Resumen
En el proceso de caracterización / resumen de variables, el análisis exploratorio de datos, participan medidas de 3 cuestiones fundamentales: posición, dispersión y relación.
La posición esencialmente permite conocer dónde se encuentran la mayor parte de los datos y la dispersión, saber si los datos que conforman esa mayoría se encuentran cerca unos de otros. Cuando la dispersión aumenta, las medidas de posición realmente no dicen mucho (aunque parezca que sí); por esto mismo, siempre deben estar ambas presentes. Justamente, como la dispersión impacta sobre la posición, se cuenta con una batería de posibles medidas que son más robustas frente a una situación de gran dispersión o dispersión particular de algunos datos. La más utilizada es la mediana, que a diferencia del promedio (media) logra mantenerse firme frente a valores extremos.
La dispersión así también puede ser engañosa, porque depende de las unidades en las que está medida. Por esto mismo, es recomendable el uso del coeficiente de variación, que es una relativización del desvío estándar frente al valor del promedio. Como su nombre lo indica, es un coeficiente y no tiene unidades. Un valor menor a 0,3 (30%) indica baja dispersión y, por ende, las medidas de posición serán confiables.
Aun así, se verá en el próximo capítulo que, incluso dándose esta última situación, contar solo con las medidas de posición no es 100% seguro. Siempre debe recurrirse a la visualización para lograr entender el comportamiento de una variable o conjunto de datos, acompañada de una tabla de frecuencias.
Más allá del análisis de una variable por sí sola, también puede presentarse la situación en la que se quiere comparar con otra o incluso comparar consigo misma en otra circunstancia (o en otro momento). Para ello, existen medidas de relación, que son habituales en todo tipo de informes. No se menciona en este capítulo el coeficiente de correlación, que merece un desarrollo más profundo de su uso e implicancias, lo cual se verá más adelante.
Para profundizar
Medidas de posición: promedio, mediana, cuantiles y moda
- Medidas resumen. Kelmansky, Estadística para todos, pág. 120 a 125.
- Los valores que caracterizan al conjunto de datos. Aguirre, Niño y Simonetti, Estadística aplicada en las ciencias sociales y humanas, pág. 59 a 79.
- Descripción de datos. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 57 a 75.
- Medidas numéricas descriptivas. Canavos, Probabilidad y estadística. Aplicaciones y métodos, pág. 11 a 14.
- Medidas del centro de los datos. Introducción a la estadística, OpenStax, cap. 2.5.
Medidas de dispersión: desviación estándar, coeficiente de variación y rango
- Medidas resumen. Kelmansky, Estadística para todos, pág. 125 a 135.
- Análisis de la variación y asimetría. Aguirre, Niño y Simonetti, Estadística aplicada en las ciencias sociales y humanas, pág. 85 a 97.
- Descripción de datos. Lind, Marchal y Wathen, Estadística aplicada a los negocios y la economía (15.ª ed.), pág. 75 a 84.
- Medidas numéricas descriptivas. Canavos, Probabilidad y estadística. Aplicaciones y métodos, pág. 15 a 22.
- Medidas de la dispersión de los datos. Introducción a la estadística, OpenStax, cap. 2.7.
Medidas de relación: razones, tasas y proporciones
- Razón, tasas y porcentajes. Kelmansky, Estadística para todos, pág. 15 a 19.