Estadística
Síntesis
La estadística es una ciencia formal, con un conocimiento propio, dinámico y
continuo desarrollo obtenido a través del método científico formal. En ocasiones,
las ciencias fácticas necesitan utilizar técnicas estadísticas durante su proceso
de investigación factual, con el fin de obtener nuevos conocimientos basados en la
experimentación y en la observación. En estos casos, la aplicación de la
estadística permite el análisis de datos provenientes de una muestra
representativa, que busca explicar las correlaciones y dependencias de un fenómeno
físico o natural, de ocurrencia en forma aleatoria o condicional.
La estadística es útil para una amplia variedad de ciencias fácticas, desde la
física hasta las ciencias sociales, desde las ciencias de la salud hasta el control
de calidad. Además, se usa en áreas de negocios o instituciones gubernamentales con
el objetivo de describir el conjunto de datos obtenidos para la toma de decisiones,
o bien para realizar generalizaciones sobre las características observadas.
En la actualidad, la estadística aplicada a las ciencias fácticas permite estudiar
una determinada población a partir de la recopilación de información, el análisis
de datos y la interpretación de resultados. Del mismo modo, también es una ciencia
esencial para el estudio cuantitativo de los fenómenos de masa o colectivos.
La estadística se divide en dos grandes áreas:
Estadística descriptiva: Se dedica a la descripción, visualización y resumen de
datos originados a partir de los fenómenos de estudio. Los datos pueden ser
resumidos numérica o gráficamente. Su objetivo es organizar y describir las
características sobre un conjunto de datos con el propósito de facilitar su
aplicación, generalmente con el apoyo de gráficas, tablas o medidas numéricas.
Ejemplos básicos de parámetros estadísticos son: la media y la desviación estándar.
Ejemplos gráficos son: histograma, pirámide poblacional, gráfico circular, entre
otros.
Estadística inferencial: Se dedica a la generación de los modelos, inferencias y
predicciones asociadas a los fenómenos en cuestión teniendo en cuenta la
aleatoriedad de las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas sí/no (prueba de hipótesis), estimaciones
de unas características numéricas (estimación), pronósticos de futuras
observaciones, descripciones de asociación (correlación) o modelamiento de
relaciones entre variables (análisis de regresión). Otras técnicas de modelamiento
incluyen análisis de varianza, series de tiempo y minería de datos. Su objetivo es
obtener conclusiones útiles para lograr hacer deducciones acerca de la totalidad de
todas las observaciones hechas, basándose en la información numérica.
Ambas ramas (descriptiva e inferencial) se utilizan en la estadística aplicada. La
estadística inferencial, por su parte, se divide en estadística paramétrica y
estadística no paramétrica.
Existe también una disciplina llamada estadística matemática que establece las
bases teóricas de las técnicas estadísticas. La palabra «estadísticas» se refiere
al resumen de resultados estadísticos, habitualmente descriptivos, como en
estadísticas económicas, estadísticas criminales, etcétera.
Historia
Origen
El término alemán Statistik, introducido originalmente por Gottfried Achenwall en
1749, se refería al análisis de datos del Estado, es decir, la «ciencia del Estado»
(o más bien, de la ciudad-estado). También se llamó aritmética política de acuerdo
con la traducción literal del inglés. No fue hasta el siglo XIX cuando el término
estadística adquirió el significado de recolectar y clasificar datos. Este concepto
fue introducido por el agrónomo y estadista escocés sir John Sinclair (1754-1835).
En su origen, por tanto, la estadística estuvo asociada a los Estados o ciudades
libres, para ser utilizados por el gobierno y cuerpos administrativos (a menudo
centralizados). La colección de datos acerca de estados y localidades continúa
ampliamente a través de los servicios de estadística nacionales e internacionales.
En particular, los censos comenzaron a suministrar información regular acerca de la
población de cada país. Así pues, los datos estadísticos se referían originalmente
a los datos demográficos de una ciudad o Estado determinados. Y es por ello que en
la clasificación decimal de Melvil Dewey, empleada en las bibliotecas, todas las
obras sobre estadística se encuentran ubicadas al lado de las obras de o sobre la
demografía.
