Mostrando entradas con la etiqueta Glosario. Mostrar todas las entradas
Mostrando entradas con la etiqueta Glosario. Mostrar todas las entradas

27/4/24

GLOSARIO ESTADÍSTICO

 

CENSO

El censo es un proceso mediante el cual se recopilan datos estadísticos y demográficos de una población en un determinado momento para obtener información detallada sobre las personas en un área geográfica. El censo se realiza para obtener una visión completa y detallada de la población en términos de número de personas, distribución geográfica, características demográficas como edad, sexo, estado civil, datos educativos, situación laboral, etc., con el fin de facilitar la planificación de políticas, la asignación de recursos y la toma de decisiones por parte de gobiernos y organizaciones.

Datos que se recopilan en un censo:
- Número total de habitantes.
- Composición por edad, sexo y estado civil.
- Grupo étnico.
- Ubicación geográfica.
- Nivel educativo.
- Ocupación y empleo.
- Condiciones económicas e ingresos.
- Características de las viviendas y servicios disponibles.
- Datos sobre la agricultura, ganadería u otras actividades económicas.

Características del censo:
- Sistemático. Se realiza de forma organizada, sistemática y estandarizada.
- Completo. Busca incluir a todas las personas dentro del área definida para obtener una imagen precisa.
- Periódico. Se realiza periódicamente a intervalos regulares, comúnmente cada 10 años.
- Confidencial. Los datos recopilados están legalmente protegidos y solo pueden utilizarse para análisis estadísticos.
- Obligatorio. La participación suele ser obligatoria para todas las personas que residen en la región censada, con el fin de que sea lo más representativo y preciso posible.

Ejecución del Censo:
- Planificación. Definición del alcance, objetivos y métodos del censo.
- Recopilación de Datos. Obtención de datos de forma personal, telefónica, por internet o mediante la combinación de estas opciones.
- Procesamiento. Organización y análisis de los datos recopilados.
- Publicación de Resultados. Presentación de los resultados de forma clara y puesta a disposición de las autoridades y del público en general.

Tipos de Censo:
- Censo de Población. Contabiliza la población de una zona específica y recopila datos demográficos básicos.
- Censo de Vivienda. Recopila datos sobre el tamaño y tipo de vivienda, servicios disponibles, entre otros.
- Censo Económico. Busca recopilar datos sobre la actividad económica de empresas y personas, como el empleo, los ingresos y las actividades comerciales.
- Censo Agropecuario. Se centra en las actividades agrícolas y ganaderas, recopilando datos sobre la producción y el uso de la tierra.
- Censo Escolar. Registra datos educativos como la matrícula, la asistencia, la deserción, etc.
- Censo Étnico o Racial. Se centra en datos de comunidades étnicas o raciales para reflejar la diversidad cultural de un país.
- Censo de Personas sin Hogar: Proporciona datos sobre las personas sin vivienda permanente y que viven en la calle, en albergues temporales o en cualquier otro tipo de alojamiento inseguro.
- Entre otros tipos de censos.

El censo es, por lo tanto, una herramienta fundamental para que los gobiernos tomen decisiones en materia de servicios públicos, como educación, salud, vivienda, transporte, etc., en relación con las necesidades y las características de la población; así como para la investigación, formulación de políticas y asignación de recursos. Entonces, es obligatorio participar en el censo ya que es beneficioso para todos, además, está protegido por ley para que los datos no sean divulgados y se utilicen solo para fines estadísticos.

Referencias: (1), (2), (3), (4).

 


ENCUESTA


Una encuesta es un método de investigación para la recopilación de datos y opiniones de la muestra representativa de una población, para lo cual se utilizan preguntas estructuradas sobre un tema específico para obtener información sobre actitudes, opiniones o comportamientos y que luego se analiza estadísticamente para identificar tendencias o relaciones que servirán al tomar decisiones. Las encuestas se pueden utilizar en estudios de mercado, investigación social, investigación académica, evaluación de programas, entre otros; y pueden realizarse a través de diferentes medios, como cuestionarios en papel, entrevistas telefónicas o en línea. Entonces, una encuesta es como una "entrevista escrita" que proporciona información valiosa sobre una población de interés.

Características de una encuesta:
- Estructurada. Las preguntas son predefinidas y se presentan de la misma manera a todos los participantes.
- Representativa. La muestra seleccionada debe ser representativa de la población objetivo, para garantizar la validez de los resultados.
- Objetiva. Se busca obtener respuestas precisas y no sesgadas, sin influencia del encuestador.
- Cuantitativa: Las respuestas suelen ser cuantificables y susceptibles de análisis estadístico.
- Ética. Se debe garantizar el consentimiento informado y la confidencialidad de los participantes.

Procedimientos para realizar una encuesta:
1. Definir el objetivo y las preguntas de la encuesta.
2. Seleccionar el método de muestreo y la muestra.
3. Diseñar el cuestionario y validar su contenido.
4. Administrar la encuesta a los participantes.
5. Recopilar y registrar las respuestas de los participantes.
6. Asignar códigos numéricos a las respuestas para facilitar el análisis.
7. Organización de los datos en tablas para su análisis.
6. Analizar los datos recopilados mediante técnicas estadísticas.
7. Interpretar los resultados y elaborar conclusiones.

Ventajas:
- Puede utilizarse en una amplia variedad de contextos y temas.
- Permite recopilar datos de manera rápida y relativamente económica.
- Las preguntas predefinidas facilitan la comparación de resultados.
- Al ser estándar, ayuda a minimizar la influencia del encuestador en las respuestas.

Desventajas:
- Puede haber sesgo de selección cuando la muestra no es completamente representativa de la población objetivo.
- Puede generarse sesgo de respuesta cuando los participantes proporcionan respuestas deseables en lugar de respuestas honestas.
- Los participantes pueden malinterpretar las preguntas, lo que lleva a respuestas incorrectas.
- La elaboración, administración y análisis de encuestas pueden requerir muchos recursos, ser costosos y consumir mucho tiempo.

Las encuestas son una herramienta valiosa para la investigación, pero es importante tener en cuenta sus limitaciones y considerar cuidadosamente el diseño y la implementación para garantizar la validez y la fiabilidad de los resultados obtenidos.

Referencias: (1), (2), (3), (4).




CONGLOMERADO

Un conglomerado hace referencia a un grupo de elementos con una característica común y como unidad forman parte de la muestra, es decir, que para formar una muestra, en lugar de seleccionar elementos individuales de una población, se seleccionan conglomerados o grupos completos para obtener información de los elementos de esos grupos. Por ejemplo, en un estudio educativo, se seleccionan al azar, los conglomerados que serían las escuelas, para luego recopilar información de todos los estudiantes dentro de cada escuela seleccionada.

El muestreo por conglomerados es útil, especialmente, cuando no es posible enumerar y seleccionar cada elemento individual de la población, lo que permite ahorrar tiempo y recursos en la recopilación de datos, manteniendo siempre la representatividad, para obtener resultados precisos, válidos y generalizables.

En general, un conglomerado puede ser cualquier grupo o conjunto de elementos que comparten una característica común y que son tratados como una unidad en el proceso de muestreo.

Referencias: (1), (2), (3).

 



ESTRATIFICACIÓN

La estratificación es un proceso mediante el cual se divide a la población general en grupos más pequeños y homogéneos llamados estratos, para facilitar la recolección de datos. Cada estrato es la representación de una subpoblación con unas características similares dentro del total de la población; asegurando así que cada tipo de individuo esté representado en la muestra de manera proporcional, mejorando la precisión de los resultados. Se pueden crear estratos a partir de variables como edad, género, nivel académico, nivel de ingresos, ubicación geográfica, entre otras; una vez estratificada la población, se puede tomar una muestra aleatoria de cada estrato utilizando algún método de muestreo, como puede ser muestreo aleatorio simple, muestreo sistemático, etc.

