Metodología de la investigación

Tema:
Análisis de datos y representación grafica de
resultados
Paralelo: C
Grupo: 4
Integrantes:
Maurixio Pozo
Aldo Lorenty
Elsi Macías
Ismael Orellana
Representación gráfica de resultados
Una vez obtenida y organizada la información en una tabla o en una tabla de frecuencias, se
puede representar ésta mediante una gráfica. En estadística se denominan gráficos a aquellas
imágenes que, combinando la utilización de colores, puntos, líneas, símbolos, números, texto y
un sistema de referencia (coordenadas), permiten presentar la información cuantitativa. La
utilidad de los gráficos es doble, ya que pueden servir no sólo como sustituto de las tablas, sino
que también constituyen por sí mismos una poderosa herramienta para el análisis de los datos,
siendo en ocasiones el medio más efectivo no sólo para describir y resumir la información, sino
también para visualizarla y analizarla.

Las gráficas
Según López (2013), “la gráfica se utiliza para demostrar datos recolectados de forma
organizada. Existen varias alternativas para presentar la información en forma gráfica. Se debe
elegir el tipo de gráfica según sea la necesidad o interés del investigador" (p. 137).

En este sentido, se comprende que una gráfica es la representación de datos, generalmente

numéricos, mediante líneas, superficies o símbolos, con una relación entre sí, lo cual facilita su
interpretación.

Una gráfica está compuesta básicamente por tres partes a saber:

 La primera parte importante es un título adecuado, el cual debe ser claro y conciso.

 En segundo lugar, el cuerpo o gráfico en sí, cuya elección se debe hacer fundamentada
en el o los tipos de variables a relacionar, el público a quien se le va a comunicar y, por
supuesto, el diseño artístico del mismo.
 La tercera parte, las notas de pie que se anotan al final de la gráfica representan las
aclaraciones respecto al mismo, las escalas de los ejes, o se otorgan los créditos a las
fuentes respectivas.

Análisis descriptivo
Cuando se dispone de datos de una población, y antes de abordar análisis estadísticos más
complejos, un primer paso consiste en presentar esa información de forma que ésta se pueda
visualizar de una manera más sistemática y resumida. Los datos que nos interesan dependen,
en cada caso, del tipo de variables que estemos manejando.

Para variables categóricas, como el sexo, estadio TNM, profesión, etc., se quiere conocer la
frecuencia y el porcentaje del total de casos que "caen" en cada categoría. Una forma muy
sencilla de representar gráficamente estos resultados es mediante diagramas de barras o
diagramas de sectores. En los gráficos de sectores, también conocidos como diagramas de
"tartas", se divide un círculo en tantas porciones como clases tenga la variable, de modo que a
cada clase le corresponde un arco de círculo proporcional a su frecuencia absoluta o relativa.
Un ejemplo se muestra en la Figura 1. Como se puede observar, la información que se debe
mostrar en cada sector hace referencia al número de casos dentro de cada categoría y al
porcentaje del total que estos representan. Si el número de categorías es excesivamente
grande, la imagen proporcionada por el gráfico de sectores no es lo suficientemente clara y por
lo tanto la situación ideal es cuando hay alrededor de tres categorías. En este caso se pueden
apreciar con claridad dichos subgrupos.
 Ilustración 1

Los diagramas de barras son similares a los gráficos de sectores. Se representan tantas barras

como categorías tiene la variable, de modo que la altura de cada una de ellas sea proporcional
a la frecuencia o porcentaje de casos en cada clase (Figura 2). Estos mismos gráficos pueden
utilizarse también para describir variables numéricas discretas que toman pocos valores
(número de hijos, número de recidivas, etc.).

