ESTADÍSTICA II

PRIMERA SEMANA

¿Qué es la estadística?

La estadística es una disciplina científica que se ocupa de la obtención, orden y análisis de un conjunto de datos con el fin de obtener explicaciones y predicciones sobre fenómenos observados.

Puntos clave

• La estadística es la ciencia de los datos. Te permite conocer tendencias e incluso predecir el futuro.
• Se caracteriza por su transversalidad. Se aplica en muchísimas disciplinas (como biología, física, economía y sociología), para obtener conclusiones relevantes de distintos tipos de agentes.
• Existen dos ramas principales: La estadística descriptiva y la estadística inferencial.
• Los elementos clave de la estadística son la población, la muestra, los parámetros, el experimento y las variables.

La estadística explicada de forma sencilla

Imagina que estás en una fiesta de 500 personas y quieres saber qué tartas pedir, si de queso o de chocolate. Te llevaría muchísimo tiempo averiguar qué quiere cada uno.

La estadística te da el plan para que sepas qué preguntas hacer, a cuántas personas y cómo organizar las respuestas, para así saber que al doble de gente le gusta la tarta de queso.

De esta manera te ayuda a tomar la mejor decisión y pedir 10 de queso y 5 de chocolate.

En otras palabras, la estadística es la ciencia de los datos y su principal objetivo es mejorar la comprensión de los hechos a partir de la información disponible.

Utiliza diferentes métodos para obtener la información y así conseguir conclusiones relevantes.

Conviene saber que la estadística NO es una rama de las matemáticas. Utiliza herramientas de las matemáticas del mismo modo que lo hace la física, la ingeniería o la economía, pero eso no las hace ser parte de las matemáticas. Es cierto que tienen una relación estrecha, pero la estadística y las matemáticas son disciplinas diferentes.

SEGUNDA SEMANA

¿Para qué sirve la estadística?

Aunque no lo veas, la estadística es una herramienta esencial en tu vida diaria. Nos ayuda a entender el mundo a nuestro al rededor de una maner más cuantificada y objetiva, permitiéndonos tomar decisiones más informadas y fundamentadas.

Gracias a la estadística podemos conocer los datos de manera sencilla, para poder interpretarlos y dibujarlos. Incluso nos permite predecir el futuro!

En resumen, la estadística sirve principalmente para:

• Recopilar datos: Mediante su método permite organizar cómo se recolectan los datos para que sean fiables y relevantes.
• Interpretar y describir datos: Una vez recopilados, la estadística nos adyuda a describir y entender los datos. A través de medidas como la media, la moda, la mediana o la desviación típica.
• Analizar tendencias y patrones: Nos permite identificar entender el comportamiento de los datos. Por ejemplo, si la salud está empeorando y si una acción es volátil.
• Relacionar datos: Permite comparar tendencias y relacionarlas. Por ejemplo, te puede mostrar de forma sencilla si existe correlación entre el ejercicio físico y la salud.
• Tomar decisiones basadas en datos: Uno de los objetivos principales de la estadística. Gracias a ella podemos tomar decisiones informadas basadas en datos y no en opiniones. Esto es super útil en todos los campos.
• Predecir el futuro: Parece una locura pero es así. Gracias a los datos existentes y a las tendencias podemos conocer el futuro (aunque no en todo claro). Por ejemplo, en meteorología, planificación urbana, ciencias actuariales o marketing.

Una de las características fundamentales de la estadística es su transversalidad. Su metodología se utiliza en muchas disciplinas como por ejemplo: biología, física, economía, sociología, etc.

¿Cuáles son sus objetivos?

Hora de ponerse un poco más técnicos. Los principales objetivos de la estadística son los siguientes:

• Conocer las características y hacer inferencias o llegar a conclusiones respecto a una población objetivo. Esto, usualmente a partir del análisis de muestras. Esto es propio de la estadística inferencial.
• Puede permitir establecer relación entre distintas variables, hallando el posible origen de un fenómeno, estudiando los cambios en dicho evento y haciendo proyecciones sobre el mismo, de ser posible.
• En base a las conclusiones obtenidas, se pueden tomar decisiones, por ejemplo, si hablamos de un estudio realizado por el Gobierno para definir una política pública.
• En el caso de la estadística descriptiva, permite tener un estado de la cuestión, es decir, conocer las características de una base de datos, por ejemplo, calculando las medidas de tendencia central como la media o la moda.
• Sirve de apoyo a otras disciplinas como la economía, en el análisis y proyección de indicadores como la inflación o el Producto Interior Bruto. Asimismo, en el campo de la biología, tenemos la bioestadística que analiza, en otros, datos de salud pública y medioambientales.

