.

header{
background-image: url(../img/bg.jpg);
}
son 2 puntos me comí una al ponerlo, error mio. Pero ese no es el problema.

background-image: url(../Programacion/img/gmail.png);
background-size: contain;
width: 20vh;
height: 20vh;
}

Vh no lo puedes usar en Width porque eso es para el height, 'vw' se usa para el ancho. Y
hay que tener cuidado con esas medidas relativas al viewport.

header { background-image: url(../Programacion/img/gmail.png); background-

size: contain; width: 20vh; height: 20vh; }

undefined

Sigo sin ver las imágenes incluso subiendo los archivos al

servidor... Voy a intentar explicarme algo mas para a ver si así
damos con el problema.

Yo siempre he puesto las imágenes en el HTML por una cuestión

de comodidad a la hora de diseñar la web pero no así a la hora de
modificar las mismas por diversos motivos. El caso es que ahora
quiero tener estas imágenes en una hoja CSS y cargarlas de esta
manera al HTML y así a parte de tenerlo todo mucho mas
organizado me será mas sencillo de actualizar en su momento.

Os pongo aqui un ejemplo de la CSS que contiene todas las

imagenes:

#imagen_1 {

width: 140px;

height: 100px;

background-image:
url(file:///D|/Webs/web_clan_svt40/images/noticia1.jpg);

background-repeat: no-repeat;

}
#imagen_2 {

width: 140px;

height: 100px;

background-image:
url(file:///D|/Webs/web_clan_svt40/images/noticia2.jpg);

background-repeat: no-repeat; }

Y ahora un ejemplo de parte del código HTML que muestra el

contenido de las CSS

//Llamo a la CSS iamgenes//

<link href="css/imagenes.css" rel="stylesheet" type="text/css">

Hola,
porqué pones las rutas así ?
así son rutas que apuntan a tu sistema y debieran apuntar a tu
servidor ...
igual que pones la ruta del css

href="css/imagenes.css"
## si es ruta relativa

background-image: url(images/noticia2.jpg);

## si es ruta absoluta

background-image: url(http://tuservidor/web_clan_svt40/images/noticia2.jpg);

igual me equivoco y estás haciendo algo que yo no sabía que se

podía hacer ...
saludos !!

Me paso lo mismo por mucho tiempo y lo resolvi con las rutas

absolutas.

PEEEEERO en un momento necesité usar rutas relativas en el

servidor y tuve que seguir pensando, y he aqui el problemita bobo
que nos tranca:

Seguramente tengas el css en una carpeta y no en mismo

directorio que el index, entonces cuando llamas las img desde el
css seguramente lo estés haciendo así (img/foto1.jpg), cuando en
realidad primero debes SALIR DE LA CARPETA CSS y luego volver
a entrar en la carpeta img. LA ruta debería ser ésta
(..img/foto1.jpg) los dos puntos iniciales salen de la carpeta.

Saludos, un gusto compartir conocimiento colegas

s mejor poner el slash después de los dos puntos de esta forma ../ así si tienes que ir más
atrás en el árbol de directorios sólo debes añadir los que hagan falta, por ejemplo:

../../images/grandes/foto.jpg

Con lo que baja dos directorios para luego entrar en el de imágenes.

 Responder
 Me gusta

Introducción
En el siglo XVIII, el término "estadística" designaba la colección sistemática de
datos demográficos y económicos por los estados. A principios del siglo XIX, el significado
de "estadística" fue ampliado para incluir la disciplina ocupada de recolectar, resumir y
analizar los datos. Hoy la estadística es ampliamente usada en el gobierno, los negocios y
todas las ciencias. Las computadoras electrónicas han acelerado la estadística
computacional y ha permitido a los estadísticos el desarrollo de métodos que usan
recursos informáticos intensivamente.
El término "estadística matemática" designa las teorías matemáticas de
la probabilidad e inferencia estadística, las cuales son usadas en la estadística aplicada.
La relación entre estadística y probabilidades se fue desarrollando con el tiempo. En el
siglo XIX, las estadísticas usaron de forma gradual la teoría de probabilidades, cuyos
resultados iniciales fueron encontrados en los siglos XVII y XVIII, particularmente en el
análisis de los juegos de azar (apuestas). Para 1800, la astronomía usaba modelos
probabilísticos y teorías estadísticas, particularmente el método de los mínimos cuadrados,
el cual fue inventado por Legendre y Gauss. La incipiente teoría de las probabilidades y
estadísticas fue sistematizada y extendida por Laplace; después de este, las
probabilidades y estadísticas han experimentado un continuo desarrollo. En el siglo XIX, el
razonamiento estadístico y los modelos probabilísticos fueron usados por las ciencias
sociales para el avance las nuevas ciencias de psicología experimental y sociología, y por
las ciencias físicas en termodinámica y mecánica estadística. El desarrollo del
razonamiento estadístico estuvo fuertemente relacionado con el desarrollo de la lógica
inductiva y el método científico.
La estadística puede ser considerada no como una rama de las matemáticas, sino como
una ciencia matemática autónoma, como las ciencias de la computación y la investigación
de operaciones. A diferencia de las matemáticas, la estadística tuvo sus orígenes en
la administración pública. Fue usada en la demografía y la economía. Con el énfasis en el
aprendizaje de los datos y en la elaboración de las predicciones más acertadas, la
estadística se ha solapado con la teoría de la decisión y la microeconomía. Con el enfoque
de los datos, la estadística se ha solapado con la ciencia de la información y las ciencias
de la computación.

