ingenieros

vez recibidos los datos y antes de someterlos al análisis, suele ser útil llevar a cabo algunas operaciones preliminares. Esto puede incluir:
apartar los datos que son obviamente erróneos o irrelevantes. Esto ha de ser hecho con precaución: no debiéramos borrar datos que son solamente "anómalos" y no armonizan con nuestras hipótesis. Pueden también demostrar que la hipótesis es defectuosa.normalizar o reducir nuestros datos significa que eliminamos la influencia de algún factor bien conocido pero sin interés. Por ejemplo, podemos eliminar el efecto de la inflación dividiendo todos los precios por el índice de precios de la fecha de la compra.
En el análisis propiamente dicho de los datos, el propósito es extraer una invariante o estructura que nos interese a partir de los datos.Esto no significa que introduzcamos los datos en un ordenador y esperemos que el ordenador nos muestre qué estructuras pueden encontrarse en ellos. Los ordenadores no son lo bastante listos para eso.
En lugar de ello, es habitual que ya en un momento tan temprano como el inicio del proyecto, el investigador tenga un modelo matemático que aplicará a los datos. Este modelo también proporciona lashipótesis eventuales para el proyecto de investigación, o al menos actúa como una hipótesis de trabajo inicialmente no exacta que se puntualizará durante el análisis.
Los datos empíricos pueden entonces analizarse del modo siguiente: primero, el investigador dispone los datos de acuerdo con el modelo y después considera en qué grado el marco es adecuado a los datos o si ha de buscarse unmodelo que se adapte mejor.
En otras palabras, el investigador suele primero decidir qué tipo de patrón es el que está buscando en los datos. Esto determinará los métodos para un análisis matemático. Así, la primera cuestión a la hora de elegir el método de análisis es: ¿Queremos usar las variables medidas para clasificar casos o individuos? ¿O deseamos analizar variables inconexas, o bien lasrelaciones entre diversas variables?
Otra decisión importante se refiere al propósito final de su proyecto. ¿Usted desea describir cómo es el actual (o anterior) estado de su objeto, o usted desea descubrir cómo el objeto debe ser: qué grado de las cualidades medidas sería óptimo? Este último tipo de análisis se discute bajo del título Agregar una dimensión normativa a un análisis descriptivo.Analizar variables individuales
A continuación hay una lista de algunos métodos habituales para el análisis estadístico de una sola variable. Los métodos han sido dispuestos de acuerdo con la escala de medición de la variable.
-
Escala nominal
Escala ordinal
Escala de intervalo
Escala de proporción
Métodos de presentación de los datos
- Tabulación ; Presentación gráfica -
Medias:
- Lamoda -

-
- La mediana -

-
-
- Media aritmética -
Medidas de dispersión:
-
- Desviación de cuartil -

-
- El rango -

-
-
- Desviación estándar -
Presentación gráfica de una variable
Un modo simple de presentar una distribución de valores es mostrar cada valor como un punto en una escala. Si hay un gran número de valores, puede ser mejor clasificarlos primero y entoncespresentar la frecuencia de cada clase como un histograma (Fig. de la derecha).
Si nuestros estudios tienen que ver con personas, ocurrirá con bastante frecuencia que nuestras mediciones estarán distribuidas de acuerdo con cierta curva, la llamada curva de Gauss (a la izquierda) que es, por consiguiente, llamada la distribución normal. Una de sus propiedades es que el 68% de todas las medicionesdiferirá de la media (en la figura: M) en no más que la desviación estándar, y el 95% en no más que el doble de la desviación estándar.
A veces querremos poner el énfasis no en la distribución absoluta, sino en la proporcional o de porcentaje. Un diagrama apropiado para esto es el gráfico de sectores, también llamado "de tarta" o "de queso" (a la derecha):
Medias
Una media es una estadística que...