La estratificación también tiene la ventaja de disminuir la variabilidad dentro de cada estrato, permitiendo así una mayor eficiencia durante el muestreo; por ejemplo, al realizar un estudio relacionado con el ingreso familiar, los estratos serían los rangos de ingresos económicos y dentro de cada estrato, se puede seleccionar una muestra aleatoria de familias que pasarían a formar parte de la muestra total.

Referencias: (1), (2), (3), (4).

 



TENDENCIA

La tendencia, es la dirección general o patrón de variación, en la que cambian los datos a lo largo del tiempo o en relación con una determinada variable; puede indicar que los datos están aumentando,  disminuyendo o que se mantienen relativamente constantes en un periodo de tiempo. Las tendencias pueden ayudar a hacer pronósticos de los datos y así tomar decisiones informadas.

Tipos de tendencias:
- Tendencia lineal. Los datos muestran un cambio constante en el tiempo, en cierta dirección, ya sea aumentando o disminuyendo, a través de una línea recta en un gráfico.
 - Tendencia no lineal. Los datos indican un cambio que no es constante, ya que muestra una curva o patrón irregular y no una línea recta.
- Tendencia estacional. Los datos indican variaciones regulares o periódicas que se repiten en un determinado tiempo como horas, días, meses, estaciones, etc.
 - Tendencia irregular. Los datos muestran variaciones impredecibles o aleatorias que no siguen patrones específicos, en parte, debido a los factores externos no controlados.
 - Tendencia exponencial. Los datos indican un crecimiento o decrecimiento relativamente acelerado con el tiempo, siguiendo una curva exponencial.
 - Tendencia periódica. Los datos indican variaciones periódicas que se repiten en intervalos específicos, no necesariamente vinculados al tiempo, como por ejemplo, los patrones estacionales de la bolsa de valores.
 - Tendencia aleatoria o estocástica. Los datos muestran cambios aleatorios sin un patrón definido.

Las tendencias pueden ser identificadas y analizadas de distintas maneras y con diferentes métodos estadísticos como: gráficos y visualización de datos para encontrar patrones de tendencias como rectas, curvas o fluctuaciones periódicas; regresión lineal para conocer la dirección o la magnitud de una tendencia lineal; series temporales para datos que se recopilan a lo largo del tiempo; modelos de regresión no lineales; análisis de tendencias estacionales; entre otras técnicas.

El análisis de tendencias conlleva importantes implicaciones en la toma de decisiones en diversos campos como la economía, salud pública, climatología, marketing, planificación urbana, etc
.

Referencias: (1), (2), (3).



10/6/23

GLOSARIO ESTADÍSTICO

 

Dato

Un dato se puede definir como una representación simbólica de una característica o atributo de una entidad; es la unidad más elemental de la información y puede ser cualquier observación, medida, descripción o resumen de algo, que se registra y se almacena para su posterior análisis o tratamiento. Los datos pueden ser cualitativos (descripciones) o cuantitativos (números), y pueden tener diversas formas de presentación (textos, números, imágenes, sonido, video, etc.). Los datos son la materia prima para la generación de información y para la toma de decisiones.

Tipos de datos:
- Datos numéricos (cuantitativos). Representan cantidades que se miden o se cuentan, pueden ser discretos o continuos: por ejemplo: la edad de una persona, el peso de un objeto, la temperatura del aire, etc.
- Datos categóricos (cualitativos). Representan categorías o grupos y no se pueden medir numéricamente, pueden ser nominales u ordinales; por ejemplo: el color de un automóvil (rojo, azul, verde,...), el nivel de educación (primaria, secundaria, universitaria), etc.
- Datos binarios. Solo pueden tener dos valores posibles (verdadero o falso, 1 o 0); por ejemplo: el estado civil de una persona (soltero o casado), el lanzamiento de como de moneda (cara o cruz), etc.
- Datos temporales. Representan fechas, horas o intervalos de tiempo; por ejemplo: la fecha de nacimiento de una persona, la hora de salida de un vuelo, la duración de un evento, etc.
- Datos ordinales. Representan valores que poseen un orden inherente, aunque la diferencia entre sus valores es irrelevante; por ejemplo: la clasificación de productos en una escala de satisfacción (bueno, regular, malo), la clasificación de películas por su popularidad (alta, media, baja), etc.
- Datos de frecuencia. Representan la frecuencia con la que ocurre un evento; por ejemplo: número de veces que una persona visita una web en un mes, número  de videos subidos a Tiktok en una región, etc.
- Datos textuales. Representan información en forma de texto o palabras, por ejemplo: el nombre de una persona, el título de un libro, el contenido de un correo electrónico, etc.
- Datos financieros. Representan valores monetarios o datos financieros; por ejemplo, los ingresos mensuales de una empresa, el precio de las acciones de una empresa en la bolsa de valores, el saldo de una cuenta bancaria, etc.
- Datos multimedia. Representan contenidos de multimedia; por ejemplo: los pixeles de una imagen digital, la frecuencia de audio de un archivo de música, los fotogramas por segundo en un video determinado, etc.


Referencias: (1), (2), (3), (4), (5).

 

Sesgo

El sesgo estadístico es una desviación o tendencia sistemática que ocurre cuando los resultados de un estudio o de un análisis de datos se desvían hacia una determinada dirección, ya sea por errores o por ciertas influencias, haciendo que los datos no sean totalmente imparciales o representativos de la realidad. Entonces el sesgo podría mostrar una visión distorsionada de la realidad; en términos estadísticos,  el sesgo implica una sobreestimación o subestimación sistemática de un parámetro o medida de interés; por otro lado, el sesgo también puede plantearse como una "preferencia" hacia determinadas ideas o grupos, afectando la objetividad a la hora de tomar decisiones o de presentar la información.

El sesgo puede surgir por diversos motivos como por errores de muestreo, por defectos en el diseño de la investigación, por sesgos de selección, por disponer de información incompleta, etc., por lo general, implica una falta de neutralidad o imparcialidad. Identificar y controlar el sesgo es muy importante para garantizar la validez y la fiabilidad de los resultados.

Tipos de Sesgos

-  Sesgo de selección: Se presenta cuando la muestra no es aleatoria o cuando ciertos grupos están menos o más representados en comparación con toda la población.
- Sesgo de información: Se observa cuando hay inconsistencias o contradicciones entre los datos o cuando la información parece a favor de ciertas respuestas o resultados.
- Sesgo de confusión: Se manifiesta cuando hay una tercera variable que influye tanto en la variable independiente como en la dependiente, alternado la relación entre ambas.
- Sesgo de supervivencia: Se presenta en estudios donde la atención se centra sólo en los casos o elementos que superaron alguna prueba, más no en aquellos que no la superaron.
- Sesgo de recuerdo: Se produce cuando los participantes en un estudio informan o recuerdan sucesos pasados de forma inexacta.
- Sesgo de no respuesta. Cuando los participantes en un estudio, no informan sus respuestas a una o más preguntas.
- Sesgo de respuesta socialmente deseable: Se observan cuando los participantes reportan información falsa debido a la presión social (para que sean socialmente aceptados). .

Causas del sesgo 

- Errores en la fase de diseño del estudio, cuando la muestra no es representativa de la población o surgen dificultades en la recolección de la información
- Errores de selección, cuando ciertos grupos tienen más probabilidad de ser incluidos en la muestra y otros tienen menos.
- Sesgos de respuesta, cuando los participantes responden de maneras diferentes según sus propias creencias, experiencias o deseos.
- Sesgos de información, cuando la información recopilada en el estudio resulta estar incorrecta, incompleta o sesgada.