Etimología
El término «estadística», en última instancia, deriva la palabra del neolatín statisticum
collegium (consejo de estado) y la palabra italiana statista (‘hombre de estado’ o político).
La palabra alemana statistik, introducida primeramente por Godofredo Achenwall (1749),
originalmente designaba el análisis de datos acerca del estado, significando la ‘ciencia del
estado’ (llamado posteriormente «aritmética política» en idioma inglés). A principios del
siglo XIX, adquirió el significado de colección y clasificación de datos. El término fue
introducido en Inglaterra en 1792 por sir John Sinclair cuando publicó el primero de los
21 volúmenes titulados Statistical account of Scotland.1
De esta forma, el propósito original principal de la statistik eran los datos usados por el
gobierno y los cuerpos administrativos (a menudo centralizados). La colección de datos
acerca de estados y localidades continúa, en mayor parte a través de servicios
estadísticos nacionales e internacionales. En particular, los censos proveen
frecuentemente información actualizada acerca de la población.
El primer libro en tener ‘estadísticas’ en su título fue “Contributions to Vital Statistics” por
Francis GP Neison, registrado a la Medical Invalid and General Life Office (1 era edición
1845, 2nda ed. 1846, 3.ª ed. 1857).[cita  requerida]

Orígenes en probabilidades
El uso de los métodos estadísticos se remonta al menos al siglo V a. C. El
historiador Tucídides en su Historia de la Guerra del Peloponeso2 describe como los
atenienses calculaban la altura de la muralla de Platea, contando el número de ladrillos de
una sección expuesta de la muralla que estuviera lo suficientemente cerca como para
contarlos. El conteo era repetido varias veces por diferentes soldados. El valor más
frecuente (la moda en términos más modernos) era tomado como el valor del número de
ladrillos más probable. Multiplicando este valor por la altura de los ladrillos usados en la
muralla les permitía a los atenienses determinar la altura de las escaleras necesarias para
trepar las murallas.
En el poema épico indio Majabhárata (libro 3: la historia del rey Nala), el
rey Ritupama estimaba el número de frutas y hojas (2095 frutas y 50,00,000 hojas (5
crores)) en dos grandes hojas de un árbol Vibhitaka contándolos en un solo vástago. Este
número era luego multiplicado por el número de vástagos en las ramas. Este estimado fue
posteriormente verificado y se halló que estaba muy cerca del número verdadero. Con el
conocimiento de este método Nala pudo subsecuentemente reconquistar su reino.
El primer escrito de estadística fue encontrado en un libro del siglo IX titulado Manuscrito
sobre el descifrado de mensajes criptográficos, escrito por Al-Kindi (801-873). En su libro,
Al-Kindi da una descripción detallada sobre el uso de las estadísticas y análisis de
frecuencias en el descifrado de mensajes, este fue el nacimiento tanto de la estadística
como del criptoanálisis.34
La Prueba del Pyx es una prueba de pureza de la moneda del Royal Mint, que ha sido
llevada a cabo regularmente desde el siglo XII. La prueba en sí misma está basada en
métodos de muestreo estadístico. Después de acuñar una serie de monedas
―originalmente de 10 libras de plata― una moneda singular era colocada en el Pyx (una
caja en la Abadía de Westminster). Después de un tiempo ―ahora una vez al año― las
monedas son retiradas y pesadas. Luego, una muestra de monedas retiradas de la caja es
probada por pureza.
La Nuova Crónica, una historia de Florencia del siglo XIV escrita por el banquero florentino
y oficial Giovanni Villani, incluye mucha información estadística.sobre la población,
ordenanzas, comercio, educación y edificaciones religiosas, y ha sido descrito como la
primera introducción de la estadística como elemento positivo en la historia, 5 aunque ni el
término ni el concepto de la estadística como campo específico existía aún. Esto se
demostró que era incorrecto después del hallazgo del libro de Al-Kindi sobre análisis de
frecuencias.34
Aunque era un concepto conocido por los griegos, la media aritmética no fue generalizada
a más de dos valores hasta el siglo 16. La invención del sistema decimal por Simon
Stevin en 1585 parece haber facilitado estos cálculos. Este método fue adoptado por
primera vez en astronomía por Tycho Brahe, el que intentaba reducir errores en sus
estimados de las localizaciones de varios cuerpos celestiales.
La idea de la mediana se originó en el libro de navegación de Edward Wright (Certaine
errors in navigation) en 1599 en una sección concerniente a la determinación de una
localización con un compás. Wright sintió que este valor era el que más probablemente
