10 cosas que usted debe saber acerca de las estadísticas para usar Excel

  1. Software
  2. Oficina de Microsoft
  3. Excel
  4. 10 cosas que usted debe saber acerca de las estadísticas para usar Excel

Libro Relacionado

Análisis de datos de Excel para tontos, 2ª edición

Por Stephen L. Nelson, E. C. Nelson

Excel es una herramienta maravillosa cuando necesita usar estadísticas. Si nunca has estado expuesto a las estadísticas en la escuela o han pasado una o dos décadas desde que lo estabas, deja que estos consejos te ayuden a usar algunas de las herramientas estadísticas que Excel proporciona.

Las estadísticas descriptivas son sencillas

Lo primero que debe saber es que algunos análisis estadísticos y algunas medidas estadísticas son bastante sencillos. Las estadísticas descriptivas, que incluyen cosas como las tabulaciones cruzadas de la tabla pivotante, así como algunas de las funciones estadísticas, tienen sentido incluso para alguien que no es tan cuantitativo.

Los promedios no son tan simples a veces

Cuando alguien usa el término promedio, lo que normalmente se refiere es a la medida promedio más común, que es una media. Entender que el término promedio es impreciso hace que gran parte de la funcionalidad estadística de Excel sea más comprensible.

Para hacer esta discusión más concreta, asuma que usted está viendo un pequeño conjunto de valores: 1, 2, 3, 4 y 5. Como sabrás, la media de este pequeño conjunto de valores es 3. Puedes calcular la media sumando todos los números del conjunto (1+2+3+4+5) y dividiendo esta suma (15) por el número total de valores del conjunto (5).

El valor mediano es el valor que separa los valores máximos de los mínimos. En el conjunto de datos 1, 2, 3, 4 y 5, la mediana es 3. El valor 3 separa los valores mayores (4 y 5) de los valores menores (1 y 2).

No es necesario que entiendas las diferentes medidas promedio, pero debes recordar que el término promedio es bastante impreciso.

Las desviaciones estándar describen la dispersión

La fórmula para la desviación estándar y la lógica son bastante fáciles de entender.

Una desviación estándar describe cómo los valores en un conjunto de datos varían alrededor de la media. Lo bueno de las medidas estadísticas, como una desviación estándar, es que a menudo se obtiene una visión real de las características de los datos que se están viendo. Otra cosa es que con estos dos bits de datos, a menudo se pueden hacer inferencias sobre los datos observando las muestras.

Una observación es una observación

La observación es uno de los términos que encontrarás si lees algo sobre estadística. Una observación es sólo una observación. Una manera de definir el término observación es así: Cada vez que se asigna un valor a una de las variables aleatorias, se crea una observación.

Un muestreo es un subconjunto de valores

Una muestra es una colección de observaciones de una población. Por ejemplo, si usted crea un conjunto de datos que registra las altas temperaturas diarias en su vecindario, su pequeña colección de observaciones es una muestra.

En comparación, una muestra no es una población. Una población incluye todas las observaciones posibles.

Las estadísticas inferenciales son frías pero complicadas

Si se observa una muestra de valores de una población y la muestra es representativa y lo suficientemente grande, se pueden sacar conclusiones sobre la población basadas en las características de la muestra.

Las estadísticas inferenciales, aunque muy poderosas, poseen dos cualidades que usted necesita saber:

  • Problemas de precisión
  • Curva de aprendizaje pronunciada

Las funciones de distribución de probabilidad no siempre son confusas

La función de distribución de probabilidad suena bastante difícil, pero en realidad se puede entender intuitivamente lo que es una función de distribución de probabilidad con un par de ejemplos útiles.

Una distribución común de la que se habla en las clases de estadística, por ejemplo, es una distribución T. Una distribución T es esencialmente una distribución normal excepto con colas más pesadas y gordas.

Una función común de distribución de probabilidad es una distribución uniforme. En una distribución uniforme, cada evento tiene la misma probabilidad de ocurrencia. Lo único de esta distribución es que todo está bastante nivelado.

Otro tipo común de función de distribución de probabilidad es la distribución normal, también conocida como curva de campana o distribución gaussiana.

Una distribución normal ocurre naturalmente en muchas situaciones. Por ejemplo, los cocientes de inteligencia (CI) se distribuyen normalmente.

Los parámetros no son tan complicados

Un parámetro es una entrada a la función de distribución de probabilidad. En otras palabras, la fórmula o función o ecuación que describe una curva de distribución de probabilidad necesita insumos. En estadística, estas entradas se denominan parámetros.

Algunas funciones de distribución de probabilidad sólo necesitan un único parámetro simple. Por ejemplo, para trabajar con una distribución uniforme, todo lo que realmente se necesita es el número de valores en el conjunto de datos. Un dado de seis caras, por ejemplo, sólo tiene seis posibilidades.

La asimetría y la curtosis describen la forma de una distribución de probabilidad

Un par de otros términos estadísticos útiles para saber son asimetría y curtosis. La asimetría cuantifica la falta de simetría en una distribución de probabilidad. En una distribución perfectamente simétrica, como la distribución normal, la asimetría es igual a cero. Sin embargo, si una distribución de probabilidad se inclina hacia la derecha o hacia la izquierda, la asimetría es igual a un valor distinto de cero, y el valor cuantifica la falta de simetría.

La kurtosis cuantifica la pesadez de las colas en una distribución. En una distribución normal, la curtosis es igual a cero. La cola es la cosa que se extiende a la izquierda o a la derecha. Sin embargo, si una cola en una distribución es más pesada que una distribución normal, la curtosis es un número positivo. Si las colas en una distribución son más delgadas que en una distribución normal, la curtosis es un número negativo.

Los intervalos de confianza parecen complicados al principio, pero son útiles

Las probabilidades a menudo confunden a la gente. Una cosa importante que hay que entender sobre los niveles de confianza es que están relacionados con el margen de error.

Otra cosa importante que hay que entender acerca de los niveles de confianza es que cuanto mayor sea el tamaño de la muestra, menor será el margen de error que se utilizará para alcanzar el mismo nivel de confianza.

Por ejemplo, digamos que tiene algunos datos de Google Analytics en dos anuncios web diferentes que está ejecutando para promocionar su pequeña empresa y que desea saber qué anuncio es más eficaz. Puede utilizar la fórmula de intervalos de confianza para determinar cuánto tiempo necesitan sus anuncios para ejecutarse antes de que Google recopile suficientes datos para que usted sepa qué anuncio es realmente mejor.

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *