Karl Pearson, (nacido el 27 de marzo de 1857, Londres, Inglaterra, el 27 de abril de 1936, Coldharbour, Surrey), estadístico británico, fundador líder del campo moderno de las estadísticas, proponente prominente de eugenesia e intérprete influyente de la filosofía y social papel de la ciencia.
Pearson descendió en ambos lados de su familia de los cuáqueros de Yorkshire, y, aunque fue criado en la Iglesia de Inglaterra y como adulto se adhirió al agnosticismo o «libre de frase», siempre se identificó con su ascendencia cuáquera. Hasta aproximadamente los 24 años, parecía que seguiría a su padre, un abogado que subió al consejo de la Reina, en la ley, pero fue tentado por muchas carreras posibles. En 1875, Pearson ganó una beca para King’s College de la Universidad de Cambridge, donde trabajó con el famoso tutor de matemáticas Edward Routh para alcanzar el rango de tercer Wrangler en los tripos matemáticos altamente competitivos de 1879. También durante sus años universitarios, después de haber perdido su religioso. Faith, leyó intensamente en filosofía y literatura alemana, y luego viajó a Alemania durante un año de estudio en filosofía, física y derecho.
De vuelta en Londres, Pearson dio conferencias de extensión sobre la historia y el folklore alemán, y participó en el aumento del interés en el socialismo, proponiéndose a Karl Marx como el traductor inglés del volumen existente de Das Kapital (3 vol.; 1867, 1885, 1894). En 1885 fundó un «club de hombres y mujeres» para discutir, desde una perspectiva antropológica e histórica, la posición social de las mujeres y la posibilidad de amistad no sexual entre hombres y mujeres. Después de que el grupo se disolvió en 1889, propuso a la secretaria del club, Maria Sharpe, quien se casó con él en 1890 después de un compromiso tormentoso.
En 1884, Pearson fue nombrado profesor de matemáticas aplicadas y mecánica en University College, Londres. Enseñó métodos gráficos, principalmente a estudiantes de ingeniería, y este trabajo formó la base de su interés original en las estadísticas. En 1892 publicó la Gramática de la Ciencia, en la que argumentó que el método científico es esencialmente descriptivo en lugar de explicativo. Pronto estaba haciendo el mismo argumento sobre las estadísticas, enfatizando especialmente la importancia de la cuantificación para la biología, la medicina y las ciencias sociales. Fue el problema de medir los efectos de la selección natural, que le trajeron su colega Walter F.R. Weldon, que cautivó a Pearson y convirtió las estadísticas en su misión científica personal. Su trabajo le debió mucho a Francis Galton, quien buscó especialmente aplicar el razonamiento estadístico al estudio de la evolución biológica y la eugenesia. Pearson, del mismo modo, estaba intensamente dedicado al desarrollo de una teoría matemática de la evolución, y se convirtió en un defensor de la eugenesia.
A través de su trabajo matemático y la construcción de su institución, Pearson desempeñó un papel principal en la creación de estadísticas modernas. La base de sus matemáticas estadísticas provino de una larga tradición de trabajo sobre el método de aproximación de mínimos cuadrados, funcionó a principios del siglo XIX para estimar las cantidades de las repetidas medidas astronómicas y geodéticas utilizando la teoría de la probabilidad. Pearson se basó en estos estudios en la creación de un nuevo campo cuya tarea era administrar y hacer inferencias de los datos en casi todos los campos. Su filosofía positivista de la ciencia (seepositivismo) proporcionó una justificación persuasiva para el razonamiento estadístico e inspiró a muchos campeones de la cuantificación de las ciencias biológicas y sociales durante las primeras décadas del siglo XX.
¿Que creo Karl Pearson?
Orden y razón, belleza y benevolencia, son características y concepciones que encontramos únicamente asociadas con la mente del hombre.
Karl Pearson era matemático inglés y bioestadístico. Se le ha atribuido a establecer la disciplina de las estadísticas matemáticas. Fundó el primer departamento de estadísticas universitarias del mundo en University College, Londres en 1911, y contribuyó significativamente al campo de la biometría y la meteorología. Pearson también fue un defensor del darwinismo social y la eugenesia. Pearson fue protegido y biógrafo de Sir Francis Galton. Editó y completó tanto el sentido común de William Kingdon Clifford de las ciencias exactas 1885 como la historia de Isaac Todhunter de la teoría de la elasticidad, vol. 1 1886–1893 y vol. 2 1893, después de su muerte.
Pearson nació en Islington, Londres, en una familia cuáquera. Su padre era William Pearson QC del Templo Interior, y su madre Fanny Née Smith, y tenía dos hermanos, Arthur y Amy. Pearson asistió a University College School, seguido de King’s College, Cambridge en 1876 para estudiar las matemáticas, graduándose en 1879 como tercer Wrangler en los tripos matemáticos. Luego viajó a Alemania para estudiar física en la Universidad de Heidelberg bajo G H Quincke y Metafísica con Kuno Fischer. Luego visitó la Universidad de Berlín, donde asistió a las conferencias del fisiólogo Emil du Bois-Reymond sobre el darwinismo Emil era hermano de Paul du Bois-Reymond, el matemático. Pearson también estudió la ley romana, enseñada por Bruns y Mommsen, literatura medieval y alemana del siglo XVI y socialismo. Se convirtió en un exitoso historiador y germanista y pasó gran parte de la década de 1880 en Berlín, Heidelberg, Viena, Saig Bei Lenzkirch y Brixlegg. Escribió sobre Passion Plays, Religion, Goethe, Werther, así como temas relacionados con el sexo, y fue fundador del Club de Hombres y Mujeres.