estuviera correcto en una serie de observaciones.
John Graunt en su libro Natural and Political Observations Made upon the Bills of Mortality,
estimó la población de Londres en 1662 a través de registros parroquiales. Él sabía que
había cerca de 13,000 funerales al año en Londres y que de cada once familias tres
personas morían por año. Estimó de los registros parroquiales que el tamaño promedio de
las familias era 8 y calculó que la población de Londres era de cerca de
384 000. Laplace en 1802 estimó la población de Francia con un método similar.
Los métodos matemáticos de la estadística surgieron de la teoría de probabilidades, la
cual tiene sus raíces en la correspondencia entre Pierre de Fermat y Blaise
Pascal (1654). Christiaan Huygens (1657) proveyó el primer tratamiento científico sobre el
tema que se conozca hasta la fecha. El libro Ars Conjectandi de Jakob Bernoulli (póstumo
1713) y La doctrina de las probabilidades (1718) de Abraham de Moivre trataron el tema
como una rama de las matemáticas. En su libro, Bernoulli introdujo la idea de representar
certeza completa como el número 1 y la probabilidad como un número entre cero y uno.
Galileo luchó contra el problema de errores en las observaciones y había formulado
ambiguamente el principio de que los valores más probables de cantidades desconocidas
serían aquellos que hicieran los errores en las ecuaciones razonablemente pequeños. El
estudio formal en teoría de errores puede ser originado en el libro de Roger Cotes (Opera
Miscellanea, póstumo 1750). Tobias Mayer, en su estudio de los movimientos de
la Luna (Kosmographische Nachrichten, Núremberg, 1750), inventó el primer método
formal para estimar cantidades desconocidas generalizando el promedio de las
observaciones bajo circunstancias idénticas al promedio de los grupos de ecuaciones
similares.
Un primer ejemplo de lo que posteriormente fue conocido como la curva normal fue
estudiado por Abraham de Moivre, quien trazó esta curva en noviembre 12, 1733.6 De
Moivre estaba estudiando el número de caras que ocurrían cuando una moneda “justa” era
lanzada.
En sus memorias ―Un intento por mostrar la emergente ventaja de tomar la media de un
número de observaciones en astronomía práctica― preparada por Thomas Simpson en
1755 (impreso en 1756) aplicaba por primera vez la teoría a la discusión de errores en
observaciones. La reimpresión (1757) de sus memorias sostiene el axioma que errores
positivos y negativos son igualmente probables, y que hay ciertos valores límites dentro de
los cuales todos los errores se encuentran; los errores continuos son discutidos y se
provee una curva de probabilidad. Simpson discutió varias posibles distribuciones de error.
Primero consideró la distribución uniforme y después la distribución triangular discreta
simétrica, seguida por la distribución triangular continua simétrica.
Ruder Boškovic en 1755 se basó en su trabajo sobre la forma de la Tierra propuesto en el
libro De litteraria expeditione per pontificiam ditionem ad dimetiendos duos meridiani
gradus a PP. Maire et Boscovicli para proponer que el verdadero valor de una serie de
observaciones sería aquel que minimizara la suma de los errores absolutos. En
terminología moderna este valor es la media.
Johann Heinrich Lamber en su libro de 1765 Anlage zur Architectonic propuso
el semicírculo como una distribución de errores:
con –1 = x = 1.
Pierre-Simon Laplace (1774) hizo su primer intento de deducir una regla para la
combinación de observaciones desde los principios de la teoría de las probabilidades.
El representó la ley de a probabilidad de errores mediante una curva y dedujo una
fórmula para la media de tres observaciones.
Laplace en 1774 notó que la frecuencia de un error podía ser expresada como una
función exponencial de su magnitud una vez descartado el signo. 78 Esta distribución es
ahora conocida como distribución de Laplace.
Lagrange propuso una distribución parabólica de errores en 1776:
con -1 = x = 1.
Laplace en 1778 publicó su segunda ley de errores en la cual notó que la
frecuencia de un error era proporcional a la función exponencial del cuadrado
de su magnitud. Esto fue descubierto subsecuentemente
por Gauss (posiblemente en 1797) y es ahora mejor conocida
como distribución normal, la cual es de importancia central en la estadística. 9
Esta distribución fue referida como «normal» por primera vez por Pierce en
1873, quien estaba estudiando las medidas de error cuando un objeto era
dejado caer sobre una superficie de madera.10Escogió el término «normal»
debido a su ocurrencia frecuente en variables que ocurrían en la naturaleza.
Lagrange también sugirió en 1781 otras dos distribuciones para errores ―una
