Estadstica

Tema 0. Introduccin a la Estadstica

Tema 0
Introduccin a la Estadstica
Curso 2016/2017

Naturaleza de la estadstica

Definicin

Se puede definir la estadstica como la ciencia que estudia la obtencin de conclusiones de la

investigacin emprica mediante el uso de modelos matemticos.
La Real Academia de la Lengua Espaola la define como Rama de la matemtica que utiliza
grandes conjuntos de datos numricos para obtener inferencias basadas en el clculo de
probabilidades y como Estudio de los datos cuantitativos de la poblacin, de los recursos
naturales e industriales, del trfico o de cualquier otra manifestacin de las sociedades
humanas.
La Estadstica actual es el resultado de la integracin de dos lneas de pensamiento que son el
clculo de probabilidades y la Estadstica moderna.

Aplicaciones

La Estadstica tiene multitud de aplicaciones que tratan de resolver diferentes problemas que
se plantean. Algunas de estas aplicaciones son:
-

Descripcin de datos: trata de encontrar procedimientos para resumir la informacin

contenida en los datos.
Anlisis de muestras: se elige una muestra representativa de una poblacin para hacer
inferencias sobre esa poblacin a partir de lo observado en la muestra.
Contraste de hiptesis: la Estadstica aporta una metodologa para comparar las
predicciones resultantes de la hiptesis con los datos observados y ayuda a garantizar
que las conclusiones no estn invalidadas por factores no controlados.
Medicin de relaciones: determina y mide relaciones que no son exactas, sino
estadsticas.
Prediccin: estudia la historia de determinadas variables y su relacin con otras
variables para prever su evolucin en el futuro.

Y estas aplicaciones de la estadstica se utilizan en multitud de campos:

-

En ciencias naturales: modelos termodinmicos, mecnica estadstica, mecnica de

fluidos, teora cintica de los gases

Curso 2016/2017

Estadstica
-

Tema 0. Introduccin a la Estadstica

En ciencias sociales: estudios demogrficos, sociologa

En economa: ayuda a descubrir relaciones entre elementos macro y
microeconmicos, evolucin de los mercados de valores
En medicina: pautas en la evolucin de enfermedades y pacientes, grado de eficacia de
medicamentos, ndices de mortalidad asociados a determinados procesos

Ramas

La estadstica se divide en dos grandes ramas:

-

Estadstica descriptiva: estudia procedimientos para sintetizar la informacin que se

tiene de una determinada variable. Esa informacin o datos que se tienen se pueden
resumir de forma numrica o grfica con el fin de facilitar su comprensin y aplicacin.
Estadstica inferencial: genera modelos, inferencias y predicciones asociadas a los
fenmenos estudiados teniendo en cuenta la aleatoriedad de las observaciones.
Intenta modelar patrones en los datos y extraer inferencias sobre la poblacin
estudiada. Esas inferencias pueden ser respuestas a preguntas (pruebas de hiptesis),
estimaciones, descripciones de asociacin entre variables (correlaciones), pronsticos,
modelado de relaciones entre variables (anlisis de regresiones).
La estadstica inferencial se puede dividir en estadstica paramtrica y estadstica no
paramtrica.

El metodo estadstico
El mtodo estadstico se basa en dos tipos de razonamientos:
-

El mtodo deductivo: va de lo general a lo particular. Establece hiptesis generales que

caracterizan un problema y se deducen propiedades particulares a travs de
razonamientos lgicos.
El mtodo deductivo: realiza el proceso inverso, es decir, a partir de observaciones
particulares de determinados fenmenos se intentan deducir reglas generales.

El mtodo estadstico es el procedimiento mediante el cual se sistematiza y organiza un

proceso iterativo que aplica ambos tipos de razonamiento.

Razonamiento deductivo-inductivo

Se trata de un proceso que sigue un ciclo deductivo-inductivo y que consta de diferentes

etapas:
-

Planteamiento del problema: es una fase fundamental ya que los resultados slo se
aplican a los miembros de la poblacin definida y su validez depende de que se haya
hecho una seleccin adecuada de las variables.
Construccin de un modelo estadstico: se trata de conseguir una aproximacin
operativa de la realidad, que tenga en cuenta de forma explcita las variables

Curso 2016/2017

Estadstica

Tema 0. Introduccin a la Estadstica

observables ms determinantes y que englobe los efectos del resto en la parte

aleatoria.
Recogida de informacin muestral: consiste en recoger y medir los valores de las
variables de inters obtenidos en la fase anterior. Se puede hacer mediante muestreo
(modelos extrapolativos) o a travs del diseo de experimentos (modelos explicativos).
Depuracin de la muestra: analiza los datos a travs de tcnicas estadsticas simples se
detectan errores, valores anmalos antes de utilizarlos.
Estimacin de los parmetros: los modelos estadsticos dependen de unos parmetros.
Esta fase consiste en utilizar la informacin disponible para decidir respecto a un valor
concreto de los parmetros y poder cuantificar el posible error en la estimacin.
Contrastes de simplificacin: en esta fase se busca simplificar el modelo en la medida
de lo posible (eliminando parmetros iguales, eliminando parmetros nulos).
Crtica y diagnosis del modelo: se analiza la compatibilidad entre la informacin
emprica y el modelo para determinar si ste es vlido, en cuyo caso se utilizar para
tomar decisiones o realizar previsiones de la variable.

Historia de la estadstica

Clculo de probabilidades

Los juegos de azar tienen una antigedad de ms de 40.000 aos. En las civilizaciones antiguas
el azar se explicaba mediante la voluntad divina. Durante el Renacimiento se empiezan a
abandonar las explicaciones teolgicas y aparecen algunos anlisis empricos de los resultados
aleatorios. Este anlisis matemtico se produce durante lentamente durante los siglos XVI y
XVII y es en la segunda mitad de ste siglo y a principios del s. XVIII cuando el clculo de
probabilidades se consolida como disciplina independiente.
Se producen a continuacin dos grandes aportaciones a esta disciplina. Pierre Simn, Marqus
de Laplace, introdujo la primera definicin explcita de probabilidad y desarroll la ley normal
como modelo para describir la variabilidad de los errores de medida. La segunda contribucin
se atribuye a Legendre y Gauss, que resuelven de manera general un problema de estimacin
de modelos estticos. Legendre lo resuelve inventando el mtodo de estimacin de mnimos
cuadrados y Gauss lo demuestra como mtodo ptimo cuando los errores siguen una
distribucin normal.
A mediados del siglo XIX ya se dispone de las herramientas que darn lugar a la Estadstica
moderna, pero de momento slo se aplicaba a la Fsica y a la Astronoma.

Estadstica moderna

La aparicin de la obra de Darwin en el campo de la Biologa hizo que apareciera la necesidad

de acudir a mtodos estadsticos. Esta dependencia de la Estadstica hace que diferentes
cientficos (Galton, Weldon, Fisher, Edgeworth) traten de aplicarla para resolver problemas
matemticos.

Curso 2016/2017

Estadstica

Tema 0. Introduccin a la Estadstica

Y es al final de la segunda guerra mundial cuando la aplicacin de la Estadstica se expande en

diversas reas como la Ingeniera, la Medicina, la Fsica, la Psicologa, la Economa dando
lugar a nuevos mtodos y teoras (teora de diseos experimentales, investigacin operativa,
mtodos multivariantes, procesos estocsticos).
A partir de la segunda mitad del siglo XX, con la aparicin de los ordenadores y el cambio de
nfasis en la metodologa estadstica, empieza lo que se conoce como la poca moderna de la
Estadstica.

Estadstica e Informatica
La relacin entre la Estadstica y la Informtica ha sido siempre muy estrecha. La aparicin de
los ordenadores a mediados del siglo XX facilit el clculo de datos estadsticos y permiti el
desarrollo de modelos ms complejos que los existentes hasta el momento.
Adems, los problemas dinmicos y multivariantes han ido adquiriendo mayor importancia con
el paso de los aos, y su resolucin tiene un grado de dependencia alta de la Informtica.
En los ltimos aos ha aparecido en nuestra sociedad el concepto de big data, que hace
referencia a la recogida, almacenamiento y tratamiento de grandes cantidades de datos
basndose en la Estadstica y haciendo uso de la Informtica. Esta disciplina se plantea como
reto analizar la mayor cantidad de datos posibles con el mnimo coste de procesamiento, y lo
hace utilizando diferentes mtodos en cada una de las fases de tratamiento de los datos.

Curso 2016/2017