Professional Documents
Culture Documents
GENERALIDADES DE LA ESTADSTICA
La estadstica es la ciencia que le facilita al hombre el estudio de datos
masivos, pasa de esa manera sacar conclusiones valederas y efectuar predicciones
razonables de ellos; y as mostrar una visin de conjunto clara y de ms fcil
apreciacin, as como para describirlos y compararlos.
En una forma prctica, la estadstica nos proporciona los mtodos cientficos
para la recopilacin, organizacin, resumen, representacin y anlisis de datos, o
anlisis de hechos, que se presenten a una valuacin numrica; tales como son:
Caractersticas biolgicas o sociolgicas, fenmenos fsicos, produccin, calidad,
poblacin riqueza, impuestos, cosechas, etc.
Slo cuando nos adentramos en un mundo ms especfico como es el campo
de la investigacin de las Ciencias Sociales: Medicina, Biologa, Psicologa, ...
empezamos a percibir que la Estadstica no slo es algo ms, sino que se convierte
en la nica herramienta que, hoy por hoy, permite dar luz y obtener resultados, y por
tanto beneficios, en cualquier tipo de estudio, cuyos movimientos y relaciones, por su
variabilidad intrnseca, no puedan ser abordadas desde la perspectiva de las leyes
deterministas. Podramos, desde un punto de vista ms amplio, definir la estadstica
como la ciencia que estudia cmo debe emplearse la informacin y cmo dar una
gua de accin en situaciones prcticas que entraan incertidumbre.
El primer censo en Amrica fue llevado a cabo por los Incas, y lo ms probable
es que haya sido en la poca de Pachactec Yupanqui, Inca que fue llamado El
Reformador del Mundo quien organiz el Imperio Incaico econmica y socialmente.
El matemtico y filsofo italiano Girolano Cardano, que vivi entre los aos
1510 y 1576, realiz los primeros estudios sobre probabilidades, y fueron publicados
en su trabajo Iber de Ludo Alea que quiere decir Manual para tirar los dados.
Felipe II (1575 1578) fue el Rey de Espaa, e hizo levantar un censo en el
Nuevo Mundo de sus dominios, en el ao de 1576.
Gottfried Achenwall (Desde 1719 hasta 1772), un reconocido economista y
profesor universitario, de origen alemn, profundiz en estudios que dieron origen a
la Estadstica Inductiva.
Juan Pedro Sussmilchi, que vivi desde 1707 hasta 1767, y fue un brillante
matemtico, estadstico y telogo alemn, perfeccion los estudios demogrficos, al
mismo tiempo que Antonio Deparcioux, que vivi entre 1703 y 1768 y fue un gran
matemtico francs, aplic la Estadstica para obtener las primeras Tablas de
Mortalidad, con lo cual se dio inicio el prspero negocio del seguro de vida.
Jacques Bernouilli (1654-1705) matemtico suizo, escribi Ars Cojetandi que
quiere decir en espaol, el Arte de Conjeturar, publicado pstumamente en 1713 y
formula la Ley de los Grandes Nmeros, primer paso hacia la Estadstica
Matemtica.
El Marqus Pedro Simn de Laplace que vivi desde 1749 hasta 1827,
matemtico y astrnomo francs, anuncia su Teora Analtica de las Probabilidades
en 1812, y este fue otro gran impulso a la Estadstica Matemtica.
Lambert Jacques Quetelet (1796-1874), gran astrnomo y matemtico de
origen belga, aplic el mtodo estadstico al estudio de la Economa Social
(Caractersticas fsicas, intelectuales y morales de los humanos); creando as la
Sociometra.
Pafnuti Lvovich Chevyshev (1821-1884) crea la Desigualdad de Chevyshev,
que es de gran utilidad como herramienta terica, aplicable a las distribuciones de
medias y varianzas finitas.
Gregor Johann Mendel, (1822-1884), conocido botnico austraco, que
experiment con 34 variedades de arvejas, durante un lapso de 2 aos, descubre y
enuncia, en el ao de 1865, las Leyes de Mendel; leyes estadsticas que rigen la
herencia y la hibridacin de los vegetales, lo cual es considerado el punto de partida
de la biometra.
Clasificacin de la Estadstica
En atencin a su metodologa, por sus procedimientos y alcances bien
definidos, la Estadstica la podramos clasificar en dos grandes ramas, como lo son:
La estadstica descriptiva o deductiva: Analiza metdicamente los datos,
simplificndolos y presentndolos en forma clara; eliminando la confusin
caracterstica de los datos preliminares. Permite la elaboracin de cuadros, grficos e
ndices bien calculados; suficientemente claros, como para disipar las dudas y la
obscuridad de los datos masivos.
