Unidad 2 / Escenario 4

Lectura Fundamental

Aplicaciones de la estadística
descriptiva II

Contenido

1 Asimetría y curtosis

2 Medidas de dispersión

3 Uso de programas en estadística descriptiva

Palabras clave: medidas de dispersión, distribuciones frecuenciales.

La Lectura fundamental que se presenta a continuación tiene como finalidad brindar un acercamiento
a las medidas de dispersión, así mismo pretende exponer unas orientaciones iniciales acerca del uso
de programas informáticos para el desarrollo de estadísticos de carácter descriptivo. A lo largo de
este documento encontrará situaciones hipotéticas y ejercicios prácticos que le permitirán afianzar el
conocimiento de los contenidos desarrollados en este espacio académico.

Cómo mejorar...
Las fórmulas y procedimientos estadísticos que se revisan en cada una de las
Unidades se realizan de forma “manual” para una mayor comprensión de los
temas, sin embargo, es importante tener en cuenta que los programas como
Microsoft Excel y algunos más específicos como SPSS facilitan este proceso y
nos brindan resultados inmediatos.

1. Asimetrías y curtosis
De acuerdo con Cazau (2006):

Las medidas de asimetría y curtosis se refieren a la “forma” de la distribución y, aunque no son tan
importantes como las medidas de posición y dispersión y son muy poco utilizadas, aportan también
información sobre la distribución de los valores de una muestra o población. (s. p.)

La asimetría nos brinda comprensiones acerca de la uniformidad en la distribución de los datos a

partir de las medidas de tendencia central, generalmente a partir de la media aritmética. La asimetría
se puede presentar en distintos niveles o estados. En el apartado anterior se observó cómo una
distribución normal presenta una simetría a partir de su media, tal y como se presenta en la Figura 5.
Sin embargo, cuando se presenta una condición asimétrica, la gráfica puede adquirir las siguientes
formas (cuando la curva se dirige hacia la derecha se habla de una asimetría negativa, mientras que
cuando se dirige a la izquierda se habla de una asimetría positiva):

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 2
 Media Moda Moda Media
Figura 1. Asimetría negativa y positiva
Fuente: elaboración propia

La estimación de la asimetría se calcula mediante la utilización del coeficiente de asimetría de

Pearson, el cual se representa como (Ca) y se expresa a través de la siguiente fórmula:

Lo cual corresponde a la diferencia entre la media (x) y la mediana (md) tres veces, sobre la
desviación estándar (s), de esta manera el resultado del coeficiente de asimetría se relaciona con
cada uno de los estados de la asimetría de la siguiente manera: cuando la asimetría es negativa,
el coeficiente de asimetría de Pearson es mayor que cero, debido a que la media de los datos es
mayor que la mediana; en caso de que no se presente asimetría, la media y la mediana serían iguales,
mientras que para la asimetría positiva se representa por un coeficiente menor a cero, debido a que la
media de los datos es menor que la mediana.

Ca= >0 Ca=>0 Ca= <0

Figura 2. Coeficiente de asimetría
Fuente: elaboración propia

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 3
Es importante recordar que cuando se trabaja con medidas de forma, las medidas de tendencia
central tienen una relación directa en las distintas asimetrías.

• Cuando se habla de distribución asimétrica positiva, es porque existe una gran cantidad de datos
atípicos altos en el conjunto de datos, en este sentido la media se dirige hacia los datos atípicos,
en este caso la media es mayor que la mediana y la moda.

• Cuando la distribución de datos es simétrica, las medidas de tendencia central son iguales o
aproximadamente iguales.

• En el caso de la simetría negativa, se presentan valores atípicos bajos, lo que hace que la tendencia de
la media vaya en dirección de estos datos, siendo así menor que la mediana y que la moda.

De la misma manera, dentro de las medidas de forma se encuentra la curtosis, la cual hace
referencia a la forma en que la curva de los datos adquiere apuntamiento, lo que correspondería a
la aglomeración de los datos hacia el centro de la distribución de estos. Al igual que la asimetría, la
curtosis representada en la curva de los datos también presenta unos estados de apuntamiento o
variantes específicas asociadas a su forma, las cuales son leptocúrtica, mesocúrtica y platicúrtica.

Leptocúrtica Mesocúrtica Platicúrtica

Figura 3. Estados de la curtosis

Fuente: elaboración propia

La curtosis de un grupo de datos se calcula por medio de su coeficiente, el cual se expresa mediante
(Ck) y se representa bajo la siguiente fórmula:

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 4
Donde:

xi = Valor de cada una de las observaciones

x = Media

s = Desviación típica

La interpretación del coeficiente curtosis con relación a los estados de apuntamiento es la siguiente:

• Para las leptocúrticas el Ck= >0, lo cual indica que hay una alta concentración de datos respecto
a la media.

• Para las mesocúrticas el Ck= 0, lo cual nos dice que hay una concentración normal de los datos
respecto a su media.

• Para las platicúrticas el Ck = < 0, lo cual nos dice que hay una baja concentración de datos
respecto a la media.

De acuerdo con lo anterior, las medidas de forma permiten caracterizar los datos en cuanto a su
uniformidad y grado de concentración en la región central de la distribución de los datos. En este
sentido la simetría de los datos se relaciona de manera estrecha con las medidas de tendencia central
en las variables cuantitativas.

Como ejemplo de curtosis pensemos en el siguiente grupo de datos que corresponde a la distribución
de frecuencias de la variable ansiedad, medida mediante una prueba aplicada a 30 sujetos.

Tabla 1. Ejemplo de serie de datos para cálculo de curtosis

1 13 25 37 49
3 15 27 39 51
5 17 29 41 53
7 19 31 43 55
9 21 33 45 57
11 23 35 47 59

Fuente: elaboración propia

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 5
 Cómo mejorar...
Es importante reconocer que el cálculo de la curtosis de un conjunto de datos se
puede hacer de manera rápida y sencilla por medio de Microsoft Excel utilizando
la función “CURTOSIS”.

A partir del conjunto de datos que se presenta, y aplicando la función de Microsoft Excel,
encontramos que el coeficiente de asimetría para este conjunto de datos es -1,2. Teniendo en cuenta
los valores de referencia, esto nos indicaría que la curtosis de los datos es de tipo platicúrtica teniendo
en cuenta que el Ck = < 0, lo cual nos dice que hay una baja concentración de datos respecto a la
media. Comprobemos esta información con el gráfico de la campana de Gauss.

Representación gráfica de curtosis

0,025

0,02

0,015

0,01

0,005

0
0 10 20 30 40 50 60 70

Figura 4. Ejemplo de la representación de curtosis platicúrtica

Fuente: elaboración propia

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 6
 Cómo mejorar...
Desarrollar una campana de Gauss de forma manual puede ser un ejercicio
bastante dispendioso, por tal motivo este proceso se realiza mediante programas
informáticos; la función “DISTRIBUCIÓN NORMAL” facilita este proceso
en Microsoft Excel. Para tal fin se debe calcular con antelación la media, la
desviación estándar y reconocer los xi.

2. Medidas de dispersión
Antes de analizar las medidas de dispersión (o variabilidad), es prudente comprender este concepto;
de acuerdo con González Betanzos et al. (2017):

La dispersión se refiere a la variabilidad en un conjunto de observaciones. Si las puntuaciones en un

conjunto son distintas y estas diferencias son considerables, la magnitud de la dispersión también será
grande; por el contrario, cuando las diferencias son muy pequeñas, la dispersión es mínima; por último,
si todas las puntuaciones son las mismas, no existe dispersión. (s. p.)

