Definición de la estadística aplicada y su

importancia.
Os presento tres posibles definiciones de la estadística aplicada.

La primera haciendo referencia a su utilidad, podemos definir la estadística como:

“La disciplina que se encarga de obtener, representar, describir y analizar datos

números o no numéricos para, a partir de ellos, poder también describir la realidad y
resolver problemas o hipótesis que nos planteamos.”

Una segunda definición como instrumento clave al servicio de la Investigación

Científica:

“La estadística es un instrumento al servicio de la investigación científica en el análisis

de los datos y en la extracción de conclusiones y toma de decisiones.”

Una tercera definición haciendo referencia a su aplicación:

“La Estadística es una disciplina científica muy utilizada en casi todos los ámbitos del
conocimiento. Medicina, Física, Química, Ciencias Sociales, Psicología, Sociología,
Economía, Criminología, etc.”

Página 1 de 9
https://estadisticaplicada.com
¿Quién puede ser un alumno de este curso?

En la mayoría de las carreras universitarias hay

una o varias asignaturas de estadística. Un
alumno de este curso podría ser:

✓ El estudiante. Para entender de forma fácil

esta materia.
✓ El profesor. Para tener un método de
enseñanza para impartir esta materia.

También todo aquel que tenga que realizar un trabajo de Investigación en donde entre
en juego el análisis de datos empíricos:

✓ Estudiantes universitarios que estén realizando sus trabajos de fin de grado o fin
de máster.
✓ Estudiantes de doctorado para ser autónomos a la hora de realizar los análisis
estadísticos de su tesis doctoral.
✓ Investigadores, docentes, que estén realizando análisis estadísticos en sus
artículos de investigación.

Con la era del dato toda empresa debe de tener un conocimiento de estadística aplicada:

✓ Departamento directivo. Toma de decisiones.

✓ Departamento de Marketing. Segmentación de mercados.
✓ Comportamiento del consumidor.
✓ Recursos Humanos. Análisis de productividad, control de calidad.

¡Predecir ventas, optimizar recursos, campañas de márquetin, etc!.

Para mejorar el perfil profesional y ser más competitivo a la hora de acceder a un puesto
de trabajo.

Ya estamos en la era del Dato. Cada vez se estan demandando más perfiles para puestos
de Big Data, Inteligencia Artificial y científicos de datos. Tener un buen conocimiento de
estadística aplicada es fundamental para entender estas nuevas áreas de conocimiento.

Una vez visto la importancia y aplicaciones de la estadística aplicada vamos a ver una
serie de conceptos que todo analista de datos debe de conocer.

Página 2 de 9
https://estadisticaplicada.com
 Conceptos importantes
Concepto de estadística descriptiva y estadística inferencial.

Analicemos la siguiente definición:

“La estadística es la ciencia que se encarga de la recogida, ordenación, presentación y

análisis de los datos procedentes de una muestra, para hacer inferencias,
generalizaciones o extrapolaciones sobre la población total objeto de estudio”.

La primera parte de la definición corresponde al concepto de estadística descriptiva, que

lo que pretende es analizar muestras, ahora, cuando a partir de los resultados obtenidos
en las muestras, los utilizo para hacer generalizaciones o extrapolaciones a la población
total, entonces estaremos hablando ya de la estadística inferencial.

Población y Muestra
Población: Es el conjunto sobre el que estamos interesados
en obtener conclusiones (hacer inferencia).

Normalmente es demasiado grande para poder abarcarlo.

Ejemplo: Las personas en edad de trabajar de la comunidad

de Madrid.

Difícilmente podrimos acceder a toda la población ya sea, por

que es imposible o porque seria muy costoso, entonces lo
que haremos será seleccionar una parte de ella, a la que llamaremos muestra.

Muestra: es un subconjunto de la población al que

tenemos acceso y sobre el que realmente hacemos
observaciones (mediciones). Debería ser
“representativo”

Está formado por miembros “seleccionados” de la

población (individuos, unidades experimentales).

Parámetro vs estadístico
Parámetro: Los parámetros son características de la población. Ejemplo: Media
poblacional µ, desviación típica poblacional Ϭ, proporción poblacional П, diferencias de
medias poblacionales µ1 - µ2, etc,,,.:

Estadístico: Son características de las muestras, la media muestral 𝑥̅ , la varianza

muestral s², la proporción muestral p, diferencias de medias muestrales 𝑥̅1 − 𝑥̅ 2 etc.

