Licencia

Propietarios del sitio

  • Antonio Expósito
1. Introducción‎ > ‎

1.4. Ramas de la Estadística

 
Para analizar las aplicaciones de la Estadística a las distintas ciencias (físico-naturales, humanas, sociales, económicas, tecnológicas,...) conviene analizar primero los distintos campos de utilización de la Estadística:
 
Teoría de muestras.
La teoría de muestras estudia las técnicas y procedimientos que debemos emplear para que las muestras sean representativas de la población que pretendemos estudiar, de forma que los errores en la determinación de los parámetros de la población objeto de estudio sean mínimos.
 
Estadística descriptiva.
La estadística descriptiva es una 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, su poder inferencial es mínimo y debería evitarse tal proceder.
 
Teoría de la estimación.
La teoría de la estimación estadística estudia cómo obtener información sobre una población, mediante muestras extraídas de ella. Comprende la estimación puntual (a través de estimadores) y la estimación por intervalos (intervalos de confianza).
 
Diseño de experimentos.
Los diseños de experimentos abarcan la secuencia completa de pasos tomados de antemano para asegurar que los datos apropiados se obtendrán de modo que permitan un análisis objetivo que conduzca a deducciones válidas con respecto al problema establecido.
 
Contraste de hipótesis.
Un contraste de hipótesis (también denominado test de hipótesis o prueba de significación) es una metodología de inferencia estadística para juzgar si una propiedad que se supone cumple una población estadística es compatible con lo observado en una muestra de dicha población. Aborda problemas como la valoración de uno o más parámetros de la población y también permite ajustar una distribución experimental a una teórica. Un contraste de hipótesis no establece la verdad de la hipótesis, sino un criterio que nos permite decidir si la hipótesis se acepta o se rechaza.
 
Análisis de la varianza.
El análisis de varianza (ANOVA) es una colección de modelos estadísticos y sus procedimientos asociados, en el cual la varianza está particionada en ciertos componentes debidos a diferentes variables explicativas. El análisis de varianza sirve para comparar si los valores de un conjunto de datos numéricos son significativamente distintos a los valores de otro o más conjuntos de datos. El procedimiento para comparar estos valores está basado en la varianza global observada en los grupos de datos numéricos a comparar. Típicamente, el análisis de varianza se utiliza para asociar una probabilidad a la conclusión de que la media de un grupo de puntuaciones es distinta de la media de otro grupo de puntuaciones.
 
Análisis de regresión y correlación.
La regresión y la correlación son dos técnicas estrechamente relacionadas y comprenden una forma de estimación. En forma más especifica el análisis de correlación y regresión comprende el análisis de los datos muestrales para saber que es y como se relacionan entre si dos o mas variables en una población. El análisis de correlación produce un número que resume el grado de la correlación entre dos variables; y el análisis de regresión da lugar a una ecuación matemática que describe dicha relación.
 
Tablas de contingencia.
Abarca las técnicas de estudio de las relaciones entre dos variables cualitativas así como el grado de dependencia entre ellas.
 
Teoría de la decisión.
Trata sobre la elaboración de criterios de decisión en el marco de problemas complejos y de carácter aleatorio. La Teoría de la Decisión tratará, por tanto, el estudio de los procesos de toma de decisiones desde una perspectiva racional.
 
Series temporales (procesos estocásticos).
Un proceso estocástico es un concepto matemático que sirve para caracterizar es una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente, el tiempo. Cada una de las variables aleatorias del proceso tiene su propia función de distribución de probabilidad y, entre ellas, pueden estar correlacionadas o no.
 
Análisis de ruido.
Estudia las fluctuaciones de los sistemas con el fin de valorar, controlar y predecir su comportamiento dinámico.