Las tablas de estadísticas lo ayudan a ver múltiples métricas agregadas para su fuente de datos elegida. Esta visualización evalúa todas las respuestas recopiladas para su fuente de datos y muestra resultados calculados como media y desviación estándar.
Para configuraciones generales, consulte la página de soporte de descripción de visualizaciones. Siga leyendo para obtener configuraciones específicas de la tabla de estadísticas.
Cuando seleccione Mostrar valores de Recode, los valores de Recode se mostrarán junto a cada opción de respuesta.
Puede personalizar la información incluida en su tabla de estadísticas. Seleccione la casilla de verificación junto a cada elemento que desea incluir.
- Mínimo: el valor más bajo recopilado.
- Máximo: el valor más alto recopilado.
- Media: el promedio de todos los valores recopilados.
- Desviación de ETS: la desviación estándar en todos los valores recopilados.
- Varianza: la varianza en todos los valores recopilados.
- Respuestas totales: el número total de respuestas recopiladas que contribuyen a las estadísticas.
- Caja superior: Top Box es el porcentaje de encuestados que encajan en los extremos más altos de la escala. Puede especificar cuántos puntos de escala se incluyen en este cuadro escribiendo en el campo.
- Caja inferior: el cuadro inferior es el porcentaje de encuestados que encajan en los extremos más bajos de la escala. Puede especificar cuántos puntos de escala se incluyen en este cuadro escribiendo en el campo.
A veces, habrá múltiples dimensiones en su mesa. Por ejemplo, supongamos que tiene una tabla de matriz con declaraciones. O bien, tiene una pregunta de satisfacción de opción múltiple y ha aplicado una ruptura de género a la visualización.
¿Cómo presentar los resultados estadísticos?
Este semestre, estoy en un curso de posgrado/nivel de subgrado avanzado en bioestadística y diseño experimental. Esta es mi conferencia sobre cómo presentar resultados estadísticos, al escribir un estudio. Es un tema sobre el que he escrito antes, y lo que presenté en clase se basa en varias publicaciones de blog más antiguas aquí en Scientist ve Squirrel. Sin embargo, pensé que sería útil unir esto en una sola publicación (larga), con mis diapositivas para ilustrarlo. Si desea utilizar alguna de estas diapositivas, aquí está el PowerPoint: CC BY-NC 4.0 con licencia.
Bueno, para empezar, en realidad hay dos cosas diferentes que podríamos significar «presentando resultados estadísticos»: presentar datos o presentar estadísticas resumidas, estadísticas de prueba, valor p y similares. En esta publicación me limitaré en gran medida a este último. Para la cobertura del primero, vea el Capítulo 12 de mi libro, The Scientist’s Guide to Writing; O mejor (¡por supuesto!) La visualización visual de Edward Tufte de información cuantitativa.
Así que imagine que ha realizado un experimento: en el portaobjetos de arriba, una simple que compara la densidad del looper de repollo (una oruga dañina) en parcelas de col rizada rociada con un nuevo insecticida biológica o dejado sin rayas como control*. Queremos saber si el aerosol es efectivo, por lo que comparamos las densidades de looper entre los tratamientos utilizando una prueba t de Welch. Podemos generar una pila completa de números al hacerlo, algunos de ellos, aunque de ninguna manera todos, se muestran en la caja en la parte inferior izquierda del portaobjetos. ¿Qué hacemos con ellos? Rompiré esa pregunta en seis más pequeños. La clave para responder a cada uno de ellos es lo mismo que es la clave para responder todas las preguntas sobre la escritura: ¿Qué necesita el lector para comprender y aceptar la historia que su artículo está contando?
- ¿Qué números presentas?
Hay muchos números que podría presentar, para comunicar los resultados de su prueba. Afortunadamente, para cada prueba estadística común, generalmente hay una práctica de consenso.
¿Cómo se interpretan y analizan los datos estadísticos?
En la búsqueda de la verdad de un fenómeno, recopilar información es el primer paso para desarrollar un conocimiento sólido. Frente a los vastas y complejos fenómenos, la información que se puede recopilar puede ser muy numerosa, heterogénea, compleja, desorientando al investigador en su camino de conocimiento. Las estadísticas son una ciencia que proporciona las herramientas para gobernar este caos de información, lo que le permite poder dar una descripción, a través de una reducción necesaria y poder sacar conclusiones válidas y útiles.
