Generalmente, las personas evitan el uso del análisis descriptivo cuando revisan los estudios porque les interesan más las predicciones que se están probando. Sin embargo, es un error ya que este método puede proporcionar información realmente importante sobre la muestra que se está estudiando. El análisis predictivo abarca una variedad de técnicas estadísticas de modelado, aprendizaje de máquina (Machine Learning), minería de datos y teoría de juegos que analizan los hechos actuales e históricos para hacer predicciones sobre eventos futuros.
Una encuesta es el enfoque más apropiados para la recopilación de datos descriptivos. Se compone de elementos estructurados y no estructurados, Los estructurados son aquellos que utilizan una lista formal de preguntas para todos los encuestados de la misma manera. En el caso de una encuesta no estructurada, se https://elmanana.com.mx/tecnologia/2023/11/24/un-curso-de-analista-de-datos-para-integrarse-al-sector-ti-112671.html guía la investigación basándose en respuestas de los encuestados. Además, cuando sea necesario, como en el caso de las encuestas por muestreo, pueden utilizarse medidas de asociación entre variables para decidir si las diferencias observadas entre mujeres y hombres son estadísticamente significativas o no.
Diferencia entre estadística descriptiva y estadística inferencial
Entonces, la investigación descriptiva se refiere al diseño de la investigación, creación de preguntas y análisis de datos que se llevarán a cabo sobre el tema. Se conoce como método de investigación observacional porque ninguna de las variables que forman parte del estudio está influenciada. Imaginemos que deseamos analizar el rendimiento académico de los estudiantes en una determinada materia. Supongamos que tenemos un conjunto de datos demográficos que incluyen información sobre edad, género, nivel educativo y salario de una muestra de empleados. Podemos realizar un Un curso de desarrollo web a tu medida y con resultados garantizados para obtener información clave, como la edad promedio, la distribución de género, la frecuencia de diferentes niveles educativos y la dispersión salarial. El análisis de datos es la práctica de trabajar con datos para obtener información útil que pueda utilizarse para tomar decisiones con conocimiento de causa.
Durante la entrada de datos, algunos programas estadísticos tratan automáticamente las entradas en blanco como valores faltantes, mientras que otros requieren que se ingrese un valor numérico específico como -1 o 999 para denotar un valor faltante. Durante el análisis de datos, el modo predeterminado de manejar los valores faltantes en la mayoría de los programas de software es simplemente dejar caer toda la observación que contiene incluso un solo valor faltante, en una técnica llamada eliminación listwise. Dicha eliminación puede reducir significativamente el tamaño de la muestra y hacer que sea extremadamente difícil detectar pequeños efectos. De ahí que algunos programas de software permiten la opción de reemplazar los valores faltantes por un valor estimado a través de un proceso llamado imputación. Por ejemplo, si el valor faltante es un ítem en una escala multiítem, el valor imputado puede ser el promedio de las respuestas del encuestado a los ítems restantes en esa escala. Si el valor faltante pertenece a una escala de un solo ítem, muchos investigadores utilizan el promedio de las respuestas de otros encuestados a ese ítem como el valor imputado.
Objetivo de la estadística descriptiva
Además, son de utilidad para los temas de salud pública, ya que son capaces de combinar la medicina clínica con la epidemiología. La limpieza de los datos puede implicar el cambio de su formato textual, su categorización y/o la eliminación de valores atípicos. Esto puede parecer obvio, pero en la práctica, no todas las organizaciones están tan orientadas a los datos como podrían estarlo. Según la empresa de consultoría de gestión global McKinsey Global Institute, las empresas que se basan en los datos son mejores a la hora de captar nuevos clientes, mantener su fidelidad y lograr una rentabilidad superior a la media [2].
- Sin embargo, esta hoja de cálculo no es muy informativa y quieres resumir los datos con algunos gráficos y tablas que te permitan llegar a algunas conclusiones sencillas (por ejemplo, el 24% de las personas dijeron que el blanco es su color favorito).
- Los modelos descriptivos cuantifican las relaciones en los datos de una manera que se utiliza a menudo para clasificar a clientes o prospectos en grupos.
- La estadística descriptiva ayuda a simplificar grandes cantidades de datos de forma significativa.
- La dispersión y la variabilidad se refieren y denotan el rango y la amplitud de la distribución de los valores en un conjunto de datos.