La estadística matemática es la aplicación de la teoría de la probabilidad y otros conceptos matemáticos a la estadística, diferenciándose de las técnicas puras de recolección de datos. Para su desarrollo, se apoya en herramientas avanzadas como el análisis matemático, el álgebra lineal, el análisis estocástico, las ecuaciones diferenciales y la teoría de la medida.
Introducción al Análisis de Datos
Mientras que la recolección de datos estadísticos se centra en la planificación de estudios, el diseño de experimentos aleatorizados y el muestreo, la estadística matemática interviene en el análisis posterior. Este proceso permite considerar hipótesis secundarias inspiradas en los resultados iniciales o sugerir nuevos estudios.
El análisis de datos se divide fundamentalmente en dos ramas:
- Estadística descriptiva: Se encarga de resumir los datos y describir sus propiedades típicas.
- Estadística inferencial: Permite extraer conclusiones a partir de los datos utilizando modelos matemáticos, verificando si los datos cumplen las condiciones del modelo y cuantificando la incertidumbre (por ejemplo, mediante intervalos de confianza).
Aunque estas herramientas son ideales para estudios aleatorizados, también se aplican a experimentos naturales y estudios observacionales, donde la inferencia depende más del modelo elegido por el estadístico, adquiriendo un carácter más subjetivo.
Temas Fundamentales de la Estadística Matemática
Distribuciones de Probabilidad
Una distribución de probabilidad es una función que asigna una probabilidad a cada subconjunto medible de los resultados posibles de un experimento aleatorio o procedimiento de inferencia. Dependiendo de la naturaleza del espacio muestral, estas pueden ser:
- Distribuciones categóricas: Para espacios muestrales no numéricos.
- Funciones de masa de probabilidad: Para variables aleatorias discretas.
- Funciones de densidad de probabilidad: Para variables aleatorias continuas.
Las distribuciones pueden ser univariadas (una sola variable) o multivariadas (un vector de dos o más variables). Entre las más comunes se encuentran la distribución binomial, la hipergeométrica y la normal.
Distribuciones Especiales
| Distribución | Descripción |
|---|---|
| Normal | La distribución continua más común, fundamental en estadística. |
| Bernoulli | Para el resultado de un único ensayo (éxito/fracaso). |
| Binomial | Número de éxitos en un número fijo de ensayos independientes. |
| Binomial Negativa | Número de fracasos antes de alcanzar un número determinado de éxitos. |
| Geométrica | Número de fracasos antes del primer éxito. |
| Uniforme Discreta | Para un conjunto finito de valores equiprobables. |
| Uniforme Continua | Para valores distribuidos continuamente en un intervalo. |
| Poisson | Número de ocurrencias de un evento en un periodo de tiempo dado. |
| Exponencial | Tiempo transcurrido antes de que ocurra el siguiente evento de Poisson. |
| Gamma | Tiempo antes de que ocurran k eventos de Poisson. |
| Chi-cuadrado | Suma de variables normales estándar al cuadrado; útil para inferir la varianza muestral. |
| t de Student | Relación entre una variable normal estándar y la raíz cuadrada de una variable chi-cuadrado; útil para inferir la media con varianza desconocida. |
| Beta | Para una probabilidad única (número real entre 0 y 1); conjugada a las distribuciones Bernoulli y binomial. |
Inferencia Estadística
La inferencia estadística es el proceso de obtener conclusiones sobre una población a partir de datos sujetos a variación aleatoria, como errores de observación o variaciones de muestreo. A diferencia de la estadística descriptiva, que solo describe la muestra, la inferencia busca hacer predicciones sobre la población general que dicha muestra representa.
El objetivo final de la inferencia estadística es responder a preguntas críticas sobre qué acciones tomar a continuación, ya sea realizando más experimentos o tomando decisiones basadas en la evidencia de los datos.