Consecuencias:

- Resultados incorrectos
- Pérdida de credibilidad
- Políticas y prácticas ineficaces o perjudiciales
- Desigualdad y discriminación

Es importante identificar y mitigar los sesgos siempre que se pueda, para así poder garantizar la veracidad y la representatividad de los resultados obtenidos.

Referencias: (1), (2), (3), (4).



Variable

Una variable es la característica de un elemento que puede variar, cambiar o tomar diferentes valores, puede ser observado, medido o controlado en un estudio y/o experimento. Las variables son muy importantes en la investigación científica para entender cómo influyen en los resultados del estudio; pueden ser cualitativas, como el color de pelo o el estado civil; o cuantitativas como la edad, el peso o la temperatura.

En un experimento, las variables pueden ser independientes (manipuladas) o dependientes (observadas en respuesta a las independientes) y dentro del análisis de datos permiten comprender fenómenos y relaciones en diversos contextos; por ejemplo, la cantidad de lluvia que cae en cierta región puede ser diferente de un mes a otro, puede llover más en febrero que en marzo; entonces la cantidad de lluvia seria la variable porque varía según el tiempo.

Tipos de variables
- Variables independientes. Son aquellas que el investigador manipula o controla en un experimento para observar su efecto sobre otras variables; también se les conoce como variables predictoras o explicativas.
- Variables dependientes. Son aquellas cuyos valores son observados o medidos como respuesta a la manipulación de las variables independientes (representan los resultados o los efectos que se están estudiando).
- Variables intervinientes. Son aquellas que intervienen en la relación entre una variable independiente y otra dependiente, ya sea para explicar cómo se produce esa relación (variables mediadoras) o para modificar la fuerza o dirección de dicha relación (variables moderadoras).
- Variables categóricas. Son aquellas que representan categorías o grupos y no pueden ser medidas en una escala continua; pueden ser nominales (cuando no hay un orden particular entre las categorías) u ordinales (cuando existe un orden entre ellas).
- Variables continuas. Son aquellas que pueden tomar cualquier valor dentro de un rango determinado y se pueden medir en una escala numérica; por ejemplo, la altura, el peso, la temperatura, etc.
- Variables dicotómicas. Son variables que tienen sólo dos categorías mutuamente excluyentes; por ejemplo, sí/no, verdadero/falso, presente/ausente, etc.
- Variables cualitativas. Son aquellas que representan cualidades o características que no pueden ser medidas numéricamente, pueden ser nominales u ordinales.
- Variables cuantitativas. Son aquellas que representan cantidades o magnitudes y pueden ser medidas numéricamente; son discretas, cuando solo toman valores enteros; o continuas, cuando toman cualquier valor dentro de un rango.
- Variables de interés. Son aquellas que el investigador está estudiando para comprender su efecto o relación con otras variables.
- Variables de control. Son aquellas que se mantienen constantes o se controlan para evitar que afecten los resultados.
- Entre otros tipos.

Referencia: (1), (2), (3).



Indicador

Los indicadores son características o señales que nos muestran cómo va algo, si mejora, empeora o se mantiene igual; son herramientas que nos permiten comparar datos y ayudan a entender el progreso o desempeño de un fenómeno o proceso, en otros términos, los indicadores son como una medida que nos ayudan a entender qué tan bien o mal está funcionando algo, o qué tan bien estamos progresando hacia un objetivo; un ejemplo sería la temperatura, pues es un indicador del clima que nos indica frío o calor.
Los indicadores pueden ser simples, como una tasa de crecimiento, o más complejos, como un índice que combina múltiples variables para evaluar una situación o fenómeno. Estas herramientas se utilizan en diversos contextos, como economía, medio ambiente, salud, educación, entre otros; ayudándonos a tomar decisiones y formular políticas o evaluar programas.

Algunos ejemplos de indicadores son:
- Indicadores económicos: Tasa de desempleo, Producto Interno Bruto (PIB), Índice de Precios al Consumidor (IPC), Ingreso per cápita, entre otros.
- Indicadores de salud: Esperanza de vida, tasa de mortalidad infantil, Índice de Masa Corporal (IMC), número de casos de alguna enfermedad, etc.
- Indicadores educativos: Tasa de alfabetización, resultados de exámenes estandarizados, gasto per cápita en educación, etc.
- Indicadores ambientales: Índice de calidad del aire, cantidad de residuos sólidos generados por persona, extensión de áreas protegidas, entre otros.
- Indicadores sociales: Índice de desarrollo humano (IDH), tasa de criminalidad, porcentaje de población viviendo en pobreza, etc.

 

Referencia: (1), (2), (3).



23/4/22

GLOSARIO ESTADÍSTICO


FIABILIDAD

La fiabilidad o confiabilidad es la capacidad que tiene un instrumento o método de medida para obtener resultados consistentes y reproducibles, al aplicar dicho instrumento en una muestra y en diferentes momentos; entonces, la fiabilidad es la consistencia de los resultados, o dicho de otro modo, es la probabilidad de que los resultados sean exactos.

En el ámbito de la investigación, la fiabilidad es fundamental para garantizar que nuestros resultados sean precisos y generalizables, para finalmente obtener conclusiones válidas y fiables. En relación con la validez, la fiabilidad constituye un requisito previo para la validez, es decir, un instrumento puede ser fiable sin ser válido, pero no puede ser válido sin ser fiable. Un instrumento confiable siempre ofrece resultados similares cada vez que se administra a la misma población o muestra. 

Cómo evaluar la fiabilidad:

Para evaluar la fiabilidad se recurre a diferentes técnicas y enfoques, algunas de las más comunes son:

- Consistencia interna. Se aplica en cuestionarios o escalas compuestas por múltiples ítems, donde se evalúa la coherencia entre los ítems mediante estadísticas como el coeficiente alfa de Cronbach, que se obtiene a partir de la media de todas las correlaciones entre los ítems de la escala; los valores se encuentran entre 0 y 1; un valor de alfa de Cronbach próximo a 1 indica una alta fiabilidad interna. Otra medida que se aplica comúnmente, es el coeficiente KR-20, cuando se tienen datos de tipo binario o dicotómico, es decir, cuando las respuestas son codificadas como correctas e incorrectas.
- Test-retest. Consiste en administrar la misma prueba o medida a la misma muestra en dos momentos distintos de forma que haya un intervalo de tiempo entre las dos administraciones; la fiabilidad se evalúa comparando las puntuaciones obtenidas en los dos momentos; cuanto más alta sea la correlación entre las puntuaciones más alta será la fiabilidad de la medida o del instrumento.
- Métodos paralelos. Consiste en administrar dos versiones equivalentes de una prueba o medida a la misma muestra para comparar los resultados ; si las dos versiones arrojan resultados similares, se considera que la medida o instrumento es confiable.
- Método split-half. Método mediante el cual se divide una prueba o medida en dos mitades y se calcula la correlación entre las puntuaciones obtenidas en cada mitad.
- Coeficiente de correlación intraclase (CCI). Medida de concordancia entre las puntuaciones obtenidas en dos o más momentos de observación, este índice puede ser usado tanto para variables continuas como categóricas.
- Método del coeficiente de Kappa. Medida de la concordancia entre las puntuaciones de dos o más observaciones o clasificaciones categóricas, adecuado para datos categóricos o de clasificaciones.

 Referencia: (1), (2), (3).


 

HIPÓTESIS

La hipótesis es la suposición o conjetura que busca explicar un fenómeno observado y que puede comprobarse mediante la investigación y el análisis de datos, en otras palabras, es la idea que pretende comprobar una investigación. Una adecuada formulación de la hipótesis dota a la investigación científica de una base firme y puede ayudar a formular nuevas preguntas y descubrimientos.

En el ámbito de la estadística, la hipótesis es aquélla afirmación de una población y/o de la relación existente entre variables, que podemos contrastar mediante análisis estadísticos, se emplea para realizar inferencias sobre una población, a partir de una muestra de datos. La finalidad es comprobar si hay suficiente evidencia para aceptar o rechazar la hipótesis.