Ya se utilizaban representaciones gráficas y otras medidas en pieles, rocas, palos
de madera y paredes de cuevas para controlar el número de personas, animales o
ciertas mercancías. Hacia el año 3000 a. C. los babilonios usaban ya pequeños
envases moldeados de arcilla para recopilar datos sobre la producción agrícola y de
los géneros vendidos o cambiados. Los egipcios analizaban los datos de la población
y la renta del país mucho antes de construir las pirámides en el siglo XI a. C. Los
libros bíblicos de Números y Crónicas incluyen en algunas partes trabajos de
estadística. El primero contiene dos censos de la población de la Tierra de Israel
y el segundo describe el bienestar material de las diversas tribus judías. En China
existían registros numéricos similares con anterioridad al año 2000 a. C. Los
antiguos griegos realizaban censos cuya información se utilizaba hacia el 594 a. C.
para cobrar impuestos.
Empleo de la estadística en las civilizaciones antiguas
Artículo principal: Edad Antigua
En la Edad Antigua, la estadística consistía en elaborar censos (de población y
tierras.). Su objetivo era facilitar la gestión de las labores tributarias, obtener
datos sobre el número de personas que podrían servir en el ejército o establecer
repartos de tierras o de otros bienes.
En el Oriente Medio, bajo el dominio sumerio, Babilonia tenía casi 6000 habitantes.
Se encontraron en ella tablillas de arcilla que registraban los negocios y asuntos
legales de la ciudad.
En Egipto: La estadística comienza con la Dinastía I, en el año 3050 a. C. Los
faraones ordenaban la realización de censos con la finalidad de obtener los datos
sobre tierras y riquezas para poder planificar la construcción de las pirá[Link]
uso de datos estadísticos en el Antiguo Egipto no se limitaba únicamente a la
planificación de construcciones monumentales, sino que también cumplía una función
esencial en la administración del Estado. Como señala el historiador Carlos Maza
Gómez, “la necesidad de controlar los recursos y planificar la economía llevó a los
egipcios a desarrollar técnicas de cuantificación y registro que pueden
considerarse formas primitivas de estadística” (Maza Gómez, Las matemáticas en el
Antiguo Egipto, 2009). A través de tablillas y papiros, se realizaban registros
detallados de cosechas, ganado, impuestos y mano de obra, lo que evidencia una
gestión estructurada basada en la recopilación y análisis de datos numéricos.
En China: Año 2238 a. C. el emperador Yao elabora un censo general sobre la
actividad agrícola, industrial y comercial.
El censo en el pueblo judío sirvió, además de propósitos militares, para calcular
el monto de los ingresos del templo.
En la Antigua Grecia: Se realizaron censos para cuantificar la distribución y
posesión de la tierra y otras riquezas, organizar el servicio militar y determinar
el derecho al voto.
En la Antigua Roma: Durante el Imperio romano se establecieron registros de
nacimientos y defunciones, y se elaboraron estudios sobre los ciudadanos, sus
tierras y sus riquezas.
En México: Año 1116, durante la segunda migración de las tribus chichimecas, el rey
Xólotl ordenó que se hiciera un censo de la población.
En la Edad Media
Artículo principal: Edad Media
Durante la Edad Media, la estadística no presentó grandes avances, pero destaca el
trabajo de Isidoro de Sevilla, quien recopiló y clasificó datos de diversa
naturaleza cuyos resultados se publicaron en la obra Originum sive Etymologiarum.
En la Edad Moderna
Artículo principal: Edad Moderna
En España son destacables los censos de: Pecheros (1528); el de los Obispos (1587);
el censo de los Millones (1591); y el censo del conde de Aranda (1768).
En Inglaterra, la peste de la década de 1500 supuso la multiplicación de los datos
contables referidos sobre todo a defunciones y nacimientos.
Orígenes en probabilidad
Los métodos estadístico-matemáticos emergieron desde la teoría de probabilidad, la
cual data desde la correspondencia entre Pascal y Pierre de Fermat (1654).
