http://www.profesorenlinea.cl/matematica/estadisticaHistoria.

htm
La estadstica es una rama de las matemticas que se ocupa de reunir, organizar y analizar datos numricos y que ayuda a resolver problemas como el diseo de experimentos y la toma de decisiones. Historia Desde los comienzos de la civilizacin han existido formas sencillas de estadstica, pues ya se utilizaban representaciones grficas y otros smbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el nmero de personas, animales o ciertas cosas. Hacia el ao 3000 a.C. los babilonios usaban ya pequeas tablillas de arcilla para recopilar datos en tablas sobre la produccin agrcola y de los gneros vendidos o cambiados mediante trueque. Los egipcios analizaban los datos de la poblacin y la renta del pas mucho antes de construir las pirmides en el siglo XXXI 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 griegos clsicos realizaban censos cuya informacin se utilizaba hacia el 594 a.C. para cobrar impuestos. El Imperio romano fue el primer gobierno que recopil una gran cantidad de datos sobre la poblacin, superficie y renta de todos los territorios bajo su control. Durante la edad media slo se realizaron algunos censos exhaustivos en Europa. Los reyes carolingios Pipino, el Breve, y Carlomagno ordenaron hacer estudios minuciosos de las propiedades de la Iglesia en los aos 758 y 762 respectivamente. Despus de la conquista normanda de Inglaterra en 1066, el rey Guillermo I de Inglaterra encarg un censo. La informacin obtenida con este censo, llevado a cabo en 1086, se recoge en el Domesday Book. El registro de nacimientos y defunciones comenz en Inglaterra a principios del siglo XVI, y en 1662 apareci el primer estudio estadstico notable de poblacin, titulado Observations on the London Bills of Mortality (Comentarios sobre las partidas de defuncin en Londres). Un estudio similar sobre la tasa de mortalidad en la ciudad de Breslau, en Alemania, realizado en 1691, fue utilizado por el astrnomo ingls Edmund Halley como base para la primera tabla de mortalidad En el siglo XIX, con la generalizacin del mtodo cientfico para estudiar todos los fenmenos de las ciencias naturales y sociales, los investigadores aceptaron la necesidad de reducir la informacin a valores numricos para evitar la ambigedad de las descripciones verbales.

En nuestros das, la estadstica se ha convertido en un mtodo efectivo para describir con exactitud los valores de datos econmicos, polticos, sociales, psicolgicos, biolgicos y fsicos, y sirve como herramienta para relacionar y analizar dichos datos. El trabajo del experto estadstico no consiste ya slo en reunir y tabular los datos, sino sobre todo en el proceso de interpretacin de esa informacin. El desarrollo de la teora de la probabilidad ha aumentado el alcance de las aplicaciones de la estadstica. Muchos conjuntos de datos se pueden aproximar, con gran exactitud, utilizando determinadas distribuciones probabilsticas; los resultados de stas se pueden utilizar para analizar datos estadsticos. La probabilidad es til para comprobar la fiabilidad de las inferencias estadsticas y para predecir el tipo y la cantidad de datos necesarios en un determinado estudio estadstico. Mtodos estadsticos La materia prima de la estadstica consiste en conjuntos de nmeros obtenidos al contar o medir cosas. Al recopilar datos estadsticos se ha de tener especial cuidado para garantizar que la informacin sea completa y correcta. El primer problema para los estadsticos reside en determinar qu informacin y cunta se ha de reunir. En realidad, la dificultad al compilar un censo est en obtener el nmero de habitantes de forma completa y exacta; de la misma manera que un fsico que quiere contar el nmero de colisiones por segundo entre las molculas de un gas debe empezar determinando con precisin la naturaleza de los objetos a contar. Los estadsticos se enfrentan a un complejo problema cuando, por ejemplo, toman una muestra para un sondeo de opinin o una encuesta electoral. El seleccionar una muestra capaz de representar con exactitud las preferencias del total de la poblacin no es tarea fcil. Para establecer una ley fsica, biolgica o social, el estadstico debe comenzar con un conjunto de datos y modificarlo basndose en la experiencia. Por ejemplo, en los primeros estudios sobre crecimiento de la poblacin los cambios en el nmero de habitantes se predecan calculando la diferencia entre el nmero de nacimientos y el de fallecimientos en un determinado lapso. Los expertos en estudios de poblacin comprobaron que la tasa de crecimiento depende slo del nmero de nacimientos, sin que el nmero de defunciones tenga importancia. Por tanto, el futuro crecimiento de la poblacin se empez a calcular basndose en el nmero anual de nacimientos por cada 1.000 habitantes. Sin embargo, pronto se dieron cuenta de que las predicciones obtenidas utilizando este mtodo no daban resultados correctos. Los estadsticos comprobaron que hay otros factores que limitan el crecimiento de la poblacin. Debido a que el nmero de posibles nacimientos depende del nmero de mujeres, y no del total de la poblacin, y debido a que las mujeres slo tienen hijos durante parte de su vida, el dato ms importante que se ha de utilizar para predecir la poblacin es el nmero de nios nacidos vivos por cada 1.000 mujeres en edad de procrear. El valor obtenido utilizando este dato mejora al combinarlo con el dato del porcentaje de mujeres sin descendencia. Por tanto, la diferencia entre nacimientos y fallecimientos slo es til para indicar el

crecimiento de poblacin en un determinado periodo de tiempo del pasado, el nmero de nacimientos por cada 1.000 habitantes slo expresa la tasa de crecimiento en el mismo periodo, y slo el nmero de nacimientos por cada 1.000 mujeres en edad de procrear sirve para predecir el nmero de habitantes en el futuro.

