Top 10 de los artículos

YouTube
Gmail
Goole
GayRomeo
Números chinos
Números romanos
Orkut
Costco
Sistema porta hepático
El mundo Factbook

News:

Estadística

Este artículo está sobre el campo de la estadística. Para la estadística alrededor Wikipedia, vea Wikipedia: Estadística. Para otras aplicaciones, vea Estadística (desambiguación).
La “ciencia estadística” vuelve a dirigir aquí. Para el diario de revisión, vea Ciencia estadística (diario).

Estadística es a ciencia matemática referente a la colección, el análisis, la interpretación o la explicación, y la presentación de datos. Es aplicable a una variedad amplia de disciplinas académicas, el del natural y social ciencias a humanidad, y al gobierno y al negocio.

Los métodos estadísticos se pueden utilizar para resumir o para describir una recogida de datos; se llama esto estadística descriptiva. Además, los patrones en los datos pueden ser modelado de una manera que explica aleatoriedad e incertidumbre en las observaciones, y entonces utilizado dibujar inferencias sobre el proceso o la población que es estudiada; se llama esto estadística deductiva. La estadística descriptiva y deductiva abarca estadística aplicada. Hay también una disciplina llamada estadística matemática, que se refiere a la base teórica del tema.

La palabra estadística está también el plural de estadística (singular), que refiere al resultado de aplicar un algoritmo estadístico a un sistema de los datos, como adentro estadística económica, estadística del crimen, etc.

Contenido

Historia

Artículo principal: Historia de la estadística

“Cinco hombres, Conring, Achenwall, Süssmilch, Graunt y Pequeño han sido honrados por diversos escritores como el fundador de la estadística. “ demandas una fuente (Willcox, Walter (1938) El fundador de la estadística. Revisión del instituto de estadística internacional 5 (4): 321-328.)

Algunos eruditos establecen claramente el origen de la estadística a 1662, con la publicación de “observaciones respecto a las cuentas de la mortalidad” por Juan Graunt. Usos tempranos del pensamiento estadístico girados alrededor de las necesidades de estados de basar la política en datos demográficos y económicos. El alcance de la disciplina de la estadística ensanchada en el temprano diecinueveavo siglo para incluir la colección y el análisis de datos en general. Hoy, la estadística se emplea extensamente en el gobierno, el negocio, y las ciencias naturales y sociales.

Debido a sus raíces empíricas y sus usos, la estadística se considera generalmente no ser un subcampo de las matemáticas puras, pero algo un rama distinto de las matemáticas aplicadas. Sus fundaciones matemáticas fueron puestas en el 17mo siglo con el desarrollo de teoría de las probabilidades por PASCAL y Fermat. La teoría de las probabilidades se presentó del estudio de juegos de la ocasión. método de lo menos - cuadrados primero fue descrito cerca Gauss de Carl Friedrich alrededor 1794. El uso de moderno computadoras ha apresurado el cómputo estadístico en grande, y también ha hecho los nuevos métodos posibles que son imprácticos de realizarse manualmente.

Descripción

En la aplicación de estadística a un problema científico, industrial, o societal, uno comienza con un proceso o población ser estudiado. Esto pudo ser una población de la gente en un país, de los granos cristalinos en una roca, o de las mercancías fabricadas por una fábrica particular durante un período dado. Puede en lugar de otro ser un proceso observado en las varias horas; los datos recogieron sobre esta clase de “población” constituyen qué se llama a serie de tiempo.

Por razones prácticas, más bien que los datos de compilación sobre una población entera, uno estudia generalmente un subconjunto elegido de la población, llamado a muestra. Los datos se recogen sobre la muestra en un de observación o experimental ajuste. Los datos entonces se sujetan al análisis estadístico, que responde a dos propósitos relacionados: descripción e inferencia.

“… es solamente la manipulación de la incertidumbre que nos interesa. No nos referimos a la materia que es incierta. Así no estudiamos el mecanismo de la lluvia; solamente si lloverá.”
Dennis Lindley, “la filosofía de la estadística”, El estadístico (2000).

