HISTORIA DE LA ESTADÍSTICA

Como dijera Huntsberger: "La palabra estadística a menudo nos trae a la mente imágenes de
números apilados en grandes arreglos y tablas, de volúmenes de cifras relativas a nacimientos,
muertes, impuestos, poblaciones, ingresos, deudas, créditos y así sucesivamente. Huntsberger
tiene razón pues al instante de escuchar esta palabra estas son las imágenes que llegan a nuestra
cabeza.

La Estadística es mucho más que sólo números apilados y gráficas bonitas. Es una ciencia con tanta
antigüedad como la escritura, y es por sí misma auxiliar de todas las demás ciencias. Los mercados,
la medicina, la ingeniería, los gobiernos, etc. Se nombran entre los más destacados clientes de
ésta.

La ausencia de ésta conllevaría a un caos generalizado, dejando a los administradores y ejecutivos

sin información vital a la hora de tomar decisiones en tiempos de incertidumbre.

La Estadística que conocemos hoy en día debe gran parte de su realización a los trabajos
matemáticos de aquellos hombres que desarrollaron la teoría de las probabilidades, con la cual se
adhirió a la Estadística a las ciencias formales.

1.- ¿QUÉ ES LA ESTADÍSTICA?

Es considerada por algunos autores como “una rama de la matemática que se ocupa de la
recolección, clasificación e interpretación de datos” (Enciclopedia Barda Educativa, 2009, p629). Y
para otros es una ciencia “que se puede considerar como la aplicación del método científico en el
análisis de datos numéricos con el fin de tomar decisiones racionales” (Anderson, Sweeney, y
Williams, 1982. p7) o “una ciencia que estudia la interpretación de datos numéricos” (Garzo, y
García, 1988. p5), sin embargo hay quienes prefieren no encasillarla como una rama o ciencia y la
definen como un arte o un método “conjunto de métodos (metodología) que trata de la
recolección, presentación y agrupación de los datos, así como del análisis, interpretación,
proyección e inferencia de ellos”.(Sote, 2005, p.13) Otros autores tienen definiciones de la
Estadística semejantes a las anteriores, y algunos otros no tan semejantes. Para Chacón esta se
define como “la ciencia que tiene por objeto el estudio cuantitativo de los colectivos”; otros la
definen como la expresión cuantitativa del conocimiento dispuesta en forma adecuada para el
escrutinio y análisis. La más aceptada, sin embargo, es la de Minguez, que define la Estadística
como “La ciencia que tiene por objeto aplicar las leyes de la cantidad a los hechos sociales para
medir su intensidad, deducir las leyes que los rigen y hacer su predicción próxima”.

La estadística es una ciencia aplicada de las matemáticas y es una valiosa herramienta para la
toma de decisiones. Permite el estudio de fenómenos mediante la descripción del mismo a través
de inferencias mediante distribuciones probabilísticas. La Estadística se ocupa de los métodos y
procedimientos para recoger, clasificar, resumir, hallar regularidades y analizar los datos, siempre
y cuando la variabilidad e incertidumbre sea una causa intrínseca de los mismos; así como de
realizar inferencias a partir de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso
formular predicciones.

2.- ¿QUÉ ES LA ESTADÍSTICA DESCRIPTIVA?

“Es una gran parte de la estadística que se dedica a analizar y representar los datos. Este análisis
es muy básico. Aunque hay tendencia a generalizar a toda la población, las primeras conclusiones
obtenidas tras un análisis descriptivo, es un estudio calculando una serie de medidas de tendencia
central, para ver en qué medida los datos se agrupan o dispersan en torno a un valor central”
(Enciclopedia Libre Wikipedia (2010. Parr.1)). Berenson y Leving (1982) la definen “como los
métodos que implican la recolección, presentación y caracterización de un conjunto de datos a fin
de descubrir en la forma apropiada las diversas características de ese conjunto de datos” (p10). Y
la Estadística Inferencial “es el proceso por el cual se deducen (infieren) propiedades o
características de una población a partir de una muestra significativa” (Katherine, (2008. Parr.1)) y
nuevamente Berenson, y Leving (1982) puntualizan que son los “métodos que posibilitan la
estimación de una característica de una población o la toma de decisiones concerniente a una
población, tan solo con base en los resultados de un muestreo” (p10)

Los métodos de la Estadística Descriptiva o Análisis Exploratorio de Datos ayudan a presentar los
datos de modo tal que sobresalga su estructura. Hay varias formas simples e interesantes de
organizar los datos en gráficos que permiten detectar tanto las características sobresalientes como
las características inesperadas. El otro modo de describir los datos es resumirlos en uno o dos
números que pretenden caracterizar el conjunto con la menor distorsión o perdida de información
posible.

