Академический Документы
Профессиональный Документы
Культура Документы
Ir a la navegaci�nIr a la b�squeda
Para an�lisis, datos y gr�ficas sobre Wikipedia, v�ase Wikipedia:Estad�sticas.
Existe tambi�n una disciplina llamada estad�stica matem�tica que establece las
bases te�ricas de las t�cnicas estad�sticas. La palabra �estad�sticas� se refiere
al resumen de resultados estad�sticos, habitualmente descriptivos, como en
estad�sticas econ�micas, estad�sticas criminales, etc�tera.
�ndice
1 Historia
1.1 Origen
1.2 Empleo de la estad�stica en las antiguas civilizaciones
1.2.1 En la Edad Media
1.2.2 En la Edad Moderna
1.3 Or�genes en probabilidad
1.4 Siglo XX
1.5 Estado actual
2 M�todos estad�sticos
2.1 Estudios experimentales y observacionales
2.2 Niveles de medici�n
2.3 T�cnicas de an�lisis estad�stico
3 Lenguaje y simbolog�a
3.1 Poblaci�n y muestra
3.2 Par�metro
4 Disciplinas especializadas
5 Computaci�n estad�stica
6 Mal uso de la estad�stica
7 Inferencia cl�sica e inferencia bayesiana
8 Ense�anza de la estad�stica en las ciencias sociales
9 V�ase tambi�n
10 Referencias
11 Bibliograf�a
12 Enlaces externos
Historia
Origen
El t�rmino alem�n Statistik, introducido originalmente por Gottfried Achenwall en
1749, se refer�a al an�lisis de datos del Estado, es decir, la �ciencia del Estado�
(o m�s bien, de la ciudad-estado). Tambi�n se llam� aritm�tica pol�tica de acuerdo
con la traducci�n literal del ingl�s. No fue hasta el siglo XIX cuando el t�rmino
estad�stica adquiri� el significado de recolectar y clasificar datos. Este concepto
fue introducido por el militar brit�nico sir John Sinclair (1754-1835).
En la Edad Moderna
Art�culo principal: Edad Moderna
En Espa�a, destacan: el censo 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 d�cada de 1500 provoc� un aumento en la
contabilizaci�n de los datos sobre defunciones y nacimientos.
Or�genes en probabilidad
Los m�todos estad�stico-matem�ticos emergieron desde la teor�a de probabilidad, la
cual data desde la correspondencia entre Pascal y Pierre de Fermat (1654).
Christian Huygens (1657) da el primer tratamiento cient�fico que se conoce a la
materia. El Ars coniectandi (p�stumo, 1713) de Jakob Bernoulli y la Doctrina de
posibilidades (1718) de Abraham de Moivre estudiaron la materia como una rama de
las matem�ticas.3? En la era moderna, el trabajo de Kolmog�rov ha sido un pilar en
la formulaci�n del modelo fundamental de la Teor�a de Probabilidades, el cual es
usado a trav�s de la estad�stica.
Pierre-Simon Laplace (1774) hace el primer intento de deducir una regla para la
combinaci�n de observaciones desde los principios de la teor�a de probabilidades.
Laplace represent� la Ley de probabilidades de errores mediante una curva y dedujo
una f�rmula para la media de tres observaciones. Tambi�n, en 1871, obtiene la
f�rmula para la ley de facilidad del error (t�rmino introducido por Lagrange, 1744)
pero con ecuaciones inmanejables. Daniel Bernoulli (1778) introduce el principio
del m�ximo producto de las probabilidades de un sistema de errores concurrentes.
Fotograf�a de Ceres por el telescopio espacial Hubble. La posici�n fue estimada por
Gauss mediante el m�todo de m�nimos cuadrados.
El m�todo de m�nimos 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 hab�a usado el m�todo en
su famosa predicci�n de la localizaci�n 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 f�rmula de Peters para {\displaystyle r} r, el probable error de una observaci�n
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 presentaci�n de la teor�a.
Adolphe Quetelet (1796-1874), fue otro importante fundador de la estad�stica y
quien introdujo la noci�n del �hombre promedio� (l�homme moyen) como un medio de
entender los fen�menos sociales complejos tales como tasas de criminalidad, tasas
de matrimonio o tasas de suicidios.
