Estadística con tecnología y lectura crítica
Usted abre las redes sociales en su celular y ve un titular: «¡Se dispara el consumo de refrescos gaseosos entre los adolescentes de Costa Rica!», con un gráfico enorme. ¿Será tan grave como parece? La estadística también sirve para defenderse: leer un dato y preguntarse «¿esto es verdad o me lo están vendiendo?». Al final de la página usted podrá responderlo.
Estadística con la hoja de cálculo
Una hoja de cálculo (Excel, Google Sheets, LibreOffice) hace en un segundo lo que a mano lleva un buen rato. Las funciones más útiles, en español:
| Quiero… | Función |
|---|---|
| Media (promedio) | =PROMEDIO(A1:A20) |
| Mediana | =MEDIANA(A1:A20) |
| Moda | =MODA(A1:A20) |
| Máximo / mínimo | =MAX(…) / =MIN(…) |
| Desviación estándar (población) | =DESVEST.P(A1:A20) |
| Contar cuántos cumplen algo | =CONTAR.SI(A1:A20; ">15") |
En una calculadora científica, el modo estadístico (STAT, una variable) le da la media (x̄) y la desviación estándar (σx) al ingresar los datos. La calculadora lo calcula, pero interpretarlo sigue siendo tarea suya.
Fíjese en que el rango B2:B9 significa «de la celda B2 a la B9». Por eso =PROMEDIO(B2:B9) suma esas celdas y divide por la cantidad de datos.
Práctica guiada: de los datos a la conclusión
Tomemos los tiempos (en minutos) que tardan 8 estudiantes en llegar al colegio en bus. Son datos ficticios: $4, 6, 8, 10, 10, 12, 14, 16$.
-
Escriba
Minutosen A1 y los datos en A2:A9, uno por celda. Antes de calcular, estime: la media debería rondar los 10. -
Calcule con
=PROMEDIO(A2:A9),=MEDIANA(A2:A9)y=DESVEST.P(A2:A9). -
Para la proporción de tiempos de como mucho 10 minutos:
=CONTAR.SI(A2:A9;"<=10")/CONTAR(A2:A9).
| Medida | Fórmula | Resultado |
|---|---|---|
| Media | =PROMEDIO(A2:A9) |
10 min |
| Mediana | =MEDIANA(A2:A9) |
10 min |
| Desviación estándar | =DESVEST.P(A2:A9) |
aprox. 3,74 min |
| Proporción de ≤ 10 min | =CONTAR.SI(A2:A9;"<=10")/CONTAR(A2:A9) |
0,625 = 62,5 % |
Según la configuración de su hoja de cálculo, el separador de argumentos puede ser ; o ,, y los nombres de las funciones pueden variar.
Distribuciones de frecuencia y gráficos con la hoja de cálculo
La hoja también arma el cuadro de distribución de frecuencias y sus gráficos. Con los 8 tiempos de la práctica anterior (4, 6, 8, 10, 10, 12, 14, 16 minutos, en A2:A9) y clases de amplitud 4, la tabla se arma así: en una columna se escriben las clases, en otra la frecuencia absoluta con =CONTAR.SI.CONJUNTO(A2:A9;">=4";A2:A9;"<8"), y en otra la frecuencia relativa dividiendo entre =CONTAR(A2:A9). Luego se selecciona el cuadro y se inserta un gráfico de columnas, que con las barras pegadas funciona como histograma, o un gráfico de línea para el polígono de frecuencias.
Desviación estándar paso a paso
La hoja de cálculo da la desviación estándar de una sola vez, pero conviene saber qué hace: (1) calcula la media $\bar{x}$; (2) resta la media a cada dato, $x_i-\bar{x}$; (3) eleva al cuadrado cada diferencia; (4) promedia esos cuadrados (eso es la varianza); (5) saca la raíz cuadrada. Se arma con columnas auxiliares: si los datos están en A2:A7 y la media en D1, en B2 se escribe =A2-$D$1 y en C2 =B2^2.
Para comparar dos grupos, la media dice «dónde están» los datos y la desviación «cuánto se dispersan». Con igual media, el de menor desviación es más regular y predecible.