¿Quién fue el creador del coeficiente de correlación?
En 1896, Pearson publicó su primer tratamiento riguroso de la correlación y la regresión en las transacciones filosóficas de la Royal Society of London. En este artículo, Pearson acreditó a Bravais (1846) por determinar las fórmulas matemáticas iniciales para la correlación. Pearson señaló que Bravais se encontró con el método de momentos de productos (es decir, el «momento» o medio de un conjunto de productos) para calcular el coeficiente de correlación, pero no pudo demostrar que esto proporcionó el mejor ajuste a los datos. Utilizando una prueba estadística avanzada (que implica una expansión de Taylor), Pearson demostró que los valores óptimos tanto de la pendiente de regresión como del coeficiente de correlación podrían calcularse a partir del momento de producto, donde x e y son desviaciones de valores observados de sus respectivos medios y n es el número de pares. Por ejemplo, en la regresión lineal, si la pendiente se calcula a partir del momento del producto, entonces los valores X observados predicen los valores Y observados con la suma mínima posible de errores de predicción al cuadrado ,.
Una prueba más simple que la de Pearson para el método del momento de productos apareció en Ghiselli (1981). Aunque es probable que ni la prueba de Pearson ni de Ghiselli mejoren el flujo de una clase de estadísticas introductorias típicas, una recreación numérica simple de la prueba de Ghiselli puede iluminar el punto importante sobre la predicción óptima de Y de X. Tal ejemplo aparece en la Tabla 1. Esta tabla utiliza pares de puntajes de desviación para ayudar a demostrar que la expresión = B X minimiza los errores de predicción al cuadrado cuando B se calcula como el momento de la producción de productos. Las primeras tres columnas demuestran el cálculo de B como la media (momento) de los productos de los puntajes de desviación. Los vectores X e Y se centran en 0 para que cada puntaje sea en sí mismo una puntuación de desviación. Las cuatro columnas más derecha de la Tabla 1 muestran que agregar un pequeño desplazamiento al valor de B o restar un pequeño desplazamiento de B amplía la suma de los errores de predicción al cuadrado. Tanto las pruebas de Ghiselli como Pearson demuestran más generalmente que cualquier desviación del momento del producto empeora la predicción de y de x.
Tabla 1. Ejemplo numérico que demuestra que sumar o restar un desplazamiento del momento del producto empeora la predicción de Y de X.
¿Por qué fue importante la figura de Albert Pearson?
El jugador más pequeño, pero lejos de lo menos, en las ligas mayores es Albert Gregory Pearson, a quien bate lidera y juega al campo central para los Angeles de Los Ángeles. Albie mide 5 pies 5, es o toma media pulgada. Varios biógrafos inscritos insisten en que Albie es realmente 5 pies 4 7/8, y Albie, citando una estadística en el archivo de la Equitable Life Assurance Society, afirma que en realidad tiene 5 pies 5 3/8. A cualquier altura, no es, por casi dos pies, el hombre más corto que haya jugado béisbol organizado. Esa distinción pertenece, por supuesto, al difunto Eddie Gaedel, el famoso enano que hizo una aparición solitaria en el murciélago, caminó, para los Browns de San Luis en 1951.
El peso de Albie figura como 141 libras. Sin embargo, como muchos otros jugadores de pelota, tiene una tendencia a aumentar de peso durante la temporada baja. «Subo a 142», dice Albie. El tamaño de su cuello es 15 3/4; y sus brazos tienen 30 pulgadas de largo. «Estoy construido gracioso», admite Albie. «Creo que será un hallazgo arqueológico», dice Rocky «Bridges, el entrenador de tercera base de los Angelinos.
En 1958, The Little Guys and Dolls of America, una organización cuya membresía está limitada a esos 5 pies y menos, votó a Albie su atleta del año, pero no ha tenido noticias de ellos desde entonces. «Supongo que me sacaron o me desintegraron o algo así», dice Albie. Pero sí recibe unas 200 cartas al mes de lo que él llama las «pequeñas personas». Él dice una leído: «Querida Albie: Quiero decir que estaba muy orgulloso cuando golpeaste ese jonrón contra los Yankees el otro día. Me fui a casa y le dije a mi gran y gorda esposa. Sigue golpeándolos para poder Sé el jefe de la casa «. Por desgracia, golpear a Homers no es el fuerte de Albie: ha golpeado pero 16 en cinco temporadas en las ligas mayores.
¿Cuándo murió Karl Pearson?
Era un hombre de gran habilidad, con una energía mental y física excepcional y un gran interés en la investigación histórica, rasgos que su hijo también exhibió.
William y Fanny nombraron a su segundo hijo Carl y él usó este nombre hasta que tenía unos 23 años cuando cambió la ortografía a Karl. En este artículo nos referiremos a él como Karl o como Pearson.
