Que es Estadística

La estadística (la forma femenina del término alemán Statistik, derivado a su vez del italiano
statista, "hombre de Estado")1es una rama de las matemáticas y una herramienta que
estudia usos y análisis provenientes de una muestra representativa de datos, que busca
explicar las correlaciones y dependencias de un fenómeno físico o natural, de ocurrencia en
forma aleatoria o condicional.

Es transversal a una amplia variedad de disciplinas, 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 ya que su principal objetivo es describir al
conjunto de datos obtenidos para la toma de decisiones o bien, para realizar
generalizaciones sobre las características observadas.

En la actualidad, la estadística es una ciencia que se encarga de estudiar una determinada

población por medio de la recolección, recopilación e interpretación de datos. Del mismo
modo, también es considerada una técnica especial apta para el estudio cuantitativo de los
fenómenos de masa o colectivo.

La estadística podría definirse como la ciencia que se encarga de recopilar, organizar,

procesar, analizar e interpretar datos con el fin de deducir las características de una
población objetivo, pero esta sería solo una visión estrecha de lo que comprende esta rama
del saber. A continuación se hace una muy breve introducción teórica al amplio concepto de
la estadística.

La estadística es la ciencia que estudia cómo debe emplearse la información y cómo dar una
guía de acción en situaciones prácticas que entrañan incertidumbre.

La estadística es la ciencia de los datos, la cual implica su recolección, clasificación, síntesis,

organización, análisis e interpretación, para la toma de decisiones frente a la incertidumbre

La estadística es la rama del conocimiento humano que tiene como objeto el estudio de
ciertos métodos inductivos aplicables a fenómenos susceptibles de expresión cuantitativa.

COMPONENTES DE ESTADÍSTICA

El estudio estadístico de una situación con propósitos inferenciales se centra en dos

conceptos fundamentales: población y muestra, los cuales serán definidos a continuación:

Población. Es el conjunto formado por todos los valores posibles que puede asumir, la
variable objeto de estudio.
Así por ejemplo, en un estudio sobre la preferencia de los votantes en una elección
presidencial, la población consiste en todas las respuestas de los votantes registrados. Pero
el término no sólo está asociado a la colección de seres humanos u organismos vivos; y
tenemos así que, si se va a hacer una investigación de las ventas anuales de los
supermercados, entonces las ventas anuales de todos los supermercados constituyen así
mismo la población.
Es bueno tener en cuenta que el término población se interpreta de dos maneras cuando se
hace un estudio estadístico, a saber:

1. La interpretación propia en el Análisis Estadístico, que corresponde a la que hemos

presentado anteriormente.

2. Como el conjunto de objetos sobre los cuales actúa la variable considerada.

Por tanto, no es extraño escuchar expresiones tales como, "se hizo un estudio de los niveles
de ingreso de la población trabajadora colombiana", entendiéndose con ello que el elemento
estadístico objeto de análisis fue el registro numérico de los ingresos.

Muestra. Es cualquier subconjunto de la población, escogido al seguir ciertos criterios de

selección.
La muestra es el elemento básico sobre el cual se fundamenta la posterior inferencia acerca
de la población de donde se ha tomado. Por ello, su escogencia y selección debe hacerse
siguiendo ciertos procedimientos que son ampliamente tratados en la parte de la estadística
llamada Teoría de muestreo.

El concepto de muestra tiene también las dos connotaciones que hemos señalado para la
población.

Las características de una población se resumen para su estudio generalmente irá mediante
lo que se denominan parámetros; éstos a su vez se toman o consideran como valores
verdaderos de la característica estudiada. Por ejemplo, la proporción de todos los clientes
que declaran cierta preferencia por una marca particular de un producto dado, es un
parámetro de la población de todos los clientes; es la verdadera proporción de la población.

1. Formulación del problema. En este punto se debe especificar de manera clara la

pregunta que se debe responder y la población de datos asociada a la pregunta. Los
conceptos deben ser precisos y deben ponerse limitaciones adecuadas al problema
motivadas por el tiempo, dinero disponible y la habilidad de los Investigadores.
Algunos conceptos como, artículo defectuoso, económico, salario, pueden variar en cada
caso y para cada problema debemos coincidir con las ideas señaladas en el estudio.

2. Diseño del experimento. Este aspecto es de gran importancia, puesto que la recolección
de datos requiere dinero y tiempo. Es siempre nuestro deseo obtener máxima Información
con el mínimo costo (dinero y tiempo) posible. Incluir excesiva Información en la muestra es a
menudo costoso y antieconómico. Incluir poca también es poco satisfactorio. Esto implica,
entre otras cosas, que debemos determinar el tamaño de la muestra o la cantidad o tipo de
datos que nos permita resolver el problema de la manera más eficiente.

