Documentos de Académico
Documentos de Profesional
Documentos de Cultura
¿Alguna vez has intentado mirar a tu alrededor, queriendo ver el aire, pero no puedes
hacerlo? Obviamente no, es invisible para nuestros ojos, pero lo sentimos y es
nuestro soporte vital. Pese a que las estadísticas no llegan a ser esenciales para
vivir también están a nuestro alrededor, presentes en diversos aspectos de nuestras
vidas. Por esta razón, debemos aprender todo sobre el análisis estadístico.
Mediante el estudio del análisis estadístico de datos, nuestra comprensión sobre los
procesos será completamente diferente. Un minúsculo dato, una variable con la que
no contábamos o un elemento inesperado pueden ayudarnos a entender una
información que, de otra manera, no habríamos podido asimilar.
Según lo definen, desde Economipedia, la estadística se ocupa de obtener, ordenar y
analizar un conjunto de datos, para conseguir "explicaciones y predicciones" sobre
eventos observados.
Entonces, ¿dónde encaja el análisis estadístico? ¿Son sólo un estudio de
números sobre un evento determinado? Sí, pero hay muchísima más información que
debemos saber. Entonces, ¿Qué es un análisis estadístico?
El análisis estadístico va un paso más allá. Básicamente, es el proceso para interpretar
los datos numéricos que tenemos a nuestra disposición, con la finalidad de que nos
ayude a tomar decisiones. Especialmente en el mundo de los negocios.
¿Qué es el análisis estadístico? Es el procedimiento por el cual realizamos
operaciones estadísticas (suena obvio, pero si vamos a dar una información hay que
darla bien y precisa).
“Mira que te mando que te esfuerces y seas valiente, no temas ni desmayes
porque Jehová tu Dios estará contigo donde quiera que tú vayas”
(Josué 1:9)
ANÁLISIS ESTADÍSTICO DE UNA VARIABLE
Cualitativa ordinal: aquellas que siguen un orden o jerarquía. Por ejemplo, el nivel
socioeconómico alto, medio o bajo. O la condición de un pasaporte, del tipo
aprobado, denegado o en espera.
Cualitativa binaria: variables que permiten tan solo dos resultados. Por ejemplo, sí o
no; hombre o mujer. Ante la pregunta de si una persona posee hogar propio, la
respuesta será sí o no
Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro
de una distribución de datos. Las medidas de dispersión, variabilidad o variación nos
indican si esos datos están próximos entre sí o sí están dispersos, es decir, nos indican
cuán esparcidos se encuentran los datos. Estas medidas de dispersión nos permiten
apreciar la distancia que existe entre los datos a un cierto valor central e identificar la
concentración de los mismos en un cierto sector de la distribución, es decir, permiten
estimar cuán dispersas están dos o más distribuciones de datos. Estas medidas
permiten evaluar la confiabilidad del valor del dato central de un conjunto de datos,
siendo la media aritmética el dato central más utilizado. Cuando existe una dispersión
pequeña se dice que los datos están dispersos o acumulados cercanamente respecto a
un valor central, en este caso el dato central es un valor muy representativo. En el
caso que la dispersión sea grande el valor central no es muy confiable. Cuando una
distribución de datos tiene poca dispersión toma el nombre de distribución
homogénea y si su dispersión es alta se llama heterogénea.
Las medidas de tendencia central se utilizan con bastante frecuencia para resumir
un conjunto de cantidades o datos numéricos a fin de describir los datos cuantitativos
que los forman.
El índice de Gini o coeficiente de Gini es una medida económica, creada por Corrado
Gini en 1912, que sirve para calcular la desigualdad de ingresos que existe entre los
ciudadanos de una población.
Las series económicas pueden estar influidas por una serie de procesos no
determinista, ni conocidos para el analista y que pueden incidir en que estas
observaciones presenten estructura distinta al del resto de estas series, teniendo la
capacidad de sesgar los resultados obtenidos y de afectar la capacidad de
estimaciones de los modelos. Por tanto, antes de cualquier análisis estadístico es
recomendable observar si existen datos atípicos que puedan incidir sobre los
resultados. En el siguiente ejemplo se genera una variable aleatoria x con valores
aleatorios de 100 edades de niños en un determinado centro escolar (x<-sample
(5:16,100, replace=T)) y se introducen tres valores atípicos intencionalmente en las
observaciones [10,21,33] correspondiente a las edades de 21,31 y 40 años,
respectivamente.
Los datos son la base de un negocio eficaz. Sin datos, no sería posible obtener la
información que se necesita para llevar a cabo tareas necesarias. Además, poder leer y
analizar rápidamente los datos permite, junto con la información necesaria,
comprender en qué medida un conjunto o grupo de hechos en particular contribuyen
al éxito global y dirigir sus decisiones de manera proactiva. Por eso la visualización
de datos resulta esencial. Mediante diagramas o gráficos, logrará junto con los demás
miembros del equipo, interpretar las preguntas que plantean los datos.
Donde vemos que el 21.9 % de pacientes tiene algún efecto adverso en el grupo A,
frente a 17.3 % en el grupo B, diferencia importante pero que no llega al nivel de
significación estadística habitualmente aceptado, ya que p = 0.07. Pero si se separa el
estudio en pacientes ancianos (> 75 años) y el resto (< 75 años) se obtienen los
siguientes datos: ahora la proporción de efectos adversos, en los pacientes de menos
de 75 años, es 6.2 % en el grupo A, frente a 13.3 % en el grupo B, diferencia que es
importante y además estadísticamente significativa, p = 0.027, y con signo contrario a
la observada en el estudio completo.
La interpretación de una paradoja de este tipo no siempre es fácil, sobre todo cuando
hay más de dos estratos; incluso es posible que en ocasiones no tenga interpretación,
y en cualquier caso ésta depende siempre de las características de cada estudio. En
este ejemplo está claro que, para ese punto de corte en la edad (75 años), los dos
grupos de tratamiento están muy desequilibrados: la proporción de ancianos es de
75.2 % en el grupo A, frente a 22.9 % en el grupo B, y la tasa de efectos adversos en
el grupo de pacientes con menos de 75 años es del 11.6 % frente al 28 % en los
pacientes ancianos. Puesto que los datos de este ejemplo son ficticios no tiene ningún
sentido buscar una explicación, pero en una situación real la interpretación está
condicionada a cómo se diseñó el estudio, si se trata de un ensayo aleatorio, es decir
si a los pacientes les fue asignado el tratamiento de forma aleatoria o si se trata de un
estudio observacional sin esa característica de diseño.
CONCLUSIÓN
Aunque no lo parezca, la estadística es una opción que está
presente permanentemente en nuestras vidas. Independientemente de la profesión que
hayamos decidido ejercer en la vida, debemos tener ciertas nociones sobre el área,
especialmente si se quiere ver fructificar algún negocio. Los números rigen nuestra
vida en una gran medida. No sólo para realizar las compras en el supermercado,
también tienen incidencia en la gran mayoría de nuestras actividades. Y ahí es donde
precisamente, entra la estadística.
Como seres pensantes que somos, buscamos siempre conseguir el porqué de las
cosas. Por esta razón, buscamos el objetivo del análisis estadístico en diversos
ámbitos.
Pese a que pueden utilizarse estudios numéricos para interpretar contextos en el
marco de la política, sociedad e incluso de la psicología, es en el tema económico y
financiero donde más se observa su aplicación, en nuestro caso, buscamos su
aplicación n la criminología y la política criminal.
REFERENCIAS BIBLIOGRAFICAS
Diccionario enciclopédico de derecho usual –Dr. Guillermo
Cabanellas –Editorial Heliasta, S.R.L: -21era edición revisada,
actualizada y ampliada, 1989-Buenos Aires Argentina.
Larousse diccionario enciclopédico en color 1.999-Agruoacion
Editorial, S.A. –Buenos Aires Argentina.
www. Google académico.
www. Google pdf.