Página 3 de 9
https://estadisticaplicada.com
 Estadística descriptiva vs estadística
inferencial.

El investigador seleccionará muestras accesibles y representativas de la población objeto

de estudio. Sobre esas muestras realizará un análisis descriptivo (estadística descriptiva),
representado las variables mediante distribuciones de frecuencias y representaciones
graficas. Su objetivo es analizar los parámetros de la población, µ media poblacional, Ϭ2
varianza poblacional, π proporción poblacional. Para ello obtendrá los estadísticos
muestrales: 𝑥̅ media muestral, s² varianza muestral, p proporción muestral, y a través
de estos estadísticos hará inferencias o generalizaciones sobre los parámetros de la
población.

El nexo que une una estadística con la otra es la teoría de la probabilidad.

Por tanto, a través de las muestras de tamaño n, calculamos los estadísticos descriptivos
que utilizaremos como estimadores de los parámetros de la población.

Sobre los parámetros de la población realizaremos estimaciones mediante los intervalos

de confianza y también contraste de hipótesis sobre los parámetros.

Página 4 de 9
https://estadisticaplicada.com
 Variables estadísticas. Tipos.
Las variables son las características que queremos estudiar o analizar de unas unidades
experimentales objeto de estudio. Si la unidad experimental son las personas, las
variables serán características de estas: edad, género, peso, altura, ingresos, etc,,,. La
unidad experimental también puede ser, por ejemplo, la empresa y variables de estas
serían: número de trabajadores, ingresos, gastos, beneficios, etc.

Por tanto, las variables son los rasgos o las características de las unidades
experimentales que estoy midiendo.

Tipos de variables.

Variables Cualitativas.

✓ 1. Nominales: atributos en lo que sólo se puede establecer relaciones de igualdad

o desigualdad entre sus valores. Ej. Género (Hombre, Mujer)
• Ejemplos: Nacionalidad, Estado Civil, Color de ojos, etc.

✓ 2. Ordinales: atributos en los que los que se puede establecer además de la

igualdad o desigualdad, un orden. Ej. Nivel de estudios (Sin estudios, Primarios,
Secundarios, Universitarios).
• Ejemplos: Nivel de estudios, Graduación miliar, Categoría
profesional, etc.

Variables Cuantitativas.

Son variables numéricas en las que ya se pueden establecer entre sus valores operación
de igualdad, orden, división, suma, etc.

✓ 1. Discretas: son aquéllas que solo pueden tener valores puntuales. Ej. N.º de
hijos. (0, 1, 2...).
• Ejemplos: Número de hijos, composición familiar, etc.

✓ 2. Continuas: son aquéllas que pueden tener decimales. Ej. Peso. (83,5….) .
• Ejemplos: Peso, altura, densidad, etc.

Página 5 de 9
https://estadisticaplicada.com
 Funciones de la estadística descriptiva.
Obtener la información. Recogida de la información mediante:

✓ Cuestionarios.
✓ Información secundaria, INE, CIS.

Presentar la información.

✓ Tablas de frecuencias.
✓ Representaciones gráficas.

Resumir la información.

✓ Mediante es cálculo de los estadísticos descriptivos. Ejemplo. La media

muestral.

Funciones de la estadística Inferencial.

Inferir los resultados de las muestras a la población total mediante la estimación de los
parámetros y los contrastes de hipótesis.

Ejemplo.
Estimar los ingresos medios de la
población a través de una muestra.
Ejemplo.
¿Quién tiene mayores ingresos, los
hombres o las mujeres de un país?

Pruebas estadísticas.

Pruebas o contrastes estadísticos.

Página 6 de 9
https://estadisticaplicada.com
Las pruebas estadísticas son las técnicas que nos van a ayudar a resolver nuestra
pregunta de investigación.

Son contrastes de hipótesis que se realizar sobres las diferentes variables que intervienen
en nuestra pregunta de investigación.

Fases de un análisis estadístico.

Con lo visto hasta ahora, ya estamos en condiciones de poder enumerar las fases de un
análisis estadístico.

1. Objetivo del estudio. Es la fase en donde se planteas las preguntas de

investigación y las hipótesis de nuestro estudio.

2. Recolección de datos. Fase en donde, mediante cuestionarios o información

secundaria, (INE, CIS, etc.) se obtienen los datos con las variables que van a
intervenir en las hipótesis de estudio.

3. Ordenación y depuración de datos. Una vez obtenida la información deberemos

hacer una limpieza de los datos. Eliminar los datos atípicos, organizar la
información.

4. Análisis descriptivo. En esta fase se describirán las variables objeto de estudio

mediante sus tablas de frecuencias y representaciones graficas. Se calcularán los
estadísticos descriptivos.

5. Análisis Inferencial. En esta fase, una vez analizadas las distribuciones de los datos
y obtenidos los estadísticos descriptivos realizaremos las pruebas estadísticas
oportunas que nos ayudaran a resolver nuestras hipótesis de estudio o preguntas
de investigación.

6. Resultados y conclusiones. En esta ultima etapa se interpretan los resultados

obtenidos y se presentaran las conclusiones.

Página 7 de 9
https://estadisticaplicada.com
 Ejemplo: Fases de un análisis estadístico.

Plantear la pregunta de investigación.

Imaginar, que queremos saber si:

“Los hombres en término medio ganan más que las mujeres en la

población española”

Diseñar la actividad para la recogida de la evidencia (diseño de la

investigación)

o Qué individuos se incluirán en el estudio (muestras)

o Personas en edad laboral y que están trabajando.
o Excluimos aquellos que están en paro o sin trabajo.
o Qué datos recoger de los mismos (variables e instrumentos de
medida) y como medirlo (encuestas, CIS,,)

Ingresos netos mensuales (Variable Cuantitativa).

Genero (Variable cualitativa con dos niveles, hombre, mujer).

Describir (resumir) los datos obtenidos.

o Ingresos medios, desviaciones típicas (estadísticos)

o Distribuciones de frecuencias, graficas, etc.

Realizar inferencias sobre la población.

Estimación de los parámetros.

Contraste de Hipótesis.

¿Qué técnica estadística tengo que utilizar para contrastar mis hipótesis?

(T de Student, U de Mann Whitney,,,,,,,,)

Conclusiones

Redacción de los resultados, tablas tipo APA.

Página 8 de 9
https://estadisticaplicada.com
En el ejemplo anterior, planteamos la pregunta de investigación sobre la población objeto
de estudio. Mediante un cuestionario se recogieron las variables que intervenían en las
hipótesis a contrastar. Se realizó la limpieza de datos, ordenación y presentación
mediante la estadística descriptiva.

Finalmente, mediante la estadística inferencial se eligió la prueba estadística adecuada

para contrastar las hipótesis y se presentaron los resultados y conclusiones.

El problema con el que se suele encontrar el investigador es la elección de la prueba

adecuada para contrastar la hipótesis de investigación.

Hay numeras pruebas en estadística:

• La prueba t para dos muestras independientes.

• La prueba t para dos muestras relacionadas.
• ANOVA de 1 factor.
• ANOVA de medidas repetidas.
• Prueba de la U de Mann-Whitney.
• Prueba de Kruskal-Walis.
• Prueba de Friedman.
• Prueba de la Chi-cuadrado.
• Prueba de la r de Pearson.
• Etc,,,,.

¿Qué prueba es la más adecuada?

En función de las variables, la distribución de estas y la elección de los grupos sólo una
prueba será la más adecuada.

En nuestro ejemplo tenemos dos variables, el salario y el género. El salario seria la

variable dependiente que es de tipo cuantitativo, el género es la variable independiente
o explicativa que es de tipo cualitativo con dos niveles. Además, aquí los grupos son
independientes, por un lado, esta el grupo de hombre y por otro el de mujeres.

Si, en los dos grupos la variable dependiente (salario) se distribuye como una normal la
prueba a utilizar seria la t de student para dos muestras independientes, en caso de que
no su cumpla la normalidad en al menos uno de los grupos se tendría que utilizar la
prueba no paramétrica de la U de Mann Whitney.

¡¡¡ En este curso aprenderemos a identificar la prueba estadística mas

adecuada a nuestra pregunta de investigación!!!

Página 9 de 9
https://estadisticaplicada.com