Siglo XX
La segunda ola de los a�os 1910 y 1920 se inici� William Gosset, y se culmin� en la
obra de Ronald Fisher, qui�n escribi� los libros de texto que iban a definir la
disciplina acad�mica en universidades en todos lados del mundo. Sus publicaciones
m�s importantes fueron su papel de 1918 The Correlation between Relatives on the
Supposition of Mendelian Inheritance, lo cual era el primero en usar el t�rmino
estad�stico varianza, su obra cl�sica de 1925 Statistical Methods for Research
Workers y su 1935 The Design of Experiments,8?9?10?11? donde desarroll� los modelos
rigurosos de dise�o experimental. Origin� el concepto de suficiencia y la
informaci�n de Fisher.12? En su libro de 1930 The Genetical Theory of Natural
Selection aplic� la estad�stica a varios conceptos en la biolog�a como el Principio
de Fisher13? (sobre el ratio de sexo), el Fisherian runaway,14?15?16?17?18?19? un
concepto en la selecci�n sexual sobre una realimentaci�n positiva efecto hallado en
la evoluci�n.
Estado actual
Hoy el uso de la estad�stica se ha extendido m�s all� de sus or�genes como un
servicio al Estado o al gobierno. Personas y organizaciones usan la estad�stica
para entender datos y tomar decisiones en ciencias naturales y sociales, medicina,
negocios y otras �reas. La estad�stica es una sub-�rea de las matem�ticas cuya
aplicaci�n en el �mbito de las ciencias f�cticas es �til para el avance del
conocimiento cient�fico factual, consider�ndose como una ciencia formal �aliada� de
la ciencia f�ctica. Muchas universidades tienen departamentos acad�micos de
matem�ticas (con especializaci�n en estad�stica) o de estad�stica separadamente. La
estad�stica se ense�a en departamentos tan diversos como psicolog�a, sociolog�a,
educaci�n y salud p�blica.20?
M�todos estad�sticos
Estudios experimentales y observacionales
Un objetivo com�n para un proyecto de investigaci�n es investigar la causalidad, y
en particular extraer una conclusi�n 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 estad�stica
juega un papel muy importante en el an�lisis de la informaci�n.
Niveles de medici�n
Hay cuatro tipos de mediciones o escalas de medici�n en estad�stica: niveles de
medici�n (nominal, ordinal, intervalo y raz�n). Tienen diferentes grados de uso en
la investigaci�n estad�stica. Las medidas de raz�n, en donde un valor cero y
distancias entre diferentes mediciones son definidas, dan la mayor flexibilidad en
m�todos estad�sticos 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 ning�n rango interpretable entre sus valores.
Computaci�n estad�stica
V�ase tambi�n: Computaci�n cient�fica
El incremento r�pido y sostenido en el poder de c�lculo de la computaci�n desde la
segunda mitad del siglo XX ha tenido un sustancial impacto en la pr�ctica de la
ciencia estad�stica. Viejos modelos estad�sticos fueron casi siempre de la clase de
los modelos lineales. Ahora, complejos computadores junto con apropiados algoritmos
num�ricos han causado un renacer del inter�s en modelos no lineales (especialmente
redes neuronales y �rboles de decisi�n) y la creaci�n de nuevos tipos tales como
modelos lineales generalizados y modelos multinivel.
El fuerte deseo de que los medicamentos buenos sean aprobados y que los
medicamentos peligrosos o de poco uso sean rechazados crea tensiones y conflictos
(errores tipo I y II en el lenguaje de pruebas de hip�tesis).
Entre las ventajas de una ense�anza que combine los m�todos cuantitativos con los
cualitativos se encuentra el que los estudiantes desarrollen la destreza para
triangular resultados, lo que disminuye la falibilidad inherente a cada enfoque.
Por ejemplo los errores que puedan atribuirse a los datos de origen, dado que los
m�todos utilizan tipos de datos distintos, ser�n m�s confiables los resultados si
proceden de una triangulaci�n de m�todos.25?