Elementos de la estadística

Los principales elementos de la estadística son:

• Población: Grupo de individuos que presenta o podría presentar un rasgo característico común que se desea investigar.
• Muestra: Es un subgrupo de datos extraídos de una población que debe representar adecuadamente la totalidad del grupo.
• Parámetros: Son medidas que ofrecen información sobre el centro de un conjunto de datos (medidas de tendencia central), otras sobre la dispersión o variabilidad (medidas de dispersión) y otras sobre la posición de un valor (medidas de posición como los percentiles).
• Experimento: Proceso o actividad llevada a cabo de forma intencional para obtener una serie de datos o para ratificar o refutar una hipótesis.
• Variable: La característica o cualidad de una muestra o población a la cual se le puede asignar un valor.

Tipos de estadística

Los tipos de estadística se puede subdividir en dos grandes ramas: descriptiva e inferencial.

• Estadística descriptiva: Se refiere a los métodos de recolección, organización, resumen y presentación de un conjunto de datos. Se trata principalmente de describir las características fundamentales de los datos y para ellos se suelen utilizar indicadores, gráficos y tablas.
• Estadística inferencial: Se trata de un paso más allá de la mera descripción. Se refiere a los métodos utilizados para poder hacer predicciones, generalizaciones y obtener conclusiones a partir de los datos analizados teniendo en cuenta el grado de incertidumbre existente.

La estadística inferencial se subdivide a su vez en dos grandes tipos: estadística paramétrica y no paramétrica.

• Estadística paramétrica: Se caracteriza porque asume que los datos tienen una determinada distribución o se especifican determinados parámetros que deberían cumplirse. Así por ejemplo, en un análisis paramétrico podemos trabajar bajo el supuesto de que la población se distribuye como una Normal (hay que justificar nuestro supuesto) y luego sacar conclusiones bajo el supuesto que esta condición se cumple.
• Estadística no paramétrica: En ella no es posible asumir ningún tipo de distribución subyacente en los datos ni tampoco un parámetro específico. Un ejemplo de este tipo de análisis es la prueba binomial.

Origen e historia de la estadística

La historia de la estadística data desde antes del 3.000 antes de Cristo. Nace con el objetivo de recolectar información que necesitaba el Estado, por ejemplo, sobre la agricultura y el comercio.

En la antigua Asiria y en Egipto se tiene evidencia de la recolección de datos estadísticos. Asimismo, en Roma se recogían datos demográficos de los habitantes del imperio, como aquellos de natalidad y mortalidad.  Esto, con el propósito de tomar mejores decisiones desde el gobierno.

Posteriormente, durante la Edad Media, no tuvo grandes avances. Sin embargo, en la Edad Moderna se elaboraría el primer censo estadístico moderno y la primera tabla de probabilidades de edades, ambos sucesos en el siglo XVII.

El origen de la palabra estadística se suele atribuir al economista Gottfried Achenwall (prusiano, 1719-1772) que entendía la estadística como “ciencia de las cosas que pertenecen al Estado”.

TERCERA SEMANA

Clasificación de los tipos de muestreo

En la investigación existen dos técnicas principales de muestreo: las que están basadas en la probabilidad y las que no. Vamos a analizar los diferentes tipos de muestreo que puedes crear utilizando ambas técnicas para una eficiente recolección de datos de tu próxima investigación.

• Tipos de muestreo no probabilístico

El muestreo no probabilístico es una técnica de muestreo donde las muestras se recogen por medio de un proceso que no les brinda a todos los individuos de la población las mismas oportunidades de ser seleccionados.

Aunque seleccionar algunos de estos métodos podría resultar en datos sesgados o en una capacidad limitada para hacer conclusiones generales basadas en los hallazgos, también existen algunas situaciones en las que seleccionar este tipo de técnica de muestreo es la mejor opción para cierta pregunta de investigación o para una etapa de la investigación.

Existen 4 tipos de muestreo que puedes crear de esta manera.

1. Muestreo por conveniencia

El muestreo por conveniencia es el que se basa en los sujetos disponibles, como detener a las personas en la esquina de la calle mientras pasan por ahí, es un método de muestreo, aunque es extremadamente riesgoso y debe realizarse con cautela.

