Acin215
Análisis de caso
Nombre integrante: Mauricio Villar Alvarez
Curso: Analitica grupo 6
Fecha: 08-12-2024
Estudio de caso: “Técnicas de analítica descriptiva: Salario en Chile”
Imagina que te han entregado la misión de abordar un estudio de la distribución de los
salarios en Chile y por lo tanto deben proponer un análisis enmarcado en el área de
analítica descriptiva.
PREGUNTAS/ESTRUCTURA DE INFORME
1. ¿Cuál sería una medida de tendencia central apropiada (representativa) para este
estudio? Justifique.
La mediana es la medida de tendencia central más representativa para analizar la distribución de
los salarios en Chile. Esta medida divide la población en dos mitades iguales, lo que significa
que el 50% de los trabajadores gana menos que la mediana y el otro 50% gana más. En
comparación con los medios, que pueden ser afectados por valores extremos (salarios muy altos
o muy bajos), la mediana refleja de manera más precisa el nivel típico de ingresos. Esto es
especialmente relevante en distribuciones no simétricas, como suele ser el caso de los salarios,
donde los valores pueden distorsionar las conclusiones.
2. ¿Qué tan relevante es considerar en este tipo análisis los cálculos de percentiles?
Justifique.
Los percentiles son fundamentales en un análisis de salarios, ya que permiten desglosar la
distribución salarial en segmentos más finos. Por ejemplo, al examinar el percentil 25, 50 y 75,
se puede observar cómo se distribuyen los salarios bajos, medios y altos, respectivamente. Esto
es crucial para identificar disparidades salariales y comprender la estructura de ingresos en
diferentes grupos poblacionales. Los percentiles ayudan a visualizar la concentración de
ingresos y a identificar grupos que podrían estar en riesgo de exclusión económica. Los
percentiles se calculan dividiendo el conjunto de datos en 100 partes iguales, lo que sirve para
comparar las distribuciones del conjunto de datos, para el caso estudio agrupar de manera
correcta los rangos de sueldos de la población analizada, siendo menos sensible a valores
atípicos.
Están también las medidas de unicacion no central, que incluyen los cuartiles, deciles y
percentiles. Estas medidas son particularmente relevantes en el análisis de datos descriptivos.
Algunas razones para considerar este tipo de análisis:
Desglose detallado de la distribución: si bien la mediana nos da un promedio, los
percentiles nos permiten comprender cómo se distribuyen los salarios entre diferentes
grupos de personas. Por ejemplo, el percentil 25 significa que el 25% de la población
gana menos que ese salario, y así sucesivamente.
Comparaciones entre grupos: los percentiles se pueden utilizar para comparar
distribuciones salariales entre diferentes grupos (como hombres y mujeres, diferentes
regiones o diferentes niveles educativos).
Resistencia a valores extremos: Al igual que la mediana, los percentiles también son
resistentes a valores extremos. Esto es particularmente útil en el contexto de los salarios,
donde algunos valores extremadamente altos o bajos pueden sesgar el promedio.
Identificar brechas salariales: Los percentiles pueden ayudar a identificar brechas
salariales. Por ejemplo, si hay una gran diferencia entre el percentil 90 y el percentil 10,
indica una diferencia significativa en los salarios.
3. En este tipo de estudio, ¿cuál es la importancia de identificar outliers? Justifique.
La identificación de outliers (valores atípicos) es crucial en estudios de salarios, ya que estos
valores pueden influir considerablemente en las conclusiones del análisis. Los outliers, como
salarios extremadamente altos o bajos, pueden reflejar condiciones laborales excepcionales o
errores en los datos. Analizarlos permite entender si representan casos especiales que deben
considerarse por separado o si es necesario ajustarlos para evitar que distorsionen la
interpretación general de la distribución salarial. Detectar estos outliers es esencial para
garantizar que el análisis sea representativo y no esté sesgado por datos extremos.
Para el contexto del estudio de la distribución de salarios en chile, la identificación de outliers es
crucial por:
Influencia en Medidas Estadísticas: Los outliers pueden tener un impacto significativo
en las medidas estadísticas, como la media y la varianza. Por ejemplo, unos pocos
salarios extremadamente altos pueden elevar la media salarial, lo que podría no ser
representativo del salario típico de la mayoría de los trabajadores.
Identificación de Anomalías: Identificación de anomalías: los valores atípicos pueden
indicar errores en la recopilación de datos o pueden representar anomalías genuinas que
merecen un estudio más detallado.
Interpretación Errónea: Sin identificar y tratar adecuadamente los outliers, se podría
llegar a conclusiones erróneas sobre la distribución salarial.
Mejora de los modelos predictivos: si planea utilizar sus datos para modelos
predictivos o de regresión, los valores atípicos pueden afectar la precisión y eficacia de
estos modelos. Cabe señalar que, en tales estudios, identificar valores atípicos es crucial
ya que pueden alterar el ajuste de las estimaciones y pronósticos, sesgando así los
resultados del estudio y la tendencia central, distorsionando la percepción de los valores
verdaderos de distribución salarial. Estos errores presentarán valores muy alejados del
resto de datos y pueden ser causados por:
Errores de entrada de datos
Error de medición
