Fundamentos de la Estadística

¿Alguna vez te has preguntado cómo los científicos pueden estar seguros de sus conclusiones cuando estudian fenómenos complicados? La estadística es precisamente la ciencia que nos permite navegar por la incertidumbre y tomar decisiones con fundamento.

En el mundo científico existen dos tipos de modelos. Los modelos determinísticos son como las matemáticas puras: siempre obtienes el mismo resultado bajo las mismas condiciones, sin sorpresas. Por otro lado, los modelos estocásticos (o probabilísticos) incorporan el factor sorpresa y la variabilidad, que es donde entra en juego la estadística.

La estadística tiene tres funciones principales: recoger y organizar datos (estadística descriptiva), entender las leyes que rigen los fenómenos aleatorios (probabilidad), y sacar conclusiones para tomar decisiones (estadística inferencial). Es como ser detective, matemático y profeta al mismo tiempo.

¡Ojo! La estadística descriptiva organiza y presenta los datos, mientras que la inferencial te permite hacer predicciones sobre poblaciones enteras usando solo una muestra.

Para las variables cualitativas, trabajamos con frecuencia absoluta (cuántas veces aparece cada categoría) y frecuencia relativa (qué proporción representa del total). La fórmula es sencilla: fr = fa/n, donde "n" es el número total de casos.

Medidas de Tendencia Central

Imagina que tienes un montón de datos y necesitas resumirlos en unos pocos números clave que te cuenten la historia completa. Las medidas de tendencia central son exactamente eso: valores que te dan una idea rápida de cómo se comportan tus datos.

La media aritmética es el clásico promedio que ya conoces: sumas todo y divides entre el número de datos. Es genial porque es muy estable, pero tiene una debilidad: los valores extremos la distorsionan muchísimo.

La mediana es el valor del medio cuando ordenas todos los datos de menor a mayor. Si tienes un número par de datos, haces la media de los dos centrales. Es perfecta cuando hay valores raros que pueden confundir la media.

Truco de examen: Si ves valores extremos en un problema, probablemente te pedirán la mediana en lugar de la media.

La moda es simplemente el valor que más se repite. Puede haber una sola (unimodal) o varias (multimodal). Es especialmente útil para variables cualitativas donde no puedes calcular una media.

Medidas de Dispersión y Distribución Normal

No basta con saber dónde se concentran los datos; también necesitas saber qué tan dispersos están. Las medidas de dispersión te cuentan si los valores están todos apretujados cerca de la media o desperdigados por todas partes.

El rango es lo más básico: simplemente restas el valor mínimo al máximo. La varianza y la desviación típica son más sofisticadas porque consideran todos los datos, aunque son muy sensibles a valores extremos.

Los percentiles son súper útiles: te dicen qué porcentaje de datos queda por debajo de cierto valor. Por ejemplo, si estás en el percentil 80 en una prueba, significa que lo hiciste mejor que el 80% de los estudiantes.

Dato curioso: La mediana es exactamente el percentil 50, y los cuartiles son los percentiles 25, 50 y 75.

La distribución normal (campana de Gauss) es el santo grial de la estadística. Cuando tus datos siguen esta distribución, la media, mediana y moda coinciden, y puedes predecir que el 68% de los datos estarán a una desviación típica de la media. Para datos normales usas "media ± desviación típica", para datos no normales usas "mediana (rango intercuartílico)".

Representación Gráfica de los Datos

Los números están bien, pero los gráficos hacen que los datos cobren vida y sean más fáciles de entender de un vistazo. Cada tipo de gráfico tiene su momento perfecto para brillar.

Las tablas de frecuencia organizan toda la información de forma sistemática: frecuencia absoluta, acumulada, relativa y relativa acumulada. Es la base para crear cualquier gráfico posterior.

Los diagramas de barras y sectores son perfectos para variables cualitativas. Los de barras comparan categorías fácilmente, mientras que los de sectores (tipo quesito) muestran proporciones del total de manera muy visual.

Consejo de estudio: Los diagramas de caja y bigotes resumen cinco valores clave de un tirón: mínimo, primer cuartil, mediana, tercer cuartil y máximo.

Los histogramas y polígonos de frecuencia son ideales para variables cuantitativas. Te permiten ver la forma de la distribución y detectar si es normal o tiene alguna peculiaridad.

Pruebas Estadísticas e Hipótesis

Aquí es donde la estadística se vuelve realmente poderosa: te permite probar si tus sospechas sobre los datos son ciertas o solo fruto de la casualidad. Es como ser un juez que debe decidir basándose en evidencias.

Siempre trabajas con dos hipótesis contrarias: la nula (H₀) que dice "no pasa nada especial" y la alternativa que es lo que realmente sospechas. Por ejemplo, si crees que los hombres son más altos que las mujeres, la nula diría "no hay diferencia de altura".

El p-valor es la probabilidad de que tus resultados sean solo casualidad. Si p < 0,05 (menos del 5% de probabilidad de error), puedes rechazar la hipótesis nula y quedarte tranquilo de que tu hallazgo es real.

Regla de oro: p < 0,05 significa que hay menos del 5% de probabilidad de que te hayas equivocado, así que tu resultado es estadísticamente significativo.

La significación estadística no significa que el resultado sea importante en la vida real, solo que es muy improbable que sea casualidad.

Tests Estadísticos y Medidas de Asociación

No necesitas ser un experto en cada test, pero sí saber cuál usar en cada situación. Es como tener una caja de herramientas: cada una tiene su función específica.

Para comparar medias, usas t de Student si los datos son normales, o tests no paramétricos como U de Mann-Whitney si no lo son. Para más de dos grupos, el ANOVA es tu amigo en datos normales, y Kruskal-Wallis para los no normales.

Cuando quieres ver si dos variables están relacionadas, el análisis de correlación te da un número entre -1 y +1. Cerca de +1 significa correlación positiva fuerte, cerca de -1 correlación negativa fuerte, y cerca de 0 significa que no están relacionadas.

Importante: Correlación no implica causalidad. Que dos variables estén relacionadas no significa que una cause la otra.

El Odds Ratio te dice cuánto aumenta o disminuye la probabilidad de que algo ocurra. Si OR = 1, no hay efecto; si OR > 1, aumenta el riesgo; si OR < 1, lo disminuye.

Los modelos de regresión te permiten predecir una variable usando otras. La regresión lineal simple es una línea recta, la múltiple usa varias variables predictoras.

Análisis de Supervivencia y Estadística Inferencial

El análisis de supervivencia no siempre trata sobre vida o muerte; puede estudiar cualquier evento en el tiempo, como cuánto tardan los estudiantes en aprobar una asignatura difícil.

La mediana de supervivencia es el tiempo hasta que el 50% de los casos experimentan el evento estudiado. Los casos censurados son aquellos donde no ocurre el evento durante el período de estudio.

El Hazard Ratio te dice cuánto cambia el riesgo. Un valor de 0,8 significa una reducción del riesgo del 20% (se calcula como 1 - 0,8 = 0,2 = 20%).

Conexión clave: La estadística inferencial te permite generalizar los resultados de tu muestra pequeña a toda la población.

La probabilidad puede ser clásica (todos los resultados igualmente posibles), empírica (basada en experimentos repetidos) o subjetiva (basada en tu conocimiento personal). Siempre está entre 0 (imposible) y 1 (seguro).