Resumen de Estadística para Negocios: Conceptos Fundamentales

1. Datos y Variables

Clasificación de Variables

En estadística, los datos se organizan en variables, que representan características o atributos que pueden tomar diferentes valores. Es fundamental clasificar las variables correctamente para seleccionar los métodos de análisis adecuados.

• Variable cualitativa: Describe cualidades o categorías, no valores numéricos. Ejemplo: color de producto, tipo de cliente.

• Variable cuantitativa: Expresa cantidades numéricas. Puede ser:

  • Discreta: Toma valores enteros (ejemplo: número de ventas).

  • Continua: Puede tomar cualquier valor dentro de un rango (ejemplo: ingresos, peso).

• Escala de medición:

  • Nominal: Categorías sin orden (ejemplo: género).

  • Ordinal: Categorías con orden (ejemplo: nivel de satisfacción).

  • De intervalo: Diferencias significativas, pero sin cero absoluto (ejemplo: temperatura en °C).

  • De razón: Incluye cero absoluto (ejemplo: ingresos, edad).

2. Tablas de Frecuencia

Tipos de Frecuencia y su Interpretación

Las tablas de frecuencia organizan los datos para facilitar su análisis y comprensión.

• Frecuencia absoluta (f): Número de veces que aparece un valor.

• Frecuencia relativa (fr): Proporción de veces que aparece un valor respecto al total. $fr = \frac{f}{n}$

• Frecuencia acumulada (F): Suma de frecuencias absolutas hasta un valor dado.

• Interpretación: Permite identificar patrones, valores más frecuentes y distribución de los datos.

3. Medidas Resumen

Tendencia Central, Posición, Variabilidad y Forma

Las medidas resumen sintetizan la información de un conjunto de datos.

• Tendencia central: Indica el valor típico o central.

  • Media: Promedio aritmético. $\bar{x} = \frac{1}{n} \sum_{i=1}^{n} x_i$

  • Mediana: Valor central cuando los datos están ordenados.

  • Moda: Valor que más se repite.

• Medidas de posición: Cuartiles, deciles, percentiles.

• Medidas de variabilidad: Indican dispersión de los datos.

  • Varianza: $s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2$

  • Desviación estándar: $s = \sqrt{s^2}$

  • Rango: Diferencia entre el valor máximo y mínimo.

• Medidas de forma:

  • Asimetría (skewness): Indica si la distribución es simétrica o sesgada.

  • Curtosis: Indica el grado de concentración de los datos en torno a la media.

4. Gráficos Univariados

Representación Gráfica de una Variable

Los gráficos univariados permiten visualizar la distribución de una sola variable.

• Histograma: Gráfico de barras para variables cuantitativas continuas, muestra la frecuencia de los datos en intervalos.

• Gráfico de tallo y hoja: Representa datos numéricos conservando la información original.

• Boxplot (diagrama de caja y bigotes): Resume la mediana, cuartiles y posibles valores atípicos.

5. Análisis Bivariado Cualitativo

Tablas de Contingencia y Asociación

El análisis bivariado cualitativo estudia la relación entre dos variables categóricas.

• Tabla de contingencia: Muestra la frecuencia conjunta de dos variables cualitativas.

• Porcentajes condicionados: Permiten comparar proporciones dentro de categorías específicas.

• Asociación (interpretativa): Se evalúa si existe relación entre las variables, por ejemplo, mediante el cálculo de proporciones o el uso del coeficiente de contingencia.

6. Análisis Bivariado Cuantitativo

Dispersión, Correlación y Ajuste Lineal

El análisis bivariado cuantitativo examina la relación entre dos variables numéricas.

• Dispersión: Se representa mediante diagramas de dispersión (scatterplots), que muestran la relación entre dos variables.

• Correlación: Mide la fuerza y dirección de la relación lineal entre dos variables. Coeficiente de correlación de Pearson: $r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}$

• Ajuste lineal básico (Regresión lineal simple): Permite predecir el valor de una variable a partir de otra. Ecuación de la recta de regresión: $\hat{y} = a + bx$

• Coeficiente de determinación ($R^2$): Indica el porcentaje de la variabilidad de la variable dependiente explicado por la variable independiente.