distribución coseno―:
con -1 = x = 1 y una distribución logarítmica
con -1 = x = 1 donde || es el --valor absoluto-- de x.
Laplace obtuvo una fórmula (1781) para la ley de facilidad de un error
(un término acuñado por Joseph Louis Lagrange, 1774), pero esta
conllevaba a ecuaciones inmanejables. Daniel Bernoulli (1778)
introdujo el principio del máximo producto de las probabilidades de un
sistema de errores concurrentes.
Laplace, en una investigación del movimiento de Saturno y Júpiter en
1787, generalizó el método de Mayer usando diferentes
combinaciones lineales de un grupo de ecuaciones.
En 1802 Laplace estimó la población en Francia a 28,328,612. 11Él
calculó este número usando la cantidad de nacimientos del año
anterior y el dato del censo de tres comunidades. Los datos de los
censos de estas comunidades mostraron que tenían 2,037,615
personas y que el número de nacimientos era de 71,866. Suponiendo
que estas muestras eran representativas de Francia, Laplace produjo
un estimado para la población entera.
El método de los mínimos cuadrados, el cual era usado para
minimizar errores en la medición de datos, fue publicado
independientemente por Adrien-Marie Legendre (1805), Robert Adrain
(1808), y Carl Friedrich Gauss (1809).Gauss había usado el método
en s famosa predicción en 1801 de la localización del planeta enano
Ceres. Las observaciones en las que Gauss basó sus cálculos fueron
hechas por el monje italiano Piazzi. Posteriormente se dieron
demostraciones por Laplace (1810, 1812), Gauss (1823), Ivory (1825,
1826), Hagen (1837), Bessel (1838), Donkin (1844, 1856), Herschel
(1850), Crofton (1870), y Thiele (1880, 1889).
El término «error probable» (der wahrscheinliche Fehler) ―la
desviación media― fue introducido en 1815 por el astrónomo
alemán Frederik Wilhelm Bessel.
Antoine Augustin Cournot en 1843 fue el primero en usar el término
«mediana» (valeur médiane) para el valor que divide la distribución de
probabilidad en dos mitades iguales.
Otros contribuyentes a la teoría de errores fueron Ellis (1844), De
Morgan (1864), Glaisher (1872), y Giovanni Schiaparelli (1875).
[cita  requerida]
 La fórmula de Peters (1856) para , el "error probable" de una
sola observación fue ampliamente usada e inspiró tempranamente
la estadística robusta (resistente a valores atípicos: ver criterio de
Peirce).
En el siglo 19 los autores de la teoría estadística incluían a included
Laplace, S. Lacroix (1816), Littrow (1833), Dedekind (1860), Helmert
(1872), Laurant (1873), Liagre, Didion, De
Morgan, Boole, Edgeworth,12 and K. Pearson.13 y K. Pearson.13
Gustav Theodor Fechner usó la mediana (centralwerth) en fenómenos
sociológicos y sociológicos.14 Anteriormente había sido usado
solamente en astronomía y campos relacionados.
Las primeras pruebas de la distribución normal fueron inventadas por
el estadístico alemán Wilhelm Lexis en 1870. El único conjunto de
datos disponible para él, en que le era posible mostrar que estaba
normalmente distribuido, era la frecuencia de nacimientos.
Francis Galton estudió una variedad de características humanas
―altura, edad, peso, tamaño de las pestañas, entre otras― y
encontró que michos de estos factores podían ser ajustados a una
distribución normal.15
Francis Galton en 1907 entregó un artículo a la revista Nature acerca
de la utilidad de la mediana.16 El examinó la precisión de 787 intentos
de adivinar el peso de un buey en una feria de campo. El peso real
era de 1208: la mediana de todas las conjeturas fue 1198 libras. Las
conjeturas fuern marcadamente no normales en su distribución.
El noruego Anders Nicolai Kiær introdujo el concepto de muestreo
estratificado en 1895.17 Arthur Lyon Bowley introdujo el muestreo
aleatorio en 1906. [20] Jerzy Neyman en 1934 hizo evidente que el
muestreo aleatorio estratificado era en general un mejor método de
estimación que el muestreo intencional (por cuota).18
El nivel de significación del 5 % parece ser introducido por Fisher en
1925.19 Fisher expresó que las desviaciones que excedían dos veces
la desviación estándar eran consideradas significativas. Previamente
a esto las desviaciones que excedían tres veces el error probable
eran consideradas significativas. Para una distribución simétrica el
error probable la mitad del rango intercuantil. El cuantil superior de la
distribución normal estándar está entre 0.66 y 0.67, su error probable
es aproximadamente 2/3 de la desviación estándar. Parece que el
criterio de Fisher del 5% tenía sus raíces en la práctica previa.
En 1929 Wilso y Hilferty re-examinaron los datos de Pierce de 1873 y
descubrieron que en realidad no estaba realmente normalmente
distribuida.20

