REPUBLICA BOLIVARIANA DE VENEZUELA

INSTITUTO UNIVERSITARIO POLITCNICO

SANTIAGO MARIO
SEDE BARCELONA, PUERTO LA CRUZ
INGENIERA MTTO. MECANICO

ENSAYO DE ESTADISTICA

Autor: ngel Espinoza

CI: 25.131.037

Barcelona, Marzo 2017

Historia de la estadistica
El trmino alemn Statistik, que fue primeramente introducido por Gottfried
Achenwall (1749), designaba originalmente el anlisis de datos del Estado, es
decir, la "ciencia del Estado" (tambin llamada aritmtica poltica de su
traduccin directa 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 (1754-1835).
En su origen, por tanto, la Estadstica estuvo asociada a los Estados, 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 nacional e internacional. En particular, los
censos suministran informacin regular acerca de la poblacin.
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 de Nmeros y Crnicas incluyen en algunas partes
trabajos de estadstica. El primero contiene dos censos de la poblacin 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

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) de Abraham 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.
El mtodo de mnimos 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 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

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.
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 ascos 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 dicen 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 que tan 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, afectando las 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 difcilmente interpretados 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.

Ejercicios de la parte 1
Ejercicio 1

En un centro comercial, se consult la edad a todas las personas que entraban entre las
12:00 h y 12:30 h. Los resultados obtenidos fueron los siguientes:

- Construye una tabla de frecuencias cuyos datos estn agrupados en ocho

intervalos.

1Para poder construir la tabla de frecuencias lo primero que debemos hacer es calcular
el rango.

El rango da la idea de proximidad de los datos a la media. Se calcula restando el dato

menor al dato mayor.

El dato mayor y el menor lo hemos destacado con color rojo:

Dato mayor - dato menor = 73 - 1 = 72

Por lo tanto; Rango = 72
2 En el problema nos dicen que debemos agruparlo en 8 intervalos o clases, con este
dato podemos calcular la amplitud o tamao de cada intervalo, dividiendo el valor del
rango por la cantidad de intervalos que se desean obtener (en este caso son 8).
Amplitud: La amplitud de un intervalo es la diferencia entre el lmite superior y el
lmite inferior. La amplitud(A) de los intervalos puede calcularse mediante la expresin:

72 / 8 = 9
Por lo tanto la amplitud de cada intervalo ser de 9

- El valor de la amplitud se redondea al nmero inmediato superior de acuerdo a la

cantidad de decimales que tienen los datos o segn la precisin con que se desea
trabajar.
- Puede haber intervalos con distinta amplitud.
- Puede haber intervalos con amplitud indefinida (interalos abiertos)
3 Ahora podemos comenzar a construir la tabla de frecuencias:
Hay distintas formas de construir los intervalos dependiendo del tipo de variable que
estemos trabajando.
a) Variables cuantitativas discretas: solo pueden tomar un nmero finito de valores.
Siendo por lo general estos valores los nmeros naturales 1, 2, 3...Un ejemplo son el
nmero de hijos, el nmero de habitaciones de una vivienda, el nmero de matrimonios
de una persona..Cuando categorizamos variables discretas los lmites de clase son
idnticos a los lmites reales.Por ejemplo, el nmero de personas que viven en una
familia podemos agruparlo, De 1 hasta 2 (0 es imposible no hay ninguna familia sin
ningn miembro) De 3 hasta 4, De 5 hasta 7.
b) Variables cuantitativas continuas: Las variables continuas, por el contrario,
pueden, tomar un nmero infinito de valores en cualquier intervalo dado.En este caso
los valores se agrupan en intervalos cuyos lmites inferior y superior seran los
siguientes:
Inferior : Lii
Superior: Lsi-1

Habitualmente, los intervalos se consideran cerrados a la izquierda y abiertos a la

derecha, es decir que el extremo inferior est incluido en el intervalo, pero el extremo
superior no.
Es importante mencionar que las clases o intervalos para las variables continuas pueden
ser de tres tipos:
abiertas: clases abiertas tienen lmites determinados (a,b), pero los valores que la
contienen comprenden valores muy cercanos a estos limites sin comprenderlos a ellos
mismos, esto se representa con un intervalo definido entre parntesis (). Esto quiere
decir que esta clase contiene valores desde a hasta b pero no contiene exactamente a ni b
solo valores muy cercanos.
cerradas: las clases cerradas, adems de los valores que estn entre a y b, los contiene a
ellos, y se representa con corchetes [a,b].
semiabiertas: pueden contener a o b ms los valores que estn entre ellos, y se puede
representar con un corchete y un parntesis, por ejemplo, (a,b], en este caso no contiene
el valor a y si los valores de b, adems de los valores que estn entre estos.