El concepto de la correlación es particularmente significativo. Análisis estadístico de a modem puede revelar que dos variables (es decir, dos características de la población bajo consideración) tienden para variar juntas, como si estén conectadas. Por ejemplo, un estudio de la renta anual y de la edad de la muerte entre la gente pudo encontrar que la gente pobre tiende para tener vidas más cortas que la gente afluente. Las dos variables serían correlacionadas (que es una correlación positiva en este caso). Sin embargo, uno no puede deducir inmediatamente la existencia de una relación causal entre las dos variables. (Véase La correlación no implica la causalidad.) Los fenómenos correlacionados se podían causar por un tercero, unconsidered previamente el fenómeno, llamado a variable que está al acecho o variable de la confusión.

Si la muestra es representante de la población, después las inferencias y las conclusiones hechas de la muestra se pueden ampliar a la población en su totalidad. Un problema importante miente en la determinación del grado a el cual la muestra elegida es representativa. La estadística ofrece métodos a la estimación y los corrige para la aleatoriedad en la muestra y en el procedimiento de la colección de datos, tan bien como los métodos para diseñar experimentos robustos en el primer lugar. (Véase diseño experimental.)

El concepto matemático fundamental empleado en entender tal aleatoriedad es probabilidad. Estadística matemática (también llamado teoría estadística) es el rama de matemáticas aplicadas esa teoría de las probabilidades de las aplicaciones y análisis para examinar la base teórica de la estadística.

El uso de cualquier método estadístico es válido solamente cuando el sistema o la población bajo consideración satisface las asunciones matemáticas básicas del método. Uso erróneo de la estadística puede producir errores sutiles pero serios en la descripción y la interpretación - sutiles en el sentido que incluso los profesionales experimentados hacen a veces tales errores, serios en el sentido que pueden afectar, por ejemplo, la política social, la práctica médica y la confiabilidad de estructuras tales como puentes. Aun cuando la estadística se aplica correctamente, los resultados puede ser difícil para que al no-experto interprete. Por ejemplo, significación estadística de una tendencia en los datos, que mide el grado a el cual la tendencia se podría causar por la variación al azar en la muestra, no puede convenir con su sentido intuitivo de su significación. El sistema de habilidades estadísticas básicas (y de escepticismo) necesitados por la gente para ocuparse de la información en sus vidas diarias se refiere como instrucción estadística.

Métodos estadísticos

Estudios experimentales y de observación

Una meta común para un proyecto de investigación estadístico es investigar causalidad, y particularmente dibujar una conclusión en el efecto de cambios en los valores de predictors o variables independientes en respuesta o variables dependientes. Hay dos tipos importantes de estudios estadísticos causales, de estudios experimentales y de estudios de observación. En ambos tipos de estudios, el efecto de diferencias de una variable independiente (o las variables) en el comportamiento de la variable dependiente se observa. La diferencia entre los dos tipos mentiras en cómo el estudio se conduce realmente. Cada uno puede ser muy eficaz.

Un estudio experimental implica el tomar de las medidas del sistema bajo estudio, el manipular del sistema, y después el tomar de medidas adicionales usando el mismo procedimiento para determinarse si la manipulación ha modificado los valores de las medidas. En cambio, un estudio de observación no implica la manipulación experimental. En lugar, se recopilan los datos y las correlaciones entre los predictors y la respuesta se investigan.

Un ejemplo de un estudio experimental es el famoso Estudios de Hawthorne, que procuró probar los cambios al entorno de trabajo en la planta de Hawthorne de los Western Electric Company. Los investigadores estaban interesados en la determinación de si la iluminación creciente aumentaría la productividad del planta de fabricación trabajadores. Los investigadores primero midieron la productividad en la planta, entonces modificaron la iluminación en un área de la planta y comprobaron si los cambios en la iluminación afectaron la productividad. Resultó que la productividad mejoró de hecho (bajo condiciones experimentales). (Véase Efecto de Hawthorne.) Sin embargo, el estudio se critica pesadamente hoy para los errores en procedimientos experimentales, específicamente para la carencia de a grupo de control y blindedness.

