Professional Documents
Culture Documents
Estadística: es una ciencia formal1 que constituye parte de la ciencia matemática aplicada y que estudia
los métodos, técnicas y procedimientos relacionados a la recolección, elaboración y análisis de datos y
su transformación en información que permita tomar decisiones en condiciones de incertidumbre.
Y es de la matemática aplicada, porque utiliza los conocimientos teóricos de la matemática formal para la
gestión de los datos en información.
Procedimiento: es una sucesión cronológica de operaciones concatenadas entre sí, que se constituyen en
una unidad de función para la realización de una actividad o tarea específica dentro de un ámbito
predeterminado de aplicación. Todo procedimiento involucra actividades y tareas del personal,
determinación de tiempos de métodos de trabajo y de control para lograr el cabal, oportuno y eficiente
desarrollo de las operaciones. Por ejemplo el procedimiento para estimar la media poblacional a partir de
la media muestral.
Los tres conceptos anteriores tipifican la definición de la estadística, estableciendo una jerarquía de tal
manera que los métodos incluyen técnicas y estos procedimientos.
Ejemplo1. Un paciente muestra signos y síntomas que hacen suponer la presencia de hiperglicemia, el
médico refiere y solicita un examen de sangre para cuantificar el nivel de glucosa en la sangre. Al obtener
una muestra de sangre, desconocemos si el valor de la glicemia esta dentro o fuera de un rango normal,
por lo tanto existe incertidumbre, esta situación se resolverá el instante en el que aplicando:
El método de Somogyi-Nelson4, sobre la base del principio que el reactivo de Somogyi al actuar
con la glucosa, reduce al ion cúprico en ion cuproso, en medio alcalino caliente,
1
En la clasificación de las ciencias que emplea Mario Bunge (ciencias formales y ciencias fácticas), las formales están
constituidas por la lógica y la matemática, en ese sentido la estadística como parte de la matemática aplicada se constituye en
una ciencia formal.
2
Empleamos modificaciones al concepto desarrollado por Luis Piscoya Hermoza en Investigación Científica y educacional,
p.23.
3
Seymor Lipzshut. Probabilidad, p.
4
http://www.unal.edu.co/ingenieria/revista/revista/articulos/art1.pdf
La técnica de la espectrofotometría mediante el uso del fotocolorímetro,
El procedimiento correspondiente,
Se obtendrá un resultado que con cierto nivel de confianza señalará la glicemia de la muestra y por
estimación el nivel de glucosa del individuo, con esta información se procederá a ejecutar un tratamiento5.
La estadística inferencial, estudia los métodos, técnicas y procedimientos que permiten la toma de
decisiones sobre la base de información procedente de muestras, respecto a fenómenos de la población.
Inferir es suponer, estimar “algo” a partir de otro conocimiento.
La estadística inferencial, emplea como base de su desarrollo el estudio de la teoría de probabilidades, que
mide el grado de incertidumbre en la toma de decisiones, de allí que los principales temas de estudio son:
la teoría de conjuntos, las técnicas de contar, la teoría de las probabilidades, la teoría del muestreo, la
prueba de hipótesis, las estimaciones, etc.
Existen poblaciones finitas, pero donde no se puede determinar su número, dichas poblaciones se
consideran finitas hipotéticamente infinitas, ejemplos:
Población finita:
a) Alumnos matriculados en la facultad durante la gestión 2007.
5
http://www4.ujaen.es/~esiles/TEMA%202.pdf
6
Algunas veces se restringe el concepto de población a un conglomerado humano, tal apreciación es errónea, pues se asume el
concepto de población como equivalente al concepto de UNIVERSO, que se estudia en la teoría de conjuntos.
7
Es una propiedad que distingue a un elemento de otro, el color de los ojos, el nivel de glicemia, la tenencia de cerebro, la
opinión sobre un problema, etc.
b) Muestras de orina procesadas en el SELADIS durante el mes de enero de 2008.
c) Tabletas de Bisacodilo envasadas por un laboratorio durante una semana.
Población infinita enumerable:
a) Lanzamientos de una moneda sobre una mesa.
b) Giros completos de una rueda en movimiento permanente.
c) Oscilaciones de un péndulo de movimiento radial constante.
Población infinita no enumerable:
a) Las coordenadas de los puntos que constituyen una línea recta
b) Los valores del nivel de glicemia existentes en el intervalo de normalidad.
c) Los valores del ácido úrico compatible con la vida por encima del intervalo de normalidad.
Población finita hipotéticamente infinita:
a) Las personas con gripe en el presente día en la ciudad de La Paz.
b) Las muestras de agua de 5 ml que se pueden obtener de un río.
c) Las partículas de carbón que desprenden las chimeneas del área industrial en un día determinado.
