29 DE ENERO 2026

TALLER- TAREAS- LABORATORIO: 20%

ICFES: 20%

CUMPLIMIENTO PACTO DE CONVICENVIA : 20%

EVALUACIÓN : 40%

DBA3: Resuelve problemas que involucran el significado de medidas de magnitudes

relacionales (velocidad media, aceleración media) a partir de tablas, gráficas y expresiones

algebraicas.

-Población, muestras, variables.

-Clases de muestras y de variables.

-Recolección y organización de datos.

-Análisis de gráficos estadísticos.

----------------------------------------------------------------------------------------------------------------------------------------------------------------------

TALLER 4  

LA IA Y LA ESTADISTICA

La relación entre la estadística y la inteligencia artificial: fundamentos, evolución y desafíos

La relación entre la estadística y la inteligencia artificial (IA) es profunda, estructural y, en muchos sentidos, inseparable. Aunque la IA suele asociarse con la informática y la ingeniería, múltiples investigaciones coinciden en que su base teórica y metodológica se encuentra en la estadística. En este sentido, la estadística no solo aporta herramientas para el análisis de datos, sino que constituye el fundamento epistemológico que permite a los sistemas inteligentes aprender, inferir y tomar decisiones en contextos de incertidumbre.

Desde una perspectiva histórica, la estadística ha proporcionado conceptos clave como la inferencia, la estimación y la probabilidad, los cuales son esenciales para el desarrollo de modelos de aprendizaje automático. Según Ernest Fokoué, “no existe inteligencia artificial sin pensamiento estadístico”, ya que los modelos de IA dependen de principios como la estimación de densidades, la generalización y la inferencia probabilística para funcionar adecuadamente . Esta afirmación resalta que la IA no es un campo aislado, sino una evolución natural de la estadística aplicada en entornos computacionales.

En la actualidad, el aprendizaje automático (machine learning), uno de los pilares de la IA, se basa en modelos estadísticos que permiten identificar patrones en grandes volúmenes de datos. De acuerdo con Sarah Friedrich y colaboradores, la estadística desempeña un papel fundamental en todas las etapas del desarrollo de sistemas inteligentes: desde el diseño del estudio y la recolección de datos, hasta el análisis, la interpretación y la validación de resultados . Esto implica que sin una base estadística sólida, los modelos de IA carecerían de rigor científico y podrían generar conclusiones erróneas.

Por otra parte, la evolución de la IA ha transformado también el campo de la estadística. Investigaciones recientes como la de Jie Min y colaboradores señalan que existe una relación bidireccional entre ambas disciplinas: mientras la estadística permite comprender y mejorar los modelos de IA, la IA potencia nuevas formas de análisis estadístico mediante el uso de algoritmos avanzados y capacidades computacionales . Esta sinergia ha dado lugar al surgimiento de áreas como la ciencia de datos, donde convergen la estadística, la programación y la inteligencia artificial.

Un ejemplo claro de esta relación se evidencia en la estadística predictiva. El estudio de Yadira Natalia Vergara Cuadros muestra cómo la IA amplía las capacidades de los modelos estadísticos tradicionales, permitiendo realizar predicciones más precisas en campos como la investigación de mercados . En este contexto, los algoritmos de IA no reemplazan a la estadística, sino que la extienden, incorporando técnicas como redes neuronales y aprendizaje profundo.

Asimismo, investigaciones recientes en el ámbito financiero evidencian la transición desde la estadística clásica hacia modelos basados en IA. El estudio de Brayan Estiven Arevalo Vasquez y Karla Yohana Sánchez Mojica (2026) destaca cómo los modelos de aprendizaje automático han superado en muchos casos a los métodos estadísticos tradicionales en la predicción del riesgo crediticio, gracias a su capacidad para procesar grandes volúmenes de datos y detectar patrones complejos . Sin embargo, estos modelos siguen dependiendo de fundamentos estadísticos para su validación y confiabilidad.

En el ámbito educativo, la relación entre estadística e IA también ha generado impactos significativos. El estudio de Víctor Alfonso Torres-Gordillo evidencia que el uso de herramientas basadas en IA mejora el aprendizaje de la estadística, favoreciendo la comprensión conceptual y la transferencia del conocimiento en estudiantes . Esto sugiere que la IA no solo utiliza la estadística como base, sino que también contribuye a su enseñanza y apropiación.

No obstante, esta relación también plantea desafíos importantes. Uno de los principales es la interpretabilidad de los modelos de IA, conocidos como “cajas negras”. Aunque estos modelos pueden ser altamente precisos, su funcionamiento interno no siempre es transparente, lo que dificulta la comprensión de los resultados desde una perspectiva estadística. Además, la calidad de los datos sigue siendo un factor crítico, ya que los modelos de IA dependen directamente de la información utilizada para su entrenamiento .

En conclusión, la estadística y la inteligencia artificial mantienen una relación de interdependencia que define el desarrollo de la ciencia de datos contemporánea. La estadística proporciona los fundamentos teóricos y metodológicos que permiten a la IA operar con rigor, mientras que la IA amplía las posibilidades de análisis y aplicación de la estadística en diversos campos. Comprender esta relación no solo es clave para el avance científico, sino también para la formación de ciudadanos críticos capaces de interpretar y utilizar la información en un mundo cada vez más dominado por los datos.

-