Características de una hipótesis:

-  Específica. La hipótesis tiene que estar formulada con claridad y sin ambigüedades, es decir, debe exponer lo que esperamos encontrar.
- Verificable. Debe ser posible de comprobarla y/o refutarla mediante experimentos, observaciones o análisis de datos.
- Testable. Debe ser posible diseñar un experimento o recopilar datos que confirmen o refuten la hipótesis.
- Fundamentada en la teoría o en la evidencia previa. Está fundamentada por conocimientos previos o teorías existentes.
- Relación entre variables. Debe establecer una relación clara entre dos o más variables y como se afectan entre ellas.
- Simple. Tiene que ser lo más simple posible
- Relevante. Debe ser pertinente para el ámbito del estudio y tener importancia práctica y/o teórica.
- Falsable. Debe ser posible demostrar que es falsa o que no es cierta si los datos no la respaldan.
- Consistencia Interna: Tiene que ser coherente consigo misma y no contener contradicciones.
- Capacidad Predicativa: Debe permitir hacer predicciones sobre observaciones o experimentaciones futuras.
- Generalizable. Los resultados de las hipótesis deben ser aplicables a situaciones más amplias o a una población más grande.

Tipos de hipótesis:

- Hipótesis descriptiva. Describe las características o comportamiento de una población sin buscar relaciones de causalidad.
- Hipótesis correlacional. Establece que existe relación entre dos variables, pero no implica causalidad.
- Hipótesis causal. Sostiene que una variable causa un efecto en otra variable.
- Hipótesis exploratorias. Se realiza en estudios exploratorios, en los cuales no se dispone de suficiente información previa, para formular una hipótesis específica.
- Hipótesis de trabajo. Es una hipótesis preliminar que sirve de guía para la investigación o estudio inicial, puede ser revisada y ajustada durante el estudio.
- Hipótesis de investigación. Está formulada por un investigador que cuenta con teorías y estudios previos; puede ser una hipótesis direccional o no direccional.
- Hipótesis direccional. Establece la dirección del efecto o de la relación entre variables.
- Hipótesis no direccional. Indica que existe una diferencia o una relación entre variables, pero no establece la dirección.
- Hipótesis complejas. Son aquéllas que incluyen más de dos variables y pueden establecer relaciones de causa y efecto entre ellas.
- Hipótesis de interacción. El efecto de una variable independiente sobre la variable dependiente, varía según el nivel de otra variable independiente.
- Hipótesis ad hoc. Se desarrollan después de la observación de un resultado inesperado para explicar la observación.
- Hipótesis específicas para estudios cualitativos. Pueden ser: hipótesis emergentes (surgen o emergen en el momento de la recolección y análisis de datos cualitativos) o hipótesis de trabajo inicial (se desarrollan al comienzo de un estudio cualitativo y se modifican a medida que avanza el estudio).
- Hipótesis nula (H₀). Es una afirmación que indica que no hay efecto, diferencia o relación entre las variables estudiadas.
- Hipótesis nula simple. Es una hipótesis nula que especifica un solo valor para un parámetro poblacional.
- Hipótesis nula compuesta. Es una hipótesis nula que especifica un rango de valores para un parámetro poblacional.
- Hipótesis alternativa (H₁ o Ha). Es una afirmación que indica que existe un efecto, diferencia o relación entre las variables estudiadas.

Referencia: (1), (2), (3), (4).



SIGNIFICANCIA

En estadística, la significancia es la probabilidad de que los resultados de un estudio sean reales y no determinados por el azar; se utiliza para evaluar si los efectos o las diferencias que se observan en un conjunto de datos son lo suficientemente fuertes para ser considerados verdaderos; entonces, la significancia nos indica cuán probable es que los resultados sean auténticos y no una coincidencia.

Determinación de la Significancia:

La significancia estadística se determina fundamentalmente por el valor p y el nivel de significancia (α); el valor p indica si los resultados son estadísticamente significativos, es decir, que hay una baja probabilidad de que los resultados sean debidos al azar, por lo general, su valor es ≤ 0.05; por otro lado, el nivel de significancia (α) es el umbral que se fija para determinar si un  resultado es significativo, comúnmente se utiliza un nivel de significancia de 0.05 (implica que hay un 5% de probabilidad de que los resultados sean debidos al azar).

Pasos para Medir la Significancia:

- Formular hipótesis nula y alternativa.
- Elegir un nivel de significancia (α).
- Recolectar datos.
- Seleccionar la prueba estadística adecuada.
- Calcular el valor p usando prueba estadística.
- Comparar el valor p con el nivel de significancia.
- Tomar una decisión sobre la hipótesis nula (rechazarla o no rechazarla).

Referencia: (1), (2), (3).


 

VALIDEZ

La validez es una medida que garantiza que los instrumentos y métodos de medición evalúen lo que realmente se proponen medir, es importante para asegurar que las conclusiones de una investigación o estudio sean precisas y reflejen la realidad de manera correcta; por ejemplo, si un test está diseñado para medir la inteligencia, debe medir efectivamente la inteligencia y no otra cosa como la memoria o el conocimiento general.

Importancia de la Validez:

- Asegura la precisión de los resultados, es decir, que los datos y las conclusiones serán más fiables si el instrumento es válido.
- Facilita la toma de decisiones a través de resultados basados en hechos y datos precisos.
- Incrementa la confianza en el estudio

Tipos de Validez:

- Validez de contenido. Evalúa si el instrumento cubre adecuadamente el tema que se desea medir.
- Validez de constructo. Determina si el instrumento mide el contenido teórico que se supone debe medir.
- Validez de criterio. Mide la efectividad del instrumento para predecir resultados según algún criterio externo; se subdivide en: validez concurrente (cuando se compara el instrumento con algún criterio o medida diferente en ese mismo momento) y validez predictiva (cuando el instrumento es capaz de predecir un resultado futuro).
- Validez interna. Grado en que los cambios de la variable dependiente son producidos por la manipulación de la variable independiente.
- Validez externa. Grado en que los resultados de un estudio pueden generalizarse a otras personas, situaciones o tiempos.
- Validez de consecuencia. Es la evaluación de las posibles consecuencias positivas o negativas al utilizar los resultados de una prueba o medida, para tomar decisiones.

Evaluación de la validez:

- Juicio de Expertos. Se consulta a expertos en la materia de evaluación, para determinar si el contenido del instrumento que se aplica es adecuado y pertinente.
- Análisis de contenido. Implica revisar y analizar cuidadosamente el material o las preguntas que componen un instrumento para asegurar que estén bien construidos y evalúen lo que se quiere evaluar respecto a un determinado tema.
- Comparación con criterios externos. En validez de criterio, se contrastan los resultados de una medida con otras medidas reconocidas que midan el mismo constructo.
- Relación entre variables. En validez de constructo, se realiza un análisis estadístico para verificar la relación que existe entre las puntuaciones obtenidas con el instrumento utilizado y otras medidas que supuestamente están relacionadas con el constructo que evaluamos.
- Prueba piloto. Antes de utilizar el instrumento a gran escala, se aplican pruebas piloto para evaluar su validez en condiciones controladas y realizar los ajustes oportunos.