De acuerdo con lo anterior, las medidas de dispersión o variabilidad por su parte nos indican la forma
en que el conjunto de datos se comporta respecto a las medidas de tendencia central, en especial la
media. Según Hernández Sampieri et al. (2014), “Las medidas de variabilidad indican la dispersión de
los datos en la escala de medición de la variable considerada y responden a la pregunta: ¿dónde están
diseminadas las puntuaciones o los valores obtenidos?” (p. 239).

Si pensamos en las calificaciones que dos grupos de estudiantes obtuvieron en un examen,

encontraríamos que el primer grupo obtuvo las siguientes calificaciones: 1.0, 1.0, 1.4, 4.6, 5.0, 5.0.;
mientras que el segundo grupo de estudiantes alcanzó las siguientes notas: 2.8, 2.9, 3.0, 3.0, 3.1, 3.2.
Si representáramos los puntajes obtenidos por los dos grupos en una recta numérica, encontraríamos
los siguiente:

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 7
 Grupo 1

1 2 3 4 5

Grupo 2

1 2 3 4 5

Figura 5. Ejemplo de dispersión

Fuente: elaboración propia

Como se puede evidenciar, los datos de los dos grupos arrojan una media de 3.0, así mismo la
mediana en los dos grupos es 3.0, sin embargo, en el grupo 1, los datos estuvieron más alejados de
la media (representada por la línea roja), mientras que en el grupo 2, los datos se acercaron más a
la media, por tal motivo se puede argumentar que los datos del grupo 1 tienen una mayor dispersión
respecto a la media. Este sería el principio fundamental de este tipo de medidas. En otros términos, se
podría decir que las medidas de dispersión permiten reconocer la homogeneidad o heterogeneidad de
un conjunto de datos.

De acuerdo con León (2013):

En general, se pueden clasificar las medidas de dispersión en absolutas y relativas. Las medidas de dispersión
absolutas son aquellas que vienen expresadas en las mismas unidades que los datos. Las medidas de dispersión
relativas no vienen expresadas en las unidades de los datos sino en porcentaje. (s. p.)

Dentro de las medidas de dispersión absolutas encontramos el rango y la varianza, la desviación

estándar y las basadas en percentiles, mientras que en las medidas de dispersión relativa se encuentra
el coeficiente de variación. A continuación, se revisarán cada una de estas medidas.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 8
 2.1. Rango

El rango o amplitud es una medida que permite identificar la distribución de los valores dentro de
una serie de datos, la amplitud en el rango indica que los valores están dispersos, mientras que si el
rango es bajo se entiende que no hay mucha dispersión en los datos. El rango es calculado mediante
una sencilla operación aritmética que consiste en restar al valor más alto de la serie de datos el
valor más bajo de la misma serie. Se representa bajo la siguiente fórmula (es necesario anotar que la
presentación de la fórmula tiene variaciones en los textos de estadística, sin embargo, siempre está
representada por el valor mayor y el menor de una serie de datos):

R=máx(x)-min(x)

Si se quisiera analizar el rango de la siguiente serie de datos: 26, 28, 29, 30 ,31, 32, 33, 34, 37; se
determinaría considerando los dos valores extremos, en este caso 26 y 37.

R= 37 - 26

R= 11

Si se toma como referencia otro conjunto de datos: 26, 37, 48, 59, 60, 72, 81, 94; el rango se
ampliaría y, por ende, se determinaría una mayor dispersión.

R= 94 - 26

R= 68

Por último, si los datos correspondieran a edades de personas, se podría determinar una mayor
homogeneidad en términos generacionales en el primer grupo. Algunos autores coinciden en que
la mayor dificultad que presenta el rango es que solo considera los valores externos de la serie, sin
brindar comprensiones acerca de los demás datos. Según Salazar y Del Castillo (2018) “su utilización
está más ligada al control estadístico de procesos y no es muy utilizada como medida de dispersión, ya
que se ve muy influenciada por la presencia de los valores extremos tanto inicial como final” (p. 67).

