Estadística moderna
Es una evolución de la
estadística convencional que integra métodos sofisticados, instrumentos
informáticos y perspectivas interdisciplinarias para examinar datos complejos y
solucionar problemas en diferentes áreas. En contraposición a la estadística tradicional,
que se enfocaba en técnicas paramétricas y premisas rigurosas, la estadística
moderna es más adaptable, sólida y apta para una variedad de circunstancias,
que incluyen grandes cantidades de datos (Big Data) y problemas de alta
dimensión.
PERSONAS QUE CONTRIBUYERON A LA ESTADÍSTICA MODERNA
Edward Lee Thorndike (1874-1949)
Su trabajo se enfocó en el estudio del comportamiento animal y los procesos de aprendizaje. Propiciaron el desarrollo de la teoría del conexionismo que se fundamenta en que "las respuestas
conductuales a estímulos específicos se establecen a través de un proceso de
prueba y error que afecta las conexiones neuronales entre los estímulos y las
respuestas más satisfactorias". (Britannica, T. 2024,).
Contribución a la estadística:
Teoría de la enseñanza: Thorndike empleó técnicas estadísticas para analizar el proceso de aprendizaje y conducta, estableciendo así los fundamentos para la evaluación cuantitativa en psicología. También "hizo
hincapié en el uso de la estadística en la investigación de las
ciencias sociales, principalmente a través de su manual Introducción a la teoría de
las mediciones mentales y sociales (1904)". (Britannica, T. 2024, párrafo tres).
Hablando de los procesos formativo y de la enseñanza: Creó normas como la "ley del efecto, que establecía que las
respuestas conductuales que eran seguidas más de cerca por un resultado
satisfactorio tenían más probabilidades de convertirse en patrones establecidos
y de ocurrir nuevamente en respuesta al mismo estímulo" (Britannica, T. 2024, párrafo uno).
Enfoque psicométrico: Fomentó la creación de pruebas estandarizadas para evaluar capacidades cognitivas y desempeño escolar.
Woodworth, psicólogo de Estados Unidos, fusionó la psicología experimental con técnicas estadísticas.
Contribución a la estadística:
Psicología aplicada: Woodworth empleó métodos estadísticos para elaborar experimentos y examinar información en el campo de la psicología.
Charles Spearman fue un destacado psicólogo británico en el área de la psicometría y la estadística en el ámbito de la psicología.
Spearman pretendió establecer leyes generales de la psicología a través del análisis e implementación de herramientas estadísticas para la correlación entre las diversas capacidades mentales del ser humano.
Análisis factorial: Spearman es uno de los fundadores del análisis factorial; el análisis factorial es una técnica estadística que nos permite, a través de localizar factores subyacentes en un grupo de variables, medir las habilidades generales psicológicas.
Frank Yates 1902-1994
Yates fue estadístico británico conocido por sus contribuciones al diseño experimental y al análisis de datos.
Aportes a la estadística:
Diseño experimental: Desarrolló métodos para el diseño y análisis de experimentos, incluyendo el uso de cuadrados latinos y bloques incompletos balanceados.
Análisis de varianza (ANOVA):
El análisis de la varianza (ANOVA) sirve para analizar si existe alguna diferencia entre las medias de más de dos poblaciones. De manera que el análisis de la varianza permite determinar si las medias poblacionales de dos o más grupos son diferentes analizando la variabilidad entre las medias de las muestras (Sanchez, 2020, párrafo tercero).
Software estadístico: Fue pionero en el uso de computadoras para el análisis estadístico, sentando las bases para el software moderno.
Características de la estadística moderna
- Enfoque computacional:
- Uso de software y algoritmos para procesar y analizar grandes conjuntos de datos.
- Ejemplos: R, Python, SAS, MATLAB.
- Integración con otras disciplinas:
- Combinación de estadística con áreas como la informática, la inteligencia artificial, el aprendizaje automático (machine learning) y la ciencia de datos.
- Métodos no paramétricos y robustos:
- Técnicas que no requieren supuestos estrictos sobre la distribución de los datos.
- Ejemplos: Bootstrap, métodos de remuestreo, pruebas no paramétricas.
- Análisis de datos complejos:
- Manejo de datos no estructurados, como texto, imágenes y videos.
- Técnicas para datos longitudinales, espaciales y de redes.
- Enfoque Bayesiano:
- Uso de métodos basados en la probabilidad bayesiana para actualizar creencias a medida que se obtienen nuevos datos.
- Visualización de datos:
- Herramientas avanzadas para representar datos de manera clara y efectiva.
- Ejemplos: gráficos interactivos, dashboards, mapas de calor.
Aplicaciones de la Estadística Moderna:
- Medicina y salud:
- Análisis de datos genómicos para personalizar tratamientos.
- Predicción de brotes epidemiológicos.
- Finanzas:
- Modelado de riesgos y predicción de mercados.
- Detección de fraudes mediante análisis de patrones.
- Marketing:
- Segmentación de clientes y análisis de comportamiento.
- Optimización de campañas publicitarias.
- Ciencias Sociales:
- Análisis de redes sociales y dinámicas de grupos.
- Estudios de opinión pública y elecciones.
- Tecnología:
- Desarrollo de sistemas de recomendación (ejemplo: Netflix, Amazon).
- Procesamiento de lenguaje natural (NLP) para chatbots y traducción automática.
Técnicas de la Estadística Moderna
Video 11 Software Estadístico Python
Video 12 Visualización de Datos con Power BI
Video 13 Técnicas Avanzadas de Bootstrap
La estadística moderna es una disciplina viva y siempre en cambio que fusiona técnicas estadísticas convencionales con instrumentos informáticos y técnicas sofisticadas para examinar datos complejos. Su uso es crucial en la época del Big Data y la inteligencia artificial, facilitando la obtención de percepciones útiles y la toma de decisiones fundamentadas en datos en una extensa gama de áreas.
0 Comentarios