Métodos estadísticos para medir la Validez:

- Coeficiente de correlación. Para evaluar la relación que existe entre las puntuaciones obtenidas en un instrumento y un criterio externo que consideramos relevante.
- Análisis factorial. Para comprobar la validez de constructo, examinando cómo se agrupan y se relacionan las preguntas y/o variables de nuestro estudio y comprobar si estas preguntas recogen lo que realmente se quiere medir.
- Análisis de conglomerados. Para agrupar a los elementos de un conjunto de datos en grupos homogéneos en función de las similitudes entre ellos.
- Análisis de regresión. Para comprobar la validez predictiva de un instrumento, examinando la relación entre la puntuaciones obtenidas en el instrumento y un criterio externo que tenga relación con el constructo que se está midiendo.
- Análisis de varianza (ANOVA). Para comprobar las puntuaciones que se obtienen en un instrumento entre diferentes grupos de individuos, proporcionando evidencia de la validez de criterio si se encuentra que los grupos varían significativamente en las puntuaciones del instrumento.
- Curva ROC (Receiver Operating Characteristic). Utilizada especialmente en la validación de las pruebas diagnósticas para evaluar la sensibilidad y especificidad de una prueba en relación con un criterio de referencia.

Referencia: (1), (2), (3), (4), (5).


5/6/21

GLOSARIO ESTADÍSTICO


DEMOGRAFÍA

La demografía es una ciencia que estudia cuantitativa y cualitativamente a la población humana, para describir y analizar su tamaño, estructura, distribución y evolución en determinados periodos de tiempo; así mismo, La demografía utiliza técnicas estadísticas y matemáticas para trabajar con datos relacionados a fenómenos demográficos (natalidad, mortalidad, migración, matrimonio, divorcio, etc.), y de evaluar sus dinámicas y/o predecir tendencias.

Para realizar el análisis de la población, la demografía utiliza diferentes métodos que permiten recolectar, analizar e interpretar datos (censos, encuestas, o registros administrativos) así como la proyección de las poblaciones, los modelos estadísticos, entre otros. Los conocimientos demográficos tienen aplicaciones prácticas en muchas áreas como planificación de políticas públicas, desarrollo económico, salud pública, educación, urbanización, mercado laboral, etc.


Referencia; (1), (2).


NORMALIZACIÓN

La normalización es un procedimiento que puede ser utilizado en estadística, informática o gestión de bases de datos, para ajustar datos o estructuras a un formato estándar; el objetivo principal de la normalización es mejorar de la calidad, la consistencia y la utilidad de los datos. En estadística y análisis de datos, la normalización es el proceso de transformar los datos a una escala común y, por tanto, se pueda prescindir de las unidades de medida, facilitando la comparación entre variables diferentes.

Principales razones de la Normalización

- Facilita la comparación entre variables o conjuntos de datos diferentes, haciendo que los análisis sean más precisos y significativos.
- Reduce la redundancia, con ello, el riesgo de errores y en consecuencia se mejora la calidad e integridad de los datos.
- En caso de bases de datos, la normalización mejora el diseño, el almacenamiento y la eficiencia en la gestión y recuperación de datos.
- En Machine Learning y en el análisis estadístico, la normalización, segura que las diferentes características contribuyan equitativamente al modelo y evita que una característica domine al resto, por tener escalas de valores diferentes.

Entonces, la normalización es un proceso que se emplea para transformar los datos a un formato estándar y así aumentar su capacidad para ser comparables, íntegros y útiles en los diferentes tipos de aplicaciones y contextos.

Referencia: (1), (2), (3).

 

PROPORCIÓN

Una proporción es una relación o comparación entre dos números que indica cuántas veces una cantidad está contenida en otra; en el campo de la estadística, una proporción es una medida que refleja la relación de una parte respecto al todo; es una fracción del total que indica cuántas veces una característica específica ocurre o se presenta en la población o en la muestra; por ejemplo, si en un examen, 30 estudiantes de 50 aprobaran, la proporción de aprobados sería 30/50=0.6 o el 60% de la población.

Para calcular la proporción, se utiliza la fórmula:

\[Proporci\acute{o}n=\frac{\text{Número favorable de casos}}{\text{Número total de casos}}\]


Importancia de la proporción en estadística:

- La proporción permite comprender cómo se distribuye una determinada característica dentro de una población o de una muestra.
- Permite comparar diferentes grupos o subgrupos dentro de una población.
- La proporción se utiliza para estimar probabilidades y crear inferencias estadísticas.
- Las proporciones dentro de una prueba de hipótesis, se utilizan para comparar tasas de éxito entre diferentes grupos.
- Las proporciones ayudan a identificar y evaluar las tendencias de crecimiento o decrecimiento en el tiempo.
- Al generar visualizaciones de datos como histogramas o gráficos circulares, las proporciones ayudan a que las presentaciones puedan ser fácilmente comprendidas.
- En manufactura, las proporciones son usadas para ayudar a realizar el control y el monitoreo de la calidad de los productos.
- Permiten a los investigadores y analistas, caracterizar y establecer conclusiones a partir de datos cuantitativos y precisos.

Representación de la Proporción:

- Fracción: \(\frac{1}{4}\)
- Decimal: 0.25
- Porcentaje: 25% (en comparación con el total)

Cabe puntualizar, por tanto, que las proporciones son un soporte para el análisis de datos, para comprender las distribuciones y para tomar decisiones fundamentadas en la evidencia cuantitativa.

Referencia: (1), (2), (3). 

 

UNIVERSO

En estadística e investigación, el universo se define como el total de individuos, elementos o eventos que presentan una característica o conjunto de características definidas y que son objeto de estudio de una investigación, o bien, el universo es la totalidad de la población de la que se puede extraer una muestra para realizar un análisis o una inferencia estadística.

Comúnmente el término Universo es utilizado para referirse a la población, pero existen algunas diferenciales sutiles en el uso de estos términos; mientras que la población es la totalidad de  personas, objetos, eventos o elementos que cumplen con ciertos criterios específicos y son de interés para un estudio en particular; el universo puede referirse a la totalidad de elementos en un ámbito más amplio que no necesariamente está limitado por criterios específicos de una investigación..

Referencia: (1), (2).


6/6/20

CUANTILES

Los cuantiles son parámetros de posición que dividen los valores de una variable de forma proporcional, son utilizados para facilitar la evaluación de la dispersión y la tendencia central de un conjunto de datos. Para hallar los cuantiles, se deben ordenar los valores de menor a mayor, esta distribución es dividida en partes iguales, por tanto cada cuantil contiene el mismo número de frecuencia. Los cuantilles más usados son los cuartiles, quintiles, deciles y percentiles. La fórmula general es la siguiente:
Donde:
Li : Límite inferior de la clase i (donde se encuentra el cuantil k)
k : Número cuantil
N : Número total de valores involucrados
c : Número total de partes iguales en que dividimos al grupo de datos
fi : Frecuencia absoluta de la clase i (la clase donde se encuentra el cuantil k)
Fi-1 : Frecuencia acumulada previa a la clase i
ai : Amplitud de clase (longitud del intérvalo de la clase del cuantil i-ésimo)


CUARTILES

Estadístico de posición que divide a la muestra en 4 grupos con frecuencias similares. Los cuartiles son tres valores (0.25; 0.50 y 0.75) y son representadas por: Q1, Q2 y Q3. La diferencia entre el tercer cuartil y el primer cuartil es conocido como rango intercuartílico, representado en los diagramas de caja. 

Cálculo de Cuartiles para datos agrupados
1. En la tabla de frecuencias, completar la Frecuencia Absoluta Acumulada Fi.
2. Encontrar la Clase Cuartil: k*N/4 (donde k es el número de cuartil y N es el tamaño de la muestra o población).
3. Ubicamos el primer número mayor a la clase cuartil en la Columna de Frecuencia Absoluta Acumulada (Fi), siendo esa la posición de la marca de clase para este cuartil k.
4. Calcular el valor para el cuartil k según la fórmula.

Cálculo de Cuartiles para datos no agrupados
1. Ordenamos los valores de menor a mayor.
2. Calculamos la posición que ocupa el cuartil, considerar si el número de la muestra o población es impar o par, para usar la fórmula adecuada.
3. Si el resultado tiene decimales, el cuartil se obtiene del promedio de los valores que están en las posiciones A y A+1 (donde A, en este caso, equivale al número entero).