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 9
 2.2. Varianza

La varianza es una medida de dispersión que posibilita identificar la organización de los datos respecto
a la media aritmética de estos, la varianza está denotada por (S2), el cálculo de la varianza de una serie
o conjunto de datos se obtiene mediante la siguiente fórmula:

Donde,

Xi = Valor de cada dato

=Promedio de los datos

n=Cantidad total de datos

La fórmula anterior se podría interpretar diciendo que la varianza es el promedio de los cuadrados de las
desviaciones con respecto a la media aritmética, el resultado se interpreta teniendo en cuenta que mientras
más alejados se encuentren los datos de su media, la varianza se incrementará; mientras que si los datos
convergen hacia la media, la varianza disminuirá; de la misma manera se entiende que la varianza nunca será
negativa, su valor mínimo será cero cuando todos los datos de una serie sean idénticos.

Observemos los siguientes ejemplos donde se toman dos series de datos. La primera serie muestra
datos diferentes; mientras que la segunda presenta datos idénticos tal y como se representa a
continuación, podemos suponer que estos datos corresponden a los puntajes obtenidos por dos
grupos de personas en una prueba de habilidad mental en una escala de 1.0 a 5.0.

Serie de datos diferentes: 1.0, 1.0, 1.4, 4.6, 5.0, 5.0

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 10
En la serie de datos anterior se identifica que la varianza calculada para la muestra es de 4,2, lo cual indicaría
que los datos varían de forma moderada respecto a la media que es 3.0. Como se puede observar, la mitad
de los datos está por debajo de este valor mientras que la otra mitad está por encima.

Serie de datos idénticos: 1.0, 1.0, 1.0, 1.0, 1.0, 1.0

En la serie de datos idénticos, la varianza es igual a 0, esto indica que los datos no varían entre sí, ni
respecto a la media.

2.3. Desviación estándar

La desviación estándar podría entenderse como el promedio de las desviaciones individuales de cada
dato respecto a la media de una distribución, es la medida de dispersión de más uso en estadística
descriptiva, al igual que las demás medidas de dispersión expresa los valores de un conjunto de datos
respecto a la media, la diferencia de esta con la varianza radica en que los valores de la desviación
estándar no están expresados en cuadrados, dicho de otra forma, se podría decir que la desviación
estándar es la raíz cuadrada de la varianza. La fórmula mediante la cual se obtiene es la siguiente:

Al igual que la varianza, la desviación estándar de un conjunto de datos totalmente homogéneos

es igual a cero. En la siguiente tabla se puede observar un conjunto de datos correspondientes a
los puntajes de evaluación de cuatro grupos de sujetos, los puntajes de los cuatro grupos tienen en
común que comparten la misma media aritmética, sin embargo, las desviaciones estándar varían
significativamente, esto corresponde a que todos los grupos de datos se organizan de manera
diferente respecto a la media.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 11
 Tabla 2. Ejemplo de datos desviación estándar

DATOS X S2
20 21 22 22 23 24 22 1,3
19 20 20 23 24 26 22 2,5
18 19 20 22 25 28 22 3,5
22 22 22 22 22 22 22 0,0

Fuente: elaboración propia

En sentido de lo anterior, la desviación estándar ofrece un límite máximo de desviación y un límite

mínimo de desviación, para obtener dicho límite se aplica la siguiente fórmula.