Se trabaja con muestras cuando no es posible ejecutar el estudio completo de la población 8, pero debe
quedar claro que el objetivo es conocer información sobre la población, por ende la muestra debe ser
“representativa” de la población. Pero, surge una pregunta ¿cómo puede ser “algo” representativo de un
“algo mayor” desconocido?, por ello que el criterio de representatividad se circunscribe a la aleatoriedad,
es decir, para que una muestra sea “representativa estadísticamente” debe ser aleatoria ó sus sinónimos
“estocástica”, “probabilística”.
El proceso de conocer sobre la población a partir de la muestra se conoce como inferencia estadística, es
decir, se pretende conocer los “parámetros poblacionales” a partir de los “estadísticos muestrales”. Esta
acción la realizamos de manera empírica a diario, lo que hace la estadística es medir la “certidumbre” de
la estimación.
Ejemplo 2. En relación al ejemplo 1. para conocer la Glicemia del individuo, le tomamos una “muestra
conveniente” de sangre, y ejecutamos la pericia del laboratorio correspondiente, obtenemos un resultado,
dicho resultado es sobre la muestra de sangre, sin embargo, asumimos (de manera no conciente) que la
muestra es representativa de toda la sangre del individuo y por último afirmamos que el nivel de glicemia
es del individuo, es obvio que el tratamiento lo realizaremos no a la muestra sino al individuo.
Ejemplo 3. Hay la denuncia que el vino “Rica uva” esta provocando trastornos en sus consumidores,
existe la sospecha que el nivel de metanol sobrepasa los máximos permitidos, se remite al laboratorio una
muestra de botellas de vino, a su vez de una de las botellas se toma una muestra que es sometida al
análisis bromatológico, se encuentra que el nivel de metanol esta en los niveles permitidos, la pericia
8
Las razones para estudiar muestras en lugar de la población son varias, entre ellas:
a. Ahorrar tiempo. Estudiar a menos individuos es evidente que lleva menos tiempo.
b. Como consecuencia del punto anterior ahorraremos costes.
c. Estudiar la totalidad de los pacientes o personas con una característica determinada en muchas ocasiones puede ser
una tarea inaccesible o imposible de realizar.
d. Aumentar la calidad del estudio. Al disponer de más tiempo y recursos, las observaciones y mediciones realizadas a
un reducido número de individuos pueden ser más exactas y plurales que si las tuviésemos que realizar a una
población.
La selección de muestras específicas nos permitirá reducir la heterogeneidad de una población al indicar los criterios de
inclusión y/o exclusión.
concluye que el trastorno atribuido al vino no se origina en el contenido de metanol y se infiere (estima)
que el resto del vino producido esta en la misma condición de la muestra.
La estimación es un proceso que se desarrolla sobre la base del análisis de probabilidades, de tal manera
que se mide la “certidumbre” de una decisión tomada, que no es lo mismo que la “adivinación”, donde no
existe medición de la incertidumbre.
Las características se clasifican en constantes y variables. Las características constantes son aquellas que
admiten un único valor, por ejemplo en una población de mesas de madera, la característica tipo de
material de la mesa, admitirá sólo una respuesta: madera.
Si todas las características fueran constantes, sólo existiría la nada, de esa manera, lo que da la razón de
existencia son las diferencias, que se traducen en las variables.
Variable, son características que pueden asumir mas de un valor, por ejemplo, en una población de
muestras de sangre procesadas en un laboratorio, el nivel de la glicemia puede adoptar diferentes valores.
Las variables se clasifican de diversa manera:
Por el tipo de nivel10 de medición11 . Existen cuatro tipos de niveles: nominal, ordinal, de intervalo y de
razón (ratio). La idea empírica de “nivel” nos lleva ineluctablemente a una valoración cualitativa ordinal,
es decir, existe un orden conceptual de ubicación del nivel mas bajo hacia un nivel mas alto.
Esta forma de clasificación surgió al conceptualizar la medición como la aplicación de un valor numérico
a las modalidades en que se presenta una característica variable, por ejemplo, la variable sexo, se puede
clasificar en dos modalidades: masculino y femenino, por razones de codificación se puede asignar un
número 1 a masculino y 2 a femenino, estos números asignados representan sólo una forma numérica de
codificar las categorías de la variable sexo, pero no implican ningún tipo de orden. Otro tanto, ocurre
cuando la variable escala de calificación (nota de aprovechamiento) se transforma de su valoración
cuantitativa a su percepción cualitativa. Estos dos niveles de escala sólo se pueden aplicar cuando la
variable adopta diferentes categorías nominales y por ende sus datos no son numéricos. En cambio, en las
variables cuantitativas el dato es un valor numérico que no requiere transformación y sólo necesita
organización, sin embargo, la variable puede adoptar formas que posibilitan la existencia de un cero
absoluto o de un cero relativo, y que obligan a la existencia de la escala de intervalo (cero relativo) y la
escala de razón (cero absoluto).
9
Se entiende desde el punto de vista amplio, es decir, la observación sensorial (a través de los sentidos) y la que proviene como
respuestas no cuantitativas.
10
En la obra original figura la denominación de “scales” es decir escalas, por esta razón en variados libros emplean en lugar de
niveles de medición el término escalas de medición.
11
Stanley Smith Stevens, desarrollo el análisis de los niveles de medición (level of measurements) de gran uso e influencia no
sólo en el campo de la psicología experimental y que ha originado que otros estudiosos de la estadística rechacen los aportes
del autor.
Stevens S. S. “On the Theory of Scales of Measurement”. In Science v. 103, n. 2384, june 1946.
1) Nominal, cuando la variable se clasifica en categorías que constituyen sustantivos,
adjetivos, etc. literales, es decir nominales , y entre los que sólo se establecen criterios
comparativos de igualdad y no igualdad. Ej. Sexo, estado civil, procedencia de colegio,
zona de domicilio, color de la orina, aspecto de las heces, etc.
2) Ordinal, cuando la variable se clasifica en categorías nominales, pero entre las que existe
un orden relativo a un criterio de ordenamiento. De esa manera, se establece entre las
categorías, además de los juicios de igualdad y no igualdad, los criterios de desigualdad
(mayor y menor) y de orden. Ej. Departamento de origen del nacimiento (Chuquisaca,
Potosí, La Paz, Santa Cruz, Cochabamba, Oruro, Tarija, Beni, Pando) el orden relativo es a
la fecha de fundación. Otros autores clasifican a los departamentos por abecedario, zona
geográfica o criterios conjugados. Lo que es cierto que se establece un orden relativo entre
los departamentos. Si asignamos un valor numérico, este puede cambiar de acuerdo al tipo
de ordenamiento elegido.
Se puede verificar que la categoría muy bueno es mayor que la categoría bueno, pero, no es
posible diferenciar numéricamente.
3) De intervalo, cuando los datos de la variable son números, que pueden formar parte de
intervalos en los que se clasifica la escala de la variable, de tal manera, que la diferencia
entre valores de la variable se puede comparar con la diferencia de otro par de valores, es
decir si los valores son 2, 5 y 8, puedo establecer que 8 – 5 = c ( 5 – 2), en otras palabras
podemos establecer una razón geométrica al despejar el valor de “c”.
Lo anterior, lleva a que se establezca un “cero relativo”, es decir un valor origen, que sólo
representa una valoración de la variable, por ejemplo en la escala de temperatura el 0º C es
una temperatura, es un cero relativo, es un valor, pero de ninguna significa que no exista
temperatura. Otros ejemplos, los años de la era cristiana, el año 0 (nacimiento de Cristo) no
significa que no exista dicho año; la calificación porcentual de un examen, el que obtiene 0
% no es igual al que no ha asistido, 0% es una nota, no significa que no rindió el examen.
12
La escala de calificación vigente da primacía a la forma porcentual, sin embargo, existe la equivalencia cualitativa siguiente:
1-50 reprobado; 51-63 suficiente; 74-76 bueno; 77-89 distinguido; 90-100 sobresaliente, este aspecto se encuentra detallado al
pie de las certificaciones de estudio.
La escala de razón es el mas alto nivel de escalas, con sus valores se puede sumar, restar,
multiplicar y dividir.
Los conjuntos se simbolizan por letras a las que denominamos variables, de tal manera que el conjunto de
partida corresponde a la variable independiente y el conjunto de llegada a la variable dependiente, esto se
explica por la regla de correspondencia y = f (x).
Your use of the JSTOR archive indicates your acceptance of JSTOR's Terms and Conditions of Use, available at
http://www.jstor.org/page/info/about/policies/terms.jsp . JSTOR's Terms and Conditions of Use provides, in part, that unless
you have obtained prior permission, you may not download an entire issue of a journal or multiple copies of articles, and you
may use content in the JSTOR archive only for your personal, non-commercial use.
Please contact the publisher regarding any further use of this work. Publisher contact information may be obtained at
http://www.jstor.org/action/showPublisher?publisherCode=aaas .
Each copy of any part of a JSTOR transmission must contain the same copyright notice that appears on the screen or printed
page of such transmission.
JSTOR is a not-for-profit organization founded in 1995 to build trusted digital archives for scholarship. We work with the
scholarly community to preserve their work and the materials they rely upon, and to build a common research platform that
promotes the discovery and use of these resources. For more information about JSTOR, please contact support@jstor.org.
American Association for the Advancement of Science is collaborating with JSTOR to digitize, preserve and
extend access to Science.
http://www.jstor.org