3. Recolección de datos. Esta parte, por lo general, es la que exige más tiempo en la
Investigación. Esta recolección debe ajustarse a reglas estrictas ya que de los datos
esperamos extraer la Información deseada.
4. Tabulación y descripción de los resultados. En esta etapa, los datos muestrales se
exponen de manera clara y se ilustran con representaciones tabulares y gráficas (diagramas.
histogramas, etc.); además se calculan las medidas estadísticas apropiadas al proceso
inferencial que haya sido escogido.

5. Inferencia estadística y conclusiones. Este último paso constituye tal vez la

contribución más importante de la estadística al proceso inferencial. Aquí se fija el nivel de
confiabilidad para la inferencia; esto es debido a que las conclusiones derivadas de
inferencias estadísticas jamás se pueden tomar con un 100% de certeza, pero sí se les
puede asociar un nivel de confiabilidad; en términos de probabilidad denominados nivel de
confianza y nivel de significancia. El proceso Inferencial nos llevará a una conclusión
estadística que servirá de orientación a quien o quienes deban tomar la decisión
(administrativa o clínica) sobre el tema objeto de estudio.

Tipos de Estadísticas

Estadística descriptiva
Se puede definir como un método para describir numéricamente conjuntos numerosos. Por
tratarse de un método de descripción numérica, utiliza el número como medio para describir
un conjunto, que debe ser numeroso, ya que las permanencias estadísticas no se dan en los
casos raros. No es posible sacar conclusiones concretas y precisas de los datos estadísticos.
(Vargas, p.33)

Objetivo de la estadística descriptiva

La finalidad última de la estadística descriptiva es resumir la información de conjuntos más o
menos numerosos de datos. Para ello se asienta en un concepto inmediato a la tarea de
recuento: la frecuencia, medida empírica de la ocurrencia de los distintos estados que puede
presentar una variable. (SGT, p.16)

Estadística inferencial, analítica o deductiva

Estudia la probabilidad de éxito de las diferentes soluciones posibles a un problema en las
diferentes ciencias en las que se aplica y para ello utiliza los datos observados en una o
varias muestras de la población. Mediante la creación de un modelo matemático infiere el
comportamiento de la población total partiendo de los resultados obtenidos en las
observaciones de las muestras.(Fernández et.al, p.17)

Objetivo de la estadística inferencial

La inferencia estadística intenta tomar decisiones basadas en la aceptación o el rechazo de

ciertas relaciones que se toman como hipótesis. Esta toma de decisiones va acompañada de
un margen de error, cuya probabilidad está determinada. (Vargas, p.33)

La estadística inferencial tiene dos objetivos básicos; a) obtener conclusiones válidas acerca
de una población sobre la base de una muestra, es decir, que las conclusiones que
obtengamos de una muestra se puedan extrapolar a la población que dio origen a esa
muestra y b) poder medir el grado de incertidumbre presente en dichas inferencias en
términos de probabilidad. (Díaz, p.287)

Clasificación de la estadística
La estadística se puede clasificar en dos grandes ramas:
* Estadística descriptiva o deductiva.
* Estadística inferencial o inductiva.

La primera se emplea simplemente para resumir de forma numérica o gráfica un conjunto de

datos. Se restringe a describir los datos que se analizan. Si aplicamos las herramientas
ofrecidas por la estadística descriptiva a una muestra, solo nos limitaremos a describir los
datos encontrados en dicha muestra, no se podrá generalizar la información hacia la
población. La estadística inferencial permite realizar conclusiones o inferencias, basándose
en los datos simplificados y analizados de una muestra hacia la población o universo. Por
ejemplo, a partir de una muestra representativa tomada a los habitantes de una ciudad, se
podrá inferir la votación de todos los ciudadanos que cumplan los requisitos con un error de
aproximación.

Elementos. Población. Caracteres

Establecemos a continuación algunas definiciones de conceptos básicos y fundamentales

básicas como son: elemento, población, muestra, carácteres, variables, etc., a las cuales
haremos referencia continuamente a lo largo del texto

Individuos o elementos: personas u objetos que contienen cierta información que se desea
estudiar.
Población: conjunto de individuos o elementos que cumplen ciertas propiedades comunes.
Muestra: subconjunto representativo de una población.

Parámetro: función definida sobre los valores numéricos de características medibles de una
población.

Estadístico: función definida sobre los valores numéricos de una muestra.

En relación al tamaño de la población, ésta puede ser:

* Finita, como es el caso del número de personas que llegan al servicio de urgencia de un
hospital en un día;

* Infinita, si por ejemplo estudiamos el mecanismo aleatorio que describe la secuencia de

caras y cruces obtenida en el lanzamiento repetido de una moneda al aire.

Ejemplo

Consideremos la población formada por todos los estudiantes de la Universidad de Málaga

(finita). La altura media de todos los estudiantes es el parámetro $\mu $. El conjunto formado
por los alumnos de la Facultad de Medicina es una muestra de dicha población y la altura
media de esta muestra, $\overline {x}$, es un estadístico

Clasificación:
Las variables pueden ser clasificadas como cuantitativas (intervalares) o cualitativas
(categóricas), dependiendo si los valores presentados tienen o no un orden de magnitud
natural (cuantitativas), o simplemente un atributo no sometido a cuantificación (cualitativa).

Una variable es medida utilizando una escala de medición. La elección de la(s) escala(s) de
medición a utilizar depende, en primer lugar, del tipo de variable en estudio, y, además, del
manejo estadístico a la que se someterá la información. En términos prácticos, existe una
correspondencia directa entre el concepto de variable y escala de medición.

Un atributo corresponde a un valor específico e una variable, como ser el caso de la variable
sexo, la que posee dos atributos: varón o mujer. En variables que exploran el grado de
acuerdo o desacuerdo frente a una afirmación los atributos podrían ser:

1 = muy en desacuerdo
2 = en desacuerdo
3 = indiferente
4 = de acuerdo
5 = muy de acuerdo

Dependiendo de los valores que puede tener una variable cualitativa, ésta puede a su vez
ser dicotómicas (cuando sólo pueden adoptar un sólo valor sin jerarquía entre sí; hombre -
mujer, positivo-negativo, presente-ausente), o bien, poli o multicotómicas, si existe la
posibilidad de que adopten múltiples valores (edad, talla, nivel socioeconómico, grupos
sanguíneos, calificación previsional de usuarios).

1. Las variables cualitativas pueden agruparse en variables nominales u ordinales.

Hablaremos de variable nominal cuando los datos correspondan a una variable cualitativa
que se agrupa sin ninguna jerarquía entre sí, como por ejemplo: nombres de personas, de
establecimientos, raza, grupos sanguíneos, estado civil. Estas variables no tienen ningún
orden inherente a ellas ni un orden de jerarquía.

Si las categorías o valores que adopte una variable cualitativa poseen un orden, secuencia o
progresión natural esperable, hablaremos de variable ordinal, como por ejemplo: grados de
desnutrición, respuesta a un tratamiento, nivel socioeconómico, intensidad de consumo de
alcohol, días de la semana, meses del año, escalas de Killip o Apgar. A pesar de este orden
jerárquico no es posible obtener valoración numérica lógica entre dos valores.

2. Las variables de tipo cuantitativo pueden a su vez ser clasificadas como continuas o
discretas. Las escalas cuantitativas son reconocidas también como escalas intervalares o
numéricas.

Si entre dos valores determinados existen infinitas posibilidades de valores, hablaremos de

una variable de tipo continuo. Ejemplos de este tipo de variables son: el peso, la talla, la
presión arterial o el nivel de colesterol sérico. En la práctica, salvo contadas excepciones no
se dispone de métodos de medición sofisticados como para poder medir exactamente los
valores, por ejemplo, de talla. En estricto rigor, la probabilidad que dos individuos tengan
exactamente la misma talla o edad es muy baja.
Si la variable a medir sólo puede adoptar un sólo valor numérico, entero, con valores
intermedios que carecen de sentido, hablaremos de variable cuantitativa de tipo discreto. Son
ejemplos de ellas: el número de hijos, de unidades vecinales del sector, número de
exámenes de laboratorio o de pacientes atendidos.

Tanto las variables discretas como las continuas pueden agruparse construyendo intervalos,
entre cuyos valores extremos se ubicarán las diferentes observaciones registradas. Sin
embargo, estrictamente hablando, sólo las variables continuas pueden ser objeto de
categorización mediante intervalos.

Clasificación de variables
Cuantitativas (intervalares)

Continuas Web Gabriel Rada. Revisado 2007 Tomás

Merino
Ej. Presión arterial, peso, edad, talla, IMC •Medir y clasificar
Discretas • Variables, escalas
Ej. Número de hijos, episodios de infección •Error, sesgo
urinaria •Los sesgos más frecuentes
Categóricas (cualitativas) •Variables clásicas en EPI
•Indicadores en salud
Ordinales •Clasificación de indicadores
Ej. Etapificación tumores, Apagar, Killip •Atributos de un buen indicador
•Ajuste de tasas
Nominales •Ajuste directo
•Ajuste indirecto
-Dicotómicas: Ej. vivo/muerto, sexo •Medidas de frecuencia en EPI
-Policotómicas : Ej. Grupo sanguíneo, raza