http://www.eumed.net/libros/2007a/239/1a.htm
El uso de herramientas cuantitativas para el tratamiento de datos, tiene origen en pocas remotas. Se tiene informacin de hace ms 3000 aos antes de Cristo, donde las antiguas civilizaciones, como la Egipcia, aplicaron continuamente censos que ayudaban a la organizacin del estado y la construccin de las pirmides. El antiguo testamento nos sugiere que Moiss orden un Censo a la poblacin Israelita para identificar los miembros de las familias. En la antigua Grecia y el Imperio Romano, era comn la aplicacin de censos para la planificacin de impuestos y la prestacin del servicio militar. La palabra estadstica deriva del latn moderno statisticum collegium (consejo de estado), del latn antiguo status(posicin, forma de gobierno), de la palabra italiana moderna statista (estadista, poltico) y del italiano antiguostato (estado). En 1749, el alemn, Gottfried Achenwall (1719-1792) usa el trmino Statistik en su libro titulado Staatswissenschaft der vornehmen Europischen Reiche und Republiken, quien originalmente design la palabra estadstica para el anlisis de los datos de un gobierno, definindola como la Ciencia del Estado. A Gottfried Achenwall se le conoce como el Padre de la Estadstica. La primera persona que introdujo el trmino estadstica en Inglaterra fue Sir John Sinclair (1754-1835) con su trabajo Statistical Account of Scotland (1791-,1799) trabajo compilado en 21 volumenes. El autor explica en su libro, que la palabra estadstica la adopt gracias al estudio de investigaciones realizadas en Alemania, como una palabra novedosa que llamara la atencin de los ingleses; a diferencia, de que en Alemania la estadstica se usa como instrumento para medir la fortaleza de un estado, mientras que Sinclair, la empleara como generadora de informacin interna para encontrar falencias y proponer mejoras en el pas. A este trabajo le siguieron dos publicaciones: la segunda edicin elaborada entre 1834 y 1845; la tercera edicin comienza despus de la segunda guerra mundial comprendiendo los periodos 1 entre 1951 y 1992. A comienzos del siglo XIX, la palabra estadstica adopta un significado ms generalizado hacia la recoleccin y clasificacin de cualquier tipo de datos cuantitativos. William Playfair (1759-1823) expone su idea de que los grficos permiten una comunicacin ms eficiente que las tablas de frecuencia. Es considerado como el inventor de los grficos lineales, de barras y de sectores. Playfair public el libro titulado The Commercial and Political Atlas (1786) el cual contiene 43 grficos de series de tiempo y por primera vez, es usado un grfico de barras. En 1801 utiliza el primer grfico de sectores en su obra Playfairs Statistical Breviary. Sir Francis Galton (1822-1911) cre el concepto estadstico de regresin y correlacin, y fue el primero en aplicar mtodos estadsticos para estudiar las diferencias humanas basado en el uso de cuestionarios y entrevistas para recolectar los datos. Herman Hollerith (1860-1929) fue un estadstico estadounidense quien desarrollo la primera mquina tabuladora basada en tarjetas perforadas y mecanismos elctrico-mecnicos para el tratamiento rpido de millones de datos. Su mquina fue usada en el censo de 1890 en estados unidos que redujo la tabulacin de los datos de 7 aos (censo de 1880) a 2.5 aos. Cre la firma Computing Tabulating Recording Corporation (CTR), que bajo la presidencia de Thomas J. Watson fue renombrada a International Business Machines (IBM) en 1924.

Major Greenwwod (1880-1949) investiga los problemas de salud asociados al trabajo en fbricas. Desarroll la Epidemiologa y en 1919 cre el Ministerio de la Salud en Inglaterra, responsable de datos estadsticos mdicos.

http://html.rincondelvago.com/estadistica_27.html
(De estadista); sust. f. 1. Ciencia que utiliza conjuntos de datos numricos para obtener inferencias basadas en el clculo de probabilidades: la estadstica ofrece conclusiones muy impersonales que en ocasiones no reflejan la realidad. 2. Ciencia que tiene por objeto reunir y clasificar una serie de hechos con una determinada caracterstica comn: este programa de estadstica calcula automticamente el PIB de cada pas. 3. [Por extensin] Conjunto homogneo de datos sobre hechos o manifestaciones de cualquier tipo (social, cientfico, deportivo, etc.): hay una estadstica que dice que las mujeres espaolas fuman ms que los hombres; me gustara tener las estadsticas del partido para ver los porcentajes de tiro de tombergas. Sinnimos Diagrama, grfico, esquema, censo, padrn, catastro, lista, natalidad, demografa, nupcialidad, mortalidad, criminalidad, porcentaje. (1)[Matemticas] Estadstica. Rama de las Matemticas que se basa en la obtencin de los mtodos adecuados para obtener conclusiones razonables cuando hay incertidumbre. Esta ciencia tiene como principal objeto aplicar las leyes de la cantidad a hechos sociales para medir su intensidad, deducir las leyes que los rigen y hacer un prediccin prxima. Existen dos ramas muy diferentes dentro de la estadstica: la estadstica descriptiva y la estadstica matemtica. La estadstica descriptiva se basa en la recoleccin de datos de una muestra representativa de una poblacin de la que se quiere estudiar alguna caracterstica, en su tratamiento y en la obtencin de una serie de resultados y medidas matemticas (medias, desviaciones, etc), que posteriormente se analizan y se extrae una conclusin de las posibles causas que producen la caracterstica de la poblacin en estudio y su relacin con otros fenmenos. La estadstica matemtica utiliza el clculo de probabilidades para establecer previsiones y conclusiones de los fenmenos colectivos. (2)[Tcnica] Estadstica. Estudio del tratamiento de la informacin que contienen las series de datos procedentes de observaciones de fenmenos colectivos (demogrficos, econmicos, tecnolgicos, etc), en los que el gran nmero de factores de variacin que intervienen hace necesarios modelos probabilsticos para que a las conclusiones, leyes o decisiones basadas en los mismos, se les pueda asignar una confianza mensurable. Evolucin histrica Aunque es muy difcil establecer los comienzos de la estadstica tal y como hoy la conocemos, se puede decir que el primer precedente que se encuentra en la historia son los censos chinos que el emperador Tao orden elaborar hacia el ao 2200 antes de Cristo. Ms tarde, hacia el 555 a.C., se elaboraron los censos del Imperio Romano, y desde entonces hasta el siglo XVII muchos estados realizaron estudios sobre sus poblaciones. En 1662 el comerciante londinense de lencera J. Graunt publica un libro, titulado Natural and Political Observations made upon the Bills of Mortality (Observaciones naturales y polticas extradas de los