La figura muestra una hoja de cálculo con las edades de los miembros de un club de lectura. En las celdas B11 y B12 la hoja muestra los resultados de las fórmulas…
La figura muestra una hoja de cálculo con las edades de los miembros de un club de lectura. En las celdas B11 y B12 la hoja muestra los resultados de las fórmulas $=\text{PROMEDIO}(B2:B9)$ y $=\text{MEDIANA}(B2:B9)$, respectivamente. En la barra superior aparece la fórmula de la celda B11, que es la celda seleccionada.
- a) ¿Qué calcula la fórmula de la celda B11, $=\text{PROMEDIO}(B2:B9)$?
- b) ¿Y la de la celda B12, $=\text{MEDIANA}(B2:B9)$?
- c) Calcula a mano los dos valores a partir de las edades de B2 a B9 y comprueba que coinciden con los que muestra la hoja en B11 y B12.
Una calculadora estadística indica que la media de las $10$ notas de un grupo es $6,4$ y la mediana es $6,5$. a) Si el profesor decide subir $0,5$ puntos a todos los…
Una calculadora estadística indica que la media de las $10$ notas de un grupo es $6,4$ y la mediana es $6,5$.
- a) Si el profesor decide subir $0,5$ puntos a todos los alumnos, ¿cuáles serán la nueva media y la nueva mediana? Razona la respuesta sin conocer las notas.
- b) Si en lugar de eso multiplica todas las notas por $1,1$, ¿qué les ocurre a la media y a la mediana?
- c) La suma de las $10$ notas era $64$. Después de revisar, una nota de $4$ pasa a ser un $7$. ¿Cuál es la nueva media?
La figura muestra una hoja de cálculo con los puntos por partido de una jugadora de baloncesto, como se muestra a continuación. a) ¿Qué valor mostrará la celda B10 si…
La figura muestra una hoja de cálculo con los puntos por partido de una jugadora de baloncesto, como se muestra a continuación.
- a) ¿Qué valor mostrará la celda B10 si contiene la fórmula $=\text{PROMEDIO}(B2:B8)$? Calcúlelo.
- b) La celda B11 contiene $=\text{MAX}(B2:B8) - \text{MIN}(B2:B8)$. ¿Qué parámetro estadístico calcula y cuánto vale?
- c) Escriba con sus palabras la fórmula que habría que introducir para obtener el número de partidos en los que anotó más de $15$ puntos.
Un entrenador usa una aplicación para comparar los minutos jugados por dos equipos de baloncesto a lo largo de $10$ partidos. La aplicación muestra estos resultados:…
Un entrenador usa una aplicación para comparar los minutos jugados por dos equipos de baloncesto a lo largo de $10$ partidos. La aplicación muestra estos resultados:
-
Equipo Norte: media $= 18,4$ min, desviación estándar $= 7,9$ min.
-
Equipo Sur: media $= 17,8$ min, desviación estándar $= 2,1$ min.
- a) ¿Qué equipo reparte los minutos de forma más igualitaria entre sus jugadores? ¿Qué parámetro se lo indica?
- b) Si el entrenador del Norte quiere que un jugador en específico juegue mucho, ¿es previsible que lo consiga? ¿Y en el Sur?
- c) La media del equipo Norte es algo mayor. ¿Significa eso que todos sus jugadores juegan más que los del Sur? Razone su respuesta.
Para calcular la desviación típica de los datos $4$, $6$, $7$, $7$, $9$, $11$ con una hoja de cálculo, se construye una tabla con columnas auxiliares: | Dato $x_i$ |…
Para calcular la desviación típica de los datos $4$, $6$, $7$, $7$, $9$, $11$ con una hoja de cálculo, se construye una tabla con columnas auxiliares:
| Dato $x_i$ | $x_i - \bar{x}$ | $(x_i - \bar{x})^2$ |
|---|---|---|
| $4$ | ||
| $6$ | ||
| $7$ | ||
| $7$ | ||
| $9$ | ||
| $11$ |
- a) Calcula la media $\bar{x}$ y completa la tabla en tu cuaderno.
- b) ¿Qué fórmula de hoja de cálculo daría el valor de la celda de la segunda columna para el dato $4$? ¿Y la de la tercera columna?
