{"id":32843,"date":"2023-08-28T17:26:23","date_gmt":"2023-08-28T15:26:23","guid":{"rendered":"https:\/\/www.carolinacampalans.com\/?p=32843"},"modified":"2026-05-09T13:50:25","modified_gmt":"2026-05-09T11:50:25","slug":"tecnicas-analisis-estadistico","status":"publish","type":"post","link":"https:\/\/www.carolinacampalans.com\/?p=32843","title":{"rendered":"F\u00f3rmulas, funciones y m\u00e9todos para el an\u00e1lisis estad\u00edstico"},"content":{"rendered":"
<\/div>
\n<\/div><\/div><\/div><\/div><\/div>

Informaci\u00f3n<\/h2><\/div>

\u00bfCu\u00e1l es la sintaxis adecuada para calcular una media estad\u00edstica si estamos utilizando Python? \u00bfY si lo hacemos con Excel? \u00bfO con lenguaje R?<\/p>\n

En estas fichas encontrar\u00e1s las funciones y m\u00e9todos apropiados para diferentes c\u00e1lculos estad\u00edsticos.<\/span>1<\/sup><\/a><\/span><\/p>\n<\/div><\/div><\/div><\/div><\/div>

F\u00f3rmulas, funciones y m\u00e9todos<\/h2><\/div><\/div><\/div>

Media<\/h3><\/div>

<\/i><\/i><\/span>F\u00f3rmula<\/span><\/a><\/h4><\/div>
\n

La media estad\u00edstica es lo que habitualmente llamamos promedio.<\/p>\n

La f\u00f3rmula<\/strong> para calcular tanto la media poblacional como la media muestral es la misma:<\/p>\n

Media es igual al sumatorio de todos los valores de la variable x dividido por el n\u00famero de observaciones.<\/p>\n

\"Imagen

Media poblacional<\/p><\/div>\n

\"F\u00f3rmula:<\/p>\n

Media muestral<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>R<\/span><\/a><\/h4><\/div>
\n

La media estad\u00edstica puede ser calculada con la funci\u00f3n mean()<\/strong> de R.<\/p>\n

Por ejemplo, busquemos la media de los valores 4,15,6,28,39 :<\/p>\n

values <- c(4,15,6,28,39)<\/p>\n

mean(values)<\/p>\n

El resultado ser\u00e1 18,4.<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Python<\/span><\/a><\/h4><\/div>
\n

Para obtener la\u00a0media estad\u00edstica, podemos utilizar el m\u00e9todo\u00a0mean()<\/strong>\u00a0de la librer\u00eda\u00a0NumPy<\/a>. Por ejemplo, para encontrar la media de los valores 3, 7, 25, 4, 72, 15:<\/p>\n

import<\/span>\u00a0numpy<\/p>\n

values = [3,7,25,4,72,15]\n

x = numpy.mean(values)<\/p>\n

print<\/span>(x)<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Excel<\/span><\/a><\/h4><\/div>
\n

Para calcular la\u00a0media estad\u00edstica\u00a0con Excel, aplicamos la siguiente funci\u00f3n:<\/p>\n

PROMEDIO(n\u00famero1; [n\u00famero2]; \u2026)<\/p>\n

Por ejemplo:<\/p>\n

=PROMEDIO(A2:A6)
\nPromedio de los n\u00fameros en las celdas A2 a A6.<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div>

Mediana<\/h3><\/div>

<\/i><\/i><\/span>F\u00f3rmula<\/span><\/a><\/h4><\/div>
\n

La mediana estad\u00edstica de una serie ordenada de datos num\u00e9ricos es la cifra que queda justo en medio, en el sentido de que la mitad de los datos estar\u00e1n a su izquierda y la otra mitad, a la derecha.<\/p>\n

La f\u00f3rmula<\/strong> para calcular la mediana estad\u00edstica es:<\/p>\n

N\u00famero total de observaciones m\u00e1s 1, dividido por 2.<\/p>\n

\"F\u00f3rmula

Mediana<\/p><\/div>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>R<\/span><\/a><\/h4><\/div>
\n

Con R, obtenemos la\u00a0mediana estad\u00edstica\u00a0con la funci\u00f3n median()<\/strong>. Por ejemplo:<\/p>\n

values <- c(13<\/span>,21<\/span>,21<\/span>,40<\/span>,42<\/span>,48<\/span>,55<\/span>,72<\/span>)<\/p>\n

median(values)<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Python<\/span><\/a><\/h4><\/div>
\n

Podemos obtener la\u00a0mediana estad\u00edstica\u00a0usando el m\u00e9todo\u00a0median()<\/strong>\u00a0de la librer\u00eda\u00a0NumPy<\/a>.<\/p>\n

Por ejemplo:<\/p>\n

import\u00a0numpy<\/p>\n

values = [8,25,25,38,42,47,79]\n

x = numpy.median(values)<\/p>\n

print(x)<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Excel<\/span><\/a><\/h4><\/div>
\n
\n
\n
\n

MEDIANA(n\u00famero1, [n\u00famero2], \u2026)<\/p>\n<\/div>\n<\/div>\n<\/div>\n

\n
\n
<\/div>\n<\/div>\n<\/div>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div>

Moda<\/h3><\/div>

<\/i><\/i><\/span>F\u00f3rmula<\/span><\/a><\/h4><\/div>
\n

La moda estad\u00edstica de una variable cuantitativa es el valor que presenta una mayor frecuencia.<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>R<\/span><\/a><\/h4><\/div>
\n

En R no existe una funci\u00f3n predifinida para obtener la\u00a0moda estad\u00edstica, as\u00ed que podemos emplear una funci\u00f3n de usuario. Por ejemplo:<\/p>\n

mode <- function(x) {
\nunique_values <- unique(x)
\ntable <- tabulate(match(x, unique_values))
\nunique_values[table ==\u00a0max(table)] }<\/p>\n

values <- c(4,7,3,8,11,7,10,19,6,9,12,12)<\/p>\n

mode(values)<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Python<\/span><\/a><\/h4><\/div>
\n

Usando el m\u00e9todo\u00a0multimode()<\/strong>\u00a0de la librer\u00eda\u00a0estad\u00edstica\u00a0de Python podemos identificar la\u00a0moda estad\u00edstica\u00a0de una serie de datos:<\/p>\n

from\u00a0statistics\u00a0import\u00a0multimode<\/p>\n

values = [5,2,26,5,13,81,40,13]\n

x = multimode(values)<\/p>\n

print(x)<\/p>\n<\/div><\/div><\/div>

<\/i><\/i><\/span>Excel<\/span><\/a><\/h4><\/div>
\n

La sintaxis de la funci\u00f3n moda de Excel, que nos permite identificar la\u00a0moda estad\u00edstica\u00a0en una serie de datos, ser\u00eda MODA(n\u00famero1,[n\u00famero2],\u2026).<\/p>\n

Por ejemplo:<\/p>\n

=MODA(A2:A7)<\/p>\n<\/div><\/div><\/div><\/div><\/div><\/div><\/div>

Cuartiles<\/h3><\/div>

<\/i><\/i><\/span>F\u00f3rmula<\/span><\/a><\/h4><\/div>
\n

Un cuartil de un conjunto ordenado de datos num\u00e9ricos es cada uno de los tres puntos de corte que dividen el conjunto en cuatro grupos de la misma medida.<\/p>\n