Ilustración 2

Para var iables
numéricas continuas, tales como la edad, la tensión arterial o el índice de masa corporal, el
tipo de gráfico más utilizado es el histograma. Para construir un gráfico de este tipo, se divide
el rango de valores de la variable en intervalos de igual amplitud, representando sobre cada
intervalo un rectángulo que tiene a este segmento como base. El criterio para calcular la altura
de cada rectángulo es el de mantener la proporcionalidad entre las frecuencias absolutas (o
relativas) de los datos en cada intervalo y el área de los rectángulos. Como ejemplo, laTabla
I muestra la distribución de frecuencias de la edad de 100 pacientes, comprendida entre los 18
y 42 años. Si se divide este rango en intervalos de dos años, el primer tramo está comprendido
entre los 18 y 19 años, entre los que se encuentra el 4/100=4% del total. Por lo tanto, la
primera barra tendrá altura proporcional a 4. Procediendo así sucesivamente, se construye el
histograma que se muestra en la Figura 3. Uniendo los puntos medios del extremo superior de
las barras del histograma, se obtiene una imagen que se llama polígono de frecuencias. Dicha
figura pretende mostrar, de la forma más simple, en qué rangos se encuentra la mayor parte
de los datos. Un ejemplo, utilizando los datos anteriores, se presenta en la Figura 4.

Ilustración 3
Ilustración 4

Otro modo habitual, y muy útil, de resumir una variable de tipo numérico es utilizando el
concepto de percentiles, mediante diagramas de cajas. La Figura 5 muestra un gráfico de cajas
correspondiente a los datos de la Tabla I. La caja central indica el rango en el que se concentra
el 50% central de los datos. Sus extremos son, por lo tanto, el 1 er y 3er cuartil de la distribución.
La línea central en la caja es la mediana. De este modo, si la variable es simétrica, dicha línea
se encontrará en el centro de la caja. Los extremos de los "bigotes" que salen de la caja son los
valores que delimitan el 95% central de los datos, aunque en ocasiones coinciden con los
valores extremos de la distribución. Se suelen también representar aquellas observaciones que
caen fuera de este rango (outliers o valores extremos). Esto resulta especialmente útil para
comprobar, gráficamente, posibles errores en nuestros datos. En general, los diagramas de
cajas resultan más apropiados para representar variables que presenten una gran desviación
de la distribución normal. Como se verá más adelante, resultan además de gran ayuda cuando
se dispone de datos en distintos grupos de sujetos.

Ilustración 5
Por último, y en lo que respecta a la descripción de los datos, suele ser necesario, para
posteriores análisis, comprobar la normalidad de alguna de las variables numéricas de las que
se dispone. Un diagrama de cajas o un histograma son gráficos sencillos que permiten
comprobar, de un modo puramente visual, la simetría y el "apuntamiento" de la distribución
de una variable y, por lo tanto, valorar su desviación de la normalidad. Existen otros métodos
gráficos específicos para este propósito, como son los gráficos P-P o Q-Q. En los primeros, se
confrontan las proporciones acumuladas de una variable con las de una distribución normal. Si
la variable seleccionada coincide con la distribución de prueba, los puntos se concentran en
torno a una línea recta. Los gráficos Q-Q se obtienen de modo análogo, esta vez representando
los cuantiles de distribución de la variable respecto a los cuantiles de la distribución normal. En
la Figura 6 se muestra el gráfico P-P correspondientes a los datos de la Tabla I que sugiere, al
igual que el correspondiente histograma y el diagrama de cajas, que la distribución de la
variable se aleja de la normalidad.

Ilustración 6

Otros gráficos
Los tipos de gráficos mostrados hasta aquí son los más sencillos que podemos manejar, pero
ofrecen grandes posibilidades para la representación de datos y pueden ser utilizados en
múltiples situaciones, incluso para representar los resultados obtenidos por métodos de
análisis más complicados. Podemos utilizar, por ejemplo, dos diagramas de líneas
superpuestos para visualizar los resultados de un análisis de la varianza con dos factores. Un
diagrama de dispersión es el método adecuado para valorar el resultado de un modelo de
regresión logística. Existen incluso algunos análisis concretos que están basados
completamente en la representación gráfica. En particular, la elaboración de curvas ROC y el
cálculo del área bajo la curva constituyen el método más apropiado para valorar la exactitud
de una prueba diagnóstica.
 Ilustración 7
Ilustración 8