Karl, junto con su hermano mayor y una hermana menor, fueron criados en una familia de clase media alta. Después de ser educado en casa hasta los nueve años, fue enviado a University College School, Londres. Estudió allí hasta los dieciséis años, pero luego se vio obligado a irse debido a una enfermedad. Un tutor privado estaba comprometido para enseñarle en casa y tomó los exámenes de becas de Cambridge en 1875 y, en segundo lugar en los exámenes, ganó una beca para King’s College.
En Cambridge fue enseñado por Stokes, Maxwell, Cayley y Burnside. Su entrenador fue quizás el más famoso de todos los entrenadores de Cambridge, a saber, Routh. Habló de sus años universitarios diciendo (ver [3]):-
Hubo placer en las amistades, hubo placer en las peleas, hubo placer en la enseñanza de los entrenadores, hubo placer en buscar nuevas luces también en matemáticas como en filosofía y religión.
Como indica en estas citas, sus estudios en Cambridge fueron inusualmente amplios. Leyó Goethe, Dante y Rousseau, leyó sobre la historia del pensamiento religioso y disfrutó debatiendo con los estudiantes de filosofía moral sobre su tema.
¿Qué hicieron Galton y Pearson?
Además de su papel de colega de Galton y investigador en el laboratorio de Galton, Karl Pearson también se convirtió en el biógrafo de Galton después de la muerte de este último en 1911 (Pearson 1922). En su biografía de cuatro volúmenes de Galton, Pearson describió la génesis del descubrimiento de la pendiente de regresión (Pearson 1930). En 1875, Galton había distribuido paquetes de semillas de guisantes dulces a siete amigos; Cada amigo recibió semillas de peso uniforme (ver Galton 1894), pero hubo una variación sustancial en diferentes paquetes. Los amigos de Galton cosecharon semillas de las nuevas generaciones de plantas y se los devolvieron (ver Apéndice A). Galton trazó los pesos de las semillas hija contra los pesos de las semillas madre. Galton se dio cuenta de que los pesos medios de semillas hija de un tamaño particular de semilla madre describieron aproximadamente una línea recta con pendiente positiva inferior a 1.0:
“Por lo tanto, naturalmente alcanzó una línea de regresión recta, y la variabilidad constante para todas las matrices de un carácter para un carácter dado de un segundo. Fue, quizás, mejor para el progreso del cálculo correlacional que este caso especial simple debería promulgarse primero; El principiante lo agarra tan fácilmente «. (Pearson 1930, p. 5)
El caso simple y especial al que Pearson mencionó es, por supuesto, la variabilidad aproximadamente equivalente de las dos medidas y sus unidades de medición idénticas. La Figura 1 utiliza un conjunto de datos simple e inventado para ilustrar los primeros hallazgos de Galton. El tamaño de los guisantes dulces en el eje X y el tamaño del guisante dulce de la descendencia en el eje Y tienen una variabilidad aproximadamente igual. Por lo tanto, la pendiente de la línea que conecta las medias de las diferentes columnas de puntos es equivalente tanto a la pendiente de regresión como al coeficiente de correlación. Para los propósitos de Galton, cualquier pendiente menor que 1.0 indicó regresión a la media de esa generación de guisantes. El fenómeno de la regresión a la media se ilustra mediante la configuración de los puntos: las coordenadas y de la mayoría de los puntos en la Figura 1 están más cerca de la media de descendencia horizontal que sus coordenadas X son la media vertical de los padres. El primer estudio documentado de Galton de este tipo sugirió una pendiente de 0.33 (obtenida a través de una inspección cuidadosa de sus diagramas de dispersión), lo que le indicaba que las semillas madre extremadamente grandes o pequeñas típicamente generaban semillas hija sustancialmente menos extremas. Este hallazgo es, por supuesto, prototípico de la regresión a la media: para muchas variables, los procesos naturales funcionan para «amortiguar» valores atípicos extremos y acercarlos a sus respectivos medios.
La Figura 1 que conecta las medias de las columnas de datos individuales proporciona una aproximación cruda de la línea de regresión. La pendiente es exactamente 0.50 y la correlación es aproximadamente R = 0.51. Muchos, aunque no todos, de los puntos están más cerca de la media del tamaño del guisante de la descendencia de 9 en el eje Y que a la media del tamaño del guisante parental de 10 en el eje X. Los datos numéricos aparecen en el Apéndice B.
¿Quién creó el cuadrado de Pearson?
Zhong Accheng es un escritor y guionista chino nacido en Beijing en 1949.
En 1969, vivió, como millones de pares, las consecuencias de la revolución cultural, durante la cual fue enviado a una región periférica del país para ser «educado de las masas». En los años setenta, puso esta experiencia juvenil por escrito en una serie de historias, que se publicaron en parte, en una versión censurada, solo en la década de 1980, porque durante el régimen maoísta no había posibilidad de publicar trabajos que expresen puntos de vista personales . También por esta razón, en Acheng, se consolidó una práctica de escritura publicada de la publicación, una forma de expresión personal gratuita cultivada para sí mismo y compartida solo con amigos.
A fines de los años ochenta, luego de la represión de la Piazza Tiananmen, el escritor emigró a los Estados Unidos. Años más tarde hablará del principio de «no cooperación» hacia el régimen político comunista: «Si quieres que haga algo, lo haré de acuerdo con mi conciencia; Si no quieres que lo haga, iré, sin la necesidad de explicación «, adoptando la misma actitud que asume el joven maestro del rey de los niños.
