# Introdución á estatística descritiva
A estatística descritiva é unha rama da estatística que se centra na recollida, procesamento, presentación e interpretación dos datos recollidos. O obxectivo principal da estatística descritiva é describir e resumir as características dos datos para que poidan ser facilmente comprendidos por diversas partes. Este artigo ofrecerá unha introdución completa á estatística descritiva, incluíndo conceptos básicos, técnicas clave e exemplos da súa aplicación.
## Conceptos básicos de estatística descritiva
Antes de estudar as técnicas da estatística descritiva, é importante comprender algúns conceptos básicos que constitúen os seus alicerces.
### Datos
Os datos son unha colección de información ou valores recollidos de diversas fontes. Os datos poden ter a forma de números, palabras, medidas ou observacións. Xeralmente, os datos pódense dividir en dous tipos: cualitativos e cuantitativos.
– Datos cualitativos: datos que non se poden medir numericamente, senón en forma de categorías ou características. Exemplos: xénero, cor dos ollos, estado civil.
– Datos cuantitativos: Trátase de datos que se poden medir e expresar numericamente. Exemplos: altura, peso, número de fillos.
### Poboación e mostra
En estatística, unha poboación refírese a todo o grupo que se está a estudar. As poboacións poden ser moi grandes, como toda a poboación dun país, ou máis pequenas, como todos os estudantes dun só centro educativo.
Dado que a miúdo resulta pouco práctico ou imposible medir unha poboación enteira, os investigadores adoitan tomar unha mostra, un subconxunto desa poboación máis grande. Tomar unha mostra representativa é esencial para garantir que a análise e as conclusións extraídas se poidan xeneralizar á poboación en xeral.
### Estatísticas e parámetros
- A estatística é un método empregado para medir e analizar datos dunha mostra.
– Os parámetros refírense a valores que resumen as características dunha poboación.
## Principais técnicas en estatística descritiva
A estatística descritiva emprega diversas técnicas para resumir e describir datos. Algunhas das principais técnicas inclúen medidas de tendencia central, medidas de dispersión e representación gráfica.
### Tamaño central
Unha medida de centralidade é un único valor que tenta describir o centro dun conxunto de datos. As dúas medidas de centralidade máis comúns son:
– Media: o total de todos os valores dividido polo número de valores. A media proporciona unha idea do punto medio de todo o conxunto de datos.
A fórmula para calcular a media (\(\bar{X}\)) pódese escribir como:
\[
\bar{X} = \frac{\sum_{i=1}^n
\]
onde \(X_i\) son os valores individuais dos datos e \(n\) é o número de datos.
– Mediana: o valor central dun conxunto de datos ordenados. Se o número de conxuntos de datos é impar, a mediana é o valor central. Se o número de conxuntos de datos é par, a mediana é a media dos dous valores centrais.
### Medida de dispersión
As medidas de dispersión describen o espallados que están os datos arredor dunha medida central. Algunhas medidas comúns de dispersión inclúen:
– Rango: A diferenza entre os valores máximos e mínimos do conxunto de datos.
\[
\text{Rango} = \text{Valor máximo} – \text{Valor mínimo}
\]
– Varianza: a media dos cadrados das diferenzas de cada valor con respecto á media.
A fórmula para a varianza da poboación (\(\sigma^2\)) é:
\[
\sigma^2 = \frac{\sum_{i=1}^N (X_i – \mu)^2}{N}
\]
mentres que a varianza da mostra (\(s^2\)) é:
\[
s^2 = \frac{\sum_{i=1}^n (X_i – \bar{X})^2}{n-1}
\]
– Desviación estándar: a raíz cadrada da varianza. A desviación estándar proporciona unha indicación de como de preto están os valores dun conxunto de datos á media.
\[
\sigma = \sqrt{\sigma^2}
\]
### Representación gráfica
A visualización de datos é unha parte importante da estatística descritiva, xa que axuda a representar e interpretar os datos con maior facilidade. Algunhas ferramentas de visualización comúns inclúen:
– Histograma: Gráfico de barras que mostra a distribución xeral dos datos. A altura de cada barra indica a frecuencia (número) de datos dentro dun intervalo determinado.
– Diagrama de caixa: diagrama que representa cinco números resumidos (valor mínimo, primeiro cuartil, mediana, terceiro cuartil e valor máximo) e que se emprega a miúdo para identificar valores atípicos.
– Gráfico circular: diagrama que mostra a proporción ou a porcentaxe de cada categoría nos datos cualitativos.
## Aplicación do mundo real
A estatística descritiva ten amplas aplicacións en diversos campos. Algúns usos comúns inclúen:
### Nos negocios
– Análise de vendas: as empresas poden empregar estatísticas descritivas para analizar os datos de vendas dos seus produtos. Poden calcular as vendas diarias medias, as vendas semanais medianas e crear histogramas de vendas mensuais para identificar tendencias e patróns.
### En saúde
– Análise de datos sanitarios: os investigadores médicos adoitan empregar medidas de tendencia central e dispersión para analizar datos sanitarios. Por exemplo, poden calcular o peso medio dos pacientes, a distribución por idade nunha poboación en risco ou crear un diagrama de caixa para representar a distribución da presión arterial.
### En Educación
– Puntuacións dos estudantes: O uso da estatística descritiva na educación pode incluír a análise das puntuacións dos estudantes nas probas. As institucións poden usar a media, a mediana e a desviación estándar para describir o rendemento dos estudantes e identificar áreas de mellora.
## Conclusión
A estatística descritiva é unha ferramenta importante que nos axuda a comprender e analizar mellor os datos. Dominando conceptos básicos como datos, poboación e mostra, así como técnicas clave como medidas de tendencia central, medidas de dispersión e representación gráfica, podemos obter información valiosa a partir dos datos que recompilamos.
O uso práctico da estatística descritiva obsérvase nunha ampla gama de disciplinas, incluíndo os negocios, a saúde e a educación. Unha mellor análise de datos axuda a tomar decisións máis informadas, planificar estratexias máis eficaces e resolver problemas de forma máis eficiente.
Mediante unha comprensión sólida e unha aplicación axeitada da estatística descritiva, podemos facer que os datos sexan máis significativos e útiles para acadar os nosos obxectivos diarios. Polo tanto, a estatística descritiva non é só unha materia académica, senón tamén unha habilidade esencial para o mundo moderno baseado en datos.
