Métodos Cuantitativos de Investigación

La estadística es la rama de las matemáticas que usa grandes conjuntos de datos numéricos para sacar conclusiones basadas en probabilidades. Básicamente, es la ciencia que te ayuda a recopilar, ordenar y presentar datos de fenómenos que cambian o tienen incertidumbre.

Su objetivo principal es deducir las leyes que rigen esos fenómenos para hacer previsiones, tomar decisiones u obtener conclusiones útiles. Es como ser detective, pero con números.

Estadística Descriptiva

La estadística descriptiva es tu primer paso cuando trabajas con información cuantitativa. Es como hacer un resumen de tus datos para entender qué tienes antes de profundizar más.

Es especialmente útil en estudios exploratorios donde solo quieres describir lo que ves. Aunque parezca más sencilla que otros tipos de estadística, no es menos importante.

Dato clave: En SPSS, los menús de estadística descriptiva son los que más vas a usar al principio.

La estadística descriptiva incluye distribuciones y gráficas, medidas de tendencia central (como la media), medidas de variabilidad, y coeficientes de correlación para ver cómo se relacionan las variables.

Estadística Inferencial

La estadística inferencial va un paso más allá: te permite conocer poblaciones enteras estudiando solo una muestra representativa. Es como probar una cucharada de sopa para saber si toda la olla está bien sazonada.

Su base son las probabilidades y distribuciones (normal, binomial, Poisson, etc.). Los dos ejes principales son la estimación de parámetros y el contraste de hipótesis.

Ejemplo práctico: Si mides el peso de 50 jóvenes de una muestra representativa, puedes inferir el peso medio de todos los jóvenes españoles.

La clave está en elegir entre pruebas paramétricas y no paramétricas según la escala de medida de tu variable.

Análisis Unidimensional

El análisis unidimensional se centra en estudiar una sola variable a la vez. Aquí aprenderás a organizar tus datos mediante tablas estadísticas y representaciones gráficas.

Los conceptos fundamentales incluyen la frecuencia absoluta (cuántas veces aparece cada valor) y la frecuencia relativa (qué porcentaje representa). También trabajarás con frecuencias acumuladas.

La ordenación de datos es crucial - puedes usar listados ascendentes/descendentes o el método de tallo y hojas. Un ejemplo sencillo: si tienes datos de género (H=Hombre, M=Mujer), los organizas en una tabla que muestre cuántos hombres y mujeres hay, tanto en números absolutos como en porcentajes.

Tip útil: Una muestra de 10 personas con 4 hombres y 6 mujeres se representa como 40% y 60% respectivamente.