Notas
Ver Ian Hacking's The emergence of probability21 and James
Franklin's The science of conjecture: evidence and probability before
Pascal22 para historias del desarrollo del concepto de probabilidad
matemática. En la era moderna, el trabajo de Andréi Kolmogórov ha
sido imprescindible para la formulación del modelo fundamental de
Teoría de Probabilidades.23

Inferencia
Charles S. Peirce (1839-1914) formuló teorías frecuentistas de
estimación y prueba de hipótesis (1877-1878) y (1883), cuando
introdujo la “confianza”. Pierce también introdujo experimentos
aleatorios controlados y a ciegas con diseño de medidas repetidas. 24
Pierce inventó un diseño óptimo para experimentos sobre gravedad.

Estadísticas bayesianas

Pierre-Simon, marqués de Laplace, uno de los principales desarrolladores de

la estadística bayesiana

El término "bayesiano" se refiere a Thomas Bayes (1702 – 1761),

quién probó un caso especial de lo que se conoce hoy como Teorema
de Bayes. Sin embargo fue Pierre-Simon Laplace (1749–1827) quien
introdujo una visión general del teorema y lo aplicó a mecánica
celeste, estadísticas médicas, confiabilidad y jurisprudencia. Cuando
el conocimiento disponible era insuficiente para especificar una prior
informada, Laplace usaba priores uniformes, de acuerdo a su principio
de razón insuficiente.25 Laplace asumió priores uniformes más por
claridad matemática que por razones filosóficas.25 Laplace también
introdujo versiones primitivas de priores conjugadas y el teorema de
von Mises y Bernstein, de acuerdo a los cuales, las posteriores
correspondientes a priores inicialmente diferentes convergen
asintóticamente con el crecimiento del número de observaciones. 26
Esta temprana inferencia bayesiana, que usaba priores uniformes de
acuerdo con el principio de Laplace de razón insuficiente, fue
llamado “probabilidad inversa” (debido a su inferencia hacia atrás
desde las observaciones a los parámetros, o de efectos a causas).27).
Después de los años veinte, la probabilidad inversa fue suplantada en
su mayoría por una colección de métodos desarrollados por Ronald A.
Fisher, Jerzy Neyman y Egon Pearson. Sus métodos fueron llamados
estadística frecuentista.27Fisher rechazó el enfoque bayesiano,
escribiendo que “la teoría de la probabilidad inversa está fundada
sobre un error, y debe ser rechazada por completo”. 28 Al final de su
vida, sin embargo, Fisher expresó un gran respeto por los ensayos de
Bayes, los cuales Fisher creía que habían anticipado su propio
enfoque fiducial a la probabilidad; Fisher aún mantenía que la visión
de Laplace de las probabilidades era “sinsentido falaz”. 28Neyman
comenzó como un “cuasibayesiano”, pero con el tiempo desarrolló
los intervalos de confianza (un método clave estadísticas
frecuentistas) porque “la teoría completa sería mejor si estuviera
construida desde el comienzo sin referencia al bayesianismo y las
priores”.29La palabra bayesiano apareció en 1930 y para 1960 se
convirtió en el término preferido por aquellos que no estaban
satisfechos con las limitaciones de las estadísticas frecuentistas. 2730
En el siglo XX, las ideas de Laplace fueron desarrolladas
posteriormente en dos direcciones, dando origen a las
corrientes objetivas y subjetivas en la páctica bayesiana. En la
corriente objetiva, el análisis estadístico depende solo del modelo
asumido y el dato analizado.31 No hay necesidad de involucrar
decisiones subjetivas. En contraste, los estadísticos “subjetivos”
niegan la posibilidad de un análisis completamente objetivo en el caso
general.
En el subsiguiente desarrollo de las ideas de Laplace, las ideas
subjetivas predominaron sobre las objetivas. La idea de que la
“probabilidad” debería ser interpretada como el ¨grado de creencia
subjetivo en una proposición¨ fue propuesto, por ejemplo, por John
Maynard Keynes a comienzos de la década de 1920. Esta idea fue
llevada más lejos por Bruno de Finetti en Italia (Fondamenti Logici del
Ragionamento Probabilistico, 1930) y Frank Ramsey en Cambridge
(The Foundations of Mathematics, 1931).32 El enfoque fue diseñado
para resolver problemas con la definición frecuentista de la
probabilidad, pero también con el anterior enfoque objetivo de
Laplace.31 El método subjetivo bayesiano fue sucesivamente
desarrollado y popularizado en los años cincuenta por L. J. Savage.
La inferencia objetiva bayesiana fue desarrollada con posterioridad
por Harold Jeffreys, cuyo libro "Theory of probability" apareció en
1939. En 1957, Edwin Thompson Jaynes promovió el concepto
de entropía máxima para construir priores, el cual es un principio
importante en la formulación de métodos objetivos, principalmente
para problemas discretos. En 1965, el segundo volumen de Dennis
Lindley "Introduction to probability and statistics from a bayesian
viewpoint" llevó los métodos bayesianos a un público más amplio. En
1979, José-Miguel Bernardo introdujo el análisis referencial,31 el cual
ofrece un marco de trabajo general aplicable para el análisis objetivo.
Otros de los más populares proponentes del bayesianismo incluyen a
I. J. Good, B. O. Koopman, Howard Raiffa, Robert Schlaifer y Alan
Turing
En los años ochenta hubo un crecimiento dramático en
investigaciones y aplicaciones de métodos bayesianos, mayormente
atribuibles al descubrimiento de los métodos Markov chain Monte
Carlo, los cuales eliminaron, muchos de los , y al creciente interés en
aplicaciones complejas y no estándares.33 A pesar del crecimiento de
la investigación bayesiana, la mayoría de la enseñanza universitaria
está basada en estadísticas frecuentistas.34 Sin embargo, los métodos
bayesianos son ampliamente aceptados y usados, por ejemplo, en el
campo de aprendizaje de máquinas.35
Estadísticas en la actualidad
Durante el siglo 20, la creación de instrumentos precisos para la
investigación en agricultura, problemas de salud
pública (epidemiología, bioestadísticas, etc.), control de
calidad industrial y propósitos económicos y sociales (tasa
de desempleo, econometría, etc.) necesitaron de los avances
substanciales en la práctica de la estadística.
Hoy el uso de la estadística se ha ampliado más allá de sus orígenes.
Individuos y organizaciones usan las estadísticas para entender los
datos y hacer decisiones informadas a través de las ciencias naturales
y sociales, medicina, negocios y otras áreas.
La estadística es generalmente considerada no como una rama de las
matemáticas, sino como un campo distintivo e independiente.
Muchas universidades mantienen separados los departamentos de
matemática y estadística. La estadística es también enseñada en
departamentos tan diversos como psicología, pedagogía y salud
pública.