Límites máximos: s2 + X

Límites mínimos: X- s2

Los límites máximos y los límites mínimos indican los parámetros bajo los cuales se distribuyen los
datos, por tanto, la mayoría de los datos se encuentran dentro de estos límites. Para el caso del grupo
1 los límites serían 23,3 y 20,7 y en un gráfico de dispersión se representarían de la siguiente forma:

Limites máximos y mínimo

24,5
24
23,5
23
22,5
22
21,5
21
20,5
20
19,5
0 1 2 3 4 5 6 7 8

Figura 6. Límites máximos y mínimos desviación estándar

Fuente: elaboración propia

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 12
 2.4. Desviación media

La desviación media es una medida de dispersión que se entiende como el promedio de las
desviaciones de todos los datos de un conjunto. Para calcular la desviación media de un conjunto de
datos ordenados se debe trabajar sobre la siguiente fórmula:

De acuerdo con lo anterior, la desviación media del conjunto de datos del segundo grupo del ejemplo
anterior se calcularía de la siguiente forma:

Cálculo de la media:

Cálculo de la desviación media:

Una desviación media elevada implica variabilidad de los datos, si el resultado de la desviación media se
acerca a cero, denota homogeneidad de los datos.

2.5. Percentiles

Según León (2013):

Los percentiles son aquellos valores que dividen a los datos ordenados de forma creciente, en cien
partes iguales. Existen noventa y nueve percentiles que se denotan por P1, P2, ..., P99. Entre dos
percentiles consecutivos se encuentra el 1 % de los datos. Así, por ejemplo, entre los percentiles P10 y
P20 se encuentran 10 % de los datos. (p. 71)

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 13
De acuerdo con lo anterior, podríamos decir que de la misma manera que la mediana divide el
conjunto de datos en dos partes iguales, los percentiles lo hacen en cien partes iguales. Así mismo
existen los cuartiles y deciles que dividen los datos en cuatro y diez partes iguales, respectivamente.

Durante este apartado se hará énfasis en los percentiles, la forma de calcular los percentiles al interior
de un conjunto de datos es la siguiente:

Inicialmente se parte de un conjunto de datos que debe ser ordenado de menor a mayor, podrían
ser datos correspondientes a estaturas expresadas en centímetros, como los que se presentan en la
siguiente tabla:

Tabla 3. Ejemplo de datos altura de diferentes personas para percentiles

Personas Estatura (cm) Personas Estatura (cm)

Juan 164 Camila 178
Peter 168 Alex 178
Ana 168 Laura 178
Luna 168 Daniel 179
Matías 170 David 180
Sebastián 170 Sofia 180
Juana 170 Alejandro 183
Fuente: elaboración propia

Supóngase que se desea encontrar la posición del percentil “85” (recordemos que dentro de cada
conjunto de datos existen 99 percentiles). A continuación, se debe establecer un índice de referencia
para el cálculo, dicho índice se obtiene mediante la siguiente fórmula:

Donde:

p = el número del percentil que se desea hallar y

n= el número de datos u observaciones. De acuerdo con la fórmula:

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 14
Al despejar la ecuación encontramos que:

Como el resultado contiene decimales, por regla general se aproxima al número entero inmediato,
que en este caso sería 12, por tanto:

Una vez se tiene claro el índice, el paso siguiente es dirigirse al conjunto de datos y ubicarlo en el lugar
correspondiente, para tal fin se asigna una posición a cada dato partiendo del 1, como se presenta en
la Figura 7 (es importante recordar que los datos deben estar ubicados de menor a mayor).

Personas Estatura (cm) Personas Estatura (cm)

Juan 164 Camila 178
Peter 168 Alex 178
Ana 168 Laura 178
Luna 168 Daniel 179
Matías 170 David 180
Sebastián 170 Sofia 180
Juana 170 Alejandro 183

Figura 7. Cálculo de percentil

Fuente: elaboración propia

En este sentido, la interpretación del proceso nos indica que el percentil 85 se encuentra ubicado en
el valor 180, por tanto, el 85 % de los datos de este conjunto es menor o igual a 180, mientras que el
15 % de los datos son mayores.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 15
 2.6. Coeficiente de variación

Es la medida de dispersión que indica el tamaño relativo de la desviación estándar respecto a la media,
según Cazau (2006) “Permite comparar la dispersión de dos o más muestras con diferentes medias
aritméticas: a mayor coeficiente de variación, mayor dispersión. No se expresa en unidades como la
variable en estudio (por ejemplo, para edad, no se expresa en años)” (s. p.).