Fórmulas para hallar Cuartiles de datos agrupados y no agrupados


Rango intercuartil

Es la distancia entre el primer primer cuartil (Q₁) y el tercer cuartil (Q₃); de esta manera, abarca el 50% central de los datos. Debido a que no son afectados por observaciones extremas, la mediana y el rango intercuartil constituyen una mejor medida de la tendencia central y la dispersión de conjuntos de datos altamente asimétricos, en comparación con la media y la desviación estándar.





QUINTILES

El Quintil es una medida estadística de posición que divide a la muestra en 5 grupos con frecuencias similares (corresponden a los cuantiles 0,20; 0,40; 0,60 y 0,80). Se utiliza para indicar el valor por debajo del cual se encuentra un determinado porcentaje de observaciones. Cada quintil representa un 20% de la muestra/población hasta llegar a 100% (el quinto quintil correspondería al valor más alto).

Cálculo de Quintiles para datos no agrupados
1. Ordenamos los valores de menor a mayor.
2. Calculamos la posición que ocupa el quintil, aplicando la fórmula.
3. Si el resultado no tiene decimales, el quintil se obtiene seleccionando el valor de la muestra que ocupa la posición A, pero si el resultado tiene decimales, el quintil se obtiene del promedio de los valores que están en las posiciones A y A+1 (donde A equivale al número entero).

Cálculo de Quintiles para datos agrupados
1. En la tabla de frecuencias, completar la frecuencia Absoluta Acumulada Fi.
2. Encontrar la Clase Quintil: k*N/5 (donde k es el número de cuartil y N es el tamaño de la muestra o población).
3. Ubicamos el primer número mayor a la clase quintil en la Columna de Frecuencia Absoluta Acumulada (Fi), siendo esa la posición de la marca de clase para este quintil k.
4. Calcular el valor para el quintil k según la fórmula de la tabla.

Fórmulas para hallar Quintiles de datos agrupados y no agrupados


Un quintil es la quinta parte de una población estadística, representa el 20% del número total de individuos de una población determinada. Es un término muy utilizado en economía para distribuir a la población. El quintil es muy usado en diferentes áreas, por ejemplo en economía sirve para representar el nivel de ingreso familiar de la población, un quintil representa una quinta parte de una población, entonces El 20% de los individuos más pobres representa el primer quintil (Q1) y el 20% más rico que representa el quintil (Q5). 



DECILES

Los deciles son 9 valores (0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9) que dividen la sucesión de datos ordenados en 10 grupos con frecuencias similares. Los deciles suelen usarse frecuentemente para fijar el aprovechamiento académico.

Cálculo de Deciles para datos no agrupados
1. Ordenamos los valores de menor a mayor.
2. Calculamos la posición que ocupa el decil, según la fórmula correspondiente (considerar si N es par o impar).
3. Si el resultado tiene decimales, el decil se obtiene del promedio de los valores que están en las posiciones A y A+1 (donde A, equivale al número entero).

Cálculo de Deciles para datos agrupados
1. En la tabla de frecuencias, completar la frecuencia Absoluta Acumulada Fi.
2. Encontrar la Clase Decil: k*N/10 (donde k es el número de cuartil y N es el tamaño de la muestra o población).
3. Ubicamos el primer número mayor a la clase decil en la Columna de Frecuencia Absoluta Acumulada (Fi), siendo esa la posición de la marca de clase para el decil k.
4. Calcular el valor para el decil k según la fórmula de la tabla.

Fórmulas para hallar Deciles de datos agrupados y no agrupados




PERCENTILES

Los Percentiles dividen la sucesión de datos ordenados en 100 partes con frecuencias similares, en donde cada parte representa al 1% de la población o muestra. Los percentiles, son 99 valores (Q1, Q2, …, Q99).

Cálculo de Percentiles para datos no agrupados
1. Ordenamos los valores de menor a mayor.
2. Calculamos la posición que ocupa el percentil, según la fórmula que corresponde.
3. Si el resultado tiene decimales, el percentil se obtiene del promedio de los valores que están en las posiciones A y A+1 (donde A, equivale al número entero).

Cálculo de Percentiles para datos agrupados
1. En la tabla de frecuencias, completar la frecuencia Absoluta Acumulada Fi.
2. Encontrar la Clase Decil: k*N/100 (donde k es el número de cuartil y N es el tamaño de la muestra o población).
3. Ubicamos el primer número mayor a la clase decil en la Columna de Frecuencia Absoluta Acumulada (Fi), siendo esa la posición de la marca de clase para el percentil k.
4. Calcular el valor para el percentil k según la fórmula de la tabla.

Fórmulas para hallar Percentiles de datos agrupados y no agrupados



MEDIANA

Es una medida de tendencia central, que se basa en la posición central que ocupa en la distribución de datos de la de una población o muestra, dividen la sucesión de datos ordenados de menor a mayor en 2 partes iguales, el valor que está en el centro es la mediana (Me.).


Cálculo de la Mediana para datos no agrupados
1. Ordenamos los valores de menor a mayor.
2. Calculamos la posición de la mediana, teniendo en cuenta si el número de valores (población o muestra) es par o impar, utilizando la fórmula adecuada.
3. Si el resultado tiene decimales, la mediana se obtiene del promedio de los valores (Xi) que están en las posiciones A y A+1 (donde A, equivale al número entero): (XA + XA+1 )/2

Cálculo de la Mediana para datos agrupados
1. En la tabla de frecuencias, completar la frecuencia Absoluta Acumulada Fi.
2. Encontramos el intervalo o la clase de la media donde se encuentra la media: N/2 (N es el tamaño de la muestra o población).
3. Ubicamos el primer número mayor a N/2 en la Columna de Frecuencia Absoluta Acumulada (Fi), en esta fila se encuentra la clase de la mediana.
4. Calcular el valor de la mediana, según la fórmula de la tabla.



Representación gráfica de la correspondencia entre Cuantiles



Referencias: (1), (2), (3), (4), (5), (6), (7), (8), (9), (10), (11), (12), (13).

15/6/19

DISTRIBUCIÓN DE FRECUENCIAS AGRUPADAS

La distribución de frecuencias agrupadas o tabla con datos agrupados se utiliza cuando tenemos un gran número de valores y la tabla de frecuencias se extiende, entonces, agrupamos los valores en intervalos llamados clases, la distribución de frecuencias agrupadas, también es usado en tablas con valores continuos.


INTERVALO DE CLASE

El intervalo de clase o simplemente intervalo, es cada uno de los grupos de valores de la variable con la misma amplitud denominados clases y que ocupan una fila en una distribución de frecuencias. Cada clase tiene un límite inferior y un límite superior y le corresponde una frecuencia.

Ejemplo:


AMPLITUD DE CLASE

La amplitud de clase o longitud de clase (Lc), es el número de valores que se encuentran en una clase. La amplitud de la clase resulta de la diferencia entre el límite superior y el límite inferior del intervalo de clase.

Lc = Ls - Li


MARCA DE CLASE

La marca de clase es el valor medio o promedio de cada intervalo y que representa a los valores que están dentro de la clase, se usa para medir parámetros como la media y la desviación estándar. Para la elección del número de clases se debe tomar en cuenta que un número pequeño de clases puede ocultar información sobre los datos que deseamos estudiar y uno muy grande puede generar demasiados detalles que no necesariamente sean útiles, además, considerar el número de datos y el tamaño del rango de la distribución, es decir, la diferencia entre la observación más grande y la más pequeña, después de tener las clases, procedemos a contar cuántos datos existen en cada clase (frecuencia). (Referencia)

La marca de clase (Xi), resulta de sumar los límites inferior (Li) y superior (Ls) del intervalo, divididos entre 2:

Xi = Ls – Li /2 

Ejemplo:
Referencias (1) (2)


RANGO

El Rango, amplitud o recorrido es una medida de dispersión de los datos, cuanto mayor es el rango, aún más dispersos están los datos. El rango resulta de la diferencia entre el valor máximo y el valor mínimo de un conjunto de datos:
Rango = Valor máximo – Valor mínimo


4/6/17

DISTRIBUCIÓN DE FRECUENCIAS





La distribución de frecuencias o tabla de frecuencias, es la organización de datos en categorías y el número de ocurrencias en cada categoría, con el fin de sintetizar y facilitar la presentación de los datos. La distribución de frecuencias recoge los valores de la categoría, frecuencia absoluta, frecuencia relativa, porcentajes y los acumulados de cada frecuencia así como el número total de datos o tamaño de muestra.


FRECUENCIA ABSOLUTA 
La frecuencia absoluta es un tipo de frecuencia estadística que se utiliza para determinar la cantidad de veces que aparece el valor en un estudio, se denota por "ni" y es utilizada en la estadísticas descriptivas, además, la suma de las frecuencias absolutas obtenidas es igual al total de los datos analizados, representado por N (tamaño de la muestra).


Frecuencia absoluta acumulada (Ni): es el acumulado, resultado de la suma de las frecuencias absolutas de manera progresiva. 

Ejemplo:


FRECUENCIA RELATIVA 
La frecuencia relativa es una medida influida por el tamaño de la muestra, resulta de dividir la frecuencia absoluta entre el tamaño de la muestra y se denota por fi. 


Frecuencia relativa acumulada (Fi). La frecuencia relativa acumulada resulta de la división entre la frecuencia absoluta acumulada y el tamaño de la muestra, se denota como Fi.



Ejemplo: 


FRECUENCIA PORCENTUAL 
La frecuencia porcentual es llamada también frecuencia relativa porcentual, resulta de multiplicar la frecuencia relativa por 100 y su denotación es pi. La suma de las frecuencias porcentuales es 100%. 


Frecuencia Relativa Acumulada Porcentual (Pi). Resulta de la multiplicación de la frecuencia relativa acumulada por 100 (denotado Pi). 


Ejemplo: 



11/4/16

GLOSARIO ESTADÍSTICO

ESTIMADOR

Es el valor numérico extraído de las observaciones de una muestra que se aproxima en mayor o menor medida al parámetro de la población sobre el que se quiere investigar. Para cada parámetro pueden existir varios estimadores diferentes y elegiremos el estimador con mejores propiedades, como insesgadez, eficiencia, convergencia y robustez (consistencia). El valor de un estimador proporciona lo que se denomina en estadística una estimación puntual del valor del parámetro en estudio. En general, se suele preferir realizar una estimación mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del cual se espera esté el valor real del parámetro con un cierto nivel de confianza. Utilizar un intervalo resulta más informativo, al proporcionar información sobre el posible error de estimación, asociado con la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el verdadero valor del parámetro quede contenido en el intervalo.
(Fuentes 1, Fuente 2)


HISTOGRAMA

Un histograma es un gráfico de rectángulos que tiene su base en el eje de las abscisas (eje horizontal o eje de las equis); con anchura igual cuando se trata de representar el comportamiento de una variable discreta y anchura proporcional a la longitud del intervalo cuando se desea representar una variable continua. En este último caso el punto central de la base de los rectángulos equivale al punto medio de cada clase. Las alturas de los rectángulos ubicadas en el eje de la ordenadas (de las Y o eje vertical) corresponden a las frecuencias de las clases. El área de los rectángulos así formados es proporcional a las frecuencias de las clases. Los histogramas de frecuencias pueden construirse no sólo con las frecuencias absolutas, sino también con las frecuencias acumuladas y las frecuencias relativas. En este último caso el histograma recibe el nombre de histograma de frecuencias relativas, histograma de porcentajes o histograma de proporciones, según el caso.
Los histogramas tienen como función mostrar no únicamente una representación visual de los datos sino fundamentalmente tres características de su comportamiento, éstas son: i) la forma que presenta el histograma, ii) si existe algún intervalo donde se acumulan los datos o aparece una tendencia posicional de los mismos, y, por último, iii) el grado de dispersión o variabilidad de los datos.
(Fuente 1, Fuente 2)


HOMOCEDASTICIDAD

En estadística se dice que un modelo predictivo presenta homocedasticidad cuando la varianza del error condicional a las variables explicativas es constante a lo largo de las observaciones. Se emplea para nombrar la propiedad de algunos modelos de regresión lineal en los que los errores de estimación son constantes a lo largo de las observaciones. Una varianza constante nos permite disponer de modelos más fiables. Además, si una varianza, aparte de ser constante es también más pequeña, nos dará como resultado una predicción del modelo más fiable. La palabra homocedasticidad se puede desglosar en dos partes, homo (igual) y cedasticidad (dispersión). De tal manera que, si unimos estas dos palabras adaptadas del griego, obtendríamos algo así como misma dispersión o igual dispersión.
(Fuente 1, Fuente 2)


HETEROCEDASTICIDAD

En estadística se denomina heterocedasticidad cuando los errores no son constantes a lo largo de toda la muestra. El término es contrario a homocedasticidad. En otras palabras, en los modelos de regresión lineales se dice que hay elasticidad cuando la varianza de los errores no es igual en todas las observaciones realizadas. En caso de que haya heterocedasticidad no se cumple uno de los requisitos básicos de las hipótesis de los modelos lineales. Existen diferentes razones o situaciones en las que cabe encontrarse con perturbaciones heteroscedásticas. La situación más frecuente es en el análisis de datos de corte transversal, ya que los individuos o empresas o unidades económicas no suelen tener un comportamiento homogéneo. Otra situación en la que se presenta heteroscedasticidad es en muestras cuyos datos son valores que se han obtenido agregando o promediando datos individuales. La palabra heterocedasticidad se puede desglosar en dos partes, hetero (diferente) y cedasticidad (dispersión). De tal manera que, si unimos estas dos palabras adaptadas del griego, obtendríamos algo así como diferente dispersión.
(Fuente 1, fuente 2)


PARÁMETRO

Es una cantidad numérica calculada sobre una población y resumen los valores que esta toma en algún atributo. En estadística, un parámetro es un número que resume la gran cantidad de datos que pueden derivarse del estudio de una variable estadística. El cálculo de este número está bien definido, usualmente mediante una fórmula aritmética obtenida a partir de datos de la población. Los parámetros estadísticos son una consecuencia inevitable del propósito esencial de la estadística: crear un modelo de la realidad.
El estudio de una gran cantidad de datos individuales de una población puede ser farragoso e inoperativo, por lo que se hace necesario realizar un resumen que permita tener una idea global de la población, compararla con otras, comprobar su ajuste a un modelo ideal, realizar estimaciones sobre datos desconocidos de la misma y, en definitiva, tomar decisiones. A estas tareas contribuyen de modo esencial los parámetros estadísticos. Los parámetros generalmente se representan con letras griegas para distinguirlos de los estadísticos de muestra. Por ejemplo, la media de la población se representa con la letra griega mu (μ) y la desviación estándar de la población, con la letra griega sigma (σ). Los parámetros son constantes fijas, es decir, no varían como las variables. Sin embargo, sus valores por lo general se desconocen, porque es poco factible medir una población entera. Hay tres tipos parámetros estadísticos: de centralización, de posición y de dispersión.
(Fuente 1, fuente 2, fuente 3)