Este método, también conocido como un método basado en los sujetos disponibles, no le permite al investigador tener control sobre la representatividad de la muestra. 

Sin embargo, es útil si el investigador quiere estudiar las características de las personas que pasan por la esquina de una calle en un momento determinado, por ejemplo, o si el tiempo y los recursos son limitados de tal forma que la investigación no sería posible de otra manera.

Por esta razón, un muestreo de conveniencia está entre los tipos de muestreo que comúnmente se utilizan en las fases iniciales o fase piloto de la investigación, antes de que se lance un proyecto de investigación más grande.

Aunque este método puede resultar útil, el investigador no podrá utilizar los resultados de una muestra de conveniencia para generalizar una población más amplia.

2. Muestreo deliberado, crítico o por juicio

El muestreo deliberado, crítico o por juicio es aquel que se selecciona con base en el conocimiento de una población o propósito del estudio.

Por ejemplo, cuando sociólogos quieren estudiar los efectos emocionales y psicológicos a largo plazo de la terminación de un embarazo, se puede crear una muestra que incluya solamente a mujeres que se habían sometido a un aborto. 

En este caso, los investigadores pueden utilizar una muestra intencional porque los entrevistados cumplen con una descripción o propósito específico que es necesario para realizar la investigación.

3. Muestreo por bola de nieve

Este método se utiliza cuando la población objetivo es difícil de acceder o está conformada por grupos específicos. Se basa en un proceso en el que los primeros participantes reclutan a otros, generando una red en cadena. Es común en estudios cualitativos o en investigaciones con poblaciones ocultas, como grupos minoritarios o comunidades cerradas.

¿Qué es el muestreo bola de nieve?

El muestreo bola de nieve consiste en comenzar con unos pocos participantes que cumplen con los criterios del estudio y pedirles que recomienden a otros posibles participantes que también cumplan con esos criterios. Este proceso se repite hasta alcanzar el tamaño de muestra deseado. Es una técnica útil para estudios exploratorios y para acceder a poblaciones ocultas.

Técnica del muestreo bola de nieve

La técnica del muestreo bola de nieve se realiza en los siguientes pasos:

1. Selección Inicial: Se eligen unos pocos participantes iniciales que cumplen con los criterios del estudio.
2. Recomendación: A estos participantes se les pide que recomienden a otros posibles participantes.
3. Expansión: El proceso de recomendación se repite con los nuevos participantes hasta que se alcanza el tamaño de muestra deseado.

Ventajas y desventajas del muestreo bola de nieve

Ventajas:

1. Acceso a poblaciones ocultas: Permite acceder a poblaciones difíciles de alcanzar.
2. Eficiencia: Es una técnica eficiente cuando la población objetivo es difícil de identificar mediante otros métodos.
3. Costo-Efectividad: Puede ser menos costoso y más rápido en comparación con otros métodos de muestreo.

Desventajas:

1. Sesgo Potencial: Las recomendaciones pueden no ser representativas de la población total, introduciendo sesgos.
2. Dependencia de Redes: Depende de la capacidad de los participantes iniciales para recomendar a otros.
3. Limitaciones en Generalización: Los resultados pueden no ser generalizables a toda la población debido a la naturaleza no probabilística del método.

Características del muestreo bola de nieve

Las características del muestreo bola de nieve incluyen su naturaleza no probabilística y su enfoque en redes sociales para la selección de la muestra. Es particularmente útil en contextos donde las poblaciones son pequeñas, ocultas o difíciles de identificar.

Ejemplos de muestreo bola de nieve

Ejemplo 1:

En un estudio sobre el uso de drogas entre adolescentes, se comienza con unos pocos adolescentes conocidos por el investigador y se les pide que recomienden a otros adolescentes que también usan drogas. Este proceso continúa hasta que se alcanza el tamaño de muestra necesario.

Ejemplo 2:

En una investigación sobre una comunidad específica de inmigrantes, los primeros participantes son seleccionados de una organización comunitaria y luego se les pide que recomienden a otros miembros de la comunidad.

4. Muestreo por cuotas

En este tipo de muestreo, la selección de los participantes se realiza con base en características específicas de la población, estableciendo cuotas proporcionales a ciertos criterios como edad, género o nivel educativo. Garantiza que la muestra sea representativa de la población en estudio, aunque no es aleatorio, ya que los sujetos son seleccionados hasta completar las cuotas establecidas.