El coeficiente de variación se expresa mediante la siguiente fórmula:

Lo anterior indica que el coeficiente de variación se obtiene mediante la división de la desviación

estándar entre el valor de la media multiplicado por cien, ya que es una medida porcentual. Si
tomamos en cuenta los datos que se presentan a continuación, los cuales corresponden a dos
variables distintas como estatura y tiempo de servicio en días y los analizamos mediante el coeficiente
de variación, encontraríamos lo siguiente:

Tabla 4. Cálculo coeficiente de variación

Estadístico Estaturas T Servicio

m 109,8 cm 61 días
s 12,0 cm 37 días
cv 11,0 cm 61 días

Fuente: elaboración propia

Para las estaturas:

Para el tiempo de servicio:

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 16
De acuerdo con lo anterior, determinaríamos que el coeficiente de variación es más alto para la
variable “días de servicio” que para la variable “estatura”, por lo tanto, los datos de la segunda variable
presentan mayor dispersión o variabilidad.

3. Uso de programas en estadística descriptiva

Las fórmulas y estadísticos que se han desarrollado a lo largo de esta Unidad pueden ser desarrollados
desde diversos software, algunos autores se han preocupado por ampliar el conocimiento de estos
temas y han producido publicaciones que brindan orientaciones generales acerca de cómo desarrollar
procesos estadísticos desde estas herramientas.

En la actualidad y desde hace varios años los software han contribuido desde su desarrollo a la
comprensión de la estadística descriptiva e inferencial, algunos de los más conocidos son SPSS®
y Microsoft Excel®, ambos simplifican las fórmulas estadísticas mediante el uso de comandos
específicos que facilitan la organización y tratamiento de datos.

Microsoft® hace uso de Internet para contribuir al aprendizaje y acercamiento a sus productos
de manera gratuita; por medio del siguiente sitio web https://support.office.com/ se puede acceder
a tutoriales y cursos sencillos que facilitan el aprendizaje de Excel®. Microsoft Excel tiene gran
receptividad en las comunidades académicas debido a la accesibilidad de la herramienta y la
instauración que este ha tenido en la cultura informática de los hogares y empresas.

De la misma manera, la compañía IBM pone a disposición de sus usuarios el software SPSS®
mediante modos de accesibilidad de prueba, que facilitan el acercamiento a los beneficios de esta
herramienta mediante el sitio web https://www.ibm.com/co-es/products/spss-statistics. SPSS también
es un programa que goza de aceptación en la comunidad académica, especialmente en el personal
dedicado a procesos investigativos.

Aunque SPSS® y Excel son dos de los programas más reconocidos, existen otros software y aplicaciones
que también contribuyen al análisis de datos desde la estadística inferencial y descriptiva. Algunos de estos
son: S-PLUS®, Miminitab®, STATGRAPHICS.NET®, PSPP®, STATA, entre otros.

Todos estos programas representan un aporte significativo en el campo de la psicología y son