El estilo que imprime estas historias es una especie de realismo alegórico. La novela de Acheng, como escribe Alfredo Giuliani en la introducción, es «una historia realista y un cuento de hadas alegórico». Una historia de hadas que no deja de dejar una moralidad al final de la historia o, si lo queremos, una pregunta antropológica: ¿puede el hombre vivir plenamente reduciendo la naturaleza viva a la materia y media? ¿La verdad de los libros y reglas o la verdad de la experiencia vale más? ¿Es posible ejercer talento, cultivar la naturaleza de uno más allá del condicionamiento o los imperativos de la sociedad, ingresando a la comunión con la naturaleza secreta del cosmos?
Las historias revelan las contradicciones de la sociedad china durante el régimen maoísta y nos permiten detectar las diferencias, en relación con las condiciones de vida y la forma de pensar, entre una civilización campesina y un desarrollo industrial.
En la sociedad maoísta representada por Acheng, el estado aparece como una máquina con enormes y lentos engranajes, lo que piensa la libertad del individuo y puede cruzar en cualquier momento. Un sistema rígido e inhumano de administración política, que ni siquiera puede acampar el mérito de haber reprimido la acción criminal del individuo contra la comunidad: si en los últimos pasos de la pirámide social y la jerarquía administrativa es generalmente (tal vez a pesar de él mismo) honesto y respetuoso con las reglas, entre las pinturas intermedias, todavía fascinadas por el prestigio de la nobleza antigua y por sus refinamientos, no hay falta de episodios de recomendaciones, corrupción y clientelismo.
Otro problema fundamental que se percibe en el contexto de las historias o que es temático por los personajes es el hambre, un malvado endémico generalizado entre la juventud y la población no personal. El régimen prescribe el racionamiento de la comida, que, además, no son muy ricos en proteínas y luego los niños, después de muchos trabajos manuales, tan pronto como reciben el salario que lo gastan en grandes atracones de carne. No hay dinero para nada más.
Por supuesto, la vida de los campos es muy difícil, pero el lector que creció en una sociedad industrial de consumo parece ser esencial, integral e inocente. El «joven educado» de que Acheng habla de nosotros no son predicadores petulantes del verbo maoísta, son admirables tipos por la simplicidad de los deseos y la generosidad de los sentimientos amigables, son adolescentes que saben cómo ponerse solo, cocinando, lavando el Ropa y trabajo en contacto con una naturaleza aún no contaminada por los escapes de las fábricas.
La visión de la vida que Acheng quiere comunicarse, entre otros amigos del difunto Ermanno Olmi, está lejos de ser materialista y circunscrita a la emoción de las necesidades físicas: para él, el verdadero alimento de la humanidad es la belleza, el juego, la libertad, la amistad y armonía con las leyes eternas del universo.
Una actividad de enseñanza relacionada con la lectura que se puede proponer a los estudiantes es comparar las tres historias y luego establecer conexiones entre estos y otros textos o contextos.
Este trabajo se puede hacer colectivamente, por ejemplo, dividiendo la clase en tres grupos y asignando a cada uno de ellos el análisis narrativo de una de las tres narraciones, la tarea en la que los estudiantes identifican los elementos narrativos fundamentales (narradores, personajes, presencia de flashback etc.) y proporcionar una descripción sociopsicológica del personaje identificado como el «rey». Los tres grupos luego comparan los resultados, posiblemente resumidos en una tabla de tres columnas, observando si hay constantes y diferencias en la exposición de las tres historias.
¿Quién es considerado el padre de la estadística?
El campo de las estadísticas tiene raíces profundas que rastrean siglos. Debido a que las estadísticas se han utilizado durante tanto tiempo, la gente a menudo pregunta: «¿Quién inventó las estadísticas?» Sin embargo, no hay una respuesta simple a esta pregunta, ya que el campo ha evolucionado con el tiempo. La historia incluye muchos estadísticos famosos de todo el mundo con una amplia gama de logros.
Muchas personas notables han progresado significativamente en la configuración de la disciplina de las estadísticas de manera innovadora. Si bien esta lista de los 10 estadísticos famosos ciertamente no es exhaustiva, es una introducción a aquellos cuyas contribuciones influyen en gran medida en la forma en que gestionamos los datos hoy.
- Descripción general: un prodigio matemático, Johann Carl Friedrich Gauss puso gran parte de las bases para las estadísticas, particularmente en el área de la teoría de la probabilidad. Puede ser mejor conocido por el método de mínimos cuadrados, que se centra en la gestión de errores en las observaciones.
- Descripción general: Si bien Florence Nightingale es ampliamente celebrada como enfermera, también es considerada una de las grandes estadísticas estadounidenses. Nightingale viajó como enfermera a un hospital durante la Guerra de Crimea en 1854 y encontró las condiciones alarmantemente insalubres. Ella procedió a usar sus habilidades en la recopilación y análisis de datos, que había sido perfeccionada por su estudio de matemáticas. Al hacer esto, proporcionó evidencia de que las condiciones que rodean a los soldados probablemente eran más mortales que las heridas incurridas durante la batalla. Ella creó un diagrama de área polar que estableció claramente ese hecho, un enfoque novedoso en ese momento.
