La estadística es la disciplina que se encarga de recopilar, organizar, analizar e interpretar datos con el fin de describir fenómenos, probar hipótesis y hacer inferencias sobre una población a partir de una muestra. Proporciona métodos para validar la información obtenida, cuantificar la incertidumbre y garantizar que los resultados sean precisos, confiables y aplicables al contexto estudiado.

La estadística se divide principalmente en dos ramas: estadística descriptiva y estadística inferencial. Cada una tiene funciones y objetivos específicos:

Estadística descriptiva:

• Objetivo: Resumir, organizar y presentar datos de manera clara y concisa.

• De qué se ocupa: Utiliza herramientas como tablas, gráficos, y medidas de tendencia central (media, mediana, moda) y dispersión (varianza, desviación estándar) para describir las características básicas de un conjunto de datos. No busca hacer generalizaciones ni conclusiones más allá de los datos que se analizan.

2. Estadística inferencial:

• Objetivo: Hacer predicciones o inferencias sobre una población más amplia a partir de una muestra de datos.

• De qué se ocupa: Aplica técnicas para estimar parámetros poblacionales, probar hipótesis, y determinar relaciones entre variables. Se utiliza el cálculo probabilístico para medir la precisión de las conclusiones, y cuantificar la incertidumbre. Esto permite hacer generalizaciones o estimaciones sobre toda una población sin necesidad de analizar cada individuo de ella.

Estadística descriptiva o estadística deductiva; es la parte de la estadística que se ocupa de ordenar, sintetizar y representar gráficamente los resultados recogidos durante la investigación. La estadística descriptiva no solo describe, sino también analiza y representa los datos utilizando elementos numéricos y gráficos.

Estadística inferencial o estadística inductiva; es la estadística que tiene como objetivo obtener conclusiones sobre el total de la población a partir de los datos obtenidos en un subconjunto de la misma o grupo de elementos representativos (muestra).

Los principales conceptos en estadística a partir de los cuales podemos profundizar en ella son:

Población; también conocido como universo o conjunto completo de individuos que cumplen una serie de características y al que harán referencia las conclusiones del estudio. A partir de la población de estudio se elegirá una muestra representativa.

Muestra; es un grupo acotado o reducido de todos los individuos de forman la población. Se considera que una muestra es representativa cuando los individuos de la misma son seleccionados al azar.

Individuo; son las personas o elementos que contienen la información del fenómeno que se pretende estudiar.

Muestreo; es el procedimiento mediante el cual se obtiene una muestra. El muestreo puede ser probabilístico o aleatorio y no probabilístico o no aleatorio.

Aleatoriedad de una muestra; es la característica mediante la cual todos los miembros de una muestra tienen las mismas posibilidades de formar parte de la misma.

Homogeneidad de una muestra; es la característica mediante la cual las variables de la muestra se presentan en la misma proporción que las de la población.

Independencia en la selección de una muestra; es la característica de la muestra que determina que la selección de un individuo no influye en la selección de otro individuo.

Muestreo simple; es el muestreo de tipo probabilístico, mediante el cual cualquier elemento de la población tiene la misma probabilidad de pertenecer a la muestra.

Muestreo sistemático; es el muestro de tipo probabilístico, en el que el proceso de selección de la muestra se realiza mediante una regla sistemática simple como es elegir un número determinado de individuos.

Muestreo estratificado; es el muestreo de tipo probabilístico que divide la población en subgrupos según algunas características para luego extraer una muestra al azar de cada uno de los subgrupos.

Muestreo por conglomerados; es el muestreo de tipo probabilístico en el que se extrae una muestra al azar a partir de grupos naturales de individuos dentro del universo o población.

Muestreo de conveniencia; es el muestreo de tipo no probabilístico en el que la muestra se selecciona por su facilidad o directamente se autoselecciona.

Muestreo por cuota; es el muestreo de tipo no probabilístico, en el que la muestra se sustenta sobre el buen conocimiento de los grupos o estratos de la población y en los individuos más representativos para sus fines. También se denomina muestreo accidental.

Muestreo por criterio; es el muestreo de tipo no probabilístico en el que el investigador utiliza sus conocimientos sobre la población para elegir los individuos de la muestra.

Variables; son las características de la población que se representan en los individuos que forman la muestra y que son susceptibles de ser medidas. Las variables pueden ser cuantitativa o cualitativas.

Parámetro; es un índice que resume una determinada característica de la población, representándose por las letras griegas “μ” o mu y “σ” o ro. Un parámetro es la función definida sobre los valores numéricos de características medibles de una población.

Estadístico; es un índice que resume una determinada característica de la muestra, representándose por las letras del alfabeto latino “x” y “s”. Un estadístico es la función definida sobre los valores numéricos de una muestra.

Se utiliza el coeficiente de correlación para dos variables, la fórmula compara la distancia de cada dato puntual respecto a la media de la variable y utiliza esta comparación para decirnos hasta qué punto la relación entre las variables se ajusta a una línea imaginaria trazada entre los datos. A esto nos referimos cuando decimos que la correlación examina las relaciones lineales.

Confiabilidad estadistica, se refiere al grado en que una escala produce resultados consistentes, si las mediciones se repiten varias veces. El análisis de la confiabilidad se denomina análisis de confiabilidad. El análisis de confiabilidad se determina obteniendo la proporción de variación sistemática en una escala, lo que se puede hacer determinando la asociación entre las puntuaciones. obtenidas de diferentes administraciones de la escala. Por lo tanto, si la asociación en el análisis de confiabilidad es alta, la escala arroja resultados consistentes y, por lo tanto, es confiable.

1. Nominal: Las variables nominales son categorías sin un orden específico. Ejemplos incluyen el género, el color de ojos o el estado civil. En esta escala, los valores son simplemente etiquetas.

2. Ordinal: Las variables ordinales tienen un orden, pero las diferencias entre los valores no son necesariamente equidistantes. Ejemplos incluyen rangos de satisfacción (satisfecho, neutral, insatisfecho) o niveles de educación (secundaria, universitaria, posgrado).

3. De intervalo: Las variables de intervalo tienen un orden y las diferencias entre los valores son significativas y constantes, pero no tienen un cero absoluto. Un ejemplo es la temperatura en grados Celsius o Fahrenheit, donde la diferencia entre los grados es consistente, pero el cero no indica la ausencia de temperatura.

4. De razón o cociente: Las variables de razón tienen todas las propiedades anteriores (orden, diferencias significativas) y además cuentan con un cero absoluto, lo que permite hablar de proporciones. Ejemplos incluyen la altura, el peso y la cantidad de dinero.