certificados de defuncin), que es el primer intento de interpretar fenmenos biolgicos y sociales de la poblacin partiendo de datos numricos. En su libro pona de manifiesto la influencia que tenan las cifras de nacimientos y muertes sobre el medio social en el Londres de los aos 1604 a 1661. Graunt entabl amistad con un hombre llamado Sir Willian Pety, que ms tarde public un libro sobre lo que l llam "la nueva ciencia de la aritmtica poltica" que fue ampliamente difundido. A finales del siglo XVII, el famoso astrnomo E. Halley public un artculo titulado "Un clculo de los grados de mortalidad de la humanidad, deducido de curiosas tablas de los nacimientos y funerales de la ciudad de Breslau". Los estudios publicados por Graunt, Pety y Halley estn considerados la base fundamental de los trabajos posteriores sobre esperanza de vida que son tan utilizados hoy por las aseguradoras. Hacia el ao 1835 el astrnomo real de Blgica A. Q. Lambert elabor el primer censo de su pas, en el que analiz la influencia sobre la mortalidad de determinados factores como la edad, el sexo y la situacin econmica. A este estudioso se debe el trmino "hombre medio" que adoptaran despus otros cientficos de esta materia. Pero es a otros dos hombres relevantes, llamados Galton y Pearson, a los que se considera los "padres" de la estadstica actual, ya que fueron ellos los que provocaron el paso de la estadstica deductiva, estudiada en su poca, a la estadstica inductiva, que es la que hoy tiene ms influencia en la ciencia. Por ltimo, cabe destacar aqu, al profesor de fsica, G. T. Fechner. Este cientfico del siglo XIX aplic los conocimientos de estadstica de su tiempo a las ciencias sociales, fundamentalmente a la psicologa. Generalidades La estadstica descriptiva incluye al conjunto de tratamientos de los datos de una muestra, de los que se extraen unos valores que sintetizan o resumen sus caractersticas ms importantes, y las tcnicas de representacin de estos valores de forma que se facilite su anlisis. Los valores que aportan gran informacin sobre los datos tomados son las medidas de centralizacin, dispersin y forma. Se conoce con el nombre de variable cuantitativa, o simplemente variable, a aquella magnitud que toma valores mensurables. Las variables se conocen como discretas si toman valores enteros, como el nmero de alumnos en un aula o el nmero de defectos por metro en un cable elctrico. Las variables continuas pueden variar de forma continua, como por ejemplo el peso de una persona o la longitud de una varilla. Las variables cualitativas o atributos son aquellas cualidades que no son mensurables, por ejemplo si una determinada pieza es o no defectuosa. La Regresin muestra la dependencia entre variables por medio de un modelo matemtico que contempla tanto la parte sistemtica como la aleatoria de la relacin entre dichas variables. El modelo obtenido se contrasta por medio de unas pruebas estadsticas con las que se comprueban las hiptesis formuladas, y as generalizar los resultados a la poblacin. Medidas de centralizacin Estas medidas proporcionan informacin sobre la tendencia central de las observaciones. - Media: La media o media aritmtica ( x ) es la suma de un conjunto de valores dividido entre el nmero total de estos datos. _ x = (1/n) xi En el caso en el que los datos estn agrupados en intervalos, los valores de una misma clase pueden ser sustituidos por la marca de la clase correspondiente. Siendo: xi : marca de la clase del intervalo i Fi : frecuencia absoluta del intervalo i _

x = ( fi xi) / ( Fi) Las propiedades de la media son las siguientes: - La media de una constante es la propia constante. - La media de la suma o diferencia de variables es igual a la suma o diferencia de las medias de dichas variables. - La media del producto de una constante por una variable, es igual a la constante por la media de la variable. - La media de una combinacin lineal de dos o ms variables es igual a la combinacin lineal de las medias de dichas variables. - La media es el centro de gravedad de la distribucin, ya que las desviaciones respecto a la media suman 0. _ (xi - x ) = 0 - Mediana: La mediana es el valor del elemento que ocupa el lugar central, si los datos estn ordenados, bien de forma creciente o de forma decreciente. - Moda: La moda es el valor ms frecuente, es decir es el valor de la variable que se repite un mayor nmero de veces. En el caso de una distribucin totalmente simtrica, la media y la mediana coinciden. Si la media y la mediana difieren mucho significa que hay heterogeneidad entre los datos y que la distribucin, por tanto ser asimtrica. Medidas de dispersin Son las medidas que muestran la variacin de los datos tomados. - Recorrido: El Recorrido (R) es la diferencia entre el valor mayor y el valor menor de los que toma la variable. R = xmax - xmin - Varianza: La varianza (S2) es la media aritmtica de los cuadrados de las desviaciones respecto a la media. _ S2 = (1/n) (xi - x )2 Las propiedades de la varianza son: - La varianza es siempre positiva o cero. - La varianza de una constante es cero. - La varianza de la suma o diferencia de una variable y una constante es igual a la varianza de la variable. - La varianza de un producto de una constante por una variable es igual al cuadrado de la constante por la varianza de la variable.

- Desviacin Tpica: La desviacin tpica o estndar (S) se define por: ________________ S = (1/n) (xi - x)2 Las propiedades de la desviacin tpica son: - La desviacin tpica es siempre positiva o cero. - La desviacin tpica de una constante es cero. - La desviacin tpica de una constante por una variable es igual a la constante por la desviacin tpica de la variable. - La desviacin tpica de la suma o diferencia de una variable y una constante es igual a la desviacin tpica de la variable. - Meda: La meda es al medida de dispersin asociada a la mediana, y es la mediana de las desviaciones absolutas. MEDA = mediana xi - mediana - Percentil: El percentil (p) de una variable es el menor valor superior al p% de los datos. Se utiliza para construir medidas de dispersin en los datos ordenados. Se denomina Primer Cuartil (Q1) al menor dato que supera al 25 % de los datos menores. El Segundo Cuartil (Q2) coincide con la mediana. El Tercer Cuartil (Q3) es el menor dato que supera al 75% de los datos menores. Se usa con frecuencia el rango intercuantlico, que es la diferencia entre los percentiles Q3 y Q1. Representacin grfica de los datos Las representaciones grficas de una distribucin de frecuencias permite obtener, de un golpe de vista, informacin de las caractersticas de dicha distribucin. A) Histograma El Histograma representa la frecuencia con la que se presentan los diferentes grupos de datos de la variable objeto de estudio. Es un conjunto de rectngulos, los cuales representan a cada una de las clases. En el eje de abscisas se representan las clases definidas y en el eje de ordenadas la frecuencia de cada una de ellas. La amplitud del intervalo de las clases se halla dividiendo el Recorrido entre el nmero de clases. El Histograma proporciona mucha informacin respecto a la estructura de los datos. Por tanto, es importante analizar la situacin del centro del Histograma y el ancho del mismo que definen la tendencia central y la variabilidad del conjunto de datos respectivamente, as como la forma del Histograma que identifica algunas de las caractersticas del proceso en estudio. - Distribucin Simtrica Unimodal: Se caracteriza porque cada una de las observaciones equidistantes al mximo central, tienen aproximadamente la misma frecuencia. Es tpico de la mayora de los procesos industriales. - Distribucin Asimtrica: Es tpica de datos econmicos, y de forma general en distribuciones de renta, consumo de electricidad, poblacin, tamao de empresas,... - Distribucin Triangular: Es totalmente asimtrica y se presenta al estudiar tiempos entre averas, entre llegadas, entre accidentes, o en fabricacin donde existe la imposibilidad de superar un valor o bien se ha realizado una seleccin de 100% de alguna caracterstica.

