencia
del Estado (o ms bien, de la ciudad-estado). Tambin se llam aritmtica
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 John Sinclair (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, los censoscomenzaron a suministrar informacin regular acerca de
la poblacin de 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 o sobre la demografa.

Ya se utilizaban representaciones grficas y otras medidas en pieles, rocas, palos

de madera y paredes de cuevas para controlar el nmero de personas, animales o
ciertas mercancas. Hacia el ao 3000 a. C. los babilonios usaban 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 construir las pirmides en el siglo
XI a. C. Los libros bblicos deNmeros y Crnicas incluyen en algunas partes
trabajos de estadstica. El primero contiene dos censos de la poblacin de
la Tierra de Israel y el segundo describe el bienestar material de las diversas tribus
judas. En China existan registros numricos similares con anterioridad al
ao 2000 a. C. Los antiguos griegos realizaban censos cuya informacin se
utilizaba hacia el 594 a. C. para cobrar impuestos.

Orgenes en probabilidad[editar]
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. El Ars coniectandi (pstumo, 1713) de Jakob Bernoulli y la Doctrina
de posibilidades (1718) deAbraham de Moivre estudiaron la materia como una
rama de las matemticas.1 En la era moderna, el trabajo de Kolmogrov ha sido
un pilar en la formulacin del modelo fundamental de la Teora de Probabilidades,
el cual es usado a travs de la estadstica.
La teora de errores se puede remontar a la pera miscellnea (pstuma, 1722)
de Roger Cotes y al trabajo preparado por Thomas Simpson en 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 axioma de 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.
Pierre-Simon Laplace (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 sistema de
errores concurrentes.

Fotografa de Ceres por el telescopio espacial Hubble. La posicin fue estimada por Gauss
mediante el mtodo de mnimos cuadrados.

El mtodo de mnimos cuadrados, el cual fue usado para minimizar los errores
en mediciones, fue publicado independientemente porAdrien-Marie
Legendre (1805), Robert Adrain (1808), y Carl Friedrich Gauss (1809). Gauss
haba usado el mtodo en su famosa prediccin de la localizacin del planeta
enano Ceres en 1801. Pruebas adicionales fueron escritas por Laplace (1810,
1812), Gauss (1823), James Ivory (1825, 1826), Hagen (1837), Friedrich
Bessel (1838), W.F. Donkin (1844, 1856), John Herschel (1850) y Morgan
Crofton (1870). Otros contribuidores fueron Ellis (1844), Augustus De
Morgan (1864), Glaisher (1872) y Giovanni Schiaparelli (1875). La frmula de
Peters para , el probable error de una observacin simple es bien conocido.
El siglo XIX incluye autores como Laplace, Silvestre Lacroix (1816), Littrow
(1833), Richard Dedekind (1860), Helmert (1872), Hermann Laurent (1873),
Liagre, Didion y Karl Pearson. Augustus De Morgan y George Boole mejoraron la
presentacin de la teora. Adolphe Quetelet (1796-1874), fue otro importante
fundador de la estadstica y quien introdujo la nocin del hombre
promedio (lhomme moyen)como un medio de entender los fenmenos sociales
complejos tales como tasas de criminalidad, tasas de matrimonio o tasas de
suicidios.

Estado actual[editar]
Durante el siglo XX, la creacin de instrumentos precisos para asuntos de salud
pblica (epidemiologa, bioestadstica, etc.) y propsitos econmicos y sociales
(tasa de desempleo, 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 al Estado o 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.

Muchas universidades tienen departamentos acadmicos de matemticas y

estadstica separadamente. La estadstica se ensea en departamentos tan
diversos como psicologa, educacin y salud pblica.

Regresin lineal Grficos dedispersin en estadstica.

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 recogidos de esta manera constituyen
una serie de tiempo.
Por razones prcticas, en lugar de compilar datos de una poblacin entera,
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
estadsticamente lo cual sigue dos propsitos: descripcin e inferencia.
El concepto de correlacin es particularmente valioso. Anlisis estadsticos de
un conjunto de datos puede revelar que dos variables (esto es, dos propiedades
de la poblacin bajo consideracin) tienden a variar conjuntamente, como si
hubiera una conexin entre ellas. Por ejemplo, un estudio del ingreso anual y la
edad de muerte podra resultar en que personas pobres tienden a tener vidas ms
cortas que personas de mayor ingreso. Las dos variables se dice que estn
correlacionadas. Sin embargo, no se puede inferir inmediatamente la existencia de
una relacin de causalidad entre las dos variables. El fenmeno correlacionado
podra ser la causa de una tercera, previamente no considerada, llamada variable
confusora.
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. La estadstica
ofrece medidas para estimar y corregir por aleatoriedad en la muestra y en el
proceso de recoleccin de los datos, as como mtodos para disear experimentos
robustos como primera medida, ver diseo experimental.

El concepto matemtico fundamental empleado para entender la aleatoriedad es

el de probabilidad. La estadstica matemtica (tambin llamada teora estadstica)
es la rama de las matemticas aplicadas que usa la teora de probabilidades y
el anlisis matemtico para examinar las bases tericas de la estadstica.
El uso de cualquier mtodo estadstico es vlido solo cuando el sistema o
poblacin bajo consideracin satisface los supuestos matemticos del mtodo. El
mal uso de la estadstica puede producir serios errores en la descripcin e
interpretacin, lo cual podra llegar a afectar polticas sociales, la prctica mdica y
la calidad de estructuras tales como puentes y plantas de reaccin nuclear.
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 tendencia puede ser
causada por una variacin aleatoria en la muestra, puede no estar de acuerdo con
el sentido intuitivo. El conjunto de habilidades estadsticas bsicas (y el
escepticismo) que una persona necesita para manejar informacin en el da a da
se refiere como cultura estadstica.

Mtodos estadsticos[editar]
Estudios experimentales y observacionales[editar]
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 o variables independientes tienen sobre una
respuesta o variables 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.