Se limita a describir los datos que se analizan, sin hacer inferencias en cuanto
a datos no incluidos en la muestra.
La estadstica inductiva o inferencial: Provee conclusiones o inferencias,
basndose en los datos simplificados y analizados; detectando las interrelaciones
que pueden unirlos, las leyes que los rigen y eliminando las influencias del azar;
llegando ms all de las verificaciones fsicas posibles. Sobre la base de la muestra
estudiada saca conclusiones, o sea, hace inferencia o induccin, en cuanto al
universo o poblacin, de donde se obtuvo dicha muestra.
Poblacin
La poblacin, o el universo, est formado por la totalidad de los elementos que
se desean estudiar, ejemplos podran ser: La poblacin total de Venezuela, los
alumnos cursantes en las universidades del pas, la produccin de toda una industria,
a cosecha de un ao dado, el rendimiento de una raza de ganado, entre otros. Segn
sus caractersticas dimensionales pueden ser:
Finita: Cuando tiene un valor limitado, como por ejemplo: las unidades
de producto de una empresa.
Muestra
En los estudios estadsticos, en vez de analizar la totalidad de la poblacin o
universo, se acude al recurso de considerar solamente una parte de ella, a la cual se
le llama muestra.
Es requisito indispensable que la muestra a analizarse sea representativa
realmente de la poblacin o universo, al cual substituye en el estudio estadstico, o
sea, que debe contener valores tpicos del fenmeno que se desea estudiar.
Constantes y Variables
Las cantidades que tienen injerencia en las cuestiones matemticas sern
constantes, si slo pueden tomar un valor fijo y determinado en el asunto que se
trata; por ejemplo, el punto de ebullicin del agua a una presin atmosfrica dada, la
tangente de una recta en plano coordenado, con determinada abertura de ngulo,
etctera.
En cambio, sern magnitudes variables, aquellas que puedan tomar diferentes
valores. Ejemplo de esto es: El costo de una mercanca variar de acuerdo con la
cantidad; el volumen de un gas variar en atencin a la presin a que est sometido,
la velocidad de los cuerpos en cada libre y el espacio recorrido, sern variables del
tiempo, entre otros.
Datos o Elementos
Son cada uno de los trminos que componen la muestra y, de acuerdo a la
funcin existente entre ellos, tambin pueden ser discretos o continuos. En general,
los discretos son los que pueden contar y los continuos, los que se pueden medir.
Medidas de Dispersin
Tambin llamadas medidas de variabilidad, muestran la variabilidad de una
distribucin, indicando por medio de un nmero si las diferentes puntuaciones de una
variable estn muy alejadas de la media. Cuanto mayor sea ese valor, mayor ser la
variabilidad, y cuanto menor sea, ms homognea ser a la media. As se sabe si
todos los casos son parecidos o varan mucho entre ellos.
Rango o Recorrido: Viene dada por la diferencia absoluta entre los valores
mximo y mnimo, inclusive, de la distribucin de frecuencias. Si se desea calcular,
se le resta al lmite superior del ltimo intervalo de clase, el lmite inferior del primero.
Esta medida es sencillamente la que nos dice la extensin dimensional que existe
entre el elemento de la muestra de menor valor y el de mayor valor. Es el llamado
Espacio muestral.
Varianza: es la esperanza del cuadrado de la desviacin de dicha variable
respecto a su media. Est medida en unidades distintas de las de la variable. Por
ejemplo, si la variable mide una distancia en metros, la varianza se expresa en
metros al cuadrado. Hay que tener en cuenta que la varianza puede verse muy
influida por los valores atpicos y no se aconseja su uso cuando las distribuciones de
las variables aleatorias tienen colas pesadas. En tales casos se recomienda el uso
de otras medidas de dispersin ms robustas.
Desviacin estndar: es una medida de dispersin para variables de razn
(variables cuantitativas o cantidades racionales) y de intervalo. Se define como la
raz cuadrada de la varianza de la variable. Para conocer con detalle un conjunto de
datos, no basta con conocer las medidas de tendencia central, sino que necesitamos
conocer tambin la desviacin que presentan los datos en su distribucin respecto de
la media aritmtica de dicha distribucin, con objeto de tener una visin de los
mismos ms acorde con la realidad al momento de describirlos e interpretarlos para
la toma de decisiones.
CONCLUSIN