- Distribucin Bimodal: Se presenta como dos distribuciones muy separadas. Suele aparecer cuando se han recopilado datos a partir de dos procesos distintos, tales como las caractersticas de una pieza suministrada por dos proveedores diferentes. - Distribucin Rectangular: Presenta gran variabilidad. Aparece al mezclar datos de Distribuciones Simtricas Unimodales. - Distribucin Truncada: Aparece al presentar datos de procesos que no cumplen las especificaciones, despus de pasar un control de calidad. Puede ser, tambin un sntoma de una eleccin de un nmero de clases menor al adecuado. - Distribucin sin Datos en la Zona Central: Suele aparecer cuando los datos corresponden a un material de mala calidad, y el "material bueno" ha sido seleccionado previamente. - Distribucin con Picos en las Colas: Es una representacin tpica cuando se han sometido a un reproceso, los elementos que en un primer control cayeron fuera de tolerancias. B) Diagrama de puntos Este grfico muestra un conjunto de puntos, que son la interseccin de las frecuencias (representadas en el eje de ordenadas) y de los valores de la distribucin (representados en el eje de abscisas). C) Diagrama de barras Presenta los valores posibles de los datos sin agrupar y sus frecuencias absolutas o relativas. En el eje horizontal aparecen los datos tratados y en el eje vertical las frecuencias. Sobre el eje horizontal se traza un segmento de longitud proporcional al valor de las frecuencias. D) Polgono de frecuencias Es un grfico que une los puntos que representan la interseccin de las marcas de clase con su frecuencia correspondiente. Cabe mencionar tambin los grficos de sectores, de rectngulos, pictogramas, etc. Covarianza y correlacin. Anlisis grfico - Covarianza: Es una medida de asociacin que mide la relacin lineal entre las variables "x" e "y", y se define como: __ Cov (x,y) = (1/n) * ((xi - x ) (yi - y)) En el caso de que los datos estn agrupados en clases, la frmula de la covarianza es la siguiente: __ Cov (x,y) = ((xi - x) (yi - y) f(yi , xi )) - Correlacin: Es el resultado de dividir la covarianza por un trmino de sus mismas dimensiones, obteniendo el coeficiente de correlacin (r). Sx y Sy, son las desviaciones tpicas de "x" e "y" respectivamente. r = (Cov (x,y)) / (Sx * Sy) Las propiedades del coeficiente de correlacin son las siguientes:

- Si multiplicamos "x" e "y". por constantes (aunque stas sean distintas), el coeficiente de correlacin no vara. - Cuando no existe una relacin lineal exacta entre "x" e "y", el coeficiente de correlacin vara entre -1 y 1 (-1 <> r <> 1). - Cuando no existe relacin lineal r = 0 (en este caso puede ocurrir que exista otro tipo de relacin no lineal). - Si existe una relacin lineal, entonces r = 1 (correlacin lineal perfecta y directa) r = -1 (correlacin lineal perfecta e inversa). Del simple anlisis grfico se obtiene una gran informacin: - Caso A: la relacin es lineal, y adems es positiva o directa ya que la variable "y" aumenta proporcionalmente con "x". Existe dispersin de los puntos, por lo que "r" no se acercar a la unidad. - Caso B: Se observa que no existe ninguna relacin entre las variables. No hay variaciones sistemticas de una variable cuando vara la otra. - Caso C: Existe una relacin lineal, inversa o negativa. Los puntos estn concentrados, luego "r" estar prxima a "-1". - Caso D: Existe una relacin no lineal. Regresin simple Cuando existe una dependencia causal entre dos variables, y se toman diversas observaciones, stas aparecen reflejadas en una nube de puntos debido al componente aleatorio, a pesar de que pueda existir una fuerte dependencia entre ellas. El objetivo de la regresin es obtener una recta (lnea de regresin, denominada as por Galton) hacia la que tienden los puntos de un diagrama de dispersin, y va a definir la dependencia exacta entre las variables "x" e "y". El modelo de la recta de regresin se ajusta a la expresin: y = + * x + Siendo " + * x" , la parte sistemtica o explicada y "" la parte aleatoria o impredecible o perturbacin, que engloba a todas las variables no explcitas en el modelo, las cuales tienen relevancia sobre el resultado de "y". Los nmeros , se denominan parmetros de la recta y definen completamente el modelo. "" recibe el nombre de coeficiente de regresin. Para proceder a la estimacin de los parmetros y se parte de las siguientes hiptesis: - Linealidad. - Homocedasticidad de las perturbaciones, es decir su variabilidad se mantiene constante. - Independencia de las perturbaciones. Sus covarianzas deben ser nulas, para que haya ausencia de autocorrelacin. - Normalidad. Las perturbaciones deben seguir el modelo de una distribucin normal (0, ). Si de una poblacin se extrae una muestra, se tiene la siguiente relacin: y = yi + ei

 yi : valores medios de la variable dependiente correspondientes a los valores xi observados (valor previsto). ei: errores o residuos debidos a los factores aleatorios de perturbacin. En Estadstica, residuo = valor observado - valor previsto. Se cumple siempre que ei = 0 Para una funcin lineal: y = 0 + 1 x Regresin y correlacin mltiples En la realidad es habitual que exista una dependencia causal entre ms de dos variables, con una variable dependiente "y" (efecto) y varias variables independientes "x1", "x2",... (causas). Estimacin del modelo: En una poblacin, se considera: yi = 0 + 1 X1i + ... + bk xki + i Siendo: (0 + 1 X1i + ... + k Xki) la parte sistemtica y i la parte aleatoria. De la poblacin, se obtiene una muestra: yi = 0 + 1 X1i + ... + k Xki + ei Siendo: yi : el valor observado yi = 0 + 1 X1i + ... + k Xki : el valor previsto ei : el residuo La estimacin de los coeficientes de regresin ( 0 , 1 , ... , ) se realiza por el mtodo de los mnimos cuadrados, minimizando la suma de los residuos al cuadrado. Tambin se deben cumplir las hiptesis de linealidad, homocedasticidad, independencia y normalidad de la parte aleatoria. Ecuaciones temporales Las series temporales expresan la relacin entre dos variables, siendo una de ellas el "tiempo". Estas series permiten describir la evolucin en el pasado de una magnitud y formular predicciones para el futuro.