Christian Huygens (1657) da el primer tratamiento científico que se conoce a la
materia. El Ars coniectandi (póstumo, 1713) de Jakob Bernoulli y la Doctrina de
posibilidades (1718) de Abraham de Moivre estudiaron la materia como una rama de
las matemáticas.[3] En la era moderna, el trabajo de Kolmogórov ha sido un pilar en
la formulación del modelo fundamental de la Teoría de Probabilidades, el cual es
usado a través de la estadística.
La teoría de errores se puede remontar a la Ópera miscellánea (póstuma, 1722) de
Roger Cotes y al trabajo preparado por Thomas Simpson en 1755 (impreso en 1756) el
cual aplica por primera vez la teoría de la discusión de errores de observación. La
reimpresión (1757) de este trabajo incluye el axioma de que errores positivos y
negativos son igualmente probables y que hay unos ciertos límites 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
combinación de observaciones desde los principios de la teoría de probabilidades.
Laplace representó la Ley de probabilidades de errores mediante una curva y dedujo
una fórmula para la media de tres observaciones. También, en 1871, obtiene la
fórmula para la ley de facilidad del error (término introducido por Lagrange, 1744)
pero con ecuaciones inmanejables. Daniel Bernoulli (1778) introduce el principio
del máximo producto de las probabilidades de un sistema de errores concurrentes.
Fotografía de Ceres por el telescopio espacial Hubble. La posición fue estimada por
Gauss mediante el método de mínimos cuadrados.
El método de mínimos cuadrados, el cual fue usado para minimizar los errores en
mediciones, fue publicado independientemente por Adrien-Marie Legendre (1805),
Robert Adrain (1808), y Carl Friedrich Gauss (1809). Gauss había usado el método en
su famosa predicción de la localización 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 fórmula de Peters para
r
{\displaystyle r}, el probable error de una observación 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 y
Didion. Augustus De Morgan y George Boole mejoraron la presentación de la teoría.
Adolphe Quetelet (1796-1874), fue otro importante fundador de la estadística y
quien introdujo la noción del «hombre promedio» (l’homme moyen) como un medio de
entender los fenómenos sociales complejos tales como tasas de criminalidad, tasas
de matrimonio o tasas de suicidios.
Siglo XX
Karl Pearson, un fundador de la estadística matemática.
El campo moderno de la estadística se emergió a los principios del siglo XX
dirigida por la obra de Francis Galton y Karl Pearson, quienes transformaron la
estadística a convertirse en una disciplina matemática rigurosa usada por análisis,
no solamente en la ciencia sino en la manufactura y la política. Las contribuciones
de Galton incluyen los conceptos de desviación típica, correlación, análisis de la
regresión y la aplicación de estos métodos al estudio de la variedad de
características —la altura, el peso entre otros—.[4] Pearson desarrolló el
coeficiente de correlación de Pearson, definió como un momento-producto,[5] el
método de momentos por caber las distribuciones a las muestras y la distribuciones
de Pearson, entre otras cosas.[6] Galton y Pearson se fundaron Biometrika como su
primera revista de la estadística matemática y la bioestadística (en aquel entonces
conocida como la biometría). Pearson también fundó el primer departamento de
estadística en University College de Londres.[7]
Durante el siglo XX, la creación de instrumentos precisos para asuntos de salud
pública (epidemiología, bioestadística, etc.) y propósitos económicos y sociales
(tasa de desempleo, econometría, etc.) necesitó de avances sustanciales en las
prácticas estadísticas.
La segunda ola de los años 1910 y 1920 se inició William Gosset, y se culminó en la
obra de Ronald Fisher, quien escribió los libros de texto que iban a definir la
disciplina académica en universidades en todos lados del mundo. Sus publicaciones
más importantes fueron su papel de 1918 The Correlation between Relatives on the
Supposition of Mendelian Inheritance, lo cual era el primero en usar el término
estadístico varianza, su obra clásica de 1925 Statistical Methods for Research
Workers y su 1935 The Design of Experiments,[8][9][10][11] donde desarrolló los
modelos rigurosos de diseño experimental. Originó el concepto de suficiencia y la
información de Fisher.[12] En su libro de 1930 The Genetical Theory of Natural
Selection aplicó la estadística a varios conceptos en la biología como el Principio
de Fisher[13] (sobre el ratio de sexo), el Fisherian runaway,[14][15][16][17][18]
[19] un concepto en la selección sexual sobre una realimentación positiva efecto
hallado en la evolución.