Ilustración 9

Presentación de resultados
Una vez finalizada la investigación es necesario comunicar los resultados. Estos deben ser
claros y de acuerdo con las características de la persona usuaria receptora. En este caso, la
persona usuaria es aquella persona o personas que utilizan la información para tomar
decisiones con base precisamente en esos resultados de la investigación, por lo cual la
presentación y la información deben de ajustarse a sus necesidades.

Para que la información recolectada en el informe sea beneficiosa tiene que ser comprensible
y debe de dirigirse a la persona(as) que tienen que aplicarla. La calidad de la información
obtenida y presentada en el informe es muy importante; sin embargo, es necesario también
saber cómo presentar esa información tanto en la forma escrita como oral. En este sentido el
lenguaje ha de ser claro, objetivo y adaptado al lenguaje de la persona decisora, de tal manera
que, si la persona que va a hacer uso de la información no entiende o no maneja datos
estadísticos, estos deberán evitarse al máximo.

Conclusión
En conclusión, hemos visto, por lo tanto, como la importancia y utilidad que las
representaciones gráficas pueden alcanzar en el proceso de análisis de datos. La mayoría de
los textos estadísticos y epidemiológicos hacen hincapié en los distintos tipos de gráficos que
se pueden crear, como una herramienta imprescindible en la presentación de resultados y el
proceso de análisis estadístico. No obstante, es difícil precisar cuándo es más apropiado utilizar
un gráfico que una tabla. Más bien podremos considerarlos dos modos distintos pero
complementarios de visualizar los mismos datos. La creciente utilización de distintos
programas informáticos hace especialmente sencillo la obtención de las mismas. La mayoría de
los paquetes estadísticos (SPSS, STATGRAPHICS, S-PLUS, EGRET,...) ofrecen grandes
posibilidades en este sentido. Además de los gráficos vistos, es posible elaborar otros gráficos,
incluso tridimensionales, permitiendo grandes cambios en su apariencia y facilidad de
exportación a otros programas para presentar finalmente los resultados del estudio.

Bibliografía

Guía: Representación gráfica en el Análisis de Datos—Fisterra. (s. f.). Recuperado 14 de julio de

2022, de: https://www.fisterra.com/formacion/metodologia-investigacion/representacion-
grafica-analisis-datos/

Análisis de datos
El análisis de datos es la ciencia encargada de examinar un conjunto de datos para inferir
información, tomar decisiones o simplemente aumentar el conocimiento sobre diferentes
temas.

El análisis de datos consiste en enviar datos a operaciones para obtener conclusiones precisas
que te ayuden a alcanzar tus objetivos. Estas operaciones no se pueden predefinir porque la
adquisición de datos puede revelar ciertos problemas.

Hoy en día, muchas industrias utilizan el análisis de datos para sacar conclusiones y tomar
medidas para la implementación. Vale la pena señalar que la ciencia también utiliza el análisis
de datos para probar o excluir teorías y modelos existentes.

Usos del análisis de datos

El análisis de datos se utiliza en muchas industrias, independientemente del ramo, nos da las
bases para tomar o no una decisión o cerciorarnos si una hipótesis es cierta o no.
• Marketing: el análisis de datos se utilizó principalmente para predecir y limitar el
comportamiento del consumidor. Aprenda a realizar análisis de datos para campañas de
marketing.

• Recursos humanos: el análisis de datos puede ser muy útil para mantener un buen
ambiente de trabajo dentro de la empresa y también para identificar empleados potenciales
externamente.

• Académicos: similar a los negocios, el análisis de datos existe en la educación y se

utiliza para seleccionar nuevos estudiantes y medir el rendimiento de los estudiantes.