- c) Calcula la media de los cuadrados de la tercera columna (la varianza) y, con la calculadora, halla la raíz cuadrada para obtener la desviación típica.
- d) La suma de la segunda columna da $0$. ¿Es casualidad o le ocurriría con cualquier conjunto de datos? Justifícalo.
Puedes hacerlo en papel y enviar una foto con tu respuesta.
Un club de atletismo debe fichar a un relevista y tiene los tiempos de las dos candidatas en sus últimas $8$ carreras de $100\ \text{m}$: Candidata 1: media…
Un club de atletismo debe fichar a un relevista y tiene los tiempos de las dos candidatas en sus últimas $8$ carreras de $100\ \text{m}$:
-
Candidata 1: media $= 12,40\ \text{s}$, desviación típica $= 0,45\ \text{s}$.
-
Candidata 2: media $= 12,55\ \text{s}$, desviación típica $= 0,10\ \text{s}$.
- a) El entrenador necesita una corredora que baje de $12,9\ \text{s}$ con la máxima fiabilidad en el campeonato, porque un mal tiempo elimina al equipo. ¿A quién ficha? Razona la respuesta usando la media y la desviación típica.
- b) Si en cambio buscara la corredora capaz de conseguir la mejor marca del día, ¿cambiaría tu elección? ¿Por qué?
- c) Calcula el coeficiente de variación de cada candidata, $CV = \frac{\sigma}{\bar{x}}$, y explica qué información añade respecto a la desviación típica.
Gráficos que engañan
En un gráfico de barras, cortar el eje vertical exagera diferencias pequeñas, porque interpretamos la longitud de las barras como cantidad. Otros gráficos, como los de evolución en el tiempo, pueden usar un eje que no empiece en cero si la escala está bien indicada: hay que juzgar qué se representa y cómo.
Mismos datos, impresión totalmente distinta.
Elegir el gráfico adecuado
Otra forma de engañar sin querer es escoger un gráfico que no corresponde al tipo de datos. Pregúntese qué quiere mostrar.
Otras trampas habituales:
-
Sectores que no suman 100 %, o gráficos circulares 3D inclinados donde el sector de adelante parece más grande.
-
Pictogramas donde la figura del doble de alto también es el doble de ancho: ¡ocupa 4 veces más área!
-
Escalas distintas en dos gráficos que se comparan.
-
Muestras pequeñas o sesgadas: «9 de cada 10 usuarios lo recomiendan» (¿de cuántos? ¿quién los eligió?).
-
Porcentajes sin la base: «las ventas suben un 100 %» (¡de 2 a 4 unidades!).
Una cadena de televisión mostró este gráfico de barras sobre la audiencia de dos programas, como se muestra en la figura. a) A simple vista, ¿cuántas veces más audiencia…
Una cadena de televisión mostró este gráfico de barras sobre la audiencia de dos programas, como se muestra en la figura.
- a) A simple vista, ¿cuántas veces más audiencia parece tener el programa B que el A?
- b) Lee los valores reales de las barras y calcula la proporción verdadera entre ambas audiencias.
- c) ¿Qué truco usa el gráfico para exagerar la diferencia? ¿Cómo debería ser el eje vertical para que no engañara?
Puedes hacerlo en papel y enviar una foto con tu respuesta.
Para cada uno de estos conjuntos de datos, elige el gráfico más adecuado (diagrama de barras, de sectores, gráfico de líneas, polígono de frecuencias o histograma) y…
Para cada uno de estos conjuntos de datos, elige el gráfico más adecuado (diagrama de barras, de sectores, gráfico de líneas, polígono de frecuencias o histograma) y justifica tu elección:
- a) El porcentaje de tiempo que dedica un adolescente a dormir, estudiar, ocio y pantallas.
- b) La evolución de la temperatura media de una ciudad mes a mes durante un año.
- c) Las notas de matemáticas de una clase de $28$ alumnos.
- d) El número de mascotas que tienen en casa los alumnos de un curso.
Puedes hacerlo en papel y enviar una foto con tu respuesta.
Una marca de bebidas publicó este gráfico circular sobre las preferencias de los consumidores, como se muestra en la figura. a) Suma los porcentajes de todos los…
Una marca de bebidas publicó este gráfico circular sobre las preferencias de los consumidores, como se muestra en la figura.