6/6/15

GLOSARIO ESTADÍSTICO

COHORTE

Cohorte es cualquier grupo humano definido por haber experimentado cierto acontecimiento en un mismo periodo de tiempo. El acontecimiento puede ser de muy diverso tipo, como el haberse casado, haber seguido un curso docente, haber publicado un libro, etc. (cohortes de casamientos, cohorte escolar, cohorte literaria, etc.) Un caso específico de cohorte es la de nacimientos, es decir, la que constituyen las personas nacidas durante un mismo intervalo de tiempo (generalmente un año). A este tipo de cohorte se la llama, en demografía, "generación". Sin embargo, en muchas otras disciplinas se confunden ambos términos, y se habla de la "generación del 27", o de la "generación X" cuando, en estricta lógica demográfica, debería hablarse de cohortes. También es frecuente hablar de generaciones para referirse a los ascendientes y descendientes familiares dentro de una misma línea de filiación. Aunque este es, de hecho, el uso más antiguo y extendido, resulta menos unívoco y peor definido que el uso demográfico. (Fuente)

En epidemiología, el cohorte es un Conjunto de individuos de una población que han vivido una misma experiencia o que presentan un conjunto de criterios comunes y que forman parte de una observación epidemiológica. Los estudios de cohorte se inician con la identificación de individuos con y sin el factor que se va a investigar (un factor de riesgo), posteriormente se realiza un seguimiento de los individuos y se estima cómo se distribuye la enfermedad entre los que poseen y no poseen dicha característica. Los estudios de cohortes pueden ser prospectivos o retrospectivos. (Fuente)


DISPERSIÓN

Es la distribución estadística de un conjunto de valores, mide cuán lejos están éstos a su media aritmética. Así cuanto menos disperso es el conjunto más cerca del valor medio están sus valores. Para reconocer cómo están distribuidos los datos se utilizan las medidas de dispersión, entre las que se encuentran el rango o recorrido estadístico que es la diferencia entre el valor máximo y el mínimo en un grupo de números aleatorios, y que se obtiene dividiendo el número mayor con el menor de los datos estadísticos. En segundo lugar está el medio rango o rango medio que es la media del mayor y menor valor, o la tercera parte entre el dato de menor valor y el dato de mayor valor. En tercero, la varianza que mide la propagación de los valores respecto al valor central. Debido a que esta última no se comprende muchas veces, se define otra medida denominada desviación típica o desviación. (Fuente)


MEDIDAS DE DISPERSIÓN

Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación nos indican si esos datos están próximos entre sí o sí están dispersos, es decir, nos indican cuán esparcidos se encuentran los datos. Estas medidas de dispersión nos permiten apreciar la distancia que existe entre los datos a un cierto valor central e identificar la concentración de los mismos en un cierto sector de la distribución, es decir, permiten estimar cuán dispersas están dos o más distribuciones de datos. Estas medidas permiten evaluar la confiabilidad del valor del dato central de un conjunto de datos, siendo la media aritmética el dato central más utilizado. Cuando existe una dispersión pequeña se dice que los datos están dispersos o acumulados cercanamente respecto a un valor central, en este caso el dato central es un valor muy representativo. En el caso que la dispersión sea grande el valor central no es muy confiable. Cuando una distribución de datos tiene poca dispersión toma el nombre de distribución homogénea y si su dispersión es alta se llama heterogénea. (Fuente)

Las medidas de dispersión, también llamadas medidas de variabilidad, muestran la variabilidad de una distribución, indicando por medio de un número si las diferentes puntuaciones de una variable están muy alejadas de la media. Cuanto mayor sea ese valor, mayor será la variabilidad, y cuanto menor sea, más homogénea será a la media. Así se sabe si todos los casos son parecidos o varían mucho entre ellos. Para calcular la variabilidad que una distribución tiene respecto de su media, se calcula la media de las desviaciones de las puntuaciones respecto a la media aritmética. Pero la suma de las desviaciones es siempre cero, así que se adoptan dos clases de estrategias para salvar este problema. Una es tomando las desviaciones en valor absoluto (desviación media) y otra es tomando las desviaciones al cuadrado (varianza). (Fuente)


HOMOGENEIDAD

La noción de homogeneidad define a la igualdad mayor o menor de los valores de una variable o de una combinación de características en un conjunto geográfico. Los parámetros de dispersión estadística, en particular la varianza, miden su inversa, la heterogeneidad. La región homogénea es un tipo de región que presenta mayor semejanza entre las unidades que la componen que con las unidades que pertenecen a otras regiones. Criterios muy diferentes y desigualmente complejos pueden utilizarse para localizar regiones homogéneas. Los ejemplos más frecuentes corresponden a una identidad de condiciones físicas fuertes (zonas climáticas, regiones botánicas), a similitudes sociales desarrolladas al abrigo de fronteras territoriales (regiones históricas, regiones culturales), o a combinaciones de estos dos tipos de procesos (homogeneidad del paisaje). La homogeneidad se define siempre en relación con un cierto nivel de resolución o de generalización de las unidades geográficas, y sólo tiene en cuenta las variaciones observadas a una cierta escala, y según un número limitado de criterios. (Fuente)

Homogéneo significa, en el contexto de la estratificación, que no hay mucha variabilidad. Los estratos funcionan mejor cuanto más homogéneos son cada uno de ellos respecto a la característica a medir. Por ejemplo, si se estudia la estatura de una población, es bueno distinguir entre los estratos mujeres y hombres porque se espera que, dentro de ellos, haya menos variabilidad, es decir, sean menos heterogéneos. Dicho de otro modo, no hay tantas diferencias entre unas estaturas y otras dentro del estrato que en la población total. (Fuente)


PONDERACIÓN

La ponderación es una medida de tendencia central que es conveniente cuando un conjunto de datos tiene una valor correspondiente con respecto a los demás datos, esto se obtiene multiplicando cada uno de los datos por su ponderación o peso para luego poderlo sumar, logrando así una suma equilibrada, después que se realiza este procedimiento se divide con el resultado que dio la suma de los pesos dando así el resultado de la media ponderada.
Los sistema de ponderación de las calificaciones de los centros estudiantiles se basan en el parámetro de ponderación para así poder asignarles un peso particular a cada uno de los exámenes que influye en la calificación media, estos resultados se suman y se divide para así poder tener todas las notas. El vocablo ponderación deriva del latín “ponderatĭo, -ōnis” que en la real academia lo definen como “la atención, apreciación, peso y cuidado con lo que se dice o se hace algo”, Esto quiere decir que la ponderación es algo usual que utilizan en los mercados bancarios, financiero, cotizables, crediticios, debido a que se habla de la ponderación de las empresas o de las acciones con respecto al índice que se establece como una comparación con el volumen negociado, ya sea positivo o negativo de acuerdo a como se exprese. La ponderación también ayuda para calcular o evaluar algo teniendo como referencia distintos tipos de parámetros de acuerdo a aquellos que se vaya a ponderar que no solo se le asigna un valor o aprecio a nivel moral o subjetivo que puede a desencadenar un valor monetario y económico. (Fuente)


VEROSIMILITUD

Es una función de los parámetros de un modelo estadístico que permite realizar inferencias acerca de su valor a partir de un conjunto de observaciones. La noción de verosimilitud procede del término inglés likelihood que, desde sus orígenes estuvo vinculado al concepto de probabilidad, probability, aunque denotando un vínculo de causalidad más débil. (Fuente)

Cuando la población es discreta, la función de verosimilitud es la probabilidad de que ocurra la realización que efectivamente ha ocurrido. Cuando la población es continua, la función de verosimilitud es una densidad y no una probabilidad. De hecho, la probabilidad de que ocurra una realización concreta de la muestra es siempre igual a cero, sea cual sea el valor del parámetro. Pero la densidad de la muestra para una realización representa la probabilidad alrededor de esa realización, por lo que básicamente los razonamientos anteriores, que han sido desarrollados para variables discretas, se mantienen aunque la población sea continua. (Fuente)