Este anlisis puede realizarse desde dos puntos de vista, el llamado enfoque clsico y el enfoque causal. El enfoque causal estudia las series temporales en funcin de las variables que han producido dichas variaciones, ya que el tiempo es slo el marco donde se producen los hechos, no la causa de los mismos. El enfoque clsico analiza la serie considerando cada variable por separado y en funcin del tiempo; se ha convertido en un mtodo estndar de estudio de estas series, y es aceptado de forma unnime por los estadsticos; por tanto es el que se describir en el presente tema. Las series temporales, tambin denominadas series cronolgicas, crnicas o histricas son un conjunto de observaciones de una variable, la cual est relacionada con un conjunto de intervalos o instantes de tiempos. Cuando cada observacin se refiere a un perodo, la variable se denomina "flujo" (por ejemplo, la serie mensual del consumo de electricidad a nivel nacional) y cuando cada observacin se refiere a un instante, la variable se denomina "nivel" o "stock" (por ejemplo, serie diaria de las temperaturas recogidas en un punto determinado cada hora). Las observaciones de una serie temporal tienen ciertas peculiaridades, pues con el paso del tiempo pueden perder homogeneidad a causa de factores como son la mejora de los mtodos de observacin estadstica, las variaciones en las definiciones estadsticas, etc. Por otra parte, las observaciones temporales no son del todo independientes y es frecuente que una observacin dependa de la precedente, y se suele presentar una correlacin entre una serie temporal y la misma pero retardada en el tiempo, fenmeno que se denomina autocorrelacin. Por todo ello, es necesario estudiar las series temporales de forma independiente a las series de las observaciones transversales. Al analizar una serie temporal, se puede apreciar que se producen variaciones, y stas pueden ser: - Evolutivas: el "nivel medio" de la variable est sometido a cambios muy bruscos. En los siguientes grficos se aprecian estas variaciones; en la "figura 1" se observa cmo la serie va pasando de unos niveles altos al principio a unos muy bajos despus, para volver al final a tener unos niveles semejantes a los del principio. En la "figura 2", se aprecia cmo las observaciones van teniendo niveles cada vez ms altos. - Estacionarias: el "nivel medio" de la variable permanece prcticamente constante, lo que no quiere decir que no aparezcan fluctuaciones. En el siguiente grfico aparece una serie estacionaria, que aunque muestra fluctuaciones, el "nivel medio" permanece constante en el tiempo. Por tanto, como es normal encontrar variables que fluctan en el tiempo, es importante conocer las causas que producen tales variaciones, para analizar la evolucin en el tiempo de un fenmeno determinado, de forma que se pueda, tanto describir el comportamiento en el pasado de la variable como formular predicciones para el futuro. Desde el punto de vista clsico, se estudia una serie temporal considerando cada variable por separado y en funcin del tiempo, es decir: y = f (t) Siendo: y : variable dependiente t : variable independiente o explicativa En general, las serie temporales son mensuales, trimestrales o anuales. Partiendo de la hiptesis de que las observaciones de la variable corresponden a un intervalo de tiempo, se supone que las variaciones que se producen son el resultado del efecto de cuatro fuerzas o componentes: la tendencia, la estacionalidad, los ciclos y los accidentes.

- Tendencia (T): Conocida tambin como "tendencia secular". Determina los movimientos de la variable a largo plazo, ignorando de forma consciente las variaciones a corto y medio plazo. Se consideran, en general, ms de diez aos, para apreciar si la serie obedece a una ley determinada. La tendencia proporciona informacin sobre si la serie es estacionaria o evolutiva. - Estacionalidad (E): Representa las variaciones a corto plazo, que se repiten de forma peridica en un tiempo inferior al ao, y que adems se van reproduciendo un ao tras otro. Es independiente de la tendencia y de las fluctuaciones cclicas. La estacionalidad debe ser rigurosamente peridica. Suponiendo "t" el nmero de aos y "m" el perodo correspondiente: Et = Et + m = Et + 2m =... - Fluctuaciones cclicas (C): Corresponden a las variaciones a medio plazo, es decir a tiempos superiores al ao. Estos movimientos cclicos no son tan regulares como los estacionales, se corresponden con movimientos de periodicidad y amplitud variables. - Variaciones accidentales (A): Son los movimientos espordicos que se producen de forma ocasional. Son provocados por dos tipos de factores: aleatorios (provocados por pequeos accidentes) o errticos (como consecuencia de inundaciones, terremotos, huelgas, etc). Se corresponden con movimientos irregulares e imprevisibles de poca amplitud y no permanentes. En general, su media es nula, en un numero pequeo de meses. La tendencia y las fluctuaciones cclicas pueden tomarse de forma conjunta, como un movimiento coyuntural o extraestacional, que marca la evolucin fundamental de la serie. Inferencia estadstica La inferencia estadstica es una parte de la Estadstica que permite generar modelos probabilsticos a partir de un conjunto de observaciones. Del conjunto se observaciones que van a ser analizadas, se eligen aleatoriamente slo unas cuantas, que es lo que se denomina muestra, y a partir de dicha muestra se estiman los parmetros del modelo, y se contrastan las hiptesis establecidas, con el objeto de determinar si el modelo probabilstico es el adecuado al problema real que se ha planteado. La utilidad de la inferencia estadstica, consiste en que si el modelo se considera adecuado, puede usarse para la toma de decisiones o para la realizacin de las previsiones convenientes. En el desarrollo del tema se utilizarn variables aleatorias, que son variables determinadas por el azar. La inferencia estadstica parte de un conjunto de observaciones de una variable, y a partir de estos datos "infiere" o genera un modelo probabilstico; por tanto es la consecuencia de la investigacin emprica. La inferencia estadstica es, en consecuencia, un planteamiento inductivo. Partiendo de los datos recopilados, la inferencia estadstica sigue los siguientes pasos: - estimar los parmetros (por ejemplo la media y la desviacin tpica) - hallar los intervalos de confianza, es decir el rango de valores donde es probable que se encuentren los parmetros. - contrastar las hiptesis (por ejemplo si la media es igual a un valor 0 no es igual a 0). Se entiende por poblacin al conjunto de elementos de los que se analiza una cierta caracterstica. La prctica dice que lo habitual, es no poder estudiar la totalidad de estos elementos, debido a diversas razones, tales como: - Econmicamente, no es rentable el anlisis de toda la poblacin, por ser excesivamente grande.