- Contribución importante: Aplicación de técnicas estadísticas para el desarrollo de estadísticas modernas
- Descripción general: el trabajo académico de Pearson facilitó el uso de estadísticas en el descubrimiento científico. Al destacar la importancia de la correlación y las curvas, desarrolló la distribución de chi-cuadrado y el método de momentos. Pearson fundó el departamento de estadísticas del University College London en 1911 y escribió «La gramática de la ciencia» («Las estadísticas son la Gramática de la Ciencia») en 1932.
- Contribución principal: Desarrollo de distribución en T, un método para interpretar información extraída de pequeñas muestras de datos
- Descripción general: Entre los estadísticos más famosos se encuentra un hombre que no era un estadístico en absoluto. William Sealy Gosset era, de hecho, el principal cervecero de Guinness Beer. Gosset tuvo la tarea de probar la consistencia del lúpulo en pequeños lotes y, por lo tanto, nació la ahora prominente distribución t. ¿Por qué no es mejor conocido? Cuando publicó sus hallazgos, Gosset debía adoptar un seudónimo para proteger los secretos comerciales de Guinness, por lo que a menudo es reconocido como «A. Estudente».
- Contribución principal: Grases para gran parte del diseño experimental, inferencia estadística y el procedimiento conocido como análisis de varianza (ANOVA)
- Descripción general: junto con Karl Pearson, Ronald A. Fisher es considerado pionero de las estadísticas modernas. Además de su innovador trabajo de diseño estadístico, Fisher abogó por el concepto de aleatorización en el diseño experimental en su libro de 1925, Métodos estadísticos para trabajadores de la investigación. Fisher también desarrolló el método de estimación de máxima verosimilitud, que requiere la estimación de los parámetros de un modelo estadístico dadas las observaciones.
- Descripción general: un líder entre los estadísticos estadounidenses, Gertrude Cox experimentó muchas «primicias». Ella fue la primera receptora de la maestría en estadísticas del estado de Iowa. Fue la primera profesora femenina llena y la primera jefa de departamento femenino en el North Carolina State College en 1941, fundando el Departamento de Estadísticas Experimentales. También fue la primera mujer elegida para ser miembro de la Academia Nacional de Ciencias en 1975. Cox consideró a los estadísticos como «socios en la ciencia». Reconocida como la «Primera Dama de las Estadísticas», ha inspirado a muchas mujeres a seguir la carrera que describió como «abierta a las mujeres».
- Contribución importante: Innovación en la gestión de la organización y los sistemas
- Descripción general: otro de los estadísticos estadounidenses sobresalientes, Edwards Deming sobresalió en la experiencia en sistemas. Como pionero en la mejora de la calidad, se desempeñó como consultor para líderes e ingenieros de la organización en Japón después de la Segunda Gapia Mundial. Su influencia condujo a una revolución en la industria japonesa y la posición del país en el mercado global. Deming también enseñó a los líderes de la industria cómo centrarse tanto en grupos internos como en grupos externos, y cómo se relacionan y trabajan entre sí. Esta forma de colaboración es fundamental en los esfuerzos de investigación hoy en día.
- Descripción general: las contribuciones de John Tukey a las estadísticas fueron de gran alcance y numerosas. Es conocido por los métodos robustos, los gráficos y la creación de la trama de caja ubicua, que se introdujo en su clásico análisis de datos exploratorios de libros. La prueba de Tukey HSD a menudo se emplea en ANOVA cuando realiza procedimientos de comparación múltiples para probar si las medias difieren significativamente. A Tukey se le atribuye la declaración: «Lo mejor de ser un estadístico es que puedas jugar en el patio trasero de todos».
- Descripción general: un químico, George Box se consideraba un «estadístico accidental». Fue llamado como sargento en la Segunda Guerra Mundial para estudiar los efectos de los gases venenosos. Estudiando bajo Fisher, desarrolló experiencia en transformaciones de datos, desarrollando la transformación de la caja-COX, que convierte las variables dependientes no normales en una forma normal. Puede ser mejor conocido por su declaración: «Esencialmente, todos los modelos están equivocados, pero algunos son útiles». Esto no se pretendía como una acusación, sino como un principio para garantizar que los resultados del modelo pudieran aplicarse a la vida cotidiana.
- Descripción general: La primera comisionada de la Oficina de Estadísticas Laborales de los Estados Unidos, Janet Norwood, fue nombrada en 1979 por el presidente Carter y reelegido dos veces por el presidente Reagan. Conocido por promover la independencia de los BLS de los intereses políticos, su dedicación fue a la integridad de los datos. Las contribuciones de Norwood incluyeron avances en el índice de precios al consumidor (IPC) y las mediciones de desempleo. Fue elegida presidenta de la Asociación Estadística Americana en 1989 y fue miembro principal tanto del Instituto Urbano como en la Junta de la Conferencia de Nueva York, un grupo de expertos establecido en 1916.
El campo de las estadísticas continúa desarrollándose a medida que los estadísticos modernos descubren nuevas formas de analizar y usar datos. Obtener una maestría en estadísticas aplicadas es una de las mejores vías de hoy para avanzar en una carrera en estadísticas. El título de Maestría en Ciencias en Ciencias de la Universidad Tecnológica de Michigan en estadísticas aplicadas está diseñado con un horario flexible y un acceso conveniente, lo que hace que el programa sea ideal para profesionales que trabajan. Explore las posibilidades de su futuro en estadísticas.