Explorar los datos, debe ser la primera etapa de todo análisis de datos. ¿Por qué no analizarlos
directamente? En primer lugar porque las computadoras no son demasiado hábiles (sólo son
rápidas), hacen aquello para lo que están programadas y actúan sobre los datos que les
ofrecemos. Datos erróneos o inesperados serán procesados de modo inapropiado y ni usted, ni la
computadora se darán cuenta a menos que realice previamente un análisis exploratorio de los
datos.

3.- ¿QUÉ ES LA ESTADÍSTICA INFERENCIAL?

Inferencia Estadística hace referencia a un conjunto de métodos que permiten hacer predicciones
acerca de características de un fenómeno sobre la base de información parcial acerca del mismo.

Los métodos de la inferencia nos permiten proponer el valor de una cantidad desconocida
(estimación) o decidir entre dos teorías contrapuestas cuál de ellas explica mejor los datos
observados (test de hipótesis).

El fin último de cualquier estudio es aprender sobre las poblaciones. Pero es usualmente
necesario, y más práctico, estudiar solo una muestra de cada una de las poblaciones. Definimos:

POBLACIÓN ⇒ total de sujetos o unidades de análisis de interés en el estudio

MUESTRA ⇒ cualquier subconjunto de los sujetos o unidades de análisis de la población, en el cual
se recolectarán los datos

Usamos una muestra para conocer o estimar características de la población, denominamos:

PARÁMETRO ⇒ una medida resumen calculada sobre la población

ESTADÍSTICO ⇒ una medida resumen calculada sobre la muestra

La calidad de la estimación puede ser muy variada, y generalmente las estimaciones estadísticas
son erróneas, en el sentido que no son perfectamente exactas. La ventaja de los métodos
estadísticos es que aplicados sobre datos obtenidos a partir de muestras aleatorias permiten
cuantificar el error que podemos cometer en nuestra estimación o calcular la probabilidad de
cometer un error al tomar una decisión en un test de hipótesis. Finalmente, cuando existen datos
para toda la población (CENSO) no hay necesidad de usar métodos de estadística inferencial, ya
que es posible calcular exactamente los parámetros de interés. En el censo poblacional, por
ejemplo, se registra el sexo de todas las personas censadas, que son prácticamente toda la
población, así que es posible conocerexactamente la proporción de habitantes de los dos sexos.

4.- ¿QUÉ ES UNA VARIABLE Y CLASES?

Las variables se pueden definir como todo aquello que vamos a medir, controlar y estudiar en una
investigación o estudio. Por lo tanto, es importante, antes de iniciar una investigación, que
sepamos cuáles son las variables que vamos a medir y la manera en que lo haremos. Es decir, las
variables deben ser susceptibles de medición.

Variable es todo aquello que puede asumir diferentes valores, desde el punto de vista cuantitativo
o cualitativo. Las variables pueden ser definidas conceptual y operacionalmente.

La definición conceptual es de índole teórica, mientras que la operacional nos da las bases de
medición y la definición de los indicadores.

Para definir las variables, nos podemos basar en los indicadores, que constituyen el conjunto de
actividades o características propias de un concepto. Por ejemplo, si hablamos de inteligencia,
podemos decir que está compuesta por una serie de factores como la capacidad verbal, capacidad
de abstracción, etc. Cada factor puede ser medido a través de indicadores. En otras palabras, los
indicadores son algo específico y concreto que representan algo más abstracto o difícil de precisar.

No todos los indicadores tienen el mismo valor. Es decir, aunque haya varios indicadores para un
mismo fenómeno, habrá algunos más importantes que otros, y por lo general cualquier indicador
que se tenga está basado en una probabilidad de que realmente represente al fenómeno.

Variables cualitativas

Una variable respuesta es cualitativa cuando solo puede clasificarse en categorías no numéricas.
Ejemplos de variables cualitativas son el color de los ojos de las personas de una ciudad, la
Facultad o Escuela en la que están matriculados los estudiantes de una Universidad, etc. En este
caso solo podemos hacer representaciones gráficas. Su objetivo es dar una idea visual sencilla de
la muestra obtenida. Se clasifican en:

Variable cualitativa ordinal: También llamada variable cuasicuantitativa. La variable puede tomar
distintos valores ordenados siguiendo una escala establecida, aunque no es necesario que el
intervalo entre mediciones sea uniforme, por ejemplo:

Leve, moderado, grave.

Medallas de una prueba deportiva: oro, plata, bronce.

El grado de satisfacción de algo: Mucho, poco, nada. Bueno, regular, malo.

