Master oficial en Investigación en

Ciencias de la actividad física y del

deporte

ANÁLISIS DE DATOS
 ANÁLISIS DATOS

La Estadística trata de:

• Recolectar
• Organizar
• Describir Datos
• Interpretar

para transformarlos en información, para la toma

más eficiente de decisiones.

2
 ANÁLISIS DATOS

CIENCIA QUE ESTUDIA LAS

CARACTERÍSTICAS
DE UN CONJUNTO DE DATOS

SE UTILIZA PARA:
DESCRIBIR UN CONJUNTO.
HAYAR REGULARIDADES.
EFECTUAR PREDICCIONES.

3
 ANÁLISIS DATOS

• Población: Conjunto de individuos, seres, objetos o

elementos que son propósito de nuestro estudio
– Tamaño de la población: Número de elementos de la población

• Muestra: Grupo reducido de la población que

utilizaremos para el estudio. Sus elementos deben ser
elegidos de manera adecuada para que representen a toda
la población.
– Tamaño muestral: Número de elementos de la muestra

4
 ANÁLISIS DATOS

POBLACIÓN = N

MUESTRA = n

SUBCONJUNTO DE LA
CONJUNTO COMPLETO POBLACIÓN

5
 ANÁLISIS DATOS

EJEMPLOS

POBLACIÓN MUESTRA

ALUMNOS ESO EN ESPAÑA ALUMNOS ESO EN MURCIA

ALUMNOS ESO EN MURCIA ALUMNOS ESO EN LA SAN JAVIER

ALUMNOS ESO EN LA SAN JAVIER ALUMNOS ESO EN LA SAN JAVIER EN MN

ALUMNOS ESO EN SJ EN MN ALUMNOS ESO EN S EN MN, 1º CURSO

6
 ANÁLISIS DATOS

¿POR QUÉ NO SE ESTUDIA SIEMPRE LA POBLACIÓN?

RECURSOS ECONÓMICOS LIMITADOS:

Materiales y personales.

TIEMPO LIMITADO:
Realización del trabajo y novedad de los resultados.

IMPOSIBILIDAD DE ACCEDER A LA MUESTRA:

No accesible físicamente o por falta de recursos.
 ANÁLISIS DATOS

¿QUÉ ES UNA VARIABLE?

Característica que puede ser MEDIDA u OBSERVADA.
Toma valores diferentes para cada individuo de la muestra.
Es relevante para nuestro estudio.

• Tipo de una variable: Posibles valores que toma.

Ejemplos:
EDAD (Fecha de nacimiento)
PESO
ALTURA
SEXO
ESTADO CIVIL
SUELDO
Etc.

8
 ANÁLISIS DATOS

Tipo de Variables

Cuantitativas Cualitativas
ESCALAR CATEGÓRICAS

Nominales Ordinales

DICOTÓMICO
 ANÁLISIS DATOS

TAREA

Diseña una tabla en la que registre todas las

variables objeto de tu estudio y señala al lado de
ellas el tipo de variable que es

Nombre de la Variable Etiqueta Tipo de Variable

Tipo de Partido Tipo Categórica
Situación de partido Situación Continua
Resultados final del partido Final Dicotómica
 ANÁLISIS DATOS

Tipo de Variables

Cuantitativas Cualitativas
Números
Variable=Números

Nominales Ordinales

DICOTÓMICO
 ANÁLISIS DATOS
RECODIFICACIÓN
Cuantitativas Cualitativas

Recodificación Recodificación
conceptual Estadística

1.- Elegir grupos

Estudios Justificación 2.- Análisis de
previos conceptual frecuencias
Grupos tamaños
parecidos
 ANÁLISIS DATOS

TAREA

Selecciona una variable continua de tu estudio,

escribe 20 valores y diseña una nueva variable
recodificada. Describe los pasos

Situación de partido Situación_Continua Situación_Categórica

12 1 (Ganando)
-13 3 (Perdiendo)
0 0 (Ganando)
 ANÁLISIS DATOS

Tipo de Análisis

DESCRIPTIVO INFERENCIAL

MUESTRA POBLACIÓN
Se resumen los datos A través de argumentos
obtenidos de la muestra. estadísticos
Los datos se aplican a la Se concluye acerca de la
muestra población.
 ANÁLISIS DATOS

Tipo de Análisis

DESCRIPTIVO
MUESTRA
Se resumen los datos obtenidos de la muestra.
Los datos se aplican a la muestra
Son valores calculados a partir de la muestra que describe a una
población.
Incluye métodos de recolección, descripción, visualización y
resumen de datos numérica o gráficamente, originados a partir
de los fenómenos de estudio
 ANÁLISIS DATOS

Tipo de Análisis

INFERENCIAL
POBLACIÓN
A través de argumentos estadísticos
Se concluye acerca de la población
Modela patrones en los datos, extrae inferencias y predice
comportamientos acerca de la población estudiada.
Estima el valor aproximado de un parámetro en la población a
partir de los parámetros calculados sobre la muestra
 ANÁLISIS DATOS

Estadística Descriptiva
Estadística Descriptiva :
Conjunto de:
Métodos,
Medidas y
Representaciones gráficas
Que tienen como finalidad principal:
Describir,
Ordenar,
Resumir y
Sintetizar
La información contenida en un conjunto de datos y
Poner de manifiesto sus características básicas.
 ANÁLISIS DATOS

Estadísticos a utilizar

Cuantitativas Cualitativas
Media
Recuento y Porcentaje

Nominales Ordinales

DICOTÓMICO
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Cuantitativas

·
• Medidas de tendencia central:

- MEDIA ó MEDIA ARITMÉTICA

- MODA
- MEDIANA

• Medidas de dispersión:

- VARIANZA
- DESVIACIÓN TÍPICA O ESTÁNDAR

• Medidas de posición:

- CUANTIL DE ORDEN p
- CUARTILES, PERCENTILES, ...
19
 ANÁLISIS DATOS
Estadísticos Descriptivos. Variables Cuantitativas

Media Aritmética y Ponderada

La más usada.
Una muestra tiene solo una media.
Se suele utilizar como representante de la muestra.
Centro geométrico de los datos observados.
Los valores no necesitan ser ordenados para su cálculo.
No es aplicable para datos cualitativos.
Se ve afectada por valores anormalmente grandes o
pequeños.
Conocidos como Extremos, Atípicos, Outliers.

Si existen este tipo de valores, la media puede ser poco

representativa de la muestra.
 ANÁLISIS DATOS
Estadísticos Descriptivos. Variables Cuantitativas

Mediana
Los valores deben estar ordenados y agrupados para su
cálculo.
Es el valor del punto medio de la selección, la mitad de
los datos están por arriba y por debajo.
Cada selección tiene solo una mediana.
No es aplicable para datos cualitativos.
Puede ser calculado aun habiendo valores extremos.
 ANÁLISIS DATOS
Estadísticos Descriptivos. Variables Cuantitativas

Mediana

Jugador Sueldo Jugador Sueldo

Casillas 10 Xabi Alonso 8
Dudek 2 Gago 3
Ramos 5 Granero 3
Arbeloa 3 Pedro León 2,5
Pepe 2 Di María 2
Garay 2 Kaká 12
Albiol 3 V. d. Vaart 4
Marcelo 2,5 Canales 2
Drenthe 3 Ronaldo 12
Diarra 4 Higuaín 4,5
Lass 2,5 Benzemá 6
Khedira 3
 ANÁLISIS DATOS
Estadísticos Descriptivos. Variables Cuantitativas

Moda
Es el valor que más se repite, no el más alto o más
centrado.
Es el valor más probable, por lo tanto el más común.
Una distribución puede tener más de 2 modas,
Puede ser calculado aun habiendo valores extremos.
Los valores deben estar ordenados y agrupados para
su cálculo.
 ANÁLISIS DATOS
Estadísticos Descriptivos. Variables Cuantitativas

Mínimo y máximo
Es el valor mínimo y máximo de un conjunto dado.
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Continuas

Medidas de Dispersión
Sirven para:
Medir la variabilidad que hay en los datos.
Ver lo homogénea o heterogénea que es la muestra 
respecto a la variable de interés.
Saber hasta qué punto las medidas de posición son 
representativas de la muestra.
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Continuas

Desviación típica
Sirve para situar los datos obtenidos a raíz de la obtención de unos valores medios. 
X X

1 2 3 4 5 6

Y Y
1 2 3 4 5 6

=
MEDIA DE DATOS “X” MEDIA DE DATOS “Y”

¿SE DISTRIBUYEN IGUAL?

CALCULAR DISTANCIA A LA MEDIA DISMED = (X1-)+ (X2-)+ (X3-)+ (X4-)+ (X5-)+ (X6-)=??

SUMA TOTAL = 0
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Categóricas

• Frecuencias:

- Frecuencia absoluta (Recuento): número de veces que

aparece una modalidad o un valor de una variable.

- Frecuencia relativa: proporción o porcentaje de veces que

aparece una modalidad o un valor de una variable.
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Categóricas

Cuartiles
Son los valores que dividen a una distribución
en cuatro partes iguales. En cada parte habrá
el mismo número de valores (n/4)

x
1 2 3 4 5 6 7 8 9 10 11
Q1 Q2 Q3
 ANÁLISIS DATOS

Estadísticos Descriptivos. Variables Categóricas

Percentiles
• El percentil es una medida que nos dice cómo está posicionado
un valor respecto al total de una muestra.
- Cálculo el lugar del valor determinado:

- P40  Calculo lugar 40% de 10valores=4º valor desde el 1º

- Función Excel: =percentil(valores; de 0 a 1)

- P80  Calculo lugar 80% de 10valores=8º valor desde el 1º

X 1 2 3 4 5 6 7 8 9 10 11
P40 P50 P80
 2. INFERENCIA ESTADÍSTICA I
2.1. Distribución normal
70

60

50

40

30

20

10

0
-3

-2

-2

-1

-1

-,5

0,

,5

1,

1,

2,

2,
00

00

50

00

50
,0

,5

,0

,5

,0

0
0

30
Distribución normal de media μ y desviación típica σ

Otras distribuciones: Binomial, Poisson, Chi-cuadrado, T-

Student, F-Snedecor, Exponencial, ...
31
 2.2. Datos poblacionales/Datos muestrales.
Inferencia Estadística

Población o Universo: es el conjunto de

individuos, objetos o eventos cuyas propiedades
serán analizadas.

Muestra: es un subconjunto representativo de la

población de interés.

Inferencia Estadística: Métodos usados para

obtener información de una población, a partir del
estudio de una muestra.
 Validez de los resultados

Estadística descriptiva:

 Resultados válidos al 100% para los individuos observados

Inferencia estadística:

 Los resultados de la muestra no son válidos al 100% para

toda la población

 Los resultados son válidos con cierta probabilidad o

confianza
• Parámetro: Característica desconocida de la población
Ejemplo
Población: alumnos españoles de máster
Parámetro: la edad media de los alumnos de máster
• Objetivo de la Inferencia Estadística: Obtener información de
los parámetros desconocidos de la población.
Ejemplo
- Conocer la media de una variable (tiempo medio de juego,
edad media, ...): Prueba T para una variable
- Comparar las medias de dos o más poblaciones (tiempos
medios de juego de 2 equipos, edades medias de los jugadores
de 4 equipos,...): Prueba T para 2 muestras, ANOVA,...
Herramientas fundamentales para hacer inferencia
1. Estimación puntual: valor aproximado del parámetro
desconocido de la población, se obtiene a partir de los datos
muestrales.
Ej.: la edad media de los alumnos de máster es 24 años (si
sólo se ha observado una muestra, este valor será una
aproximación de la verdadera edad media de la población)

2. Intervalo de confianza: Intervalo que contiene al parámetro

desconocido con una alta confianza (la confianza se expresa
en tantos por ciento y se suelen considerar los niveles del
90%, 95% o 99%)
Ej.: la edad media de los alumnos de máster está en el
intervalo [22, 26] con una confianza del 95%.
3. Pruebas o contrastes de hipótesis: Formular una
hipótesis sobre una característica de la población y tratar
de verificarla a partir de los datos recogidos.
Ej.: la edad media de los alumnos de máster es mayor de
25 años ¿es correcta esta hipótesis?

36
 2.3. Pruebas o Contrastes de Hipótesis

Objetivo: Decidir entre dos alternativas.

H 0 : Tiempo medio  3 horas Hipótesis nula


H1 : Tiempo medio  3 horas  Hipótesis alternativa

Errores que se pueden cometer:

Hipótesis verdadera
H0 H1
H0 Error tipo II o error 
Elección H1 Error tipo I o error 
 Elementos relacionados con un contraste de hipótesis

1. Hipótesis a contrastar

2. Condiciones necesarias para realizar el contraste (comprobar!!)

3. Estadístico a calcular a partir de los datos, en función de su

valor se decidirá rechazar o no la hipótesis nula.

4. El estadístico tiene un distribución teórica: por ejemplo T-

Student, Chi-cuadrado, F-Snedecor,..., estas distribuciones
vienen caracterizadas por su grados de libertad (gl)

5. Nivel de significación fijado (normalmente 0.05)

6. Significación del contraste (Sig.)

38
 Significación de un contraste de hipótesis

Sig.: mínimo nivel de significación para el que se

decide rechazar la hipótesis nula

• Sig. < 0.05, rechazamos la hipótesis nula (resultado significativo)

• Sig. > 0.05, no rechazamos la hipótesis nula (resultado no significativo)

H 0 : Media  c Hipótesis nula


H 1 : Media  c  Hipótesis alternativa

39
 Análisis de datos:
PRESENTACIÓN DE DATOS
Informe
CORRELACIÓN
CON
1.- Índice OBJETIVOS

Ver Variables objeto de estudio

Análisis Descriptivo sencillo

Análisis Descriptivo combinado

Análisis Descriptivo sencillo con sociodemográficas

Análisis Descriptivo combinado con sociodemográficas

 Análisis de datos:
PRESENTACIÓN DE DATOS
Informe

2.- Presentación

2a.- Introducción a Tabla/Figura

2b.- Tabla/Figura

2c.- Descripción tabla/figura

Análisis de datos:
Informe
Análisis de datos:
Informe
Análisis de datos:
Informe