Conceptos básicos de estadística y tipos de variables

Introducción a los conceptos básicos de estadística

La estadística es la ciencia que permite organizar, describir y analizar datos para extraer información útil. En este curso aprenderás a identificar los diferentes tipos de variables, a reconocer problemas comunes en el muestreo y a diferenciar entre los enfoques descriptivo e inferencial. Cada sección está basada en preguntas tipo test que reflejan los conceptos esenciales que todo estudiante de matemáticas debe dominar.

1. Clasificación de variables

1.1 Variables cualitativas vs. cuantitativas

Las variables cualitativas describen atributos o categorías que no pueden medirse con números, aunque a veces se les asignen códigos numéricos para facilitar el análisis. Se subdividen en:

• Nominal: sin orden interno (p. ej., tipo de sangre, género).
• Ordinal: con un orden lógico pero sin distancia uniforme (p. ej., nivel de satisfacción: bajo, medio, alto).

Las variables cuantitativas expresan magnitudes numéricas y pueden ser:

• Discreta: toma valores enteros aislados (p. ej., número de hijos, número de accidentes por día).
• Continua: puede asumir cualquier valor dentro de un intervalo (p. ej., tiempo de espera en minutos, temperatura en grados Celsius).

1.2 Ejemplo práctico: encuesta hospitalaria

En una encuesta se registran dos variables:

• Satisfacción: variable cualitativa ordinal, porque clasifica el grado de agrado del paciente (p. ej., "muy satisfecho", "satisfecho", "insatisfecho").
• Tiempo de espera: variable cuantitativa continua, ya que se mide en minutos y puede tomar valores con decimales (p. ej., 12,5 minutos).

Esta distinción es fundamental para elegir las técnicas de análisis adecuadas: las variables ordinales suelen analizarse con pruebas no paramétricas, mientras que las continuas permiten usar medias y desviaciones estándar.

2. Problemas de muestreo

2.1 Sesgo de selección

El sesgo de selección ocurre cuando la muestra no representa fielmente a la población objetivo. Un caso típico es encuestar solo a egresados de las tres universidades más costosas de la capital. Esta muestra está sesgada porque excluye a estudiantes de instituciones públicas o de menor costo, lo que distorsiona cualquier inferencia sobre la población total de graduados.

Para evitar este problema se recomienda:

• Definir claramente la población de interés.
• Utilizar muestreo aleatorio estratificado que garantice la representación de todos los subgrupos.
• Evaluar la cobertura y la tasa de respuesta.

2.2 Otros errores comunes

Además del sesgo de selección, los investigadores deben estar atentos a:

• Multicolinealidad entre variables independientes, que afecta la estabilidad de los modelos de regresión.
• Variabilidad alta en muestras pequeñas, que reduce la precisión de los estimadores.
• Errores de medición, especialmente cuando los datos son subjetivos o se recogen mediante autoinformes.

3. Diferenciación entre tipos específicos de variables

3.1 Número de hijos vs. temperatura

El número de hijos por familia es una variable cuantitativa discreta. Cada familia cuenta con un número entero de hijos (0, 1, 2, …) y no tiene sentido hablar de fracciones de hijos.

En contraste, la temperatura diaria en grados Celsius es una variable cuantitativa continua. Puede medirse con precisión decimal (por ejemplo, 23,7 °C) y los valores intermedios son significativos.

Esta distinción influye en la elección de pruebas estadísticas: para variables discretas se pueden usar distribuciones de Poisson o binomiales, mientras que las continuas suelen analizarse con t‑tests o ANOVA.

3.2 Tipo de sangre

El tipo de sangre (A, B, AB, O) es una variable cualitativa nominal. No existe un orden intrínseco entre los grupos; simplemente se nombran categorías. Por ello, se emplean tablas de contingencia y pruebas chi‑cuadrado para estudiar su asociación con otras variables.

4. Concepto de variable estadística

Una variable estadística se define como cualquier característica que puede variar entre unidades de observación y que es medible u observable. La clave es que puede fluctuar y no es una constante fija. Por ejemplo, la edad, el ingreso mensual o la presión arterial son variables porque cada individuo posee un valor distinto.

Esta definición permite distinguir entre variables y parámetros: los parámetros describen a toda la población (p. ej., la media poblacional) y, por lo tanto, son valores fijos, aunque desconocidos.

5. Estadística descriptiva vs. inferencial

5.1 Estadística descriptiva

La estadística descriptiva observa lo que hay. Su objetivo es resumir y presentar los datos mediante medidas de tendencia central (media, mediana, moda), dispersión (desviación estándar, rango) y representaciones gráficas (histogramas, diagramas de caja). No busca hacer generalizaciones más allá de la muestra.

5.2 Estadística inferencial

La estadística inferencial predice lo que podría ser. Utiliza los datos de la muestra para estimar parámetros poblacionales, probar hipótesis y construir intervalos de confianza. Herramientas como pruebas t, ANOVA, regresión y análisis de varianza permiten extrapolar los resultados a la población completa.

Entender esta diferencia es esencial para diseñar estudios adecuados y para interpretar correctamente los resultados obtenidos.

6. El proceso estadístico y la fase de estimadores

El método estadístico se suele representar mediante fases que van desde la definición del problema hasta la interpretación de los resultados. La fase "A" corresponde a los estimadores, donde se calculan medidas numéricas a partir de los datos recopilados.

Ejemplos de estimadores incluyen:

• Media aritmética () para variables cuantitativas.
• Proporción () de éxito en variables binarias.
• Varianza y desviación estándar para describir la dispersión.

Estos valores resumen la información de la muestra y sirven como base para los pasos posteriores, como la construcción de intervalos de confianza o la realización de pruebas de hipótesis.

7. Variables discretas en la práctica: número de accidentes diarios

Al registrar el número de accidentes ocurridos por día en una ciudad, estamos trabajando con una variable cuantitativa discreta. Cada día se cuenta un número entero de incidentes (0, 1, 2, …). Esta variable es típica en estudios de seguridad vial y se analiza frecuentemente mediante distribuciones de Poisson o modelos de conteo.

La naturaleza discreta implica que no tiene sentido hablar de "medio accidente"; por lo tanto, los métodos de análisis deben respetar esta característica para evitar interpretaciones erróneas.

Conclusión

Dominar la clasificación de variables, reconocer los sesgos de muestreo y diferenciar entre estadística descriptiva e inferencial son pilares fundamentales para cualquier análisis estadístico sólido. Aplicar correctamente estos conceptos permite diseñar investigaciones más rigurosas, elegir los métodos estadísticos adecuados y, en última instancia, obtener conclusiones fiables que guíen la toma de decisiones.

Recuerda que la práctica constante, mediante ejercicios y la revisión de casos reales, consolidará tu comprensión y te convertirá en un analista estadístico competente.