Estado actual
Hoy el uso de la estadística se ha extendido más allá de sus orígenes como un
servicio al Estado o al gobierno. Personas y organizaciones usan la estadística
para entender datos y tomar decisiones en ciencias naturales y sociales, medicina,
negocios y otras áreas. La estadística es una sub-área de las matemáticas cuya
aplicación en el ámbito de las ciencias fácticas es útil para el avance del
conocimiento científico factual, considerándose como una ciencia formal «aliada» de
la ciencia fáctica. Muchas universidades tienen departamentos académicos de
matemáticas (con especialización en estadística) o de estadística separadamente. La
estadística se enseña en departamentos tan diversos como psicología, sociología,
educación y salud pública.[20]
Regresión lineal – gráficos de dispersión en estadística.
Al aplicar la estadística a un problema científico, industrial o social, se
comienza con un proceso o población a ser estudiado. Esta puede ser la población de
un país, de granos cristalizados en una roca o de bienes manufacturados por una
fábrica en particular durante un periodo dado. También podría ser un proceso
observado en varios instantes y los datos recogidos de esta manera constituyen una
serie de tiempo.
Por razones prácticas, en lugar de compilar datos de una población entera,
usualmente se estudia un subconjunto seleccionado de la población, llamado muestra.
Datos acerca de la muestra son recogidos de manera observacional o experimental.
Los datos son entonces analizados estadísticamente lo cual sigue dos propósitos:
descripción e inferencia.
El concepto de correlación es particularmente valioso. Análisis estadísticos de un
conjunto de datos puede revelar que dos variables (esto es, dos propiedades de la
población bajo consideración) tienden a variar conjuntamente, como si hubiera una
conexión entre ellas. Por ejemplo, un estudio del ingreso anual y la edad de muerte
podría resultar en que personas pobres tienden a tener vidas más cortas que
personas de mayor ingreso. Las dos variables se dice que están correlacionadas. Sin
embargo, no se puede inferir inmediatamente la existencia de una relación de
causalidad entre las dos variables. El fenómeno correlacionado podría ser la causa
de una tercera, previamente no considerada, llamada variable confusora.
Si la muestra es representativa de la población, inferencias y conclusiones hechas
en la muestra pueden ser extendidas a la población completa. Un problema mayor es
el de determinar cuán representativa es la muestra extraída. La estadística ofrece
medidas para estimar y corregir por aleatoriedad en la muestra y en el proceso de
recolección de los datos, así como métodos para diseñar experimentos robustos como
primera medida, ver diseño experimental.
El concepto matemático fundamental empleado para entender la aleatoriedad es el de
probabilidad. La estadística matemática (también llamada teoría estadística) es la
rama de las matemáticas aplicadas que usa la teoría de probabilidades y el análisis
matemático para examinar las bases teóricas de la estadística.
El uso de cualquier método estadístico es válido solo cuando el sistema o población
bajo consideración satisface los supuestos matemáticos del método. El mal uso de la
estadística puede producir serios errores en la descripción e interpretación, lo
cual podría llegar a afectar políticas sociales, la práctica médica y la calidad de
estructuras tales como puentes y plantas de reacción nuclear.
Incluso cuando la estadística es correctamente aplicada, los resultados pueden ser
difíciles de interpretar por un inexperto. Por ejemplo, el significado estadístico
de una tendencia en los datos, que mide el grado al cual la tendencia puede ser
causada por una variación aleatoria en la muestra, puede no estar de acuerdo con el
sentido intuitivo. El conjunto de habilidades estadísticas básicas (y el
escepticismo) que una persona necesita para manejar información en el día a día se
refiere como «cultura estadística».