V�ase tambi�n
computaci�n cient�fica
controversia de la hip�tesis nula
cr�ticas de prueba de hip�tesis
m�todo Delphi, una t�cnica estructurada de comunicaci�n, originalmente desarrollada
para predicci�n sistem�tica e interactiva, que se basa en el uso de un grupo de
expertos que contestan, en rondas, cuestionarios acerca de un problema tantas veces
como se vayan encontrando, en cada ronda, nuevas posibles soluciones al mismo.
Referencias
Real Academia Espa�ola y Asociaci�n de Academias de la Lengua Espa�ola (2014).
�estad�stica�. Diccionario de la lengua espa�ola (23.� edici�n). Madrid: Espasa.
ISBN 978-84-670-4189-7.
Oca�a-Riola, R. (2017) �La necesidad de convertir la Estad�stica en profesi�n
regulada�. Estad�stica Espa�ola 59(194): 193-212.[1]
Ver el trabajo de Ian Hacking en The emergence of probability para una historia
del desarrollo del concepto de probabilidad matem�tica.
Galton, F. (1877). �Typical laws of heredity�. Nature 15: 492-553.
doi:10.1038/015492a0.
Stigler, S. M. (1989). �Francis Galton's Account of the Invention of Correlation�.
Statistical Science 4 (2): 73-79. doi:10.1214/ss/1177012580.
Pearson, K. (1900). �On the Criterion that a given System of Deviations from the
Probable in the Case of a Correlated System of Variables is such that it can be
reasonably supposed to have arisen from Random Sampling�. Philosophical Magazine
Series 5 50 (302): 157-175. doi:10.1080/14786440009463897.
�Karl Pearson (1857�1936)�. Department of Statistical Science � University College
London. Archivado desde el original el 25 de septiembre de 2008.
Stanley, J. C. (1966). �The Influence of Fisher's "The Design of Experiments" on
Educational Research Thirty Years Later�. American Educational Research Journal 3
(3): 223. doi:10.3102/00028312003003223.
Box, J. F. (febrero de 1980). �R. A. Fisher and the Design of Experiments, 1922-
1926�. The American Statistician 34 (1): 1-7. JSTOR 2682986. doi:10.2307/2682986.
Yates, F. (junio de 1964). �Sir Ronald Fisher and the Design of Experiments�.
Biometrics 20 (2): 307-321. JSTOR 2528399. doi:10.2307/2528399.
Stanley, Julian C. (1966). �The Influence of Fisher's "The Design of Experiments"
on Educational Research Thirty Years Later�. American Educational Research Journal
3 (3): 223-229. JSTOR 1161806. doi:10.3102/00028312003003223.
Agresti, Alan; David B. Hichcock (2005). �Bayesian Inference for Categorical Data
Analysis�. Statistical Methods & Applications 14 (14): 298. doi:10.1007/s10260-005-
0121-y.
Edwards, A. W. F. (1998). �Natural Selection and the Sex Ratio: Fisher's Sources�.
American Naturalist 151 (6): 564-569. PMID 18811377. doi:10.1086/286141.
Fisher, R. A. (1915) �The evolution of sexual preference.� Eugenics Review (7)
184:192.
Fisher, R. A. (1930) The Genetical Theory of Natural Selection. ISBN 0-19-850440-3
Edwards, A. W. F. (2000) Perspectives: Anecdotal, Historial and Critical
Commentaries on Genetics. The Genetics Society of America (154) 1419:1426
Andersson, M. (1994) Sexual selection. ISBN 0-691-00057-3
Andersson, M. y Simmons, L. W. (2006) �Sexual selection and mate choice.� Trends,
Ecology and Evolution (21) 296:302.
Gayon, J. (2010) �Sexual selection: Another Darwinian process.� Comptes Rendus
Biologies (333) 134:144.
�La importancia de la formaci�n en estad�stica, tanto complementaria como
principal�. Tercera Informaci�n. 2018-09-29. Consultado el 2019-05-11.
Cf. Damned lies and statistics: untangling numbers from the media, politicians,
and activists, del profesor Joel Best. Best atribuye este dicho a Disraeli, y no a
Mark Twain u otros autores como se cree popularmente.
