1. Overview
  2. Curso Estadística Básico
  3. 2.- Estadística Descriptiva

2.- Estadística Descriptiva

2.1.- Introducción a la Estadística Descriptiva

Resumen de la lección

La estadística descriptiva es un paso crucial para resumir y presentar datos antes de realizar análisis más complejos. En el ámbito de la investigación, se utiliza para representar los valores que más se repiten mediante índices de centralidad y dispersión. Si se aplica estadística inferencial, se pueden encontrar valores adicionales como el valor P y los intervalos de confianza. Dependiendo de la cantidad de resultados, estos pueden ser descritos directamente en el texto o presentados en una tabla. Identificar correctamente el tipo de variable es esencial para realizar análisis adecuados. Finalmente, aunque la estadística descriptiva es indispensable, no es suficiente para generalizar los resultados a toda la población.

Puntos clave para recordar

  1. La estadística descriptiva es esencial para resumir y presentar datos antes de realizar análisis más complejos.
  2. Identificar correctamente el tipo de variable es fundamental para realizar análisis adecuados.
  3. La estadística descriptiva, aunque indispensable, no es suficiente para generalizar los resultados a toda la población.
  4. La estadística descriptiva resume las características de nuestra muestra en torno a las variables analizadas.

2.2.- Ejemplo estadística descriptiva e inferencial y variables

Resumen de la lección

Esta lección se centra en el análisis de variables categóricas, cómo se pueden resumir mediante el recuento de casos en cada categoría, denominado frecuencia. Discutimos cómo se calcula la frecuencia relativa y acumulada, especialmente en el contexto de variables ordinales. Ilustramos esto con un ejemplo práctico de pacientes satisfechos en un estudio clínico. También se introducen las mejores formas de representar estas frecuencias mediante tablas y gráficos, diferenciando entre variables categóricas nominales y ordinales. Por último, discutimos la representación de la asociación entre dos variables a través de tablas de contingencia y gráficos de barras.

Puntos clave para recordar

  1. Las variables categóricas se resumen mediante el recuento de casos en cada categoría, a esto se le llama frecuencia.
  2. La frecuencia relativa es el porcentaje de casos en un determinado nivel y la frecuencia acumulada incluye los niveles previos en las variables ordinales.
  3. La representación visual mediante tablas y gráficos es útil para resumir resultados, y se debe considerar el tipo de variable (nominal o ordinal).
  4. Las tablas de contingencia y gráficos de barras pueden ilustrar la relación o asociación entre dos variables.

2.3.- (SPSS) Índices, gráficos para variables categóricas, y edición de tablas o figuras

Descargar Materiales

Resumen de la Lección

En esta lección, aprendimos cómo calcular índices estadísticos y representaciones gráficas para variables categóricas usando SPSS. Explicamos cómo se puede calcular la frecuencia de satisfacción en una muestra, utilizando opciones de estadísticos descriptivos y frecuencias. Adicionalmente, se describe cómo presentar estos datos en gráficos de barras y gráficos circulares. También se discuten los métodos para modificar estos gráficos para ajustar los estilos de las tablas y figuras. Finalmente, exploramos las maneras de calcular frecuencias acumuladas y cómo variar el orden de los cálculos.

Puntos Clave para Recordar

  1. Para calcular la frecuencia de una variable categórica, se usa el análisis de estadísticos descriptivos y frecuencias en SPSS.
  2. Los datos pueden ser presentados visualmente a través de gráficos de barras o gráficos circulares.
  3. Es posible modificar los gráficos y las tablas para ajustar su estilo y formato según las necesidades del usuario.
  4. Se pueden calcular las frecuencias acumuladas de los datos, variando el orden de los cálculos según se requiera.

2.4.- (Jasp y Jamovi) Índices, gráficos para variables categóricas, y edición de tablas o figuras

Descargar Materiales

Resumen de la Lección

En esta lección, aprendimos cómo realizar análisis descriptivos en los software de análisis de datos Jasp y Jamovi. Exploramos cómo arrastrar variables a la caja de variables, invertir su orden, y cómo generar y modificar tablas de frecuencia. Adicionalmente, abordamos la creación y personalización de gráficos, incluyendo diagramas de barras y gráficos de sectores, así como la modificación de su escala a porcentajes. Finalmente, discutimos cómo exportar estos gráficos como imágenes SVG y editarlo en software de gráficos vectoriales.

Puntos Clave para Recordar

  1. El análisis descriptivo puede realizarse fácilmente en Jasp y Jamovi arrastrando variables a la caja de variables.
  2. Es posible invertir el orden de las variables, así como crear y personalizar gráficos de barras y sectores.
  3. Podemos exportar gráficos en formato SVG y editarlos en software de edición de gráficos vectoriales para una mejor personalización.
  4. El módulo Survey Plats en Jamovi permite la creación directa de gráficos de porcentaje.

2.5.- (SPSS, Jasp y Jamovi) Gráficos de barras agrupados y tablas de contingencia

Descargar Materiales

2.6.- Distribución de Frecuencias con Histogramas en variables cuantitativas

Resumen de la Lección

En esta lección, examinamos el concepto de Distribución de la Muestra en variables cuantitativas y cómo se representa con un Histograma. Hemos diferenciado los histogramas de los gráficos de barras, resaltando la continuidad de los datos en el histograma debido a la contigüidad de las barras. Además, discutimos sobre la interpretación de los histogramas y cómo representan la frecuencia de valores para nuestra variable dependiente. Finalmente, introdujimos la forma de campana de la distribución gaussiana, que es común en muchas variables cuantitativas en las ciencias de la salud.