utilizados en diversos procesos como construcción de instrumentos de medición; en el enfoque
metodológico de los estudios descriptivos; el análisis de variables propias de la psicología, pruebas de
hipótesis de estudios experimentales, construcción y validación de ítems, entre otros. En la siguiente
tabla se exponen algunos programas estadísticos con sus principales características.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 17
 Tabla 5. Programas estadísticos
Programa Utilidad
Microsoft Es un programa de fácil acceso, presenta
Excel® una gran variedad de funciones estadísticas, suscripción disponible en:
dentro de las cuales se encuentran:
• Media
• Mediana
• Moda
• Rango
• Desviación estándar
• Desviación típica
• Percentiles
• Cuartiles
• Varianza
• Curtosis
• Coeficiente de correlación
• Pruebas de hipótesis
• Distribución normal
• Función estadística descriptiva
SPSS® Es un programa muy completo, presenta
una gran variedad de herramientas de
estadística descriptiva e inferencial que
facilitan el trabajo de análisis de datos.
Presenta, entre otras, las siguientes
opciones:
• Prueba de hipótesis básica
• Muestreo con reemplazamiento
• Análisis de clústeres
• Acceso y gestión de datos
• Preparación de datos
• Gráficos y gráficas
• Centro de ayuda
• Regresión lineal
• Pruebas no paramétricas
• ANOVA de un factor
• Gestión de salida
• Extensión de programabilidad
• Análisis ROC
• Soporte para R/Python
POLITÉCNICO
POLITÉCNICO
GRANCOLOMBIANO
Obtención
Versión de prueba o
https://support.office.
com/
También es posible
acceder de forma gratuita
a la licencia del paquete
de Microsoft Office, con
la cuenta de estudiante
universitario otorgada
por el Politécnico
Grancolombiano.
Versión de prueba o SPSS es un programa desarrollado
suscripción disponible en: desde 1968 con un énfasis especial
en ciencias sociales.
https://www.ibm.com/
co-es/products/spss-
statistics
GRANCOLOMBIANO
Generalidades
• Menú de opciones altamente
intuitivo.
• Gran disponibilidad de
recursos educativos abiertos
para perfeccionar el uso de
esta herramienta.
• Las tablas dinámicas de
esta herramienta facilitan la
presentación de datos.
• Presenta una alta
disponibilidad de opciones de
presentación gráfica.
“El menú de opciones es muy
intuitivo, lo que facilita el uso del
programa. Permite además el uso
de sintaxis de comandos, lo cual
agiliza el uso” (Zúñiga Cisneros et
al., 2018, s. p.).
Presenta compatibilidad con hojas
de cálculo de otros programas
como Microsoft Excel.
IBM presenta tutoriales de fácil
acceso para el aprovechamiento
del programa, así mismo diversas
comunidades académicas
comparten recursos académicos
abiertos destinados a promover el
uso de esta herramienta.
18
Programa Utilidad
Minitab® De acuerdo con Velázquez Perea (2017),
“es un programa de computadora diseñado
para ejecutar funciones estadísticas
básicas y avanzadas. Combina lo amigable
de Microsoft Excel con la capacidad de
ejecución de análisis estadísticos” (p. 18).
Algunas de sus características se presentan
a continuación (la lista completa de las
características del programa la puede
encontrar en https://www.minitab.com/es-
mx/products/minitab/features-list/
• Análisis de regresión
• Graficas
• Análisis de varianza
• Estadísticas básicas
• Regresión
• Análisis multivariado
• No paramétricos
• Tablas
Obtención Generalidades
La información sobre La herramienta presenta un
la adquisición de este amplio portafolio de funciones
programa puede ser estadísticas considerando su
consultada en: especificidad en esta área,
que contrasta con otras
www.minitab.com
herramientas como Microsoft
Excel. Sin embargo, es
un programa que durante
los últimos 40 años se ha
caracterizado por un uso más
empresarial. Aunque también
se enfoca a instituciones
académicas, su uso no es
frecuente en los programas de
psicología, siendo sobrepasado
por SPSS.

Statgraphics Es una herramienta de análisis de datos con Versión de prueba o Constituye una herramienta
alta disponibilidad de gráficos y procesos suscripción disponible en: fundamental a nivel descriptivo
analíticos, dentro de sus características se considerando la superioridad de la
encuentran: representación gráfica respecto a
https://www.ibm.com/ otros programas.
• Estadística básica y Análisis exploratorio co-es/products/spss-
de datos Gran disponibilidad de recursos
statistics
educativos abiertos para
• Análisis de la varianza y Regresión
perfeccionar el uso de esta
• Control estadístico de procesos herramienta.
(Análisis de la capacidad, Gráficos
de control, Análisis de sistemas de
medición)