- a) Suma los porcentajes de todos los sectores. ¿Qué resultado obtienes? ¿Es posible en un gráfico de sectores?
- b) Explica qué puede haber ocurrido en la encuesta para obtener esos datos y por qué el gráfico de sectores no es adecuado para presentarlos.
- c) ¿Qué tipo de gráfico elegirías tú para representar esos porcentajes correctamente?
Tarea de decisión. Un periódico digital publica el titular «¡El gasto en videojuegos de los adolescentes se dispara!» junto al gráfico de la figura, como se muestra a…
Tarea de decisión. Un periódico digital publica el titular «¡El gasto en videojuegos de los adolescentes se dispara!» junto al gráfico de la figura, como se muestra a continuación.
- a) Lee los valores reales del gasto anual en el gráfico y calcula el aumento porcentual verdadero entre el primer y el último año.
- b) ¿Por qué el gráfico da una impresión mucho más alarmante que los datos? Señala al menos dos decisiones de diseño que lo causan.
- c) Reescribe el titular de forma honesta usando los datos.
- d) ¿Qué preguntas harías sobre la muestra de la encuesta antes de aceptar incluso ese aumento moderado?
Muestras y conclusiones
Un gráfico perfecto puede mentir si los datos vienen mal. Una muestra es la parte de la población a la que se le pregunta. Para que sirva, tiene que ser representativa: tiene que parecerse a la población.
Si se encuesta sobre deporte a la salida del gimnasio, casi todos los que respondan dirán que quieren más deporte. Eso es una muestra sesgada. Una mejor forma: sortear los 40 encuestados de la lista completa de estudiantes, para que todos tengan la misma probabilidad de salir. Eso es una muestra aleatoria.
Para saber qué parte de la población representa una muestra, se divide: por ejemplo, $\frac{40}{850}\approx 0{,}047$, es decir, alrededor del $4{,}7\ \%$.
El consejo escolar de un colegio de $850$ estudiantes quiere decidir qué nueva actividad extracurricular ofrecer. Una estudiante encuesta a $40$ estudiantes a la salida…
El consejo escolar de un colegio de $850$ estudiantes quiere decidir qué nueva actividad extracurricular ofrecer. Una estudiante encuesta a $40$ estudiantes a la salida del gimnasio y concluye: «el $70\ \%$ del estudiantado quiere más deporte, así que hay que abrir un club de escalada».
- a) ¿Cuál es el tamaño de la muestra? ¿Y la población?
- b) ¿Qué defecto tiene la forma de elegir la muestra? ¿Cómo afecta a la conclusión?
- c) Proponga una forma mejor de seleccionar a los $40$ encuestados y explique por qué la conclusión sería más confiable.
- d) ¿Qué porcentaje de la población representa la muestra? Expréselo con dos decimales.
Indica si cada afirmación sobre el uso de la tecnología en estadística es verdadera o falsa y justifica tu respuesta: a) «La media calculada con una hoja de cálculo a…
Indica si cada afirmación sobre el uso de la tecnología en estadística es verdadera o falsa y justifica tu respuesta:
- a) «La media calculada con una hoja de cálculo a partir de datos agrupados en intervalos (usando las marcas de clase) es exactamente igual que la calculada con los datos originales.»
- b) «Si un gráfico estadístico está hecho con un programa informático, no puede ser engañoso.»
- c) «Una calculadora científica puede dar la desviación típica aunque no entendamos la fórmula, pero interpretarla sigue siendo nuestra tarea.»
- d) «Para comparar la dispersión de dos conjuntos de datos con medias muy distintas es mejor usar la desviación típica que el coeficiente de variación.»
Los datos agrupados en intervalos también tienen un límite: si la media se calcula con las marcas de clase (el punto medio de cada intervalo), el resultado es solo una aproximación de la media de los datos originales, porque se pierde el valor exacto de cada dato.
Vuelva al principio: ante el titular de los refrescos gaseosos, ahora usted sabe qué mirar: dónde empieza el eje, de cuántos datos sale, quién fue encuestado y de qué base parte el porcentaje.