C) Registro discreto de variables continuas: Cuando la variable considerada es

continua pero ocurre que la precisin del instrumento de medida se limita a un nmero
finito de datos, existe la opcin de construir los intervalos de tal forma que ambos
extremos estn incluidos en l.

Ej 50 a 52, 53 a 55, 56 a 58, 59 al 61 y 62 al 64

Estos seran los lmites aparentes de los intervalos.

Con esta informacin construiremos la tabla en esta ocasin con el ltimo mtodo
explicado.
- Marca clase o centro de la clase: es la semisuma de los lmites de cada clase.
Representa a todos los datos que estn contenidos en una clase.

Responder las siguientes preguntas:

a) Del total de personas encuestadas, cuntas personas tienen entre 31 y 40 aos?
Respuesta: Observamos los datos obtenidos en la tabla y tenemos que:

El dato lo obtenemos de la columna de la frecuencia absoluta.

Recuerda que:
Frecuencia absoluta Corresponde a la cantidad de veces que se repite un dato.
Denotamos este valor por f i.

Por lo tanto la respuesta es 6 personas.

b) Del total de personas encuestadas, cuntas personas tienen 60 o menos aos?

Respuesta: Observamos los datos obtenidos en la tabla y tenemos que:

El dato lo obtenemos de la columna de frecuencia absoluta acumulada.

Recuerda que:
Frecuencia absoluta acumulada es la suma de las frecuencias absolutas observadas
hasta el intervalo i.
En este caso es el intervalo 6. Por lo tanto la respuesta es 36 personas tienen 60 o menos
aos.

c) Cul es la probabilidad de, que al elegir al azar a un persona consultada, esta tenga
entre 11 y 20 aos?
Respuesta: Observamos los datos obtenidos en la tabla y tenemos que:

El dato lo obtenemos de la columna de frecuencia relativa.

Recuerda que:
Frecuencia relativa Corresponde a la probabilidad de pertenecer a cierta categora. Se
puede expresar en tantos por ciento.
En este caso es el intervalo 2, ya que es ah donde se encuentran las edades entre 11 y
20 aos.
Entonces la respuesta es: La probabilidad es 14%.

Por ltimo vamos a repasar el concepto de:

Frecuencia relativa acumulada (Hi), Es la probabilidad de observar un valor menor o

igual al valor que toma la variable en estudio en ese intervalo.

Se calcula dividiendo Fi por el nmero total de datos. Tambin puedes

calcularlo Sumando la frecuencia relativa de cada grupo con la frecuencia relativa
acumulada del grupo anterior.

Si haces correctamente estos clculos, el ltimo grupo tendr una frecuencia acumulada
de 1, o muy cerca de 1, permitiendo redondear el error.
Recuerda que este valor se puede expresar como porcentaje, para esto solo debes
multiplicar el valor obtenido por 100 y listo!!!

Este clculo te sirve en el caso de que te pregunten:

d) Si le preguntas a una persona cualquiera Cul es la probabilidad de que tenga 50

aos o menos?

Respuesta: La probabilidad es de un 76%

Ejercicio 2
Ejercicios de la parte 2
 Referencias

Zanquitu, (2012). Ciencias bsicas aplicadas a la produccin. Huanguelen,

buenos aires, argentina. Ciencias bsicas aplicadas a la produccin. Recuperado de
http://cienciasbasicasaplicadas.blogspot.com/2012/03/origen-y-evolucion-de-
la-estadistica.html
Portal educativo, (2012). Tablas de frecuencias con datos agrupados. Santiago,
chile. Portal educativo conectando neuronas. Recuperado de
https://www.portaleducativo.net/octavo-basico/791/Tablas-de-frecuencias-con-datos-
agrupados