Skip to content

UD1 - introducción a la Estadística


Objetivo

✨ Entender qué es la estadística, sus dos ramas principales (descriptiva e inferencial), y cómo se estructura este curso para aprender sistemáticamente.

Idea Clave 💡

La estadística transforma datos crudos en información útil. Este proceso tiene dos enfoques: describir lo que vemos en los datos (descriptiva) o sacar conclusiones sobre poblaciones mayores a partir de muestras (inferencial). Dominar ambos es la base de todo análisis.


¿Qué es la Estadística?

Definición: La estadística es la ciencia del dato que se ocupa de:

  1. 📊 Recolección — Diseñar muestreos, definir poblaciones y seleccionar fuentes
  2. 🧹 Organización — Estructurar datos en registros limpios y validados
  3. 📈 Análisis — Calcular resúmenes, detectar patrones y visualizar distribuciones
  4. 💡 Interpretación — Sacar conclusiones válidas y comunicar resultados
  5. 📋 Presentación — Reportar hallazgos de forma clara y reproducible

Dos Ramas Principales

Estadística Descriptiva 📊

Objetivo: Resumir y representar los datos que ya tienes.

Técnicas:

  • Media, mediana, moda, varianza
  • Histogramas, boxplots, gráficos de barras
  • Tablas de frecuencias
  • Correlaciones entre variables

Pregunta típica: "¿Cuál es la edad media de los estudiantes en la clase?"

Nota: Solo describes lo observado; no haces inferencias sobre poblaciones más grandes.

Ejemplo: Análisis de Calificaciones

Datos: calificaciones de 30 estudiantes en un examen

Análisis descriptivo:

  • Media = 6.8/10
  • Desviación típica = 1.5
  • Moda = 7
  • Visualización: histograma mostrando distribución

Conclusión: El rendimiento promedio es bajo-medio, con alta variabilidad.


Estadística Inferencial 🔮

Objetivo: Usar una muestra para sacar conclusiones sobre una población más grande.

Técnicas:

  • Intervalos de confianza
  • Pruebas de hipótesis
  • Regresión y modelado
  • Estimación de parámetros

Pregunta típica: "¿Podemos asegurar que el tiempo promedio de respuesta de este servidor es menor de 200ms?"

Nota: Permite generalizar más allá de los datos observados, con un nivel de confianza cuantificable.

Ejemplo: Encuesta de Satisfacción

Población: 10,000 clientes de una empresa

Muestra: 500 clientes encuestados aleatoriamente

Resultado muestral: 85% satisfecho

Inferencia: "Con 95% de confianza, entre 82% y 88% de todos los clientes están satisfechos"

Ventaja: Conclusión sobre 10,000 a partir de 500 datos.


La Estructura de UD1: Herramientas para Describir

Tema Objetivo Conceptos Clave
🔢 Tipos de Datos Clasificar variables Nominal, ordinal, discreto, continuo
📊 Escalas de Medición Validar operaciones Nominal, ordinal, intervalo, razón
📏 Medidas Centrales Resumen de posición Media, mediana, moda
📈 Medidas de Dispersión Resumen de variabilidad Varianza, desv. típica
🎨 Gráficos Visualizar distribuciones Histograma, boxplot, barras
🧹 Limpieza Preparar datos Faltantes, duplicados, outliers
🎯 Muestreo Obtener muestras válidas Aleatorio, estratificado, sesgos

El Flujo Completo del Análisis

graph LR
    A["1️⃣ RECOGIDA<br/>Muestreo, población"] --> B["2️⃣ REGISTRO<br/>Observaciones, metadatos"]
    B --> C["3️⃣ LIMPIEZA<br/>Valores faltantes, duplicados"]
    C --> D["4️⃣ EXPLORACIÓN<br/>Resúmenes, visualización"]
    D --> E["5️⃣ MODELADO<br/>Inferencia, predicción"]
    E --> F["6️⃣ COMUNICACIÓN<br/>Reportes, insights"]

    style A fill:#e1f5ff
    style B fill:#e1f5ff
    style C fill:#f3e5f5
    style D fill:#f3e5f5
    style E fill:#fff3e0
    style F fill:#fff3e0

Colores: UD1 cubrirá pasos 1-4 (azul/morado). Pasos 5-6 aparecen en UD3+ pero es crucial pensar en ellos desde el inicio.


💡 Consejos Prácticos

Estudia Modularmente

Cada página de UD1 es independiente pero conectada. Puedes estudiar en cualquier orden, pero recomendamos: tipos → medidas → gráficos → limpieza → muestreo.

Documentación es Clave

En análisis real, documenta siempre: qué datos usaste, qué limpiezas hiciste, qué criterios aplicaste. Tu yo futuro (y los evaluadores) lo agradecerán.

Evita Conclusiones Precipitadas

Estadística descriptiva te muestra lo que pasó en tu muestra. No intentes generalizar sin técnicas de inferencia formales (UD3+).


📖 Mapa de Contenidos

Consulta estas páginas en orden para un aprendizaje sólido:

  1. Introducción ← Estás aquí
  2. Tipos de datos
  3. Escalas de medición
  4. Medidas de tendencia central
  5. Medias especializadas
  6. Observación y registro
  7. Muestreo
  8. Limpieza de datos
  9. Visualización
  10. Proceso completo
  11. Ejercicios + Examen