¿Quién es el considerado el padre de la estadística?
Atribuimos a la historia de las estadísticas o estadísticas la fecha de inicio de 1749, aunque la interpretación del término «estadísticas» cambió con el tiempo. En los tiempos más antiguos, esta ciencia consistió solo en la recopilación de información de los estados [1], de ahí la etimología del nombre, del estatalista alemán, derivada del estadista italiano («estadista») [2]. Más tarde, esta definición se extiende a cualquier tipo de información recopilada e, incluso más tarde, las ciencias estadísticas incluyen el análisis e interpretación de estos datos. En términos modernos, las estadísticas incluyen conjuntos de datos, como los de las cuentas nacionales y los registros de temperatura (EN), así como el trabajo de análisis, que requieren los métodos de inferencia estadística.
La ciencia estadística parece existir desde el nacimiento de las primeras estructuras sociales. Además, los primeros textos escritos encontrados fueron censos de ganado, información sobre su curso y varios contratos. Por lo tanto, estamos rastreados para censos en China en el siglo XXI a. C. AD o Egipto en el siglo XVIII a. C. Este sistema de recopilación de datos continúa hasta el siglo XVII. En Europa, el papel del coleccionista a menudo es ocupado por los gremios comerciales, entonces por los intendantes del estado.
La civilización Inca (1400-1530) ha desarrollado un sistema de conteo posicional en la base 10 (por lo tanto, similar a la utilizada hoy en día). Sin saber escribir [3], utilizaron Quipus para «escribir» estadísticas estatales. Un Quipu es una cuerda cuyas cuerdas tienen tres tipos de nodos que simbolizan la unidad, los diez y los cien respectivamente [4]. Un nodos en una cuerda da un número entre 1 y 999; Las adiciones de cuerdas que permiten ir a los mil, millones, etc.
El columnista jesuita y español Bernabé Cobo (1983 [1653]: 253–254) [5], que vino a Perú después de la conquista (1532), informa un testimonio que indica que los Quipucamayocs (maestros del Quipú) fueron responsables de identificar a todos Los datos relacionados con los cultivos. En un estudio en profundidad del Quipu Goes 42527 (Museum Für Völkerkunde, Berlín), Sáez-Rodríguez (2013) [6] muestra que las entradas contables del cierre de las cuentas relacionadas con los graneros (con granos) permitieron el Quipucamayoc (( acusado de contabilidad) para hacer que coincidan con el calendario lunar [7].
¿Cómo definió Achenwall a la estadística?
1 El gobierno de los hombres y la puesta en escena de la naturaleza por parte de los académicos tienen, ambos, mucho uso del argumento estadístico. La cuantificación, un signo de objetividad, rigor e imparcialidad, se moviliza en una amplia variedad de situaciones. Para el sociólogo y el historiador de las relaciones entre la ciencia y las sociedades, las estadísticas son un objeto original. Debido a la gran pluralidad de los significados y usos de esta palabra, se presta a lecturas muy diferentes, pero la articulación de estas lecturas está en el corazón de las preguntas más interesantes planteadas por la nueva sociología de la ciencia. Cómo entender, de hecho, que se convoca a veces como una «herramienta de gobierno», desde el siglo XVIII (Foucault, 2004), a veces como una «herramienta de prueba», desde el siglo XIX, con el desarrollo de estadísticas matemáticas y ¿Su asociación cada vez más cercana con el cálculo de las probabilidades (Stigler, 1986)? Lo que es en común entre, por un lado, la estadística alemana, «ciencia estatal», descriptiva, no muy cuantitativa, que reúne un conocimiento útil al príncipe y, por otro lado, las estadísticas inferenciales, una rama especializada de las matemáticas, utilizadas ¿Inducir, probar y generalizar el conocimiento de los hechos observados, en las ciencias naturales como en las ciencias sociales? Cómo entender que la misma palabra, estadística, evoca para algunos la cuantificación simple (la transformación de las palabras en números), y para otras la idea de grandes números y regularidades de tendencias basadas en el cálculo de las probabilidades (fenómenos aleatorios o estocásticos )? Solo la historia de las actividades humanas, inextricablemente sociales, políticas y cognitivas y cognitivas que se han basado en una «estadística», cuyo significado y contenido han evolucionado con el tiempo, hace posible comprender esta multiplicidad.