Métodos estadísticos
Estudios experimentales y observacionales
Un objetivo común para un proyecto de investigación es investigar la causalidad, y
en particular extraer una conclusión 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 para estudiar causalidad:
estudios experimentales y observacionales. En ambos tipos de estudios se observa el
efecto de una o varias variables independientes en el comportamiento de una
variable dependiente. La diferencia entre los dos tipos es la forma en la que el
estudio es conducido. Cada uno de ellos puede ser muy efectivo y la estadística
juega un papel muy importante en el análisis de la información.
Niveles de medición
Hay cuatro tipos de mediciones o escalas de medición en estadística: niveles de
medición (nominal, ordinal, intervalo y razón). Tienen diferentes grados de uso en
la investigación estadística. Las medidas de razón, en donde un valor cero y
distancias entre diferentes mediciones son definidas, dan la mayor flexibilidad en
métodos estadísticos 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 de la temperatura en
grados Celsius). Las medidas ordinales tienen imprecisas diferencias entre valores
consecutivos, pero un orden interpretable para sus valores. Las medidas nominales
no tienen ningún rango interpretable entre sus valores.
La escala de medida nominal, puede considerarse la escala de nivel más bajo. Se
trata de agrupar objetos en clases. La escala ordinal, por su parte, recurre a la
propiedad de «orden» de los números. La escala de intervalos iguales está
caracterizada por una unidad de medida común y constante. Es importante destacar
que el punto cero en las escalas de intervalos iguales es arbitrario, y no refleja
en ningún momento ausencia de la magnitud que estamos midiendo. Esta escala, además
de poseer las características 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 más elevado y se diferencia de las
escalas de intervalos iguales únicamente 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 números
asignados corresponden iguales diferencias en el grado de atributo presente en el
objeto de estudio.
Técnicas de análisis estadístico
Algunas pruebas (tests) y procedimientos para la investigación de observaciones
son:
Análisis de frecuencia acumulada
Análisis de regresión
Análisis de varianza (ANOVA)
Análisis factorial confirmatorio
Correlación: coeficiente de correlación de Pearson y coeficiente de correlación de
Spearman
Frecuencia estadística
Gráfica estadística
Iconografía de las correlaciones
Prueba de χ² o prueba de chi cuadrada o prueba de ji cuadrada
Prueba de la diferencia menos significante de Fisher
Prueba t de Student
U de Mann-Whitney
Lenguaje y simbología
Población y muestra
Población: Es el todo o un conjunto formado por todos los valores existentes, ya
sean personas, medidas u objetos que pueden ser expresados mediante una variable y
además, que sean de interés estadístico para un estudio en específico. Al análisis
completo de la población también se le suele conocer como censo.
Población finita: Es aquella que expresa que es posible sobrepasarse al contar o
bien, alcanzarse; por lo tanto, es la que tiene o incluye un número limitado ya sea
de objetos, medidas o personas. Por ejemplo: el gasto en comida durante cierto
tiempo, un conjunto de calificaciones o bien, el total de alumnos que estudian en
una universidad.
Población infinita: Es aquella que incluye a un gran número de conjunto de
observaciones o medidas que no se pueden alcanzar con el conteo. Esto quiere decir
que tiene un número ilimitado de valores, por ejemplo: la producción futura de una
máquina o el lanzamiento de dados o una moneda.
Muestra: Es aquel subconjunto perteneciente a una población. Esto quiere decir que
se conforma por algunos datos de esta, ya sean ciertos objetos, personas, o medidas
de la población. Al estudio de este concepto se le suele conocer como muestreo.
Muestra representativa: Es aquel subconjunto representativo de una población, pero
para que se consideren así se deben seguir ciertos procedimientos de selección o
bien, un método de muestreo. Se dice que la muestra adecuada es aquella que
contiene características esenciales de la población para lograr el objetivo de
hacer generalizaciones con respecto al total de los datos sin examinar cada uno de
ellos.
Parámetro
Parámetro: Es la medida de cierta característica numérica de una población que
generalmente se expresa mediante símbolos griegos (μ o σ).