Analisis Estadisticos
Analisis Estadisticos
Analisis Estadisticos
Medidas Principales
Media
La media aritmética, más comúnmente conocida como "el promedio", es la suma de
una lista de números dividida por el número de elementos en la lista.
La media es útil para determinar la tendencia general de un conjunto de datos o
proporcionar una instantánea rápida de sus datos. Otra ventaja de la media es que es
muy fácil y rápida de calcular.
Problemas
Tomado sola, la media es una herramienta peligrosa. En algunos conjuntos de datos,
la media también está estrechamente relacionada con el modo y la mediana (otras
dos medidas cercanas al promedio).
Sin embargo, en un conjunto de datos con un alto número de valores atípicos o una
distribución sesgada, el promedio simplemente no proporciona la precisión que
necesita para una decisión.
Desviación estándar
La desviación estándar, a menudo representada con la letra griega sigma, es la
medida de una dispersión de datos alrededor de la media.
Una desviación estándar alta significa que los datos se distribuyen más ampliamente
desde la media, donde una baja desviación estándar indica que más datos se alinean
con la media.
Dentro de los métodos de análisis de datos, la desviación estándar es útil para
determinar rápidamente la dispersión de puntos de datos.
Problemas
Al igual que la media, la desviación estándar es engañosa si se toma sola. Por
ejemplo, si los datos tienen un patrón muy extraño, como una curva no normal o una
gran cantidad de valores atípicos, la desviación estándar no le dará toda la
información que necesita.
Regresión
La regresión modela las relaciones entre variables dependientes y explicativas, que
generalmente se grafican en un diagrama de dispersión. La línea de regresión
también designa si esas relaciones son fuertes o débiles.
La regresión se enseña comúnmente en cursos de estadística de la escuela
secundaria o la universidad con aplicaciones para la ciencia o los negocios para
determinar tendencias a lo largo del tiempo.
Problemas
La regresión no es muy matizada. A veces, los valores atípicos en un diagrama de
dispersión (y las razones para ellos) son importantes.
Por ejemplo, un punto de datos periférico puede representar la entrada de su
proveedor más crítico o su producto más vendido.
La naturaleza de una línea de regresión, sin embargo, lo tienta a ignorar estos valores
atípicos.
Tamaño de la muestra
Al medir un gran conjunto de datos o población, como una fuerza de trabajo, no
siempre es necesario recopilar información de cada miembro de esa población: una
muestra puede ser suficiente. El truco es determinar el tamaño correcto para que una
muestra sea precisa.
Usando métodos de proporción y desviación estándar, puede determinar con
precisión el tamaño de muestra correcto que necesita para hacer que su recopilación
de datos sea estadísticamente significativa.
Problemas
Al estudiar una nueva variable no probada en una población, sus ecuaciones de
proporción podrían necesitar ciertas suposiciones. Sin embargo, estas suposiciones
pueden ser completamente inexactas. Este error luego se transfiere a la
determinación del tamaño de la muestra y luego al resto de su análisis de datos
estadísticos.
Pruebas de hipótesis
También comúnmente denominado prueba t, la prueba de hipótesis evalúa si una
determinada premisa es realmente cierta para su conjunto de datos o población. En el
análisis de datos y las estadísticas, considera que el resultado de una prueba de
hipótesis es estadísticamente significativa si los resultados no pudieron haber ocurrido
por casualidad.
Las pruebas de hipótesis se utilizan en todo, desde la ciencia y la investigación hasta
los negocios y la economía.
Problemas
Para ser riguroso, las pruebas de hipótesis deben tener en cuenta los errores
comunes. Por ejemplo, el efecto placebo ocurre cuando los participantes esperan
falsamente un determinado resultado y luego perciben (o realmente alcanzan) ese
resultado.
Otro error común es el efecto Hawthorne (o efecto observador), que ocurre cuando los
participantes sesgan los resultados porque saben que están siendo estudiados.