Uso de Anlisis Estadstico

Usamos anlisis estadsticos cuando el estudio requiera describir aspectos o

caractersticas de la realidad de modo local o global pero que la descripcin de
estas caractersticas no sean tpicas de un solo elemento de la poblacin sino que lo
sean de la poblacin misma.
Un ejemplo tpico es el estudio del comportamiento de una enfermedad en un
paciente contra el comportamiento de la misma enfermedad pero en varios
pacientes.
En otras palabras se requiere de un estudio estadstico cuando el fenmeno que se
evala se presenta con regularidad de modo que el uso de las frecuencias o
repeticin de la aparicin de las caractersticas sea esencial para el diagnstico de
esa realidad local o global
ANALISIS DE DATOS UNIVARIADO
Concepto
El anlisis univariado es el anlisis bsico, primario. Las caractersticas o
propiedades de las personas o cosas han de medirse una a una, de modo
univariado y si se presentan de esa manera decimos que es anlisis univariado.
Es decir, el anlisis univariado permite analizar los datos de una variable numrica
realizando varios anlisis y grficos estadsticos. Las opciones de este anlisis
permiten calcular las estadsticas resumen tales como media y desviacin estndar,
percentiles, e intervalos de confianza.
Entre otros estadsticos bsicos que conocemos estn, la media, la mediana, la
moda, la varianza, los porcentajes, entre otros que miden una variable. Es decir,
fueron hechos univariados.
Ahora bien este tipo de anlisis ha sido muy criticado ya que la realidad se presenta
interconectada, relacionada. Por ejemplo existe una relacin entre el peso y la talla
de las personas o entre la el inters y el rendimiento escolar, etc.
Ejemplos
Cuando el anlisis presenta caracterstica por caracterstica, aisladamente,
estaremos en presencia de un anlisis estadstico univariado. Ejemplo, cuando
decimos que una persona pesa 95 k. independientemente de cualquier otra
caracterstica estaremos en presencia de anlisis univariado.
Igualmente estaremos en estadstica univariada cuando decimos (por ejemplo) que
el 23% de las personas son de piel blanca y que el resto (77%) son de piel morena.
Modelos que manejan series univariadas de datos

1. Los modelos estadsticos exploratorios bsicos de anlisis de tendencia central y

dispersin.
2. Los modelos de anlisis exploratorio de datos categricos.
3. Los modelos (bsicos) de series de tiempo que utilizan slo el pasado de la serie
en estudio para llevar a cabo una inferencia del futuro.
4. Los modelos de regresin, que a diferencia de los modelos de series de tiempo,
utilizan adems un conjunto de variables explicativas para modelar la serie de
inters (en el futuro). Aunque la regresin utilice varias variables en su anlisis no
deja de tener un carcter de mtodo univariado, ya que slo las utiliza para
modelar la incertidumbre de una sola variable, la variable de inters.

ANALISIS DE DATOS BIVARIADO

Concepto
Consiste en realizar un tratamiento estadstico a dos variables de manera
simultnea. Existen varias formar de realizar este procedimiento. Uno de ellos es
contar frecuencias dobles, es decir contar dos caractersticas a la vez en un
individuo por ejemplo sexo femenino y estar casada. Cuando decimos (por ej.) que
hay 140 mujeres casadas, hemos hecho un recuento bivariado. Estas frecuencias
dobles se usan en tablas anidadas o de doble entrada para el caso de variables
nominales u ordinales
Otro procedimiento es usar la correlacin simple para el caso de variables
cuantitativas. Para estas el procedimiento es bivariado dado que computa el
producto de los desvos respecto de la media para dos variables, evaluadas sobre
un mismo individuo, por ejemplo el peso y la estatura, mediante la expresin que
indica que cada distancia de x, por ejemplo peso, respecto de su media, es
multiplicada por la de y, por ejemplo estatura.
Para el caso de las variables ordinales tenemos otras expresiones de correlacin
como las tau de Kendall, la D de Somers, etc. que consiste en computar las
frecuencias de aumento de ambas variables (x e y) respecto del siguiente valor. Por
ejemplo si los valores de x son 2, 5, 4 y los de y son 3, 6, 7, tenemos que x crece
de 2 a 5 y de 2 a 4 (seran dos crecimientos ya que no crece de 5 a 4), por su parte
y crece de 3 a 6, de 3 a 7 y de 6 a 7 (tres veces), de modo que ambas crecieron
conjuntamente dos veces.
ANALISIS DE DATOS MULTIVARIADO
Concepto

Este anlisis consiste en determinar, a partir del anlisis bivariado, las relaciones
existentes entre tres o ms variables. Es decir, el Anlisis multivariado permite
analizar la relacin entre varias variables numricas realizando varios anlisis
estadsticos y grficos. Por ejemplo, las opciones permiten calcular las estadsticas
resumen tales como medias y desviaciones estndares, intervalos de confianza,
correlaciones y covarianzas.
Estas relaciones pueden ser de diversos tipos. Descriptivas como establecer
perfiles, separacin de grupos, segmentacin, determinar influencias eficientes
entre varias variables, entre otras
En general se las clasifica en dos grandes grupos
1. Mtodos explicativos como regresin lineal, anlisis discriminante, regresin
logstica, modelos de respuesta probit, logic, modelos loglineales, entre otros
2. Mtodos descriptivos como anlisis de conglomerados, anlisis factorial,
anlisis de componentes principales, anlisis de correspondencias simples y
mltiples, etc.
Este tipo de anlisis ha avanzado mucho y hoy ocupa el corazn del anlisis
estadstico avanzado.
Desafortunadamente es exigente y poco amigable en comprensin matemtica
aunque lo es grficamente
La gran virtud de este tipo de anlisis es que sintetiza las relaciones entre las
variables estudiadas, que de otro modo, tendran que establecerse con los anlisis
anteriores, largos y que conllevan a equvocos. Adems cabe recordar que un
anlisis multivariado tendr sentido si y solo si las variables de inters tienen
interrelacin entre ellas, bsicamente que exista correlacin entre ellas.
Su difusin depende en gran medida de la disposicin del profesional a adoptar
nuevos enfoques.

CONCLUSIONES
En nuestra vida diaria y sobretodo profesional, necesitamos de la estadstica para
distinguir, en primer lugar, como evaluar el estudio y posteriormente saber
interpretar los datos resultantes de dicha investigacin.
Analizar es saber observar y descomponer un todo en partes, para evaluar cada una
de ellas e integrarlas para finalmente conseguir una interpretacin o conclusin. De
tal manera que todo anlisis comienza siendo parcial y termina siendo integrador
en la interpretacin.

Dependiendo de las variables que deseamos interpretar, as ser el mtodo o los

mtodos que necesitaremos para analizar los datos de nuestro estudio. Recordando
que para una variable en anlisis utilizaremos los modelos estadsticos bsicos
entre estos estn la media, la mediana, la moda, la varianza, los porcentajes, entre
otros que miden una variable. Mientras que para dar un tratamiento estadstico a
dos variables podramos utilizar frecuencias dobles, correlacin simple, entre otras
expresiones de correlacin.
Por ltimo el anlisis de datos multivariados, que a pesar que es ms exigente y
poco amigable en comprensin matemtica, simplifica en gran medida un extenso
proceso estadstico si realizsemos el anlisis variable por variable, por lo tanto este
tipo de anlisis en gran medida ha avanzado mucho y es muy importante para el
anlisis estadstico avanzado.