- Los elementos, no existen como tales. Como son los casos de los elementos defectuosos. - El anlisis requiere la destruccin de los elementos. Como, por ejemplo, en los ensayos destructivos. Por todo lo mencionado anteriormente, se selecciona slo un conjunto de los elementos, que es lo que se denomina muestra. Se entiende por marco el patrn de la poblacin por el cual deben regularse o contrastarse las medidas. Muestreo aleatorio Dentro de las tcnicas de muestreo aleatorio merecen mencin, el muestreo aleatorio simple, el muestreo aleatorio estratificado, el muestreo sistemtico y el muestreo polietpico. Todas ellas tienen como objetivo fundamental seleccionar muestras que sean representativas de la poblacin. A) Muestreo Aleatorio Simple El muestreo aleatorio simple consiste en seleccionar elementos de una poblacin, bajo las siguientes condiciones: -todos los elementos tienen la misma probabilidad de ser elegidos -la poblacin es idntica en todas las extracciones, es decir una vez seleccionada una poblacin, sta se reemplaza. La seleccin de las observaciones de una muestra aleatoria simple, se suele realizar mediante "nmeros aleatorios", que son precisamente, un conjunto de nmeros, los cuales tienen todos ellos la misma probabilidad de aparicin. Si x1, x2,...,xn es una muestra aleatoria simple de una variable discreta, la probabilidad de obtener dicha muestra se denomina "probabilidad conjunta" y es igual al producto de las probabilidades de cada observacin: P (x1, x2,...,xn) = P (x1) P (x2) ... P (xn) Esta relacin se obtiene como consecuencia de la independencia de las observaciones. Si la variable aleatoria es continua, se establece una relacin equivalente a la anterior, pero con las funciones de densidad. f (x1, x2,...,xn) = f (x1) f (x2) ... f (xn) Con esta tcnica, cada uno de los elementos de la muestra Xi ser una variable aleatoria con la misma distribucin que la poblacin de la que se ha obtenido. Entre s, los elementos muestrales tambin son variables aleatorias independientes. Mtodo de montecarlo El Mtodo de Montecarlo es una forma artificial de realizar el muestreo aleatorio simple, pues se utiliza cuando los elementos de la poblacin no estn disponibles. Consiste en seleccionar muestras de cualquier poblacin, siempre y cuando se conozca su distribucin de probabilidad. B) Muestreo Aleatorio Estratificado El muestreo aleatorio estratificado se produce cuando los elementos de una poblacin se estructuran en clases (o estratos).

Para dividir la poblacin en clases se siguen los siguientes criterios: - Se respetan, de forma proporcional, los tamaos relativos en la poblacin. Es decir, si en una poblacin existieran un 60% de mujeres y un 40% de hombres, esta proporcin se respetara en el estrato. - Se respeta tambin, de forma proporcional, la variabilidad de la poblacin en el estrato. Es decir, se toman menos elementos de estratos donde la caracterstica tenga menor dispersin. La muestra se elige de la siguiente manera: -se asigna un nmero determinado de elementos a cada clase -se elige, por muestreo aleatorio simple, dentro de cada clase C) Muestreo Sistemtico Se utiliza cuando los datos de la poblacin se presentan ordenados en listas. Dada una poblacin de tamao "N", si se pretende obtener una muestra de tamao "n". Suponiendo que "k" es el nmero entero ms cercano a N/n, la muestra sistemtica se va obteniendo al azar un elemento entre los primeros "k" (mediante nmeros aleatorios). Si el orden del elemento elegido es n, a continuacin se toman los elementos n1+k, n+2k, y as de forma sucesiva a intervalos fijos de "k" hasta completar la muestra. Si en el orden en el que se presentan los elementos de la poblacin, se encuentran ms prximos los individuos que son ms semejantes y se encuentran ms alejados los individuos que ms difieren entre s, este mtodo es ms preciso que el muestreo aleatorio simple, porque cubre de forma ms homognea la poblacin. Si el orden de los elementos que figuran en las listas ha sido tomado al azar, este mtodo es igual al muestreo aleatorio simple. D) Muestreo Polietpico Se utiliza cuando la poblacin es muy heterognea. Para seleccionar una muestra de una poblacin se va dividiendo dicha poblacin de forma sucesiva conforme algn criterio determinado con anterioridad. De las partes que resultaron de la primera divisin se eligen algunas por muestreo aleatorio simple. A su vez estas partes se subdividen en otras y de ellas se vuelve a seleccionar algunas, tambin por muestreo aleatorio simple. Un ejemplo clsico de un muestreo polietpico resulta cuando se quiere seleccionar una muestra de una ciudad grande; la ciudad se divide en barrios y de ellos se eligen algunos por muestreo aleatorio simple; los barrios se dividen en calles, y dentro de ellas se seleccionan algunas tambin por muestreo aleatorio simple, y as sucesivamente. Estadstico Un Estadstico o Estimador de un parmetro poblacional desconocido es cualquier funcin que relaciona los elementos de la muestra y que utilizaremos para estimar o contrastar el verdadero valor de . = g (x1,...,xn) Debido a que el estimador es una funcin de la variable aleatoria que representa la muestra genrica, ser a su vez una variable aleatoria con su correspondiente distribucin en el muestreo. Distribuciones de variables discretas Una variable aleatoria es discreta cuando el conjunto de sus valores posibles es finito, o bien en el caso de ser infinito es numerable. La distribucin de probabilidad de variables aleatorias discretas se representa indicando los valores de la variable aleatoria y sus respectivas probabilidades.

En general se expresa mediante la funcin de distribucin F(x) que es la probabilidad de que la variable aleatoria x tome un valor menor o igual que x0. F(x) = P(x x0) Distribucin binomial Una distribucin sigue la ley binomial siempre y cuando se cumplan las siguientes hiptesis: - Las observaciones se clasifican en dos categoras, que son adems excluyentes. Por ejemplo, los elementos se pueden clasificar en aceptables o defectuosos - Las observaciones son independientes. Esto significa que la probabilidad de que aparezca un elemento aceptable es siempre la misma y a su vez la probabilidad de aparicin de un elemento defectuoso tambin se mantiene. - La proporcin de elementos de las dos categoras en las que se ha clasificado la poblacin es siempre constante. El modelo de la distribucin binomial se aplica a: - poblaciones finitas, de las que se toman elementos al azar, con reemplazamientos. - poblaciones consideradas infinitas desde el punto de vista conceptual, como son las piezas que produce una mquina (defectuosas o aceptables), siempre que el resultado de cada momento sea independiente de lo ocurrido con anterioridad. La variable binomial es una variable discreta, de parmetros "n" y "p" que toma los valores enteros: x = 0,1,2,...,n Sean los parmetros, "p" y "q" comprendidos entre 0 y 1, y siendo q=1-p, se cumple tambin que: pi = 1 y qi = 1 La distribucin binomial B (n,p) sigue la siguiente ley: n F(x) = x px qn-x Es una distribucin, en general, asimtrica. Slo es simtrica cuando se verifica que p = 1/2 La media, varianza y desviacin tpica tienen las siguientes expresiones: .Su media es igual al producto de los parmetros "n" y "p": = np .Su varianza es: 2 = npq _____ .Su desviacin tpica es: = n p q Un ejemplo de distribucin binomial son los sondeos a una poblacin cuyos individuos se dividen en dos categoras.