Tipos de análisis de datos

El análisis de datos puede ser de dos tipos:

• Cuantitativo: La información es numérica a partir de la cual se pueden elaborar

estadísticas exactas. Por ejemplo, las calificaciones obtenidas por los alumnos de una clase en
el último semestre.

• Cualitativo: Se trata de información obtenida de una base de datos presentada

usualmente en forma textual. Por ejemplo, un grupo objetivo donde se ha consultado a los
participantes su opinión sobre un nuevo producto.

Ventajas del análisis de datos

• Capacidad para tomar decisiones de negocios más rápidas e informadas, respaldadas

por hechos.

• Ayuda a las empresas a identificar problemas de rendimiento que requieren algún tipo
de acción.

• Comprensión más profunda de los requisitos de los clientes, lo que, a su vez, crea
mejores relaciones comerciales.

• Mayor conciencia del riesgo, permitiendo la implementación de medidas preventivas.

• Puede verse de forma visual, lo que permite tomar decisiones más rápidas y mejores.

• Puede proporcionar a una empresa una ventaja sobre sus competidores.

• Mejor conocimiento del desempeño financiero del negocio.

Pasos para hacer un análisis de datos

• Paso 1: Definir la pregunta

Comience eligiendo la pregunta correcta. La pregunta debe ser medible, clara y concisa. Armar
la pregunta para calificar o inelegible posibles soluciones a un problema u oportunidad en
particular.

• Paso 2: establecer la prioridad de medición

Este paso se divide en dos subpasos.

A. Decide qué medir: Analiza el tipo de datos que necesitas.

B. Determinar el método de medición: Tan importante es pensar en cómo medir los

datos, especialmente antes de la fase de recolección de datos, como que el método de
medición apoya el análisis posterior o daña la credibilidad.

• Paso 3: recopilar datos

Una vez que se define claramente la pregunta y se establecen las prioridades de medición, es
hora de recopilar los datos. Tenga en cuenta los siguientes puntos importantes al recopilar y
organizar sus datos:

Antes de recopilar nuevos datos, determine qué información puede recopilar de su base de
datos o fuente existente.

Decida con anticipación un sistema de almacenamiento y nombres de archivos para que sea
más fácil para todos los miembros del equipo trabajar juntos. Este proceso ahorra tiempo y
evita que los miembros del equipo recopilen la misma información dos veces.

Si necesita recopilar datos a través de encuestas, observaciones o entrevistas, cree una

encuesta con anticipación para garantizar la coherencia y ahorrar tiempo. Importe los datos
recopilados, organícelos en el registro de datos y agregue notas de origen en el camino.

Paso 4: Analiza los datos

Una vez que haya recopilado los datos correctos para responder a su pregunta del Paso 1, es el
momento de realizar un análisis más profundo de la información. Encuentra relaciones,
tendencias, ordena y filtra tu información de acuerdo a las variables. A medida que haces un
análisis de los datos encontrarás que tienes los datos exactos que necesitas.

Paso 5: Interpretar los resultados

Después de analizar los datos y posiblemente realizar más investigaciones, finalmente es

tiempo de interpretar los resultados. Hazte estas preguntas clave:

• ¿Responden los datos a tu pregunta original? ¿Cómo?

• ¿Los datos te ayudan a defender cualquier objeción? ¿Cómo?

• ¿Hay alguna limitación en las conclusiones, algún ángulo que no hayas considerado?

Si tu interpretación de los datos se sostiene bajo todas estas preguntas y consideraciones,

entonces es probable que hayas llegado a una conclusión productiva. El único paso restante es
utilizar los resultados del proceso de análisis de datos para decidir cómo vas a actuar.

Bibliografias:
1. Análisis de Datos. (s/f). Questionpro.com. Recuperado el 15 de julio de 2022, de
https://www.questionpro.com/es/analisis-de-datos.html

2. Westreicher, G. (2020, agosto 14). Análisis de datos. Economipedia.

https://economipedia.com/definiciones/analisis-de-datos.html