Hoy vivimos inmersos en una infosfera (según la expresión del filósofo Luciano Floridi) en el que en cada segundo mil millones de datos relacionados con actividades humanas y naturales se producen y recolectan. Los datos y las estadísticas son la ubiqui y cree que pueden dar cualquier tipo de respuesta y satisfacer todas las necesidades de humanidad. El desarrollo de la tecnología de la información y la inteligencia artificial, respaldado por las estadísticas, han abierto el camino para «inteligente» medios capaces de ayudar al hombre, si ni siquiera reemplazarlo, en algunas tareas diarias.
Es interesante observar cómo se ha acompañado la actividad humana, desde el amanecer, por la necesidad de control y gobierno, también a través de la medición y el censo de los recursos disponibles. Ya en tiempos prehistóricos tenemos prueba de objetos grabados con muescas para contar; Miles de años después, en la Biblia tenemos testimonio de diferentes actividades censales. El interés y la conciencia de la importancia de los censos han crecido con el tiempo: el Concilio de Trent de 1563 introdujo los registros parroquiales para recopilar la información de los nacimientos, las bodas y las muertes.
Gracias a la disponibilidad de esta información, en 1600 nacieron las estadísticas, entendidas en el origen como «aritmética política», es decir, como «el arte de razonar a través de las figuras sobre las cosas relacionadas con el gobierno» (William Petty), con Los primeros ejemplos de estadísticas demográficas ya de cierto interés: numerosas de la población de Londres, relación masculina/femenina en los nacimientos, distinción entre la población urbana y rural. Se concretó una atención a los aspectos más dispares de la vida, desde la estimación de la mortalidad hasta la descripción de las cosas del estado (de ahí el término de estadísticas).
¿Cómo analizar e interpretar gráficos y tablas estadísticas?
«Una pintura solo vive por quien lo mira». Si el autor de esta oración no es otro que Pablo Picasso y está dirigido al universo del arte y la pintura, estas palabras son completamente inspiradoras para un gigante completamente diferente de las pinturas: el profesional mundial, equipado con su fiel Destrier Excel. Es difícil imaginar hoy la gestión y la gestión diaria de una estructura, sea cual sea su tamaño, sin el uso de tablas y «figuras».
Para una mejor comodidad de lectura, lo invitamos a descargar esta publicación (en formato PDF).
Por conveniencia del lenguaje, el texto utiliza los términos «controlador de gestión», «Director», «Gerente», «Ejecutivo», etc., que concierne tanto a los hombres como a las mujeres. El género utilizado no prejuzga el perfil de la persona y el uso de masculino solo debe percibirse como facilitar la lectura y la comprensión de este documento.
El uso de hojas de cálculo se generaliza, a pesar de que el Venerable Excel solo existe desde 1985. Varias razones, no exhaustivas, explican esto: económico, flexible (cada uno es libre de diseñar el cálculo, la organización y la presentación de sus datos), dotadas. Con más de cuatrocientas fórmulas, que permiten que ambos realicen cálculos rápidamente, gráficos, conformación cada vez más impactante, de una capacidad casi ilimitada para los «usos actuales» actuales, equipar una gran mayoría de las empresas, escribir esta publicación es una oportunidad para aprovechar Alguna perspectiva en comparación con estas fantásticas posibilidades. Imagine: ¡Acabamos de descubrir que a partir de su versión de 2007, una sola hoja de la famosa hoja de cálculo contiene más de diecisiete mil millones de células [1]! Y como puede tener al menos 256 hojas por archivo… hace números…
Sin embargo, esto no parece suficiente. Si los requisitos previos técnicos son, en general, bastante débiles y el potencial de medidas y análisis muy importantes, en un clima general de incertidumbre, sensación de restricciones, velocidad de transmisión y desmaterialización, la recepción de estas tablas puede ser experimentada: datos , ¿pero para qué enseñanza? ¿Qué retirar de esta cantidad de información, ciertamente posiblemente interesante, pero nada desconcertante o desalentador como hay? Sin contextualización, sin acompañamiento (los «smileys», colores rojos frente a verde y otras flechas hacia arriba, el derecho o el fondo, no pueden alcanzar, a nuestro gusto, tal ambición), es un riesgo producir solo figuras: el de siendo considerado por sus destinatarios como una herramienta incorpórea y fría, al servicio de objetivos y proyectos que no se pueden discutir juntos y para los cuales la sensación de no entender todo se refiere a la imposibilidad de actuar y hablar.
¿Qué es el análisis e interpretación de los resultados?
El intervalo normal: al lado del valor del examen, cada laboratorio de análisis indica un rango normal. En principio, estos intervalos (que se deducen de medio en la población) son similares, pero no perfectamente iguales. Por lo tanto, una desviación mínima de los extremos del intervalo puede ser completamente normal.
La variación porcentual: una consecuencia del punto anterior es que la variación absoluta del parámetro no cuenta, tanto como ese porcentaje. Un parámetro doble en comparación con lo normal puede ser preocupante, mientras que generalmente no es una variación de algunas unidades. Una cosa es tener un total de colesterol estándar en 242 (si la normalidad se indica en 220, la desviación es del 10%) y una cuenta la tiene en 330 (aumento del 50%).
Los valores compuestos: algunos valores dependen de otros. Este es el caso del colesterol total, la suma de lo malo y el bueno. Indicar un máximo de colesterol total (por ejemplo 220) es engañoso porque lo que importa es tener un valor en la regla del colesterol malo (tanto que nos referimos más correctamente al índice de riesgo cardiovascular definido como colesterol total / buen colesterol)))) Es mejor tener colesterol total de la ley, por ejemplo, a 240 y tener un buen colesterol a 75, en lugar de tener colesterol total en la norma a 220, pero un buen colesterol a los 30.
La ingesta de drogas: la ingesta de drogas (incluso las más triviales) obviamente puede alterar el examen, al igual que llevarlo al ayuno o no. Aunque el efecto de algunas drogas continúa con el tiempo, intente al menos no tomar drogas que no son indispensables 24 horas antes del examen.
¿Cómo interpretar los resultados de la media?
El error de muestreo es la discrepancia o la cantidad de
error, que existe entre una estadística de muestra y la población correspondiente
parámetro.
Nota: se utilizan diferentes símbolos para la media y la desviación estándar de un
muestra y una población para que
Estos valores se pueden distinguir. indica que la media es de una muestra, mientras que m indica
la media es de una población indica
desviación estándar de una muestra, mientras que S indica la desviación estándar de un
población. La distinción es
importante porque los valores de muestra solo son representativos de la población
valores.
¿Cómo se interpretan los datos de la media?
La representación de un conjunto completo de datos en un solo valor se conoce como promedio. En general, este tiende a ser el valor central calculado de la distribución. Esta es la razón por la que se llama la medida de la tendencia central. O en otras palabras, representa la posición apropiada del conjunto de datos, por lo que esto también se llama la medida de la ubicación.
Pero en el caso de los medios geométricos y armónicos, los valores se calculan utilizando el producto y el recíproco de los valores en lugar de tomar la suma.
Ejemplo: Tome 18,22,26,34,39 y 41. ¿Encuentra su promedio?
Los promedios posicionales son el tipo de promedios cuyo valor se define por su posición del cual representa todo el conjunto de muestras. Esta es una medida efectiva para manejar tipos nominales de datos.
Mientras que en el caso de los promedios matemáticos, el valor calculado podría no estar en la serie del conjunto de datos respectivo, pero en el caso de promedios posicionales, el valor promedio calculado debe ser un valor que se encuentra dentro del conjunto de datos observados.
Con estos valores, se dibuja una línea de tendencia para encontrar la tendencia prospectiva o retrospectiva de las acciones
Estos son el tipo de promedios que se pueden usar cuando los datos son cuantitativos y continuos de naturaleza. El resultado debe ser caída entre los rangos del conjunto de datos. Se usa en los cálculos matemáticos críticos
Ejemplo: Presión arterial promedio de los pacientes, agua de lluvia promedio recibida en un período particular
Artículos Relacionados:
