📊 Calculadora de Estadística Descriptiva

Tabla Comparativa de Medidas Estadísticas

Cada medida estadística responde a una pregunta diferente. Esta tabla compara las principales medidas de tendencia central y dispersión con ejemplos numéricos reales usando el conjunto de datos: salarios mensuales: 1.200, 1.400, 1.400, 1.600, 1.800, 1.800, 1.800, 2.100, 2.500, 8.000 (en la moneda que uses).

Casos de Uso Reales: 4 Perfiles

La estadística descriptiva se aplica en contextos muy distintos. Estos cuatro perfiles muestran cómo las mismas herramientas resuelven problemas reales y concretos.

Preguntas Frecuentes sobre Estadística Descriptiva

• ¿Cuándo es mejor usar la mediana que la media?
  Usa la medianacuando los datos están sesgados o contienen outliers. Ejemplo clásico: si 9 personas ganan 1.500 y 1 gana 15.000, la media es 3.000 pero la mediana es 1.500. La mediana describe mejor la realidad de las 9 personas. Regla práctica: si media > mediana en más de un 10%, usa la mediana como medida de centro.
• ¿Qué significa una desviación típica alta?
  Una desviación típica alta significa que los datos están muy dispersos respecto a la media. Por ejemplo, si la temperatura media de una ciudad es 15 °C con s=2 °C, casi todos los días están entre 13 y 17 °C. Pero con s=8 °C, hay días de 7 °C y días de 23 °C. El coeficiente de variación(CV = s/media × 100) es más útil que s en solitario: CV < 15% = baja variabilidad, CV 15-30% = moderada, CV > 30% = alta.
• ¿Cómo identificar outliers con la regla IQR?
  Calcula Q1 y Q3. Un dato es outlier leve si está fuera de [Q1 − 1,5·IQR, Q3 + 1,5·IQR] y outlier extremo si supera [Q1 − 3·IQR, Q3 + 3·IQR]. Ejemplo: notas del grupo Q1=5, Q3=8, IQR=3. Límites = [5 − 4,5, 8 + 4,5] = [0,5, 12,5]. En notas de 0-10 no hay outliers. Si hubiera un 0,2 o un 10,0 repetido en otro contexto, sería sospechoso. Siempre investiga el origen antes de eliminar un dato.
• ¿Qué es el coeficiente de variación y cuándo se usa?
  El CV = (s / x̄) × 100% es la desviación típica expresada como porcentaje de la media. Permite comparar la variabilidad de series con distintas unidades o escalas. Ejemplo: comparas dos inversiones — Fondo A (media 1.000, s=50, CV=5%) vs Fondo B (media 50.000, s=3.000, CV=6%). Aunque s del Fondo B es mayor, ambos tienen variabilidad relativa similar. No es válido si la media es 0 o negativa (como temperaturas en °C que cruzan el 0).
• ¿Diferencia entre varianza poblacional y muestral?
  La varianza poblacional (σ²) divide por N (todos los individuos) y la muestral (s²) divide por n−1. Esta diferencia se llama corrección de Bessel y sirve para que s² sea un estimador insesgado de σ². Ejemplo: notas de 5 alumnos: 6, 7, 8, 7, 7. Media = 7. Varianza poblacional = 0,4 (divide por 5). Varianza muestral = 0,5 (divide por 4). Usa muestral si son una muestra de un grupo mayor; usa poblacional si tienes todos los datos del universo.
• ¿Qué es una distribución sesgada y cómo reconocerla?
  Una distribución está sesgada a la derecha(positiva) cuando hay pocos valores muy altos que estiran la cola derecha — típico en salarios, precios de vivienda o rentas. Se reconoce porque media > mediana. Está sesgada a la izquierda(negativa) cuando hay pocos valores muy bajos — media < mediana. Con sesgo fuerte, la media engaña: un informe debe incluir siempre mediana y rango intercuartil junto a la media.
• ¿Cómo interpretar un histograma de datos?
  Un histograma muestra cómo se distribuyen los valores agrupados en intervalos (barras). Busca: (1) simetría — si las barras son simétricas alrededor del centro, la distribución es aproximadamente normal; (2) colas largas — barra aislada a la derecha o izquierda indica sesgo o outlier; (3) bimodalidad — dos picos sugieren dos subgrupos mezclados (ej. hombres y mujeres en datos de altura). Los picos del histograma coinciden aproximadamente con la moda.
• ¿Cuántos datos necesito para que la media sea fiable?
  No hay un número mágico, pero como referencia: con n ≥ 30la media muestral tiende a distribuirse normalmente (teorema central del límite) independientemente de la distribución original. Con n < 10 la media es muy inestable — un solo dato atípico puede cambiarla drásticamente. El error estándar (s/√n) cuantifica esta incertidumbre: con n=10, s=5 → SE=1,58; con n=100 → SE=0,5. Duplicar el tamaño muestral reduce el error a la mitad.
• ¿Qué son las medidas descriptivas?
  Las medidas descriptivas resumen un conjunto de datos en pocos números: las de tendencia central (media, mediana, moda) indican el valor típico, y las de dispersión (rango, varianza, desviación típica, desviación media y coeficiente de variación) indican cuánto varían los datos. Los cuartiles y percentiles describen la posición de los valores. Esta calculadora las obtiene todas a la vez pegando tus datos.
• ¿Qué es la cuasidesviación típica (n−1)?
  Es la desviación típica muestral: la raíz de la suma de desviaciones al cuadrado dividida entre n−1 en lugar de entre n. Se usa cuando los datos son una muestra de un grupo mayor, porque la corrección de Bessel (÷ n−1) evita subestimar la variabilidad real. Si tienes todos los datos del universo, usa la desviación típica poblacional (σ), que divide entre n. Esta herramienta muestra las dos por separado para que uses la correcta.

Consejo: para datos de ingresos, precios o cualquier variable con distribución asimétrica, reporta siempre mediana + IQR en lugar de media + desviación típica.

Guía Paso a Paso: Analizar un Conjunto de Datos (7 Pasos)

Sigue este proceso completo para cualquier análisis estadístico descriptivo, desde la recogida de datos hasta la comunicación de resultados. Ejemplo práctico: notas de matemáticas de 20 alumnos.

1. 1
   Recolectar y organizar los datos

   Escribe o importa todos los valores. Verifica que no haya errores tipográficos ni datos duplicados involuntarios. Ejemplo: 4, 5, 6, 6, 7, 7, 7, 8, 8, 8, 8, 9, 9, 9, 10, 10, 4, 3, 9, 8. n = 20 alumnos.

2. 2
   Detectar y gestionar datos faltantes o erróneos

   Revisa valores imposibles (nota 11/10, edad negativa). Decide si imputar, eliminar o marcar los datos problemáticos. Documenta siempre las decisiones tomadas. En este ejemplo: todos los valores están entre 0-10, no hay anomalías.

3. 3
   Calcular medidas de tendencia central

   Media = 7,3; Mediana = 8; Moda = 8 (aparece 5 veces). La mediana y la moda coinciden en 8 y la media es 7,3 — hay ligero sesgo a la izquierda por los suspensos (3, 4, 4, 5).

4. 4
   Calcular medidas de dispersión

   Desv. estándar muestral s = 1,92; Varianza s² = 3,69; Rango = 7 (de 3 a 10); IQR = Q3 − Q1 = 9 − 6,5 = 2,5. CV = (1,92 / 7,3) × 100 = 26,3% — variabilidad moderada-alta.

5. 5
   Identificar outliers con la regla IQR

   Límite inferior = Q1 − 1,5 × IQR = 6,5 − 3,75 = 2,75. Límite superior = Q3 + 1,5 × IQR = 9 + 3,75 = 12,75. Ningún dato cae fuera de [2,75, 12,75] en el rango 0-10. No hay outliers en este conjunto.

6. 6
   Evaluar la forma de la distribución

   Media (7,3) < Mediana (8) indica ligero sesgo negativo (cola izquierda por los suspensos). Los datos se concentran entre 7 y 9, con pocos valores bajos que arrastran la media hacia abajo. La distribución no es estrictamente normal pero tampoco está muy sesgada.

7. 7
   Interpretar y comunicar los resultados

   Redacta las conclusiones en lenguaje claro: "El grupo obtuvo una nota mediana de 8 con una variabilidad moderada (s=1,92). La mayoría de alumnos (15 de 20) aprobaron. Los 4 suspensos arrastran la media a 7,3, por lo que la mediana es el indicador más representativo del grupo." Incluye siempre n, la medida elegida y su justificación.

6 Mejores Prácticas para Análisis Estadístico

Estos seis consejos accionables mejorarán la calidad y la honestidad de cualquier análisis estadístico descriptivo.