Distribucin binomial negativa La distribucin binomial negativa permite hallar un nmero de "z" elementos de una categora antes de que aparezca el primer elemento de la otra categora. Por ejemplo: "z" piezas aceptables antes de la k-sima defectuosa. k+n-1 p(z = x) = x pk qx Distribuciones de variables continuas Una variable aleatoria es continua cuando puede tomar cualquier valor dentro de un intervalo. Para representar un distribucin de probabilidad de variables continuas es necesario tener en cuenta los siguientes aspectos: Si las medidas de una magnitud se representa en un Histograma y se van tomando cada vez ms observaciones y se van disminuyendo el tamao de las clases, dicho Histograma tiende a una curva que describe el comportamiento de la variable a largo plazo. Esta funcin lmite recibe el nombre de Funcin de Densidad f (x). El rea del Histograma es la unidad, debido a que la suma de las frecuencias relativas es la unidad. En consecuencia: f(x) dx = 1 - Distribucin Normal La Distribucin Normal o de Gauss-Laplace es la distribucin de probabilidad ms importante, pues muchos procesos de medicin sin errores sistemticos se aproximan a ella. La funcin de densidad de una distribucin normal es la siguiente: 11 f(x)= exp[ - (x - )2 ] _____ 2 2 2 La funcin depende de dos parmetros, de la media (que es tambin la moda y la mediana) y de la desviacin tpica . Cuando una variable sigue esta funcin de densidad es N (, ). Si la variable normal tiene media = 0 y desviacin tpica = 1 se denomina "normal estndar" N(0,1) Para transformar una variable aleatoria normal "x" en una variable normal estndar "z", se realiza mediante la expresin: x- z =

 La distribucin normal tiene como coeficiente de apuntamiento el valor 3, el cual se toma de referencia para juzgar otras distribuciones. Distribucin "t" de Student La Distribucin "t" de Student es una distribucin continua que se define por la siguiente expresin: x tn = ______ x2n /n Correspondiendo x2n a la igualdad: x2n = x21 + x22 +...+ x2n, siendo "x" una variable aleatoria normal estndar y "n" los grados de libertad. La distribucin "t" de Student puede tomar valores negativos, pero, en general, slo interesa su magnitud y no su signo. Es una distribucin simtrica y con mayor dispersin que la distribucin normal. No obstante, cuando "n" es igual o mayor que 100, la distribucin "t" es igual a la normal. Su media y su varianza son respectivamente: - media: = 0 - varianza: 2 = n / n+2, para n >> 2 Su funcin de densidad es: 1 ((n + 1 )/2) X2 -(n+1)/2 f(x) = 1 + ____ n n (n/2) Siendo la distribucin gamma, que es una distribucin particular de media y varianza iguales. Distribucin x2 La distribucin x2 de Pearson es una distribucin continua, y representa la distribucin de una distancia. Se define la variable x2 con "n" grados de libertad, de la siguiente manera: X2 = Z12 + Z22 + .... + Zn2 Siendo Zi2 variables aleatorias normales (0,1) e independientes. La variable aleatoria x2 no puede ser nunca negativa, debido a que es una suma de cuadrados. Su media y su varianza son respectivamente: - media: = n

- varianza: 2 = 2n Es una distribucin asimtrica. Su funcin de densidad es: 1 f(x)= x(n/2)-1 e-x/2 x 0 2(n/2) (n/2)

http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/21/estadistica.htm
La estadstica surgi en pocas muy remotas. La historia demuestra que Tacito, historiador latino, cuenta que Augusto orden una amplia encuesta sobre las riquezas del imperio, enumer los soldados, los navos, los recursos de todas clases y las rentas pblicas. La Estadstica, como todas las ciencias, no surgi de improviso, sino mediante un proceso largo de desarrollo y evolucin, desde hechos de smple recoleccin de datos hasta la diversidad y rigurosa interpretacin de los datos que se dan hoy en da. As pues, el origen de la Estadstica se remonta a los comienzos de la historia y esto se sabe tanto a travs de crnicas, datos escritos, como de restos arqueolgicos, y esto es explicable por cuanto en ese tiempo se estaba formado recin la sociedad y es algo inherente la necesidad de saber cosas elementales como: cuntos habitantes tiene a tribu, con cuantos bienes cuenta, etc. Su origen empieza posiblemente en la isla de Cerdea, donde existen monumentos prehistricos pertenecientes a los Nuragas, las primeros habitantes de la isla; estos monumentos constan de bloques de basalto superpuestos sin mortero y en cuyas paredes de encontraban grabados toscos signos que han sido interpretados con mucha verosimilidad como muescas que servan para llevar la cuenta del ganado y la caza. Poco a poco conforme fue evolucionando la sociedad, estos hechos fueron ms frecuentes y menos inciertos. En los antiguos monumentos egipcios se encontraron interesantes documentos en que demuestran la sabia organizacin y administracin de este pueblo; ellos llevaban cuenta de los movimientos poblacionales y continuamente hacan censos. Tal era su dedicacin por llevar simpre una relacin de todo que hasta tenan a la diosa Safnkit, diosa de los libros y las cuentas. Todo esto era hecho bajo la direccin del Faran y fue a partir del ao 3050 a.C. Fue Sargn II, rey de asiria, quien fund una biblioteca en Nvine que luego fue ampliada y organizada bajo el reinado de Assurbanipal; los "textos" que all se guardaban eran tablillas de ladrillo de arcilla cocida de 25 por 16 cm., teniendo slo en una de sus caras inscripciones cueniformes. Lo saltante de todo esto es que en esta biblioteca no se guardaban poemas u obras literarias; sino simplemente era una recopilacin de hechos