2 Esta historia ahora está bien documentada, especialmente desde 1983, cuando un equipo interdisciplinario la trabajó durante un año, en Bielefeld en Alemania, desde su lado científico y probabilístico (en lugar de político), bajo el título de la revolución probabilística (Daston, 1989; Gigerenzer y Alii, 1989; Porter, 1986; Hacking, 1990; Morgan, 1990). Luego, la red de investigadores produjo una serie de trabajos importantes. Sin embargo, a partir de esta historia, el grupo Bielefeld ha tratado la pendiente «gubernamental» menos que su lado científico. Michel Foucault había dibujado las instalaciones en sus cursos en 1977-1978 en el Collège de France, publicado en 2004. Más tarde, especialistas en ciencias políticas, historiadores y sociólogos comenzaron a ver en estadísticas algo más que una herramienta, neutral, esencial, indiscutible,, y, por lo tanto, ni histórico ni problematizado, ya que la supuesta eficiencia del argumento estadístico parecía basarse en esta atemporalidad (ver por ejemplo: Anderson, 1988; Brian, 1994; Porter, 1995; Szreter, 1996). Los políticas como Pierre Lascoumes y Patrick Le Galès (2004) abogaron por este enfoque bajo el título: gobernar por instrumentos, pero pocas investigaciones que involucran los formalismos y mecanismos de estos instrumentos se llevaron a cabo en esta perspectiva de gobernanza. Los juicios presentados en estos dos volúmenes, bajo el título, el argumento estadístico, fueron escritos (y en su mayoría ya publicados) en circunstancias y audiencias muy variadas. Se reanudan aquí, con la amable autorización de sus primeros editores, ya que se habían presentado entre 1985 y 2007. Una nueva introducción reúne a algunos conductores que los navegan.
3 Hay varias explicaciones con un aparente divorcio entre las dos historias, cognitivas y políticas, de estadísticas. La especialización de las disciplinas, la imagen de una herramienta matemática altamente formalizada y, por lo tanto, supuestamente inaccesible para los investigadores no capacitados para esto, de hecho, ha molestado, si no prohibido, la fina interpenetración entre estos enfoques. Además, las ciencias sociales cuantitativas, comenzando con la economía, al confiscar las herramientas de las estadísticas inferenciales de la década de 1940, paradójicamente ralentizaron este esfuerzo de reflexividad. Han erigido, bajo el nombre de «metodología», catálogos normativos de supuestas «buenas prácticas», cajas de herramientas que se enseñan a los estudiantes en cursos obligatorios pero a menudo aburridos, porque cortando controversias que han puntuado la historia de estas herramientas. El advenimiento del software de computadora listo para empleo ha organizado cualquier cosa.
4 Publiqué en 1993 un libro, La política de los números importantes. Historia de la razón estadística (La Découverte), en una historia (antes de 1945) de estos sujetos. Quería, por un lado, una presentación al público que habla francés y una lectura de la investigación publicada en inglés (como las del grupo Bielefeld), y por otro lado una reanudación de trabajo realizada en Francia dentro del Marco de la insee, de la década de 1970, sobre la historia de las estadísticas desde el punto de vista de las oficinas estadísticas, censos, encuestas y nomenclaturas (Insee, 1977). Este aspecto había sido poco tratado por el trabajo en inglés. Este libro estaba tratando de señalar los momentos en que estas dos tradiciones, institucionales y matemáticas (notablemente probabilísticas) se habían cumplido. Pero casi no abordó el período posterior a 1945: un estudio de los desarrollos de estadísticas, por lo que administrativo (los hablantes de inglés dicen que los oficiales), que las matemáticas y sus muchos usos científicos, desde esa fecha, estarían por hacer, aunque desproporcionados.
Los artículos de 5 divers, relacionados en particular con la sociología de los usos de las estadísticas públicas, se presentan aquí. Se recopilan, para inaugurar una serie titulada el argumento estadístico, en dos volúmenes, respectivamente i: para una sociología histórica de la cuantificación, y II: gobierno por números. El primero reúne textos teóricos bastante sobre las condiciones sociales y los efectos de la cuantificación. El segundo contiene estudios de casos más precisos, sobre la producción y los usos de las estadísticas públicas, en términos de gobierno. Sin embargo, la clasificación entre estos dos volúmenes es bastante arbitraria, y muchos temas son comunes a los dos, así agrupados en torno a la idea del argumento estadístico, ya que es muy cierto que es como una parte argumentativa incluida en los dispositivos más grandes que las estadísticas toman sobre significado. La gran variedad de estos dispositivos da su alivio a la sociología de las estadísticas, que ya no se ve solo a través de su papel auxiliar de metodología y conocimiento.
¿Dónde vivio Karl Pearson?
Descripción: El estadístico de matemáticas Karl Pearson (1857-1936) estableció el campo de las estadísticas modernas, que surgió de su extenso trabajo en biología matemática o biometría.
Pearson también fue uno de los primeros defensores de la eugenesia, la cría selectiva de personas para «mejorar» a una población que ahora lo hace extremadamente controvertido.
Fue elegido miembro de la Royal Society en 1896 por sus contribuciones a las estadísticas y la teoría evolutiva.
En 1911 fundó el primer departamento de estadísticas universitarias del mundo en University College London.
Fue galardonado con la Medalla Darwin en 1898, y como socialista rechazó la oferta de un OBE en 1920, y luego una caballería en 1935.
Pearson se mudó aquí con su esposa y su pequeña hija Sigrid en 1892, y fue el lugar de nacimiento del hijo de Pearson, Egon (18951980), también un eminente estadístico. Posteriormente vivió aquí hasta su muerte.
Egon escribió en la biografía de 1936 de su padre Pearson se había mudado del templo a Christchurch Cottage, Hampstead, un poco de tiempo antes de su matrimonio [con Maria Sharpe en 1890]. Esta pequeña pero atractiva casa se encuentra junto a la iglesia de ese nombre no muy lejos del brezo. Con una familia en aumento, los Pearson se mudaron a una casa más grande cercana, No. 7, Well Road en 1892.
En 2022, después de una investigación sobre los vínculos históricos de UCLS con el movimiento eugenesia, los nombres de Galton y Pearson fueron retirados de dos teatros de conferencias y un edificio en la universidad.
¿Qué descubrió el matemático Karl Pearson?
Karl Pearson [1]
, Eds. P. Armitage y T. Colton, y publicado por Kind Permission
de John Wiley & Sons Ltd.
Resumen. Karl Pearson fue fundador de la Escuela Biométrica. Él
Hizo contribuciones prolíficas a estadísticas, eugenesia y al método científico.
Estimulado
por las aplicaciones de W.F.R. Weldon y F. Galton puso los cimientos de
Gran parte de las estadísticas matemáticas modernas.
Fundador de Biometrics, Karl Pearson fue uno de los
arquitectos principales de
La teoría moderna de las estadísticas matemáticas. Era un polímato cuyo
Los intereses iban desde astronomía, mecánica, meteorología y física hasta
Ciencias biológicas en particular (incluida la antropología, la eugenesia,
Biología evolutiva, herencia y medicina). Además de estos científicos
Pursuits, realizó el estudio del folklore y la literatura alemanes,
la historia de la reforma y los humanistas alemanes (especialmente Martin
Lutero). Pearson’s
Los escritos fueron prodigiosos: publicó más de 650 artículos en su vida,
de los cuales 400 son estadísticos. Durante un período de 28 años, fundó y
editado 6 revistas y fue cofundador (junto con Weldon y Galton) del
Revista Biometrika. University College London Houses el conjunto principal de
Los documentos recolectados de Pearson que consisten en 235 cajas que contienen familia
Documentos, manuscritos científicos y 16,000 cartas.
En gran medida debido a sus intereses en la biología evolutiva, Pearson
creado, casi sin ayuda, la teoría moderna de las estadísticas en su
Escuela biométrica en University College London de 1892 a 1903 (que era
Practicado en el Laboratorio Biométrico de Drapers de 1903-1933). Estas
Los desarrollos fueron respaldados por las ideas de Charles Darwin de biológica
variación y poblaciones ‘estadísticas’ de especies, derivadas de la
ímpetu de trabajo estadístico y experimental de su colega y más cercano
Amigo, el zoólogo darwiniano, W.F.R. Weldon (q.v.). Adicional
Los desarrollos surgieron de la Ley de Ancestral de Francis Galton (Q.V.)
herencia. Pearson también ideó una metodología separada para problemas de
Eugenesia en el Laboratorio de Galton Eugenesia de 1907-1933.
¿Quién fue Pearson?
Se conoce principalmente por desarrollar el coeficiente de correlación y la prueba χ² [3]. También es uno de los fundadores de la revista Biometrika, de la cual fue editor, en escena durante 36 años y que alcanzó el rango de las mejores revistas de estadísticas matemáticas [3].
Nacido el 27 de marzo de 1857 por Fanny Smith y William Pearson, ambos de Familles Quakers du Yorkshire [4], Karl Pearson tiene dos hermanos y una hermana. Su madre proviene de una familia de marineros y su padre es abogado en Edimburgo.
Recibió educación privada hasta los nueve años y luego en la Universidad de la Universidad de la Universidad hasta los dieciséis años. Sin embargo, debe abandonar esta escuela debido a problemas de salud. Luego se comprometió un tutor privado y, en 1875, fue recibido en segundo lugar en el examen de Cambridge para becas. Por lo tanto, ingresó al King’s College en Cambridge para estudiar las matemáticas. Hay Masters Stokes, Maxwell, Cayley y Burnside. Siempre mantendrá muy buenos recuerdos de estos años de estudio [5], y ocupó el tercer lugar en los tripos de matemáticas [6]; Sin embargo, Pearson nunca apreció la autoridad y se hace obvio durante sus años en Cambridge: las lecturas religiosas y las oficinas eran, en ese momento, obligatorias, lo que odia. Entonces lucha contra esta obligación con la ayuda de su padre hasta el día en que voluntariamente va a la capilla. Se graduó de la Universidad de Cambridge en 1879.
Luego pasó parte de 1879 y 1880 estudiando literatura alemana medieval y el siglo XVI en la Universidad de Berlín y Heidelberg. Se aprendió lo suficiente en esta área para un puesto que se le ofreció en el Departamento de Estudios Germánicos de la Universidad de Cambridge. Escribe en los Juegos de Pasión [7], Religion, Goethe, Werther [Nota 1], así como en los temas relacionados con el sexo [8]. Luego comenzó a estudiar derecho en 1882, siguiendo el ejemplo de su padre, pero nunca fue llamado a hacer ejercicio en esta área. Durante los años 1882-84, dio conferencias sobre diversos temas como la vida social alemana, la influencia de Martin Luther y otros temas de la historia.
En 1885, fue nombrado presidente de Matemáticas Aplicadas del Colegio Universitario de Londres. Durante el período de 1884 a 1890, Karl Pearson fue particularmente productivo. Para un periodista que le pregunta cómo pudo publicar tanto, responderá que, aunque puede parecer difícil creer para un estadounidense, no contesta el teléfono y no se permite distraerse con las reuniones [9] .
Artículos Relacionados:
