Las estadísticas descriptivas es lo que las organizaciones usan para resumir sus datos. Este tipo generalmente involucra gráficos de resumen, gráficos y tablas que representan los datos para una comprensión más fácil, en lugar de depender de datos sin organizar. Entre algunos de los datos útiles que provienen de estadísticas descriptivas se encuentran el modo, mediana y media, así como el rango, la varianza y la desviación estándar. Dicho esto, las estadísticas descriptivas no están destinadas a sacar conclusiones.
Las estadísticas inferenciales ofrecen una forma de tomar los datos de una muestra representativa y usarlos para dibujar verdades más grandes. Permite a las organizaciones extrapolar más allá del conjunto de datos, yendo un paso más allá de las estadísticas descriptivas. La inferencia estadística se basa en gran medida en encontrar una muestra más representativa posible desde la cual sacar conclusiones sobre una población más amplia. Como siempre habrá incertidumbre sobre la extrapolar de un conjunto limitado de datos a una población más amplia, la inferencia estadística se basa en estimar la incertidumbre en las predicciones.
Consejo: Si desea contratar a alguien para manejar el análisis estadístico para su negocio, considere a los candidatos que tengan una de las principales certificaciones de Big Data. Estas certificaciones son evidencia contundente de sus habilidades analíticas.
Las conclusiones de una inferencia estadística son una proposición estadística. Algunas formas comunes de proposición estadística incluyen lo siguiente.
- Estimaciones: Una estimación es un valor particular que mejor se aproxima a algún parámetro de interés.
- Intervalo de confianza: un intervalo construido utilizando un conjunto de datos extraído de una población para que, bajo el muestreo repetido de dichos conjuntos de datos, dichos intervalos contendrían el valor de los parámetros verdaderos con la probabilidad en el nivel de confianza establecido se define como un intervalo de confianza. En otras palabras, el intervalo de confianza es una medida de qué tan bien el modelo predice los datos que realmente se registran.
- Intervalos creíbles: un conjunto de valores que contienen, por ejemplo, el 95% de la creencia posterior se conoce como un intervalo creíble. Es una forma de estandarizar los intervalos de confianza. Cuando lee sobre un estudio con una confianza del 95%, están haciendo referencia a un intervalo creíble.
Takeaway clave: las estadísticas descriptivas se utilizan para describir los datos, mientras que las estadísticas inferenciales se utilizan para inferir conclusiones e hipótesis sobre la misma información.
¿Por qué es importante la estadística?
El campo de las estadísticas se refiere a recopilar, analizar, interpretar y presentar datos.
A medida que la tecnología se vuelve más presente en nuestra vida cotidiana, se están generando y recopilando más datos ahora que nunca en la historia humana.
Las estadísticas es el campo que puede ayudarnos a comprender cómo usar estos datos para hacer las siguientes cosas:
- Obtenga una mejor comprensión del mundo que nos rodea.
- Tomar decisiones usando datos.
- Hacer predicciones sobre el futuro utilizando datos.
En este artículo compartimos 10 razones por las que el campo de las estadísticas es tan importante en la vida moderna.
Las estadísticas descriptivas se utilizan para describir una parte de los datos sin procesar. Hay tres tipos principales de estadísticas descriptivas:
- Obtenga una mejor comprensión del mundo que nos rodea.
- Tomar decisiones usando datos.
- Hacer predicciones sobre el futuro utilizando datos.
Cada uno de estos puede ayudarnos a comprender mejor los datos existentes.
Por ejemplo, supongamos que tenemos un conjunto de datos sin procesar que muestran los puntajes de la prueba de 10,000 estudiantes en cierta ciudad. Podemos usar estadísticas descriptivas para:
- Obtenga una mejor comprensión del mundo que nos rodea.
- Tomar decisiones usando datos.
- Hacer predicciones sobre el futuro utilizando datos.
Usando estadísticas descriptivas, podemos comprender los puntajes de los estudiantes de los estudiantes mucho más fácilmente en comparación con solo mirar los datos sin procesar.