Puntos Clave para Recordar

  1. Los histogramas y gráficos de barras representan la distribución de datos, pero solo los histogramas representan variables continuas.
  2. En un histograma, cada barra representa una gama continua de valores.
  3. La mayoría de las variables cuantitativas en las ciencias de la salud siguen una distribución gaussiana, o forma de campana.
  4. La distribución de frecuencias es fundamental para entender la distribución de la muestra.

2.7.- Índices de centralidad y dispersión en variables cuantitativas

Resumen de la Lección

Esta lección trata sobre los índices estadísticos de variables cuantitativas que nos ayudan a resumir los resultados de centralidad y dispersión de una variable dependiente. Se explican diferentes índices de centralidad como la media, la mediana y la moda. Además, se destaca la importancia de los índices de variación al tomar decisiones clínicas, donde se explican el rango intercuartilico y la desviación estándar. Finalmente, se introduce el coeficiente de variación para comparar la variación entre dos variables con unidades diferentes.

Puntos Clave para Recordar

  1. Los índices estadísticos nos ayudan a resumir los resultados de centralidad y dispersión de una variable dependiente.
  2. La media, la mediana y la moda son índices de centralidad utilizados en función de la distribución de los datos.
  3. El rango, el rango interpartidista y la desviación estándar son índices de variación utilizados para describir la dispersión de los datos.
  4. El coeficiente de variación se utiliza para comparar la variación entre dos variables con unidades diferentes.

2.8.- (SPSS, Jasp y Jamovi) Histogramas e índices descriptivos para variables

Descargar Materiales

Resumen de la Lección

Esta lección aborda el cálculo de los cuartiles y la creación de diagramas de caja utilizando programas estadísticos como SPSS y JAMOVI. Se explica cómo calcular distintos puntos de corte (quintiles, percentiles) y cómo segmentar la muestra en base a una variable independiente. Además, se enseña cómo construir diagramas de caja estratificados para distintos grupos (por ejemplo, hombres y mujeres) y cómo identificar valores anómalos en los datos. Por último, se muestran algunas diferencias entre programas estadísticos en términos de la detección de valores anómalos y la marcación de los mismos.

Puntos Clave para Recordar

  1. Los cuartiles pueden calcularse utilizando programas estadísticos como SPSS y JAMOVI, permitiendo dividir la muestra en distintos grupos (por ejemplo, quintiles, percentiles).
  2. Se puede segmentar la muestra basándose en una variable independiente para estratificar los cálculos.
  3. Los diagramas de caja son útiles para visualizar la distribución de los datos, identificar valores anómalos y comparar distintos grupos.
  4. Hay diferencias entre los programas estadísticos en cómo detectan y marcan los valores anómalos.

2.9.- Cuantiles y Diagramas de Cajas y Bigotes para variables cuantitativas

Resumen de la Lección

Esta lección explica el concepto de cuartiles y cómo se utilizan para dividir una muestra en grupos que contienen el mismo número de casos. Se discuten diferentes tipos de cuantiles, como percentiles y quintiles, y cómo se utilizan para dividir la muestra en partes iguales. Los diagramas de cajas y bigotes son discutidos como una herramienta gráfica útil para representar esta información, especialmente en muestras que no siguen una distribución normal. Se explican las diferencias entre las configuraciones "Spear" y "Tukey" para los diagramas de cajas y bigotes. También se habla de la importancia de los valores atípicos y extremos en los diagramas de cajas y bigotes, y cómo estos son identificados y representados en los gráficos.

Puntos Clave para Recordar

  1. Los cuantiles son puntos de corte que dividen la muestra en grupos iguales. Por ejemplo, los percentiles dividen la muestra en 100 partes iguales y los quintiles en 5 partes iguales.
  2. Los diagramas de cajas y bigotes son útiles para visualizar la distribución de los datos, especialmente cuando la muestra no sigue una distribución normal.
  3. Existen diferentes formas de construir los diagramas de cajas y bigotes. Por ejemplo, en la configuración de Spear, los bigotes representan los valores máximo y mínimo, mientras que en la configuración de Tukey, representan 1.5 veces el rango intercuartílico.
  4. Los valores atípicos y extremos son importantes en los diagramas de cajas y bigotes, y se representan como puntos fuera de los bigotes del gráfico.

2.10.- (SPSS, Jasp y Jamovi) Cálculo de cuantiles y Diagramas de Cajas y Bigotes

Descargar Materiales

Tip de Interés

En Jamovi y Jasp, habrás podido comprobar que es posible visualizar la distribución mediante un gráfico de violín. Este gráfico es como combinar un diagrama de cajas y un histograma. Permite la visualización no solo de los valores descriptivos con los que se construye el diagrama sino también la detección de valores que se repiten en mayor o menor medida a la largo del rango posible de medidas. En el siguiente gráfico se muestra cómo el mismo diagrama de cajas puede representar distintas distribuciones.

 

Resumen de la Lección

En esta lección aprendimos a calcular cuantiles y percentiles para variables continuas como la edad utilizando estadística descriptiva. Aprendimos cómo seleccionar los puntos de corte y cómo calcular el percentil exacto. Analizamos la opción de segmentar la muestra basándonos en una variable independiente, en este caso, el sexo. Finalmente, exploramos la representación gráfica de estos datos a través de diagramas de caja, que nos permiten visualizar la distribución de los datos de hombres y mujeres y detectar valores anómalos.

Puntos Clave para Recordar

  1. El cálculo de cuantiles y percentiles nos permite entender mejor la distribución de nuestras variables.
  2. Podemos segmentar nuestros datos según variables independientes para un análisis más detallado.
  3. Los diagramas de caja son herramientas útiles para visualizar la distribución de nuestros datos y detectar valores anómalos.
  4. Es crucial identificar y tratar adecuadamente los valores anómalos en nuestro conjunto de datos.

Was this article helpful?
Qvision Academy (Indaloftal SL) 2026