Estadística descriptiva y analítica

 La estadística descriptiva es una rama de la estadística que se dedica a resumir, organizar y presentar datos de una manera informativa y significativa. Su objetivo principal es describir las características principales de un conjunto de datos, facilitando su comprensión y análisis. En lugar de realizar inferencias o generalizaciones a una población mayor (como lo hace la estadística inferencial), la estadística descriptiva se centra en los datos disponibles (Llinás, 2018). Ahora bien, es importante preguntarse lo siguiente: ¿Para qué sirve la estadística descriptiva? La estadística descriptiva sirve para varios propósitos importantes: Resumir grandes cantidades de datos: Permite condensar información compleja en formas más manejables, como tablas, gráficos y medidas de resumen (promedios, medianas, desviaciones estándar, etc.). Facilitar la comprensión de los datos: Al presentar los datos de forma organizada y visual, la estadística descriptiva ayuda a identificar patrones, ...

  ¿Qué son las medidas de posición no central? Son herramientas estadísticas que permiten describir la distribución de un conjunto de datos identificando valores específicos que no necesariamente están en el centro de la distribución, como pasa con los datos de la media o la mediana. Estas medidas permiten conocer puntos característicos de una serie de valores y suelen dividir el conjunto en partes iguales. Aplicaciones: Comparaciones relativas: Permiten entender cómo se ubica un dato individual en comparación con el resto de los datos. Análisis descriptivo: Ayudan a describir la dispersión y estructura de una distribución. Evaluación de desempeño:  En pruebas estandarizadas, los percentiles indican qué porcentaje de individuos tienen un puntaje inferior. Principales medidas de posición no central: Cuartiles: Divide los datos en cuatro partes iguales. Deciles: Divide los datos en diez partes iguales. Percentiles: Dividen los datos en cien partes iguales. Importancia: S...

Son aquellos parámetros estadísticos que señalan cual es el centro de un conjunto de datos o muestras. Los parámetros son los siguientes:  Media (Promedio) Es el resultado de una operación matemática. Consiste en sumar los valores numéricos y después dividir el resultado para el número de datos sumados.  Mediana Es la posición central de un conjunto de datos en la dimensión de su magnitud. Moda Se refiere al valor que más se repite dentro de un conjunto de datos.

  Rango : Es la diferencia entre el valor máximo y el mínimo de un conjunto de datos. Nos da una idea rápida de la amplitud de la distribución.   Varianza : Mide el promedio de las desviaciones cuadráticas de cada dato respecto a la media. Es decir, nos indica qué tan lejos están, en promedio, los datos de la media.   Desviación estándar: Es la raíz cuadrada de la varianza. Al estar en las mismas unidades que los datos, es más fácil de interpretar. Nos dice, en promedio, cuánto se desvían los datos de la media.   Rango intercuartílico (IQR) : Es la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1). Nos indica la dispersión de la mitad central de los datos.

  ¿Qué son las medidas de forma? Son herramientas estadísticas que permiten descubrir la forma de una distribución de datos,  tiene características especiales como simetría, asimetría, nivel de concentración de datos y nivel de apuntamiento que la clasifiquen en un tipo particular de distribución. Existen dos tipos de medida: Coeficiente de  asimetría Coeficiente de  curtosis a apuntamiento COEFICIENTE DE ASIMETRÍA Una distribución es simétrica cuando al trazar una vertical, en el diagrama de barras o histograma de una variable, según sea esta discreta o continua, por el valor de la media, esta vertical se transforma en eje de simetría y entonces decimos que la distribución es simétrica. La asimetría puede ser de dos tipos: Asimétrica por la derecha . Asimétrica por la izquierda . COEFICIENTE DE CURTOSIS O APUNTAMIENTO El apuntamiento, al igual que con la simetría hemos de tomar una referencia para ver si la distribución de los datos es apuntada o no. La referencia c...

 La estadística analítica , también conocida como estadística inferencial, es una rama de la estadística que se centra en extraer conclusiones y hacer inferencias sobre una población basándose en una muestra de datos. A diferencia de la estadística descriptiva, que se limita a describir y resumir los datos, la estadística analítica busca ir más allá, buscando patrones, relaciones y tendencias que permitan generalizar los resultados a un conjunto mayor (Llinás, 2018). Ahora bien, es importante preguntarse lo siguiente: ¿Para qué sirve la estadística analítica? En sí, la estadística analítica sirve para: Inferir características de una población a partir de una muestra: Como es prácticamente imposible estudiar a toda una población en la mayoría de los casos, se toma una muestra representativa y, mediante técnicas estadísticas, se infieren características de la población total. Probar hipótesis: Permite verificar o refutar suposiciones sobre una población. Por ejemplo, se puede pla...

¿Qué son las técnicas de muestreo? Las técnicas de muestreo son métodos utilizados para seleccionar una muestra representativa de una población. Según Hernández, Fernández y Baptista (2014) en su libro Metodología de la investigación , el muestreo es el proceso que permite extraer una parte de la población con el fin de estudiar sus características y extrapolar los resultados al conjunto total. Tipos de técnicas de muestreo según autores 1. Muestreo probabilístico Muestreo aleatorio simple:  Es el método más básico y asegura que cada elemento de la población tenga la misma probabilidad de ser elegido. Kerlinger y Lee (2002) señalan que este método elimina el sesgo, pero puede ser costoso si la población es grande. Muestreo sistemático: S egún Malhotra (2008) , este método selecciona cada "n" elemento de una lista ordenada tras elegir un punto de inicio aleatorio. Es eficiente, pero puede ser problemático si hay un patrón en la población. Ejemplo: Elegir cada quinto estudi...

  El muestreo aleatorio es una técnica fundamental en la estadística y las matemáticas aplicadas, especialmente en la recolección y análisis de datos. Este método consiste en seleccionar una muestra representativa de una población de manera que cada elemento tenga la misma probabilidad de ser elegido. Esto asegura que los resultados obtenidos sean imparciales y generalizables. ¿Por qué es importante el muestreo aleatorio? El muestreo aleatorio permite realizar estimaciones sobre grandes poblaciones sin necesidad de analizar cada individuo. Por ejemplo, en un estudio sobre las preferencias de lectura en una escuela, analizar a todos los estudiantes sería complejo y costoso. Al aplicar una muestra aleatoria, podemos trabajar con un subconjunto de estudiantes y aún así obtener resultados precisos. A continuación, se describen las principales técnicas de muestreo aleatorio: Muestreo Aleatorio Simple: Esta técnica se basa en seleccionar individuos de manera completamente aleatoria, com...

 Técnicas de muestreo no aleatorias Las técnicas de muestreo no aleatorias, también conocidas como muestreo no probabilístico, son métodos para seleccionar muestras de una población en las que no todos los individuos tienen la misma probabilidad de ser seleccionados. La selección se basa en criterios subjetivos del autor. Ejemplos: Muestreo por conveniencia: Se eligen individuos que están fácilmente disponibles o que son más accesibles para el investigador. Muestreo por juicio: El investigador utiliza su juicio para seleccionar a los participantes que considera más representativos o adecuados para el estudio. Muestreo por cuotas: Se divide a la población en diferentes subgrupos (cuotas) y se selecciona un número específico de individuos de cada subgrupo. Muestreo bola de nieve: Se utiliza cuando los individuos de una población son difíciles de identificar o contactar. Los participantes iniciales reclutan a otros participantes que conocen, formando una cadena. Muestreo intencional o...