Se generan más gráficos en revistas, medios de comunicación, artículos en línea y revistas que nunca. Desafortunadamente, los gráficos a menudo pueden ser engañosos si no comprende los datos subyacentes.
¿Qué es lo más importante en la estadística?
Poblaciones, muestras e hipótesis? ¿O tal vez tomó un curso que enfatizó las probabilidades, las distribuciones, los valores p y los intervalos de confianza? Todos estos son piezas del rompecabezas, pero están aguas abajo desde el núcleo. El comienzo real de todo, el trampolín que lanza toda la enredo, es la acción predeterminada.
Las estadísticas son la ciencia de cambiar de opinión bajo incertidumbre, por lo que el primer orden de los negocios es descubrir qué va a hacer a menos que los datos le hablen. Es por eso que todo comienza con una acción física/decisión que se compromete a hacer si no reúne ninguna (más) evidencia. Esto se llama su acción predeterminada.
- La Parte 2 (¡bienvenido!) Revisa el ejemplo para mostrarle qué cambios si elige una acción predeterminada diferente en la Parte 1. (¡El spoiler: todo cambia!)
Acabas de aterrizar en un planeta alienígena. ¿Tu misión? Descubra si hay una vida alienígena aquí. ¿La captura? Su presupuesto insignificante solo le permite buscar tres horas antes de seleccionar una respuesta (sí o no) y pasar a la siguiente tarea.
En el artículo anterior, sus jefes habían elegido presionando el botón No (no hay extraterrestres) como la acción predeterminada. ¿Qué pasaría si hubieran elegido el botón YES? Aquí está la nueva configuración:
¿Recuerdas la gran pregunta en el corazón de las estadísticas? En la Parte 1 vimos que toda la inferencia estadística se reduce a una poderosa oración:
«¿La evidencia que recopilamos hace que nuestra hipótesis nula se vea ridícula?»
¿Qué es la estadística para ti?
«Estadísticas 101» en este blog significa una introducción a las estadísticas en la vida diaria. Las estadísticas son un proceso para convertir los datos en un conjunto de ecuaciones que pueden ayudarnos a resolver problemas. Esta ciencia puede ayudarnos a comprender nuestro pasado y hacer predicciones sobre el futuro. Usando estadísticas, podemos analizar datos en diferentes campos para monitorear los patrones cambiantes, luego usar este análisis para sacar conclusiones y hacer pronósticos. En este blog, revisamos brevemente la historia de las estadísticas del pasado al presente para comprender su impacto en nuestra vida cotidiana.
Durante el siglo XVII al XVIII, «estadísticas» se habían desarrollado gradualmente, y se completó mucho trabajo y se anunció a fines del siglo XIX. Sir Ronald Fisher, uno de los padres de las estadísticas modernas, mostró cómo las estadísticas pueden usarse para analizar conjuntos de datos muy complicados y desarrolló muchos de los métodos que todavía usamos hoy. También fundó el departamento de estadísticas de Rothamsted donde Genstat se desarrolló por primera vez. Hoy, las estadísticas se integran en la ciencia, la ingeniería, la agricultura, la medicina, las artes y otros campos de estudio diversos. Se usa con frecuencia en política, un ejemplo bien conocido es cuando el estadístico estadounidense, Nate Silver, desarrolló un sistema de pronóstico desarrollado a partir de una de las ideas de Fisher para predecir con éxito los resultados para los 50 estados en las elecciones presidenciales de los Estados Unidos de 2012.
Las estadísticas juegan un papel importante en nuestra vida cotidiana, incluso sin que nosotros lo sepamos. Aquí hay solo algunos ejemplos.
- Censo
Se utiliza un censo para recopilar información sobre miembros de una población. El término se aplica principalmente a la información nacional, aunque un censo también puede referirse a una encuesta de pequeñas poblaciones precisas. Por ejemplo, podríamos tomar un censo de productores de cerdos en la parte norte de Tailandia, o músicos en países europeos, o personas de 80 años o más en Japón. Un ejemplo que impacta en el comercio es el censo económico anual. Los datos se recopilan de empresas individuales y luego se comparan y resumen. Esta información se utiliza para medir las tendencias y crear estimaciones y pronósticos, que permiten a las empresas y los responsables políticos planificar sus actividades comerciales durante varios años.
