1 14: Capítulo 14 Análisis Cuantitativo Estadístico Descriptivo LibreTexts Español

Realice esta evaluación rápida para comprender la madurez de los datos de su organización y obtener consejos sobre cómo realizar mejoras. La IA generativa se combina con el análisis confiable, para que pueda pasar de la información al impacto aún más rápido. La varianza refleja el grado de dispersión y es esencialmente una media de las desviaciones al cuadrado. En resumen, su objetivo es estructurar y representar la información contenida en los datos.

• En función de múltiples factores, se indican los mejores caminos a seguir y el posible impacto de diferentes variables.
• La estadística descriptiva proporciona resúmenes sobre los datos de la población o los datos de la muestra.
• En los negocios, los modelos predictivos explotan patrones encontrados en datos históricos y transaccionales para identificar riesgos y oportunidades.
• El análisis predictivo abarca una variedad de técnicas estadísticas de modelado, aprendizaje de máquina (Machine Learning), minería de datos y teoría de juegos que analizan los hechos actuales e históricos para hacer predicciones sobre eventos futuros.

Se consultan diferentes indicadores de negocio de cara a obtener una visión de lo que ha pasado y está pasando. El análisis predictivo abarca una variedad de técnicas estadísticas de modelado, aprendizaje de máquina (Machine Learning), minería de datos y teoría de juegos que analizan los hechos actuales e históricos para hacer predicciones sobre eventos futuros. El estadístico bivariado más común es la correlación bivariada (a menudo, simplemente llamada “correlación”), que es un número entre -1 y +1 que denota la fuerza de la relación entre dos variables.

Ejemplos del método descriptivo

En una población de África se llevó a cabo un estudio con el objetivo de conocer la cantidad de casos de cólera que hubo entre el año 2000 y el 2001, y entre el 2020 y 2021. Así como también, las políticas de sanidad conducidas en aquel momento y en la actualidad. Los reportes de caso son un tipo de estudio en donde el foco del mismo se pone sobre un individuo en particular. Los estudios longitudinales se encargan de investigar uno o varios factores dentro de un período de tiempo prolongado y se dividen en dos tipos. Este tipo de estudio se realiza obteniendo una cantidad de datos que pueden ser cuantificados y clasificados para luego ser interpretados por el investigador. Por ejemplo, consideremos una encuesta en la que se pregunta a 1.000 participantes por su sabor de bebida favorito.

Muchas plataformas y sistemas de aprendizaje de LMS ofrecen informes analíticos descriptivos con el objetivo de ayudar a las empresas e instituciones a medir el rendimiento del alumno para garantizar que se cumplan los objetivos y metas de la formación. El objetivo no es otro que descubrir hechos que ayuden a mejorar en el presente y en el futuro. Seguro que esto sería mucho más representativo y claro que una fea hoja de cálculo.

¿Qué es la estadística descriptiva?

La limpieza de los datos puede implicar el cambio de su formato textual, su categorización y/o la eliminación de valores atípicos. Esto puede parecer obvio, pero en la práctica, no todas las organizaciones están tan orientadas a los datos como podrían estarlo. Según la empresa de consultoría de gestión global McKinsey Global Institute, las empresas que se https://imagendelgolfo.mx/nacional/domina-el-analisis-de-datos-con-este-curso-online/50458381 basan en los datos son mejores a la hora de captar nuevos clientes, mantener su fidelidad y lograr una rentabilidad superior a la media [2]. En este último tipo es donde entra en juego el concepto de toma de decisiones basada en datos. Mira este vídeo para saber qué es el análisis de datos y cómo lo define Kevin, Director de Análisis de datos de Google.

De ahí que algunos programas de software permiten la opción de reemplazar los valores faltantes por un valor estimado a través de un proceso llamado imputación. Por ejemplo, si el valor faltante es un ítem en una escala multiítem, el valor imputado puede ser el promedio de las respuestas del encuestado a los ítems restantes en esa escala. Si el valor faltante pertenece a una escala de un solo ítem, muchos investigadores utilizan el promedio de las respuestas de otros encuestados a ese ítem como el valor imputado.

Tipos de análisis descriptivo

Puede pensar en Predictive Analytics como si luego utilizara estos datos históricos para desarrollar modelos estadísticos que luego pronosticarán las posibilidades futuras. La minería de datos describe el siguiente paso del análisis e implica una búsqueda de los datos para identificar patrones y significado. Los patrones identificados se analizan para descubrir las formas específicas en que los alumnos interactúan con el contenido de aprendizaje y dentro del entorno de aprendizaje.

Esto conduce directamente a una mayor rentabilidad por cliente ya relaciones más fuertes con los clientes. Un ejemplo de uso de análisis predictivo es la optimización de los sistemas de gestión de relaciones con los clientes. Pueden ayudar a permitir que una organización analice todos los datos de los clientes, exponiendo así los patrones que predicen el comportamiento del cliente. La minería de datos, por otro lado, es un enfoque más exploratorio que busca encontrar patrones y relaciones en los datos que pueden no ser inmediatamente evidentes.

En este método, los encuestados responden a través de entrevistas o cuestionarios y posteriormente, los investigadores analizan y describen las respuestas ofrecidas. Es un método rápido para generar datos cuantitativos y tener un gran número de muestras, ya que el porcentaje de respuestas es bajo. La analítica prescriptiva Domina el análisis de datos con este curso online bebe tanto del first-party data almacenado por las organizaciones como de los datos no estructurados generados por otras fuentes o extraídos de la monitorización del comportamiento online de los usuarios. Uno de los ámbitos en los que este enfoque ha adquirido mayor madurez es el Revenue Management en el sector hotelero.

La mayoría de los programas estadísticos proporcionan un editor de datos para ingresar datos. Sin embargo, estos programas almacenan datos en su propio formato nativo (por ejemplo, SPSS almacena datos como archivos.sav), lo que dificulta compartir esos datos con otros programas estadísticos. Por lo tanto, a menudo es mejor ingresar datos en una hoja de cálculo o base de datos, donde se pueden reorganizar según sea necesario, compartirlos entre programas y se pueden extraer subconjuntos de datos para su análisis.