Big Data, Data Science y muchos Datos con Ciencia

El análisis de los datos estadísticos se basa en un proceso inductivo; es decir, a partir de un número pequeño de datos, también conocido como muestra, se intenta sacar una conclusión general extrapolando a la población la información obtenida.

Todos los datos estadísticos tienen tres componentes

• Unidad de análisis: Es el elemento principal. Puede ser una persona, una familia…
• Variable: Es la característica o el atributo de la unidad de análisis. Puede ser por ejemplo los ingresos anuales de una familia, la edad de una persona, el grado de formación de un vecindario…
• Categorías: Es cada una de las posibles variaciones de una variable. De la variable género son masculino y femenino; de la variable grado de formación, estudios primarios, secundarios y universitarios.

Datos estadísticos cuantitativos

Algunos de los más relevantes son:

• Media aritmética: Es el centro de gravedad del conjunto de datos estadísticos. Su único inconveniente es que le afectan mucho los valores extremos aunque sean pocos.
• Moda: Es el valor de la variable que más veces se repite, que tiene una frecuencia mayor.
• Varianza: Es la principal medida de dispersión con respecto a la media y se mide en unidades de la variable al cuadrado; no puede ser negativa. Si la varianza es 0, significa que todos los valores de la variable coinciden entre sí, y, por lo tanto, son la media. Se dice entonces que la distribución de la variable degenera en la media.
• Coeficiente de variación: Es el grado de dispersión con respecto a la media. Es adimensional, es decir, no depende de las unidades de la variable y, por lo tanto, es un estadístico adecuado para comparar el grado de dispersión respecto a la media de dos variables diferentes.

Sondeos políticos

Para comprender mejor el concepto, vamos a explicarlo con un ejemplo muy sencillo. De cara a las elecciones, diferentes centros de información realizan sondeos sobre la intención de voto de la población.

De ésta manera, se llevan a cabo una serie de encuestas a distintos grupos de población con el objetivo de que la muestra no tenga ninguna desviación y sea 100% aleatoria.

Así, cuando los encuestadores recogen la información, se establece que un determinado porcentaje de las personas encuestadas votaría a uno u otro candidato.

Con el análisis de datos estadísticos se establece que si el 10% de una muestra de 500.000 votaría al candidato X, se concluye que ese mismo porcentaje de la población lo haría.

Actualmente hay numerosas empresas que se dedican al procesamiento de datos estadísticos; un servicio cada vez más extendido entre las compañías debido al gran poder que aporta el análisis de un conjunto de datos estadísticos de cara a tomar las decisiones más acertadas.

“La información es poder”