Un ejemplo de un estudio de observación es un estudio que explora la correlación entre fumar y cáncer de pulmón. Este tipo de estudio utiliza típicamente un examen para recoger observaciones sobre el campo de interés y después realiza análisis estadístico. En este caso, los investigadores recogerían observaciones de fumadores y de no fumadores, quizás con a estudio del caso-control, y entonces busque el número de cajas de cáncer de pulmón en cada grupo.

Los pasos básicos de un experimento son;

  1. Planeando la investigación, incluyendo la determinación de fuentes de información, investigue la selección sujeta, y ético consideraciones para la investigación y el método propuestos.
  2. Diseño de experimentos, concentrándose en el modelo de sistema y la interacción de variables independientes y dependientes.
  3. Resumir una colección de observaciones para ofrecer su concordancia suprimiendo los detalles. (Estadística descriptiva)
  4. Alcanzar consenso sobre qué las observaciones dicen sobre el mundo que es observado. (Inferencia estadística)
  5. Documentación/presentación de los resultados del estudio.

Niveles de la medida

Vea: Escalas de Stanley Stevens “de la medida” (1946): nominal, ordinal, intervalo, cociente

Hay cuatro tipos de medidas o niveles de la medida o escalas de la medida usadas en estadística: nominal, ordinal, intervalo, y cociente. Tienen diversos grados de utilidad en estadístico investigación. Las medidas del cociente tienen un valor cero definido y las distancias entre diversas medidas definidas; proporcionan la flexibilidad más grande de los métodos estadísticos que se pueden utilizar para analizar los datos. Las medidas del intervalo tienen distancias significativas entre las medidas definidas, pero no tienen ningún valor cero significativo definido (como en el caso con medidas del índice de inteligencia o con medidas de la temperatura adentro Fahrenheit). Las medidas ordinales tienen diferencias imprecisas entre los valores consecutivos, pero tienen una orden significativa a esos valores. Las medidas nominales no tienen ninguna orden espesa significativa entre valores.

Puesto que las variables que se conforman solamente con las medidas nominales u ordinales no se pueden razonablemente medir numéricamente, se llaman a veces juntas como variables categóricas, mientras que las medidas del cociente y del intervalo se agrupan juntas como variables cuantitativas o continuas debido a su naturaleza numérica.

Técnicas estadísticas

Algún estadístico bien conocido pruebas y procedimientos para investigación observaciones sea:

Disciplinas especializadas

Algunos campos del uso de la investigación aplicaron estadística tan extensivamente que tienen terminología especializada. Estas disciplinas incluyen:

La estadística forma una herramienta dominante de la base en negocio y la fabricación también. Se utiliza para entender variabilidad de los sistemas de la medida, controla procesos (como adentro control de proceso estadístico o proceso estadístico), para resumir datos, y tomar decisiones data-driven. En estos papeles, es una herramienta dominante, y quizás la única herramienta confiable.

El computar estadístico

Los aumentos rápidos y sostenidos en energía que computaba a partir de la segunda mitad del vigésimo siglo han tenido un impacto substancial en la práctica de la ciencia estadística. Los modelos estadísticos tempranos eran casi siempre de la clase de modelos lineares, solamente computadoras de gran alcance, juntadas con numérico conveniente algoritmos, causado un interés creciente adentro modelos no lineales (especialmente redes de los nervios y árboles de la decisión) así como la creación de nuevos tipos, por ejemplo modelos lineares generalizados y modelos de niveles múltiples.

La energía que computaba creciente también ha conducido al renombre cada vez mayor de los métodos computationally-intensive basados encendido el resampling, por ejemplo pruebas de la permutación y elástico de bota, mientras que técnicas por ejemplo Muestreo de Gibbs han hecho métodos Bayesian más factibles. La revolución de la computadora tiene implicaciones para el futuro de la estadística con nuevo énfasis en “estadística experimental” y “empírica”. Una gran cantidad de propósito general y especial software estadístico esté disponible ahora.