¿Qué es estadística para ti?
«La significación estadística ayuda a cuantificar si un resultado probablemente se deba al azar o a algún factor de interés», dice Redman. Cuando un hallazgo es significativo, simplemente significa que puede sentirse seguro de que es real, no es que tenga suerte (o mala suerte) al elegir la muestra.
Cuando realiza un experimento, realiza una encuesta, realiza una encuesta o analiza un conjunto de datos, está tomando una muestra de una población de interés, sin mirar cada punto de datos que pueda. Considere el ejemplo de una campaña de marketing. Se te ocurrió un nuevo concepto y quieres ver si funciona mejor que el actual. No puede mostrarlo a cada cliente objetivo, por supuesto, para que elija un grupo de muestra.
Cuando ejecuta los resultados, encuentra que aquellos que vieron la nueva campaña gastaron $ 10.17 en promedio, más de los $ 8.41 a quienes vieron la anterior gastada. Estos $ 1.76 pueden parecer una gran diferencia, y quizás importante,. Pero en realidad, puede haber tenido mala suerte, atrayendo una muestra de personas que no representan a la población más grande; De hecho, tal vez no hubo diferencia entre las dos campañas y su influencia en los comportamientos de compra de los consumidores. Esto se llama un error de muestreo, algo con lo que debe lidiar en cualquier prueba que no incluya toda la población de interés.
Redman señala que hay dos contribuyentes principales al error de muestreo: el tamaño de la muestra y la variación en la población subyacente. El tamaño de la muestra puede ser lo suficientemente intuitivo. Piense en voltear una moneda cinco veces en lugar de voltearla 500 veces. Cuantas más veces se voltee, menos probabilidades de terminar con una gran mayoría de las cabezas. Lo mismo es cierto para la importancia estadística: con los tamaños de muestra más grandes, es menos probable que obtenga resultados que reflejen la aleatoriedad. En igualdad de condiciones, se sentirá más cómodo en la precisión de la diferencia de $ 1.76 de las campañas si mostró al nuevo a 1,000 personas en lugar de solo 25. Por supuesto, mostrando la campaña a más personas cuestan más, por lo que debe tener que Equilibre la necesidad de un tamaño de muestra más grande con su presupuesto.
¿Qué es estadística en pocas palabras?
¿Qué son las estadísticas? En esta publicación tratamos de hablar sobre ello en algunas palabras comprensibles, sin ninguna fórmula o gráfico.
El enfoque estadístico, o la forma de pensar estadísticamente, es conocido por todos nosotros. Vamos a intentarlo con un ejemplo.
Imaginemos estar juntos en una habitación, y que te digo que hay dos deportistas detrás de la puerta, una mujer y un hombre. Una persona practica la natación sincronizada, y la otra juega al fútbol.
En este punto, te pido que adivines de la mejor manera y que digas cuál de las dos personas es una mujer.
Lo más probable es que haya pensado que la mujer es la que practica natación sincronizada, mientras que aquellos que hacen fútbol es hombre.
Obviamente, sabes que hay mujeres (y son cada vez más recientemente) que juegan al fútbol, y también hay hombres que practican la natación sincronizada, pero a pesar de esto, has pensado con cierta seguridad que el hombre está practicando el fútbol, mientras que la mujer es el nadador sincronizado.
Usted tomó esta decisión sobre la base de su experiencia personal, y en ausencia de otra información, pensó que este es el pronóstico más preciso.
Acabamos de ver un ejemplo de lo que significa «pensar estadísticamente».
Para pensar estadísticamente, no es necesario hacer cálculos.
De hecho, lo hacemos a diario, con declaraciones como «En promedio, voy al gimnasio tres veces por semana», o «es muy difícil superarse para la lotería».
Artículos Relacionados:
