TEMA 1.

CONCEPTO Y CONTENIDO DE LA ESTADSTICA

1.1 Introduccin
1.2 Significado del trmino Estadstica
1.3 Estadstica Descriptiva y Estadstica Inferencial. El Mtodo
Estadstico
1.4 Poblacin y Muestra
1.5 Metodologa Estadstica
1.6 La Estadstica en la Economa y en la Empresa

1.1 Introduccin
En nuestra era de la informacin, el mundo abunda en datos. En los artculos de los
peridicos y en los reportajes de televisin se hacen afirmaciones como: el ndice de
precios de consumo subi un 0,8 por ciento el mes pasado, el 98 por ciento de los
pacientes de un estudio clnico no experiment ningn efecto secundario significativo
con un nuevo medicamento contra el cncer de Cada vez es ms frecuente que para
hacer una valoracin adecuada de los acontecimientos actuales, necesitemos asimilar e
interpretar una cantidad considerable de datos. La Administracin, las empresas y los
investigadores hacen importantes inversiones econmicas en la recogida de datos. La
Administracin ha contribuido a ello, tanto recogiendo datos ella misma como
obligando a las empresas a dar informacin. El sector privado tambin ha tenido que ver
en ello. Las encuestas sobre actitudes de los votantes o los ndices de audiencia de los
programas de la semana no son ms que la punta de un enorme iceberg de estudios de
mercado. La cantidad de datos recogidos ha aumentado a un ritmo extraordinario en los
ltimos aos.
Debemos explicar todos los datos. La era de la informtica nos ha permitido tanto
procesar, resumir y analizar rpidamente los datos como producir y almacenar ms
datos. Debemos analizarlos e interpretarlos correctamente.
Las decisiones a menudo se basan en informacin incompleta. Por ejemplo, se
supone que los estudiantes universitarios de primer ao, cuando son admitidos por la
universidad, seleccionan una carrera. Sin embargo, muchos de estos estudiantes pueden
no tener una meta profesional clara. Asimismo, las decisiones empresariales
normalmente se toman en un entorno en el que los responsables de tomarlas no pueden
estar seguros de la futura conducta de los factores que acabarn afectando al resultado
de las distintas opciones consideradas. Por ejemplo, cuando un fabricante presenta una
oferta para hacerse con un contrato no est totalmente seguro de cules sern los costes
totales ni de qu ofertas presentarn los competidores. A pesar de esta incertidumbre,
debe hacer una oferta.
Es habitual realizar afirmaciones que contienen un lenguaje que sugiere la existencia
de una cantidad espuria de certeza. Por ejemplo el precio de las acciones de la empresa
X ser ms alto dentro de seis meses que ahora. En el momento de hacer tal afirmacin
es imposible que un analista est seguro de que sea cierta. Por lo tanto, las afirmaciones
1

deben modificarse como sigue: el precio de las acciones de la empresa X

probablemente ser ms alto dentro de seis meses que ahora. Debe ponerse especial
cuidado en expresar las ideas, sobre todo cuando se trata de probabilidades o cuando
hay incertidumbre.

1.2 Significado del trmino Estadstica

La acepcin vulgar del trmino Estadstica hace referencia a una determinada
informacin numrica. Esta primera conceptualizacin cada da se encuentra ms
arraigada en la sociedad actual, irremisiblemente inmersa en un mundo de cifras tales
como variaciones de los ndices de precios, tanto de inflacin, evolucin del paro, gasto
familiar, cotizaciones burstiles, nmero de accidentes de circulacin, distribucin de
votantes, etc., las cuales llenan los medios de comunicacin e impregnan nuestras
referencias personales.
Pero la Estadstica no puede entenderse simplemente como un conjunto de valores
numricos, ya que, sobre todo hoy da, la Estadstica es una ciencia que facilita no slo
los mtodos precisos para la obtencin de la informacin numrica de base sino que,
adems, proporciona mtodos objetivables de anlisis de esa informacin recogida y, en
general, mtodos de investigacin aplicables al resto de las Ciencias.
Esta doble vertiente que tiene la Estadstica es la consecuencia del proceso histrico
seguido hasta su formacin como cuerpo propio de generacin de conocimiento. La
Estadstica actual es el resultado de la unin de dos ramas que han evolucionado
independientemente hasta finales del S. XIX:
La primera, que da nombre a la ciencia, es la Estadstica (o ciencia del Estado)
que proviene del latn Status, participio pasado del verbo stare (estar inmvil)
y sustantivo con el significado de estado o situacin y Estado o Nacin.
Esta disciplina estudia la descripcin de datos referentes a la poblacin y
riqueza de los Estados (intenta hacer estimaciones de tasas de mortalidad y
frecuencia de nacimientos de hombres y mujeres, entre otros anlisis
demogrficos) consistente en un razonamiento analtico desligado
completamente del concepto de probabilidad. En este sentido, los antecedentes
de la Estadstica sern tan remotos como lo pueda ser la historia del hombre. Es
fcilmente imaginable que las sociedades humanas ms primitivas estuvieran
interesadas en enumerar sus caractersticas ms relevantes: familias, hombres
aptos para la guerra, utensilios de caza y labranza, cabezas de ganado, etc. Ya
en el Pentateuco, en el libro al que se le da el significativo nombre de los
Nmeros, se cita un censo de personas; no obstante, las referencias
arqueolgicas e histricas nos proporcionan las primeras evidencias de
recuentos situndolos en el censo del emperador Yao en la China del ao 2238
a. de J.C. y en documentos asirios, egipcios y griegos, que preceden a los ms
cercanos del Imperio Romano, en el que la preocupacin por la actividad
censal de los individuos y bienes del Estado tena una clara finalidad tributaria
y militar.
Este conocimiento cuantitativo de las cosas del Estado adquiri una base
ms cientfica a travs de las mejoras introducidas por las dos escuelas
estadsticas ms importantes: la alemana, centrada en la llamada geografa
poltica (Staatenkunde) y representada por Seckendorff, Conring y Achenwall
2

(a este ltimo se le atribuye la introduccin del trmino Estadstica en una de

sus obras, publicada en 1749) y la de los aritmticos-polticos ingleses Graunt,
Petty, Davenant, Halley, King, etc., preocupados por el conocimiento exacto de
la poblacin, que en la ciudad de Londres disminua considerablemente por
efecto de sucesivas epidemias.
En esta lnea de avance de la ciencia estadstica son dignos de mencin
tres espaoles ilustres cuyas contribuciones son universalmente reconocidas:
Jernimo de Urtariz, cuya obra Teora y prctica de comercio y marina ha
sido traducida a distintos idiomas, Campomanes y Jovellanos, autores que
poseen caractersticas propias de un estadstico del siglo XVIII, en el que
conceptualmente an no est definida la Estadstica, ni dentro de Espaa ni en
el resto de los pases.
La segunda es el clculo de probabilidades, cuyos orgenes se suelen situar en
el siglo XVII, atribuyndose a las aportaciones que Pascal y Fermat realizaron
sobre algunos problemas clsicos de los juegos de azar (en la sociedad
francesa de esa poca el juego era un entretenimiento frecuente). Pero en
realidad, ya a partir del siglo XV algunos matemticos notables, como Paccioli,
Cardano, Tartaglia, Kepler y Galileo haban esbozado unas primeras
formalizaciones de algunos esquemas aleatorios.
Esta nueva ciencia fue tomando cuerpo y vinculndose cada vez ms
frecuentemente a la Teora de Funciones (y, por tanto, utilizando cada vez mejor los
instrumentos de investigacin aportados por sta) a lo largo de los siglos XVIII, XIX y
comienzos del XX, merced a los logros de figuras tan notables como Huygens, Jacob y
John Bernouilli, Leibniz, Montmort, Buffon, D`Alembert, Bayes, Legendre, Gauss,
Laplace y, posteriormente Chebychev, Markov, Venn, von Misses, Kolmogorov,
Keynes, Ramsey, de Finetti y Savage, entre otros muchos. El resultado de todo ello ha
sido la construccin de un modelo de comportamiento de los llamados fenmenos
estocsticos, en el que pueda encuadrarse toda experiencia o evidencia emprica que
revista carcter de aleatoriedad.
La integracin de ambas lneas de pensamiento da lugar a una ciencia
susceptible, no slo de describir la realidad, sino de modelizarla utilizando los mtodos
de Anlisis Matemtico. La Estadstica Matemtica es la nueva rama floreciente de esta
disciplina, surgida en las primeras dcadas de este siglo, cuyo fruto producto de las
aportaciones de hombres como Yule, Gosset (Student), Fisher, Neyman, Pearson y
Wald entre otros ha sido la disponibilidad de eficaces instrumentos que permiten
poner en relacin los datos recogidos con algn modelo ideal de probabilidad, y ayudan
a descubrir en la evidencia emprica algn tipo de regularidad estocstica.

1.3 Estadstica Descriptiva y Estadstica Inferencial. El Mtodo

Estadstico

ESTADSTICA
DESCRIPTIVA
Recogida, descripcin y
Anlisis de la informacin

ESTADSTICA INFERENCIAL
Matemtica o terica
Permite poner en relacin los datos
disponibles con algn modelo ideal de
probabilidad y tratar de inferir si esos
datos se comportan de acuerdo con un
determinado modelo

CLCULO DE
PROBABILIDADES
Modelizacin de la realidad

Estadstica Descriptiva
incluye la recogida de datos, tabulacin,
representacin y descripcin del conjunto de datos, pero no saca conclusiones
que vayan ms all de los propios datos que maneja.
Estadstica Inferencial proporciona mtodos para estimar las caractersticas
de un grupo total (poblacin), basndose en los datos de un conjunto pequeo
(muestra) de observaciones.
Por mtodo se entiende el camino que debe seguirse para alcanzar el
conocimiento de una realidad. El mtodo cientfico busca la verdad a travs de
consideraciones racionales. Difiere de los restantes mtodos en que incorpora nuevos
elementos de juicio y nuevas dudas a medida que surgen, para convertirlas en parte
integrante del cuerpo de conocimientos alcanzado.
Cada aspecto de la realidad que sea objeto de estudio exige un mtodo particular
que debe seguirse. La primera diferenciacin de los mtodos cientficos data de
4

Aristteles y cada uno de ellos juega un papel importante en el desarrollo de la

investigacin tanto Estadstica, como Econmica.
Entre los mtodos generales de investigacin vamos a destacar los siguientes:

El Mtodo Hipottico-Deductivo: se caracteriza por el

establecimiento de unos supuestos (hiptesis) de los que se derivan
los enunciados de una teora, o explicacin de la realidad de un
fenmeno. El mtodo exige una posterior contrastacin que conducir
a la aceptacin o rechazo de las hiptesis y en este ltimo caso habrn
de ser replanteadas. La funcin de las hiptesis es orientar en la
bsqueda de la explicacin de los hechos, de tal forma que las
sugerencias formuladas en stas pueden ser soluciones al problema.
Las hiptesis formuladas son funcin, al menos en parte, de su
conocimiento anterior.

El Mtodo Experimental Inductivo: es un mtodo de conocimiento

que pretende el paso de lo particular a lo general. Es decir, se llega a
formular leyes generales a partir de la observacin de relaciones
reales. Pero la induccin debe acompaarse, adems de la
experiencia, de algn principio que justifique la generalizacin. En
las ciencias naturales este principio recibe el nombre de principio de
uniformidad, segn el cual causas iguales producen iguales efectos.
De acuerdo con este principio, bastara una observacin para su
generalizacin. La induccin no crea certeza absoluta aunque si
pueda aceptarse en determinado nmero de casos. Se hace necesario
un enlace entre el mtodo inductivo y el establecimiento de hiptesis.

El Mtodo Matemtico: la ciencia permite una nueva visin de la

realidad cuando se convierte en cuantificable y en este orden de ideas
las matemticas desempean un papel primordial.
En primer lugar las matemticas operan con objetos ideales,
es decir, objetos no captables por la experiencia sensible, de carcter
atemporal y sin causalidad ya que no tienen un acontecer en el tiempo
ni se causan unos a otros.
Los principios matemticos se fundamentan en axiomas y en
relaciones lgicas de los que se derivan consecuencias. La conexin
de los objetos matemticos no es la causa-efecto sino el fundamentoconsecuencia. Las matemticas, en definitiva, establecen reglas
convencionales para poder cuantificar la realidad. Los conceptos
matemticos son producto de la abstraccin o pueden ser concebidos
como entes de razn y las verdades matemticas son verdades
independientes y previas a la experiencia.

Se plantea, en consecuencia, el problema de conectar las relaciones matemticas

con las relaciones de los fenmenos econmicos. Las matemticas, de acuerdo con su
lgica, conducen a una serie de consecuencias que pueden oponerse a la realidad
econmica observada. De ah el peligro que supone su utilizacin, sin valorar sus
consecuencias. Ahora bien, esto no quiere decir que deban rechazarse. Lo que
pretendemos es distinguir las matemticas como instrumento auxiliar de las Ciencias
Econmicas a las que perfeccionan y dotan de elementos operativos del mtodo
matemtico.

El Mtodo Estadstico
La metodologa estadstica se apoya en el binomio induccin-deduccin. El
problema de la induccin, suscitado ya por Aristteles, est en que los distintos
argumentos no son conclusivos, por ser inciertos. La experiencia puede ensear lo que
ha pasado, lo que pasa, pero no lo que pasar. La inferencia inductiva tiene como papel
esencial ir ms all de las constataciones experimentales; no puede estar fundado sobre
estas meras constataciones.
La incorporacin del concepto de probabilidad a la resolucin del problema de la
induccin ha dado lugar a la lgica probabilstica. Esta revolucion la lgica clsica,
supone el paso de la lgica bivalente de la verdad o falsedad a otra que interpone entre
esos dos polos todos los grados de la escala de probabilidad, donde entre la certeza y la
incertidumbre absoluta, cabe un conjunto de afirmaciones ms o menos probables.
As, el concepto de inferencia estadstica (lgica estadstica) va ms all que la
inferencia clsica, planteando la legitimidad de toda conclusin. Esto es, dada la
precariedad de las conclusiones inductivas se les acompaa de una medida de la
confianza que tenemos en las mismas.
La lgica probabilstica es distinta a la lgica estadstica, aunque tienen una
extensa rea comn. La lgica clsica, la de la verdad o falsedad era cualitativa,
mientras que la lgica probabilstica es cuantitativa al incorporar entre la certeza y la
negacin rotunda un conjunto de infinitas fracciones menores que la unidad. La lgica
estadstica rene los dos caracteres anteriores; por una parte, las inferencias estadsticas
se basan en la probabilidad y, por tanto, en la lgica cuantitativa, pero tambin obtienen
conclusiones a partir de hechos cualitativos en la Estadstica de atributos. Estas dos
caractersticas se funden formando una lgica propia, la lgica estadstica con
caractersticas propias, que permiten obtener inferencias estadsticas, tanto en el estudio
de fenmenos econmicos y sociales, como en mecnicos y fsicos.
La lgica probabilstica es abstracta y formal mientras que la lgica estadstica
es concreta y real, da un contenido real a las frmulas puras y abstractas del Clculo de
Probabilidades.
La lgica estadstica, la inferencia estadstica, constituye una teora de la
induccin. Una muestra es un conjunto de datos y el objeto de la Estadstica es inducir
de ellos el esquema terico del colectivo al que pertenecen y luego aplicarlo.
La induccin es el ncleo mismo del mtodo estadstico, pero no quiere decir
que constituya el mtodo nico. Las inferencias estadsticas se apoyan en un aparato
matemtico formal previo.
6

En definitiva, si bien la Estadstica no constituye la clave para la solucin total

del problema de la induccin (ya que toda inferencia Estadstica parte de algn supuesto
que presupone a su vez un proceso inductivo) sus mtodos constituyen aproximaciones
sofisticadas al proceso inductivo que posibilita una ciencia emprica con notable
expansin y aplicabilidad, y que ha cosechado grandes xitos en los ltimos aos en el
campo de la investigacin cientfica.
En el siguiente esquema, propuesto por Wallace, en el que se sintetizan los
componentes del proceso cientfico, interrelacionando las fases por las que debe
transcurrir, se pone de manifiesto la aplicabilidad de los mtodos estadsticos a la que se
haca referencia en el prrafo anterior:

Teoras
Formacin de
Conceptos y
Proposiciones

Deduccin
Lgica
Inferencia
Lgica

Generalizaciones
Empricas

Decisiones para
Aceptar o Rechazar
Hiptesis

Hiptesis

Contrastacin de
Hiptesis
Estimacin de
Parmetros

Interpretacin
y Muestreo

Observaciones

En este esquema, por una parte, las flechas descendentes incorporan la labor de
aplicacin de las teoras mediante el uso de una metodologa deductiva, que lleva al
establecimiento de una hiptesis o conjunto de hiptesis que van a conectarse con las
observaciones.
Por otra parte, la fase ascendente sugiere el procedimiento de construccin de
las teoras que, a travs de metodologa inductiva, reflejan la comprensin de lo
observado.

Las fases de la parte superior del diagrama:

- Deduccin lgica
- Inferencia lgica
- Formacin de conceptos y proposiciones
corresponden a la lgica deductiva e inferencial.
Las fases de la parte inferior:
- Interpretacin y muestreo
- Contrastacin de hiptesis
- Estimacin de parmetros
son de naturaleza estadstica. De ellas, es la contrastacin de hiptesis la que posibilita
efectuar comparaciones entre nuestros hallazgos y las hiptesis dimanantes de la teoras
iniciales. Parece, por tanto, que, en todo proceso cientfico, para el desarrollo de los
criterios de verificabilidad, falsabilidad o simple comparabilidad de las hiptesis, se
hace de todo punto incuestionable el uso de la metodologa estadstica.

1.4 Poblacin y Muestra

Poblacin o colectivo: todo conjunto de unidades (personas, animales u objetos) con
ciertas caractersticas comunes. Es imprescindible que la(s) caracterstica(s) que
delimita la poblacin est(n) bien definida(s)
Elemento de una poblacin cada una de las unidades, individuos o entes que la
componen la poblacin, es decir, que posee la caracterstica que define la poblacin.
Tamao de la poblacin (N) nmero de elementos que componen la poblacin
Muestra subconjunto del conjunto total de elementos que componen la poblacin,
siendo necesario que este subconjunto sea representativo del conjunto total. Razones de
coste, tiempo, carga de trabajo, o imposibilidad del estudio completo, son las que
justifican su utilizacin.

1.5 Metodologa Estadstica

El inicio de una investigacin estadstica suele ser un interrogante cuya respuesta se
desconoce. La investigacin se desarrolla utilizando, de acuerdo con Box, el ciclo teora
prctica, que, siguiendo el esquema propuesto por Pea, se puede concretar en las
siguientes etapas:

PLANTEAMIENTO DEL
PROBLEMA

MODELIZACION

DISEO

ANLISIS

VALIDACION
NO

MODELO ACEPTADO?
SI

DECISIONES
Y
PREVISIONES

1.- Planteamiento del problema: ante la realidad observada, el estadstico

encuentra interrogantes que an no estn resueltos y es cuando se establecen
los objetivos del estudio. Estos tienen que estar claramente definidos puesto
que condicionan las etapas siguientes.

2.- Modelizacin: en esta etapa se seleccionan las variables consideradas

representativas del fenmeno a estudiar y se integran en una estructura lgicomatemtica de manera que formen una aproximacin operativa de la realidad.
El modelo est determinado por nuestros conocimientos previos del
fenmeno, por los supuestos y por los objetivos establecidos. El conocimiento
prctico del fenmeno objeto de estudio es absolutamente imprescindible. De
ah la conveniencia de una colaboracin entre el estadstico y los expertos en el
tema en cuestin.
El proceso de modelizacin se completa con el estudio deductivo de las
propiedades lgico-matemticas del modelo y la identificacin de la
informacin muestral necesaria para la estimacin efectiva de sus parmetros.
3.- Diseo: esta etapa comprende la elaboracin de un procedimiento operativo
para la recogida de la informacin relevante para el fenmeno a estudiar. En
este momento se ha de seleccionar un instrumento de medida, la tcnica de
muestreo ms apropiada, efectuar el diseo operativo del experimento y la
recogida de los datos muestrales.
4.- Anlisis: dentro de esta etapa se verifican las hiptesis referentes a la
recogida de informacin, se estiman los parmetros del modelo y se contrasta
el modelo supuesto.
Los resultados estarn, claro est, condicionados por las etapas anteriores
y la utilidad de las conclusiones slo puede evaluarse dentro del modelo y
cuando se est razonablemente seguro de que la recogida de informacin no ha
introducido distorsiones y errores de observacin fuera de nuestro control.
5.- Validacin del Modelo: se compara el modelo con otros posibles
compatibles con los datos. La aceptacin del modelo, que tiene siempre un
carcter aproximativo y provisional, servir para tomar decisiones o realizar
previsiones. Si el modelo es rechazado ser precisa una reformulacin,
repitiendo el proceso.
En todo el proceso seguido se ha utilizado una metodologa iterativa,
con razonamientos deductivos e inductivos. Hay que tener en cuenta que la
validez de las decisiones tiene una certeza condicionada. Esta es una
caracterstica esencial de la Estadstica que lleva a Neymann a proponer hablar
de comportamiento inductivo ms que de razonamiento inductivo.

1.6 La Estadstica en la Economa y en la Empresa

El hecho de que la Estadstica sea un instrumento de la investigacin
econmica, no significa que la relacin entre Economa y Estadstica sea,
exclusivamente, unilateral.
La investigacin y consiguiente elaboracin de una ciencia econmica
realista, capaz de dar cumplida interpretacin a los hechos de la vida cotidiana
de carcter econmico, ha constituido el natural objetivo de los investigadores
10

econmicos. Realizar esta tarea supone poseer un conocimiento lo ms

perfecto y profundo posible de la realidad. El conocimiento de los sistemas
econmicos y del proceso, que en ellos acontece, se ha desarrollado con
especial intensidad en los ltimos tiempos gracias a una interrelacin entre la
Economa y la Estadstica.
Por lo general, una investigacin comenzar con el anlisis econmico del
problema. En muchos casos seguir luego una comprobacin estadstica de la
teora, con vistas al fenmeno considerado. Una vez efectuada esta
verificacin, existe a menudo la posibilidad de extraer, con la ayuda de la
teora, nuevas conclusiones. Pero, naturalmente, tambin puede ocurrir que
haya que modificar la teora a raz de dicha comprobacin estadstica. A
continuacin habr que examinar una vez ms la teora as modificada, antes de
poder sacar otras conclusiones.
La Estadstica cumple dos funciones primordiales en la investigacin cientfica
en Economa:
-

suministrar informaciones acerca del mundo real, que sean operativas

tanto para la descripcin e interpretacin de la realidad, en el marco de
una teora, como para facilitar la elaboracin terica
validar las teoras mediante la contrastacin emprica de la hiptesis.

La primera constituye la labor principal de la Estadstica Descriptiva que

incluye parcelas de gran contenido econmico. Respecto a la validacin de las
teoras, es fundamental el papel de la Inferencia Estadstica para estimar los
parmetros y contrastar las hiptesis de los modelos.
Esta interrelacin culmina con la Econometra ya que combina la Teora
Econmica con la Estadstica y procura, con mtodos matemticos y
estadsticos, dar expresin cuantitativa concreta a las leyes esquemticas de
carcter general enunciadas en la Teora Econmica.
El anlisis de la economa sectorial, de los problemas monetarios,
finanzas pblicas, comercio internacional, economa laboral, los sondeos, los
estudios de actitudes, etc. requieren mtodos estadsticos para su anlisis.
Incluso se han desarrollado mtodos estadsticos especficos para algunos
problemas econmicos como el estudio de nmeros ndices, el anlisis de
concentracin de renta, indicadores y modelos regionales, parte del desarrollo
estadstico de series temporales, las tcnicas demogrficas, etc.
Fenmenos como decisiones de inversin, aprovisionamiento,
lanzamiento de un producto o campaa publicitaria, son arriesgadas.
Intervienen no slo el azar, sino en ocasiones tambin posiciones y estrategias
humanas. Estos fenmenos admiten una interpretacin probabilstica que
permite la cuantificacin de la informacin de que se dispone para la toma de
decisiones sobre ellos. Por esta razn, la Estadstica descriptiva e inferencial
debe ocupar un lugar primordial en la formacin de un economista, para que le
permita describir un fenmeno, generar y contrastar hiptesis de
comportamiento y hacer predicciones evolutivas de cara al futuro.
11

Los mtodos estadsticos, por su naturaleza matemtica, no pueden

revelar nada que no est implcito en los datos. Si los datos de estudio son
reducidos la propia lgica del investigador le conducir a los mismos
resultados que un anlisis estadstico. Sin embargo, cuando aumenta la
complejidad de los datos es difcil obtener unas conclusiones simplemente a
travs de la observacin directa de stos. El valor instrumental de la Estadstica
es entonces indiscutible.
Hoy en da la Economa est repleta de datos. Las empresas disponen de
gran cantidad de datos referentes a su actividad y entorno econmico. Con la
revolucin de la informtica y la generalizacin del uso del ordenador, las
posibilidades de disponer de datos y aplicarles un tratamiento estadstico son
enormes. Se puede decir que actualmente resulta difcil encontrar una empresa
importante que no se haya visto afectada o influenciada por la gran difusin
alcanzada por la informacin. Cuanto mayor y ms precisa sea la informacin
disponible menor ser el riesgo al tomar decisiones econmicas. Los
profesionales de estas reas debern adaptar lentamente el conjunto de su
actividad a las nuevas formas y objetivos que pueden alcanzar con la ayuda de
la Estadstica.

LA UTILIDAD DE LA ESTADSTICA EN LA EMPRESA

Las relaciones entre la Estadstica y la Economa tienen gran difusin, sin
embargo, el campo de la Estadstica dentro de la empresa es menos conocido,
an cuando sta es una metodologa imprescindible en el mundo empresarial,
como veremos a continuacin.
Nos centraremos en este apartado en un repaso de aquellas materias
correspondientes a diversos subsistemas empresariales que necesitan, de alguna
manera, de la Estadstica. Distinguiremos subsistemas financiero, productivo,
comercial y de gestin y direccin. Un esquema de los subsistemas citados es
el siguiente:

El subsistema comercial es una de las reas de conocimiento de

Economa de la Empresa que ms se ve favorecida con la utilizacin de las
tcnicas estadsticas
El estudio de las necesidades del consumidor es un requisito previo a la puesta
en prctica de una poltica de Marketing. Las opiniones e intuiciones del
responsable de Marketing deben ser confrontadas con las informaciones
recogidas metdicamente, es decir, con los estudios de mercado. El dominio de
la investigacin comercial comprende el estudio de motivaciones, actitudes y
comportamientos individuales y, por otra parte, el reagrupamiento de
individuos y la segmentacin de mercado que permite a la empresa definir una
estrategia de diferenciacin de su oferta.
La encuesta por sondeo es un medio de obtencin de informacin habitual de
Investigacin Comercial, pero slo tendr valor si se realiza mediante el
procedimiento de muestreo adecuado, adems deber someter los datos
12

obtenidos al tratamiento estadstico correcto para convertirlos en informacin

fiable.
La Estadstica es la metodologa fundamental de la Investigacin Comercial. El
experto de esta rea debe dominar todos los campos de la Estadstica:
- Descriptiva: para describir y resumir la informacin contenida en las
encuestas, bases de datos, archivos, etc.
- Las tcnicas de muestreo: para seleccionar las muestras de forma correcta.
- La inferencia: para contrastar las hiptesis (intuiciones o ideas de los
responsables de marketing)
La Estadstica Multivariante tiene en la Investigacin Comercial un campo de
aplicacin sin lmites. En los ltimos aos se ha incorporado a los sistemas de
anlisis de informacin de las empresas, utilizndose para todo tipo de
problemas. A modo nicamente de ejemplo citaremos
-

Eleccin del nombre de un producto o de un slogan publicitario (Anlisis

Factorial de Correspondencias)
Fijacin del precio de un producto y desarrollo de nuevos productos
(Anlisis Conjunto)
Estudios de posicionamiento e imagen (Anlisis de Componentes
Principales, Anlisis Factorial de Correspondencias y Escalas
Multidimensionales)
Test de productos o envases (Anlisis de Componentes Principales)
Estudios para detectar las diferencias percibidas en un producto entre los
consumidores y no consumidores (Escalas Multidimensionales)
Eficacia Publicitaria (Anlisis Factorial de Correspondencias)
Experimentacin comercial (Anlisis de Varianza)
Estudios de actitudes (Anlisis de Correspondencias Mltiples)
Bsqueda de grupos de consumidores de comportamientos o actitudes
homogneos (Anlisis Cluster y Anlisis de Segmentacin)

La utilizacin de estos mtodos, algunos de ellos bastante recientes, no se ha

quedado en el campo universitario sino que, en ocasiones, son las propias
empresas las que los han utilizado antes de su generalizacin en los planes de
estudios.
Los estudios de la funcin de demanda necesitan de la regresin para
modelizarla en funcin de otras variables significativas. Los anlisis de
elasticidad de la demanda, desde las perspectivas microeconmica o
macroeconmica, obligan a conocer tambin la regresin mnimo cuadrtica
multivariante, lineal o no lineal. Esta tcnica resulta esencial para modelizar
relaciones que permitan estimar elasticidades renta, precios, cruzadas, etc.
La previsin de la demanda es tcnicamente un problema estadstico. La
determinacin de la demanda actual por ndices es una tcnica de Estadstica
Descriptiva. Los mtodos endgenos de previsin: modelos autorregresivos,
funciones logsticas, modelos de regresin simple o mltiple y los mtodos
probabilsticos fundamentales, como distribuciones Normal y Poisson, deben
ser objeto de estudio en Estadstica Terica o Inferencial, en cursos previos al
13

tratamiento de la previsin. En los mtodos cualitativos de previsin (Delphi,

Morfolgico,...) subyace una dificultad estadstica que es la de estimar tamaos
de muestras, en ocasiones reducidas.
La segmentacin del mercado requiere cuantitativamente el empleo de tcnicas
como la 2, anlisis cluster, anlisis de la varianza, anlisis discriminante y,
en general, mtodos multivariantes.
La fijacin de precios basados en la demanda exige obtener funciones por
experimentacin, al azar, bloques aleatorios, o cuadrado latino, para aplicar
posteriormente regresin mnimo-cuadrtica que modelice las relaciones
encontradas.
En el apartado de actividades de promocin, las tcnicas estadsticas
multivariantes permiten segmentar el mercado y determinar la poblacin
objetivo. El control de la eficacia publicitaria necesita el muestreo en los pretest y post-test de publicidad y la regresin, que permite calcular elasticidades
de reaccin de las ventas ante publicidad y otras variables.
Todo esto conduce a la necesidad, cada vez mayor, de impartir la Estadstica en
la rama de comercializacin, pero no es la nica que precisa la Estadstica.

Dentro del subsistema de direccin y gestin, el modelo racional de

comportamiento administrativo y toma de decisiones descansa sobre los
conceptos de probabilidad, probabilidad objetiva a priori y a posteriori.
Tambin resultan esenciales los conceptos de probabilidad subjetiva y de valor
esperado y habrn de conocerse diversas distribuciones estadsticas para
explicar los valores esperados.
En el apartado de la teora de la decisin tambin resulta fundamental el
conocimiento del teorema de Bayes. Como complemento deben conocerse los
rboles de decisin secuenciales y los mtodos de simulacin, principalmente
el de Monte Carlo por su sencillez y aplicaciones.

En el subsistema financiero la utilidad de la Estadstica es evidente. El

tratamiento del riesgo en los proyectos de inversin puede efectuarse segn la
regla de media-varianza. Habr que estimar el valor esperado del V.A.N. y su
desviacin, as como del T.I.R. La media, desviacin y coeficiente de
variacin, conceptos elementales de Estadstica, son aqu fundamentales. Pero
tambin tcnicas ms complejas, como el mtodo Pert o modelos
probabilsticos alternativos
Tambin tienen especial aplicacin las distribuciones normal y triangular para
explicar el comportamiento de los flujos de caja, e incluso la rectangular en
una situacin de mxima incertidumbre.
La constitucin de carteras de valores necesita de la Estadstica. Los modelos
de Markowitz y Sharpe operan valores esperados, tanto de rendimiento como
de riesgo. Los estudios empricos de lneas de mercado de ttulos o de mercado
de capitales exigen conocer la regresin mnimo-cuadrtica.
14

El anlisis de los mercados eficientes necesita de aparato estadstico para

contrastar los diversos grados de eficiencia. Para contrastar la forma dbil
habr que utilizar conceptos como correlacin o autocorrelacin serial y
tcnicas como test de direcciones o de signos. La verificacin de la forma
intermedia encuentra su soporte cuantitativo en la regresin mnimo-cuadrtica
y en el concepto de error de previsin.
La valoracin de ttulos segn la perspectiva del anlisis tcnico puede verse
ayudada por el empleo de ndices de concentracin estadsticos. La valoracin
fundamental y la obtencin de modelos de comportamiento necesitan de la
regresin mnimo cuadrtica, bivariante o multivariante.

En el diseo del subsistema productivo, existen tcnicas sencillas para

medir la dimensin de la empresa, tales como correlaciones de rango,
coeficientes tau de Kendall o W de Kendall. Aqu, sin duda alguna, el
anlisis multivariante tiene grandes posibilidades de aplicacin.
Las funciones de produccin emprica exigen para su anlisis el conocimiento
de las tcnicas de regresin lineal y no lineal. Slo as se podrn hacer buenas
interpretaciones. Lo mismo puede decirse del anlisis de funciones de coste
empricas, que emplean el mismo mtodo cuantitativo.
En lo referente a programacin y control de proyectos, la Estadstica
proporciona instrumentos cuantificadores del riesgo, que encuentran su
fundamento en las distribuciones normal o triangular, bsicas para evaluar la
duracin de proyectos.
Por otra parte, la teora de colas necesita de distribuciones estadsticas como la
de Poisson o la gamma. Destacar la utilidad de la distribucin exponencial
(tambin denominada de Erlang, cuando el parmetro es entero), por su
capacidad de prdida de memoria.
La gestin de stocks en condiciones de riesgo se basa en modelos con demanda
y plazos de reaprovisionamiento aleatorios que se distribuyen normalmente. En
ocasiones tambin se supone que la demanda se comporta segn una
distribucin de Poisson o segn una distribucin uniforme.
En lo referente al control de calidad tiene su aplicacin la estadstica en
diferentes herramientas y metodologas. El control de calidad por variables y
por atributos obliga a aplicar tcnicas de muestreo y a fijar intervalos de
confianza o de fiabilidad, tambin la aplicacin en el Control Estadstico de
Procesos (SPC), AMFE, QFD, Diseo de Experimentos, Seis sigma, TPM,
estudios de capacidad, fiabilidad y mantenibilidad, etc es evidente.

15