Variable cualitativa nominal: En esta variable los valores no pueden ser sometidos a un criterio de
orden como por ejemplo:

Los colores o el lugar de residencia.

El estado civil, con las siguientes modalidades: soltero, casado, separado, divorciado y viudo.

Profesión, Maestro, Doctor, Ingeniero, entre otras.

Variables Cuantitativas

Una variable respuesta X es cuantitativa cuando toma valores numéricos. Son las más interesantes
ya que con ellas podemos obtener resúmenes numéricos que no tenían sentido para las variables
cualitativas. Es muy habitual distinguir dos tipos de variables cuantitativas que indicamos a
continuación:

Las variables discretas son aquellas cuyas observaciones se agrupan ‘inherentemente’ o

‘naturalmente’ en categorías, porque dichas variable por su naturaleza sólo pueden tomar ciertos
valores muy específicos. El “género” de un sujeto es un buen ejemplo de una variable discreta: los
seres humanos pueden ser mujeres u hombres, se ajustan a una u otra categoría y no hay
continuidad ni puntos intermedios entre ellas. Los países o regiones del mundo también son
buenos ejemplos de variables discretas. Otro ejemplo son las calificaciones o educación de los
maestros. Podemos crear las siguientes categorías para describir esta última variable: (a)
educación primaria completa, (b) educación secundaria completa, (c) educación superior
incompleta, (d) educación superior completa y (e) educación de postgrado.

Variables “continuas”, que no son tan fáciles de categorizar como las variables discretas. A
diferencia de las variables discretas, las variables continuas, como su nombre lo indica, sólo se
pueden agrupar en forma arbitraria en categorías, porque por su naturaleza pueden tomar
cualquier valor a lo largo de un continuo (o de una escala numérica continua). La estatura de los
habitantes de un país es un ejemplo de variable continua, así como el ingreso de las familias en
dicho país. Un buen ejemplo en el área de la educación son las “calificaciones de pruebas”, que
sólo se pueden agrupar arbitrariamente creando ‘intervalos’ artificiales, como por ejemplo 1-20,
21-40, etc. Note que los intervalos también podrían ser 1-10, 11-20, 21-30, etc, o cualquier otro
intervalo que se prefiera, ya que la variable no se ajusta naturalmente a categorías
predeterminadas como en el caso de las variables discretas.

ESCALAS DE MEDICIÓN

Se entenderá por medición al proceso de asignar el valor a una variable de un elemento en

observación. Este proceso utiliza diversas escalas: nominal, ordinal, de intervalo y de razón.

Las variables de las escalas nominal y ordinal se denominan también categóricas, por otra parte las
variables de escala de intervalo o de razón se denominan variables numéricas. Con los valores de
las variables categóricas no tiene sentido o no se puede efectuar operaciones aritméticas. Con las
variables numéricas sí.

La escala nominal sólo permite asignar un nombre al elemento medido. Esto la convierte en la
menos informativa de las escalas de medición. Los siguientes son ejemplos de variables con este
tipo de escala:

 Nacionalidad.
 Uso de anteojos.
 Número de camiseta en un equipo de fútbol.
 Número de Cédula Nacional de Identidad.

A pesar de que algunos valores son formalmente numéricos, sólo están siendo usados para
identificar a losindividuos medidos.

La escala ordinal, además de las propiedades de la escala nominal, permite establecer un orden
entre los elementos medidos. Ejemplos de variables con escala ordinal:

 Preferencia a productos de consumo.

 Etapa de desarrollo de un ser vivo.
 Clasificación de películas por una comisión especializada.
 Madurez de una fruta al momento de comprarla.

La escala de intervalo, además de todas las propiedades de la escala ordinal, hace que tenga
sentido calcular diferencias entre las mediciones. Los siguientes son ejemplos de variables con
esta escala:

 Temperatura de una persona.

 Ubicación en una carretera respecto de un punto de referencia (Kilómetro 85 Ruta 5).
 Sobrepeso respecto de un patrón de comparación.
 Nivel de aceite en el motor de un automóvil medido con una vara graduada.
Finalmente, la escala de razón permite, además de lo de las otras escalas, comparar mediciones
mediante un cociente. Algunos ejemplos de variables con la escala de razón son los siguientes:

 Altura de personas.
 Cantidad de litros de agua consumido por una persona en un día.
 Velocidad de un auto en la carretera.
 Número de goles marcados por un jugador de básquetbol en un partido.

La escala de intervalo tiene un cero que se establece por convención y puede tener variaciones. Es
arbitrario. Por otra parte, la escala de razón tiene un cero real, fijo, no sujeto a variaciones; es
propio de la medición hecha.

http://www.eumed.net/cursecon/libreria/drm/cap1.pdf

http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva.pdf