Uso erróneo

Artículo principal: Uso erróneo de la estadística

Hay una opinión general que el conocimiento estadístico es todo-demasiado-frecuente intencionalmente empleado mal encontrando maneras de interpretar solamente los datos que son favorables al presentador. Un refrán famoso atribuido a Benjamin Disraeli es, “Hay tres clases de mentiras: mentiras, mentiras maldecidas, y estadística"; y presidente de Harvard Lorenzo Lowell escribió en 1909 que la estadística, “como las empanadas de la ternera, sea bueno si usted conoce a la persona que las hizo, y es seguro de los ingredientes”.

Si los varios estudios aparecen contradecir uno otro, después el público puede venir desconfianza tales estudios. Por ejemplo, un estudio puede sugerir que una dieta dada o los aumentos de la actividad presión arterial, mientras que otros pueden sugerir que bajen la presión arterial. La discrepancia puede presentarse de variaciones sutiles en diseño experimental, tal como diferencias en los grupos o los protocolos pacientes de la investigación, que no son entendidos fácilmente por el no-experto. (Los informes de los medios omiten a veces esta información del contexto vital enteramente.)

Eligiendo (o rechazándola, o modificándose) cierta muestra, resultados puede ser manipulado. Tales manipulaciones no necesitan ser malévolas o desviadas; pueden presentarse de los diagonales inintencionales del investigador. Los gráficos resumían datos pueden también ser engañosos.

Críticas más profundas vienen del hecho de que el el acercamiento de prueba de la hipótesis, ampliamente utilizados y en muchos casos requeridos por la ley o la regulación, fuerzas una hipótesis ( hipótesis nula) “ser favorecido”, y puede también parecerse exageran la importancia de diferencias de menor importancia en estudios grandes. Una diferencia que sigue siendo altamente estadístico poder significativa esté de ninguna significación práctica. (Véase crítica de la prueba de la hipótesis y controversia sobre la hipótesis nula.)

Una respuesta está dando un mayor énfasis en p- valor que simplemente divulgando si una hipótesis está rechazada en el nivel dado de la significación. p- el valor, sin embargo, no indica el tamaño del efecto. Otro acercamiento cada vez más común es divulgar intervalos de la confianza. Aunque éstos se producen de los mismos cálculos que los de las pruebas de la hipótesis o p- los valores, describen el tamaño del efecto y la incertidumbre que lo rodea.

Vea también

Bibliografía

  • Lo más mejor posible, Joel (2001). Mentiras y estadística maldecidas: Números que desenredan de los medios, de los políticos, y de los activistas. Universidad de la presión de California. ISBN 0-520-21978-3. 
  • Desrosières, Alain (2004). La política de números grandes: Una historia del razonamiento estadístico, Transporte. Camille Naish, presión de la universidad de Harvard. ISBN 0-674-68932-1. 
  • El cortar, Ian (1990). El domesticar de la ocasión. Presión de la universidad de Cambridge. ISBN 0-521-38884-8. 
  • Mano, David J. (1998). “Rompiendo Idea-Estadística y su relación a las matemáticas”. El estadístico 47: 245–250. 
  • Lindley, D.V. (1985). Tomar decisiones, 2do ed., Juan Wiley y hijos. ISBN 0-471-90808-8. 
  • Tijms, Henk (2004). Probabilidad que entiende: Reglas Chance en vida diaria. Presión de la universidad de Cambridge. ISBN 0-521-83329-9. 

Acoplamientos externos

Sitios generales y organizaciones

Cursos en línea y libros de textos

Wikibooks tiene un libro en el asunto de
En Wikiversity, usted puede aprender alrededor:
En Wikiversity, usted puede aprender alrededor:

Otros recursos

Wikiquote tiene una colección de citas relacionadas con:
v • d • e
Campos importantes de matemáticas
v • d • e
Estadística
Estadística descriptiva
Estadística deductiva
Análisis de la supervivencia
Correlación
Análisis de la regresión
Categoría · Proyecto · Porta
The original article is from Wikipedia. To view the original article please click here.
Creative Commons Licence

 
Custom Search