• Diseño de experimentos

• Métodos multivariantes y no
paramétricos

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 19
 Programa Utilidad Obtención Generalidades
STATA® Es un paquete estadístico con alta Suscripción disponible • Posee alta calidad gráfica.
variabilidad de funciones a nivel descriptivo en: www.stata.com • Posee actualización
e inferencial. Dentro de la función de constante.
No posee versión gratis o
estadística básica presenta:
• Resúmenes
de muestra. • Una desventaja respecto
a otros programas es que
• Tabulaciones cruzadas no se pueden descargar
• Correlaciones demostraciones, por lo
• Pruebas t cual el perfil de uso de
• Pruebas de igualdad de varianza estudiantes e investigadores
• Pruebas de proporciones autofinanciados es reducido.
• Intervalos de confianza
• Variables de factor
Google Es la herramienta mediante la cual Acceso gratis mediante Si bien es cierto que no posee
Spreadsheet® Google permite el tratamiento de hojas la vinculación con cuenta todas las funciones de Microsoft
de cálculo. Algunas de las características de Google. Excel, es importante anotar
que tiene esta herramienta son: que sí posee los elementos
• Análisis de datos fundamentales que un estudiante
• Gráficos de pregrado en Psicología requiere
• Media a nivel estadístico, con la ventaja
• Mediana de realizar cambios compartidos
• Moda en una hoja de cálculo.
• Rango
• Desviación estándar
• Desviación típica
• Percentiles
• Cuartiles
• Varianza
• Curtosis
• Coeficiente de correlación
• Pruebas de hipótesis
• Distribución normal
• Función estadística descriptiva
Fuente: elaboración propia

Por último, es necesario anotar que la implementación de estos programas facilita los procesos de
análisis estadístico de manera significativa y abre nuevas posibilidades a los profesionales en psicología
que muestran resistencia hacia este tipo de procesos. Por tal motivo, y a manera de conclusión, un
reto del profesional en Psicología actual es alcanzar la capacidad de análisis e interpretación de los es-
tadísticos, así como su funcionalidad, permitiéndose ampliar el margen de observación hacia campos
de aplicación que requieren el aporte de nuestra profesión.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 20
Referencias
Hernández Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. (2014). Metodología de la
Investigación (6.a ed.). Mc Graw Hill.

Cazau, P. (2006). Fundamentos de Estadística. UBA.

González Betanzos, F., Escoto Ponce de León, M. C. y Chávez López, J. K. (2017). Estadística
aplicada en Psicología y Ciencias de la salud. Manual Moderno.

Zúñiga Cisneros, J., Lezcano, H. y Ortega Paz, L. (2018). Programas Estadísticos para Registrar y
Analizar Datos. En P. Vigil-De Gracia, Metodología de la Investigación Clínica: Las 5 Herramientas del
Investigador. The Little French eBookstore.

León, G. (2013). Apuntes de métodos estadísticos I. Universidad de los Andes.

Salazar, C. y Del Castillo, S. (2018). Fundamentos básicos de estadística. http://www. dspace. uce. edu.
ec/handle/25000/13720

Velázquez Perea, L. E. (2017). Estadística Descriptiva y Probabilidad con Excel. Luis Enrique Velázquez
Perea.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 21
 INFORMACIÓN TÉCNICA

Módulo: Estadística
Unidad 2: Estadística descriptiva
Escenario 4: Aplicaciones de la estadística descriptiva

Autor: Héctor Alfredo Ramirez Vaca

Asesor Pedagógico: Claudia Yaneth Mora Villalba

Diseñador Gráfico: Kelly Yohana Valencia Forero

Este material pertenece al Politécnico Grancolombiano.

Prohibida su reproducción total o parcial.

POLITÉCNICO
POLITÉCNICO GRANCOLOMBIANO
GRANCOLOMBIANO 22