Darrell Huff. C�mo mentir con estad�sticas, Barcelona: Sagitario, 1965
Bridges, G. S.; Gillmore, G. M.; Pershing, J. L.; Bates, K. A. (1998). �Teaching
Quantitative Research Methods : A Quasi-Experimental Analysis. Teaching Sociology�.
American Sociological Association 26 (1): 15. Consultado el 5 de marzo de 2016.
Abusabha, R.; Woelfel, M. (2003). �Qualitative vs quantitative methods: Two
opposites that make a perfect match�. Journal of the American Dietetic Association
103 (5): 567. Consultado el 5 de marzo de 2016.
Sechrest, L.; Sidani, S. (1995). �Quantitative and qualitative methods: Is There
an Alternative?�. Evaluation and Program Planning 18 (1): 84. doi:10.1016/0149-
7189(94)00051-X. Consultado el 5 de marzo de 2016.
Bridges, G. S.; Gillmore, G. M.; Pershing, J. L.; Bates, K. A. (1998). �Teaching
Quantitative Research Methods : A Quasi-Experimental Analysis. Teaching Sociology�.
American Sociological Association 26 (1): 24. Consultado el 5 de marzo de 2016.
Bibliograf�a
Best, Joel (2001). Damned Lies and Statistics: Untangling Numbers from the Media,
Politicians, and Activists. University of California Press. ISBN 0-520-21978-3.
Desrosi�res, Alain (2004). La pol�tica de los grandes n�meros. Ed. Melusina. ISBN
84-933273-5-2.
Hacking, Ian (1990). The Taming of Chance. Cambridge University Press. ISBN 0-521-
38884-8.
Lindley, D. V. (1985). Making Decisions (2.� edici�n edici�n). John Wiley & Sons.
ISBN 0-471-90808-8.
Stigler, Stephen M. (1990). The History of Statistics: The Measurement of
Uncertainty before 1900. Belknap Press/Harvard University Press. ISBN 0-674-40341-
X.
Tijms, Henk (2004). Understanding Probability: Chance Rules in Everyday life.
Cambridge University Press. ISBN 0-521-83329-9.
Volle, Michel (1984). Le m�tier de statisticien (2.� ed. edici�n). Econ�mica. ISBN
2-7178-0824-8.
Enlaces externos
Wikimedia Commons alberga una categor�a multimedia sobre Estad�stica.
Wikiquote alberga frases c�lebres de o sobre Estad�stica.
Wikcionario tiene definiciones y otra informaci�n sobre estad�stica.
Categor�as: Estad�sticaCalidadM�todos de evaluaci�n
Men� de navegaci�n
No has accedidoDiscusi�nContribucionesCrear una
cuentaAccederArt�culoDiscusi�nLeerEditarVer historialBuscar
Buscar en Wikipedia
Portada
Portal de la comunidad
Actualidad
Cambios recientes
P�ginas nuevas
P�gina aleatoria
Ayuda
Donaciones
Notificar un error
Imprimir/exportar
Crear un libro
Descargar como PDF
Versi�n para imprimir
En otros proyectos
Wikimedia Commons
Wikilibros
Wikiquote
Herramientas
Lo que enlaza aqu�
Cambios en enlazadas
Subir archivo
P�ginas especiales
Enlace permanente
Informaci�n de la p�gina
Elemento de Wikidata
Citar esta p�gina
En otros idiomas
???????
English
Euskara
??????
Bahasa Indonesia
Bahasa Melayu
???????
????
??
122 m�s
Editar enlaces
Esta p�gina se edit� por �ltima vez el 22 may 2019 a las 21:50.
El texto est� disponible bajo la Licencia Creative Commons Atribuci�n Compartir
Igual 3.0; pueden aplicarse cl�usulas adicionales. Al usar este sitio, usted acepta
nuestros t�rminos de uso y nuestra pol�tica de privacidad.
Wikipedia� es una marca registrada de la Fundaci�n Wikimedia, Inc., una
organizaci�n sin �nimo de lucro.