histricos, religiosos, importantes datos estadsticos sobre produccin, cuentas; as como tambin datos de medicina, astronoma, etc. En la Biblia observamos en uno de los libros del Pentateuco, bajo el nombre de Nmeros, el censo que realiz Moiss despus de la salida de Egipto. Textualmente dice: "Censo de las tribus: El da primero del segundo ao despus de la salida de Egipto, habl Yavpe a Moiss en el desierto de Sina en el tabernculo de la reunin, diciendo: "Haz un censo general de toda la asamblea de los hijos de Israel, por familias y por linajes, describiendo por cabezas los nombres de todos los varones aptos para el servicio de armas en Israel.."". Igual tipos de datos en varios libros que conforman la Biblia. En China Confucio, en uno de sus clsicos "Shu-King" escrito hacia el ao 550 a.C., nos narra cmo el Rey Yao en el ao 2238 mand hacer una estadstica agrcola, industrial y comercial. Grecia tambin tuvo importantes observaciones eestdisticas en lo que refiere a distribucin de terreno, servicio militar, etc. Tambin cabe citar entre los griegos principalmente a Scrates, Herodoto y Aristtele, quienes a travs de sus escritos incentivaron la estadsticapor su importancia para el Estado. En Roma, con su perfecta organizacin poltico, jurdica y administrativa; favoreci para le desarrollo de la Estadstica. Una muestra es el Census que se realizaba cada 5 aos y que tena por objeto no slo saber el nmero de habitantes, sino tambin su cantidad de bienes. Bajo el mandato de Servio Tulio, stos pasaron a ser base constitucional del gobierno. Tambin en un inicio se llevaba un registro de nacimientos y de fallecimientos; pero fue bajo Antoninos que la declaracin de nacimientos adquiri una verdadera institucin legal que era necesaria hacerla ante el "prefecto del Erario" en el templo de Saturno y no despus de 30 das de nacimiento. Con la cada del Imperio Romano las estadsticas se pierden en eEuropa, florreciendo ms bajo la civilizacin rabe. Con Carlo Magno, en Francia regresaron las estadsticas a Europa, teniendo un carcter netamente financiero y administrativo. En Inglaterra Guillermo el Conquistador mand a realizar una especie de catastro, que constituye un documento estadstico administrativo. La Iglesia, viendo la importancia de la estadstica es que despus del Concilio de Trento estableci la obligacin de la inscripcin de nacimientos, matrimonio y defunciones. A mediados del siglo XVII, gracias a Vito Seckendorff, y sobre todo de German Conring al que se le atribuye como fundador de la Estadstica era la descripcin de los hechos notables de un estado. Conring perfeccion y mejor notablemente la tendencia nueva, sistematizando los conocimientos y los datos. El mejor de sus seguidores fue Godofredo Achenwall, quien consolid definitivamente los postulados de esta nueva ciencia y tambin de haberle dado el nombre de "Estadstica"; palabra que etimolgicamente deriva de la palabra "status", que significa estado o situacin; este nombre ya antes haba sido usado en Italia, pero su definicin todava no estaba bien dada.

La Estadstica pas as a ser la descripcin cuentitativa de las cosas notables de un estado. Von Scholer serpar la teora de la estadstica de la aplicacin prctica de la misma. Todos ellos formaron parte de la tendencia de la Estadstica Universitaria Alemana, conocida como la Estadstica Descriptiva. John Graunt encabeza una tendencia opuesta, nacida en Inglaterra, la de los aritmticos polticos; conocida tambin como Estadstica Investigadora. Ellos buscaban fijar en nmeros los fenmenos sociales y polticos cuyas leyes empricas buscaban. Para su tiempo esto fue atrevido, casi imposible; pero el mrito de ellos es de ser los primeros en buscar las leyes cuantitativas que rigen la sociedad. De esta escuela surgen dos tendencias ms: 1. Tendencia Enciclopdico Matemtica: Tuvo su mximo desarrollo en Francia. Us no slo la matemtica y el clculo de probabilidades y lo ms importante de ella es que tuvo aplicacin prctica en todas las ciencias y no slo como los aritmticos polticos que la aplicaban a los fenmenos polticos y sociales, sino tambin a campos jurdicos, electorales, metereolgicos, etc. Adolfo Quetelet y A. Cournot son los representantes ms insignes de esta tendencia. Quetelet, considerado por muchos el fundador de la estadstica moderna, hizo innumerables aportes; el ms importante fue el de la metodologa estadstica, sirvindose del mtodo sentado por l mismo, hacindola as totalmente cientfica. Cournot por su parte hizo un valioso aporte a la teora de las probabilidades. 2. Tendencia Demogrfica: Se desarroll en Alemania y su mximo representante fue Juan Pedro Sssmilc; l hace el primer tratado que verifica el movimiento de la poblacin. Usa los postulados de Graunt aplicndolos a los fenmenos que se refieren a la poblacin y as naci la Demografa y fue Guillard quien le dio el nombre. Gustavo Romelin separ a la Estadstica Descriptiva en parte tecnico-metodolgica y parte aplicada. Teniendo en cuenta esto sucede que hasta este punto existen: A) Estadstica Metodolgica: Que es un mtodo general de estudio adecuado para ciertos fenmenos. Su defensor fue Cournot. B) Estadstica Social: Ciencia que estudia desde el punto de vista cuantitativo las leyes de la sociedad y en parte las de la poblacin. Su representante es Sssmilch. C) Estadstica Cuantitativa: estudia cuantitativamente los hechos salientes del estado. Sus representantes son Conring y Achenwall. Es por esta razn que la estadstica se presenta como un poderoso auxiliar de las distintas ciencias y tcnicas; al provocar en stas la investigacin de las leyes de comportamiento

de ciertas variables que intervienen en un fenmeno cuyo valor, gracias a la Estadstica han sido puestos de manifiesto.

http://maralboran.org/wikipedia/index.php/Gr%C3%A1ficos_estad%C3%ADsticos

Diagrama de barras
Consiste en dos ejes perpendiculares y una barra o rectngulo para cada valor de la variable. Normalmente, se suele colocar en el eje horizontal los valores de la variable (aunque tambin se puede hacer en el vertical). El otro eje se grada segn los valores de las frecuencias. La representacin grfica consiste en dibujar una barra o un rectngulo para cada uno de los valores de la variable de altura igual a su frecuencia. [editar]

Histograma
Es un caso particular del diagrama anterior en el caso de variables continuas. Si los intervalos son correlativos, los rectngulos aparecen pegados en la representacin grfica. En caso de que la amplitud de los intervalos no se igual para todos, hay que hacer coincidir el rea del rectngulo con la frecuencia del intervalo. Un ejemplo muy utilizado de histograma es una pirmide de poblacin. [editar]

Polgono de frecuencias
Representamos dos ejes perpendiculares y representamos en el horizontal los valores de la variable y en el vertical las frecuencias. Representamos los puntos que tiene por primera coordenada el valor de la variable y por segunda el valor de la frecuencia. Uniendo todos los puntos obtenemos una lnea poligonal que es la representacin que buscamos. [editar]

Diagrama de sectores

Consiste en dividir un crculo en tantos sectores como valores de la variable. La amplitud de cada sector debe ser proporcional a la frecuencia del valor correspondiente.