1.1 Breve historia de la estadstica. El estudio de la Estadstica ha sufrido cambios sustanciales desde sus comienzos.

Merecen mencin especial dos fuentes de tendencias de desarrollo. Primeramente, el origen de la Estadstica puede advertirse ya en la sociedad de datos numricos en los estados que surgan de la sociedad medieval en la Europa Occidental. Al transformarse la sociedad medieval en el estado poltico, el nuevo gobierno necesitaba informacin sobre los recursos del pas para poder tener xito. As pues era obligado para los nuevos gobernantes el obtener descripciones numricas, tales como el nmero de ciudadanos de las diversas unidades polticas bajo su jurisdiccin: ciudades, condados y provincias. El trmino Estadstica, que se deriva del latn status, que significa estado en el sentido poltico, se emple entonces para referirse a la recoleccin y descripcin de tales datos del estado. La necesidad de acopiar y analizar datos numricos impuls a desarrollar mtodos para facilitar la labor, que era lo que constitua lo ms considerable de la estadstica hasta la era moderna. No es necesario enumerar todos los que contribuyeron al desarrollo de los mtodos estadsticos. Pero se ha de mencionar sin embargo al belga Adolph Quetelet (1796-1984), que fue el primero en aplicar mtodos modernos a conjuntos de datos. Suele llamarse a Quetelet padre de la Estadstica moderna por su continua insistencia en la importancia de aplicar mtodos estadsticos. Sus distinguidas contribuciones a la prctica y a la metodologa estadsticas cubrieron muchos campos de la estadstica oficial, tales como los censos, el desarrollo de la uniformidad y comparabilidad de estadsticas entre las naciones, y la organizacin de la primera conferencia Estadstica internacional, La Comisin Central de Estadstica, que Quetelet fund, fue el modelo para instituciones similares en otros pases. Otra fuente de la Estadstica se encuentra en la atencin prestada al juego en el siglo XVII. Debido a la tolerancia y al prestigio de que disfrutaban varias formas de juegos para recreacin de la nobleza de Inglaterra y Francia durante este periodo, se suscit un inters intenso por los juegos de azar, cosa que sin proponrselo, llev al desarrollo de la teora de las Probabilidades. Y entre tanto, exista ya una tecnologa lo bastantes avanzada como para suministrar dispositivos para juegos, tales como dados y cartas, con suficiente refinamiento como para desafiar la aguda imaginacin del matemtico. El jugador depende del azar o posibilidad de error asociada a una lnea de accin dada; el resultado efectivo de una prueba es cosa desconocida de un suceso particular en un nmero muy elevado de pruebas. La Estadstica moderna se interesa enormemente por dicha teora. Al mismo tiempo, los estudios de Probabilidades requeran el tratamiento matemtico de los errores en las mediciones, de lo que resultaron teoras y mtodos desarrollados para descubrir las configuraciones de distribucin de tales errores. Ya desde el siglo XVIII se haba observado que las medidas repetidas de un cierto objeto fenmeno daban lugar a una configuracin en la distribucin de los errores que tena la forma de una curva acampanada. La curva es simtrica con respecto al valor verdadero, lo cual significa valor de error nulo, que queda en el centro. Es

simtrica porque las desviaciones negativas y positivas respecto del centro son iguales en magnitud y frecuencia. Cuanto mayores las derivaciones menores sern las frecuencias. A propsito de la evaluacin de los errores de observacin en astronoma, se hizo un descubrimiento de importancia mayor para la estadstica. La distribucin de errores resultante con su forma de campana. Y su simetra se llama curva normal de errores. Tambin se dice distribucin gaussiana de errores, por el nombre de su descubridor Karl Frierich Gauss (1777-1885). Entre los contemporneos de Quetelet y Gauss que contribuyeron al avance de la estadstica como ciencia estaban Florence Nightingale (1820-1910) y Francis Galton (1822-1911). Florence Nightingale crea firmemente en los mtodos estadsticos. Sostena que todo director debera guiarse por el conocimiento estadstico si quera tener xito y que los polticos y los legisladores fracasaban frecuentemente por la insuficiencia de sus conocimientos estadsticos. Galton, como su primo Charles Darwin, se interes profundamente en el estudio de la herencia, la cual aplic mtodos estadsticos. Entre sus principales contribuciones se encuentra el haber desarrollado mtodos tan fundamentales como la regresin y la correlacin. La obra de Galton fue estmulo para una serie de investigaciones de Karl Pearson (1857-1936), el cual inici la publicacin del peridico Biomtrica, que ha influido profundamente en el desarrollo de la estadstica. Muchos de los mtodos Estadsticos fueron descubiertos por Pearson, siendo el ms importante de la distribucin ji-cuadrada, que encontr en 1990. En el siglo XX, quienes han contribuid de manera ms descollante al estudio de la estadstica han sido William S. Gosset (1876-1937) y Sir Ronald Fisher (1890-1962). Gosset, que escriba bajo el seudnimo Student, dedujo la distribucin t y su contribucin especial fue en el campo de la teora de pequeas muestras. Fisher hall la conocida distribucin F y aport contribuciones continuamente hasta 1962, muchas de ellas han tenido grande influencia en los modernos procedimientos estadsticos. Si bien su trabajo era sobre todo en los campos de la biologa, gentica y agricultura, su impacto ha llegado a todas las aplicaciones de la Estadstica.

1.2 Estadstica. Definiciones de Estadstica: Son muchas y variadas las definiciones que sobre estadstica se han dado. Para dar una de esta variacin tomaremos como ejemplo solo algunos libros de diferentes autores y veremos lo que explican cmo estadstica: 1. Rama de las matemticas que se ocupan del anlisis de grandes series de datos con el fin de extraer conclusiones inducidas (Parra 1984).

2. La estadstica trata acerca de las tcnicas para colectar, analizar y obtener conclusiones de los datos. (Snedecor Cochran) 3. La estadstica es la ciencia pura y aplicada, de creacin y desarrollo y aplicacin de tcnicas para evaluar la incertidumbre de las inferencias inductivas (Steel y Torrie, 1981). 4. El objetivo de la estadstica es el de hacer inferencias (predecir, decidir) sobre algunas caractersticas de una poblacin con base en la informacin contenida en una muestra. (Mendenhall y Reinmuth).

Realmente, todas estas definiciones tocan aspectos referentes a la estadstica pero n dan una idea totalmente completa de su naturaleza. Por ejemplo, de la definicin 1, podemos decir que efectivamente la estadstica se ocupa de anlisis de grandes series de datos, pero tambin analiza datos cuando su cantidad es muy pequea. La definicin 2 menciona algo que las otras definiciones no lo hacen, la colecta o el muestreo, es decir, las tcnicas de tomas de datos (tipos de muestreo, estimacin de tamao de muestra, etc.). La definicin 3 y 4 nos explican bsicamente lo que es la estadstica inferencial sin mencionar nada de la estadstica descriptiva. Como es de observar es difcil dar una definicin satisfactoria acerca de lo que es la estadstica debido al extenso campo de aplicacin. Para dar una idea ms completa acerca del campo de estudio de la estadstica es necesario tambin mencionar que son herramientas para el estudio de fenmenos aleatorios fenmenos cuyo resultado final no se puede saber con suficiente exactitud de manera que se le asocie cierta probabilidad de ocurrencia- y, diferenciar claramente sus dos enfoques: la estadstica descriptiva y la estadstica inferencial

1.3 Estadstica Descriptiva: La estadstica descriptiva se refiere a la recoleccin, presentacin, descripcin, anlisis e interpretacin de una coleccin de datos, esencialmente consiste en resumir stos con uno o dos elementos de informacin (medidas descriptivas) que caracterizan la totalidad de los mismos. La estadstica descriptiva es el mtodo de obtener de un conjunto de datos conclusiones sobre s mismos y no sobrepasan el conocimiento proporcionado por stos. Puede utilizarse para resumir o describir cualquier conjunto ya sea que se trate de una poblacin o de una muestra, cuando en la etapa preliminar de la inferencia estadstica se conocen los elementos de una muestra.

1.4 Estadstica Inferencial: La estadstica inferencial se refiere al proceso de lograr generalizaciones acerca de las propiedades del todo, poblacin, partiendo de lo especfico, muestra. Las cuales llevan implcitos una serie de riesgos. Para que estas generalizaciones sean vlidas la muestra deben ser representativas de la poblacin y la calidad de la informacin debe ser controlada, adems puesto que las conclusiones as extradas estn sujetas a errores, se tendr que especificar el riesgo o probabilidad que con que se pueden cometer esos errores. La estadstica inferencial es el conjunto de tcnicas que se utiliza para obtener conclusiones que sobrepasan los lmites del conocimiento aportado por los datos, busca obtener informacin de un colectivo mediante un metdico procedimiento del manejo de datos de la muestra. En sus particulares la Inferencia distingue la estimacin y la contrastacin de hiptesis. Es estimacin cuando se usan las caractersticas de la muestra para hacer inferencias sobre las caractersticas de la poblacin. En contrastacin de hiptesis cuando se usa la informacin de la muestra para responder a interrogantes sobre la poblacin.

1.5 Breve Introduccin de la Estadstica Inferencial: La teora de la inferencia estadstica consiste en aquellos mtodos por los que se realizan inferencias o generalizaciones acerca de una poblacin. La tendencia actual es la distincin entre el mtodo clsico de estimacin de un parmetro de la poblacin, por medio del cual las inferencias se basan de manera aleatoria seleccionada de la poblacin, y el mtodo bayesiano, que utiliza el conocimiento subjetivo previo sobre la distribucin de probabilidad de los parmetros desconocidos junto con la informacin que proporcionan los datos de la muestra. A lo largo de este curso utilizaremos los mtodos clsicos para estimar los parmetros de la poblacin desconocidos como la media la proporcin y la varianza mediante el clculo de la estadstica de muestras aleatoria y la aplicacin de la teora de las distribuciones muestrales. La inferencia estadstica se puede dividir en dos reas principales: estimacin de parmetros y prueba de hiptesis. Trataremos estas dos reas por separado en este curso, en la unidad II se analizar lo referente a la estimacin de parmetros y en las unidades de la III a la V se analizarn la prueba de hiptesis. Estimacin de parmetros: En una poblacin cuya distribucin es conocida pero desconocemos algn parmetro, podemos estimar dicho parmetro a partir de una muestra representativa. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona informacin sobre el valor del parmetro. Por ejemplo la media muestral es un estimador de la media poblacional, la proporcin observada en la muestra es un estimador de la proporcin de la poblacin.

Una estimacin es puntual cuando se obtiene un solo valor para el parmetro. Los estimadores ms probables en este caso son los estadsticos obtenidos en la muestra, aunque es necesario cuantificar el riesgo que se asume al considerarlos. Recordemos que la distribucin muestral indica la distribucin de los valores que tomara el estimador al seleccionar distintas muestras de la poblacin. Las dos medidas fundamentales de esta distribucin son la media que indica el valor promedio del estimador y la desviacin tpica, tambin denominada error tpico de estimacin, que indica la desviacin promedio que podemos esperar entre el estimador y el valor del parmetro. Prueba de Hiptesis: Dentro de la inferencia estadstica, una prueba de hiptesis es un procedimiento para juzgar si una propiedad que se supone cumple una poblacin estadstica es compatible con lo observado en una muestra de dicha poblacin. Fue iniciada por Ronald Fisher y fundamentada posteriormente Jerzy Neyman y Karl Pearson. Mediante esta teora, se aborda el problema estadstico considerando una hiptesis determinada H0 y una hiptesis alternativa H1, y se intenta decidir cul de las dos es la hiptesis verdadera, tras aplicar el problema estadstico a un cierto nmero de experimentos. Est fuertemente asociada a los considerados errores de tipo I y II en estadstica, que definen respectivamente, la posibilidad de tomar un suceso verdadero como falso, o uno falso como verdadero. Existen diversos mtodos para desarrollar dicha prueba, minimizando los errores del tipo I y II, y hallando por tanto con una determinada potencia, la hiptesis con mayor probabilidad de ser correcta. Los tipos ms importantes son las pruebas centradas, de hiptesis y alternativa simple, aleatorizados, etc.

1.6 Teora de Decisin en Estadstica, Ensayo de Hiptesis y Significacin: Muy a menudo, en la prctica, se tienen que tomar decisiones sobre poblaciones, partiendo de la informacin muestral de las mismas. Tales decisiones se llaman decisiones estadsticas. Por ejemplo, se puede querer decidir a partir de los datos del muestreo, se un suero nuevo es realmente efectivo para la cura de una enfermedad, si un sistema educacional es mejor que otro, si una moneda determinada est o no cargada, etc. Hiptesis estadstica. Hiptesis nula: Para llegar a tomar decisiones, conviene hacer determinados supuestos o conjeturas acerca de las poblaciones que se estudian. Tales supuestos que pueden ser o no ciertos se llaman hiptesis estadsticas y, en general, lo son sobre distribuciones de probabilidad de las poblaciones.

En muchos casos se formulan las hiptesis estadsticas con el solo propsito de rechazarlas o invalidarlas. Por ejemplo, si se quiere decidir si una moneda est cargada, se formula la hiptesis de que la moneda est bien, es decir, p= 0.5; donde p es la probabilidad de cara. Anlogamente, si se quiere decidir sobre si un procedimiento es mejor que otro, se formula la hiptesis de que n hay diferencia entre los procedimientos (es decir, cualquier diferencia observada se debe meramente a fluctuaciones en el muestreo de la misma poblacin). Tales hiptesis se llaman hiptesis nulas y se denotan por H0. Cualquier hiptesis que difiera de una hiptesis dada se llama hiptesis alternativa. Por ejemplo, si una hiptesis es p= 0.5, hiptesis alternativas son p= 0.7; p < 0.5 o p > 0.5. Una hiptesis alternativa de la hiptesis nula se denota por H1.

Ensayos de hiptesis y significacin: