ESTADÍSTICA

DESCRIPTIVA
 Estadística descriptiva básica

 Niveles o escalas de medida

 Distribución de frecuencias Análisis Univariable
con SPSS
 Representaciones gráficas
 Estadísticos de resumen

2
Definición de estadística descriptiva

 “Se encarga de la recogida, ordenación y análisis

de los datos de una muestra (y de una variable)”.

 Tres tipos de operaciones básicas:

 Distribución de frecuencias.
 Representación gráfica (diagrama de barras, histograma).
 Estadísticos de resumen (de tendencia central, de
dispersión, de asimetría y apuntamiento).

3
 Función de la Estadística Descriptiva

Cada punto
representa
Estadísticos descriptivos
un “caso”

Muestra Conocer el patrón global,

la tendencia y el grado de
(datos) variación de las respuestas

“Consiste en la reducción de grandes Índices o estadísticos de

conjuntos de datos con el objeto de lograr resumen
una interpretación más sencilla de los
mismos”

4
El concepto de “medida”

“Los objetos de investigación (mensajes mediáticos, usuarios

de la comunicación, etc.) manifiestan características según
diversas modalidades”
 Variable. Toda característica o dimensión de un
objeto o unidad de análisis susceptible de adoptar
distintos valores o modalidades (categorías).
 Medir. Atribuir números a las manifestaciones de la
unidad de análisis, y someter a estos números a
ciertas técnicas matemáticas, basadas en las
operaciones aritméticas básicas (suma, resta,
multiplicación y división).

5
Ejemplo

 Los anuncios, las noticias, los programas de

ficción, etc. pueden evocar diferentes
emociones en los espectadores:

La intensidad con que se experimenta una

determinada emoción (por ejemplo, la
alegría) es una variable

6
1. LAS ESCALAS DE MEDIDA

Cuatro grandes tipos:  El tipo de escala de medida

que adoptan los datos,
determina el tipo de
 Nominal. operaciones aritméticas que
se pueden realizar con ellos y,
 Ordinal. por tanto, también el tipo de
 Intervalo. análisis estadístico.
 Las escalas de intervalo y de
 Razón. razón aparecen, a veces,
definidas como “cuantitativas”
(o métricas en SPSS).

7
Escala nominal

 Sólo permiten la clasificación o diferenciación de

los objetos.
 Permiten establecer relaciones de igualdad o
desigualdad entre dos o más objetos.
 Las variables que adoptan este nivel de medida se
denominan “cualitativas”.
 Con los “números” de este tipo de variables no se
pueden efectuar operaciones aritméticas.

8
Ejemplos

 Sexo:
 1 = Hombre
2 no es mayor que 1
 2 = Mujer
 Cadena de TV
 1 = Frecuencia Latina
 2 = América TV
El 6 no representa el doble que el 3. TNP
 3 = ATV no es el “doble de buena” que ATV
 4 = Panamericana TV
 5 = La Tele
 6 = TNP
 7 = Otras

9
Escala ordinal

 Los objetos son jerarquizados conforme algún

criterio.
 Los número que se utiliza para codificar las distintas
categorías de una variable sólo permiten establecer
relaciones de igualdad/desigualdad y de orden.
 No se puede precisar la diferencia exacta que existe
entre dos objetos.
 Con los “números” de este tipo de variables no se
pueden efectuar operaciones aritméticas.

10
Ejemplo
 En una carrera ciclista si se carece
de cronómetro, a lo sumo se puede
saber el orden de llegada …
 Tamaño de una noticia en un diario:
 1 = Menos de 1 cuarto de página
 2 = Entre 1 y 2 cuartos de página
 3 = Entre 2 y 3 cuartos de página
 4 = Más de 3 cuartos de página,
pero no completa
 5 = Página completa
Pero no la diferencia
temporal (en minutos,
segundos) entre cada
uno de los ciclistas
Se sabe que una noticia
que puntúe 4 es mayor
que una que puntúe 1,
pero no la diferencia
exacta en centímetros
cuadrados.
11
Escala de intervalo

 Se pueden observar ciertas diferencias

cuantitativas entre las unidades.
 Se pueden establecer relaciones de
igualdad/desigualdad, de orden y además los
intervalos entre los distintos números o valores
son iguales.
 No tiene principio ni final (no existe cero absoluto).
Son números arbitrarios en cuanto al origen.
 Con los números de este tipo de variables, se
pueden realizar operaciones aritméticas como la
suma o la resta, pero no la división ni la
multiplicación.

12
Ejemplos

 La medición de la El valor 0 es arbitrario ya que

representa la temperatura a la
temperatura mediante cual se funde el hielo. Cuando
hay 0 grados centígrados no
la escala Celsius. significa una ausencia total de
calor

 Número de palabras
iEs imposible encontrar
en una determinada una noticia en un diario
noticia en prensa con 0 palabras¡

escrita.

13
Escala de razón

 Se pueden establecer relaciones de

igualdad/desigualdad, de orden, los intervalos entre
los distintos valores son iguales y se cuenta con un
verdadero punto cero absoluto, en relación con el
cual se expresan todos los demás valores.
 El valor cero representa el origen empírico de la
variable, la carencia total de cierta característica.
 Se pueden efectuar todas las operaciones
aritméticas (suma, resta, división y multiplicación).

14
Ejemplos
 Edad medida en años. Un niño recién nacido tiene 0 años
 El “número de verbos
afectivos” (amar, odiar, sentir,
etc.), frente a “número de Una noticia puede escribirse sin
verbos cognitivos” (como utilizar un solo verbo afectivo y
pensar, reflexionar, ponderar, seguir siendo noticia
calibrar, etc.) en un texto
noticioso.
 Nº total de minutos ocupados Puede ocurrir que entre dos
en anuncios en una pausa espacios televisivos no
entre dos programas o
espacios televisivos. aparezca ningún anuncio
 Tiempo dedicado (en
segundos) a noticias de Un noticiero “serio” quizá no
“sucesos” en un informativo dedique nada de tiempo a
televisivo. noticias de “sucesos”

15
2. DISTRIBUCIONES DE
DATOS

 Cuando el investigador ordena sus datos

mediante un paquete informático de análisis
de datos, lo que genera es una distribución
de datos o “matriz de datos”.
 Trabajar directamente con la “distribución de
datos” no resume lo suficiente para extraer
conclusiones a simple vista.

16
 Ejemplo de “distribución de datos”

Tipo Hora Hora

Programa Titulo programa Día Fecha Cadena
programa inicio final
1 Magaly TV 1 25/07/2005 1 2 1 21:00 1 22:00
2 Hola a todos 1 25/07/2005 1 7 1 22:00 2 00:15
3 24 Horas 1 25/07/2005 2 2 1 22:30 1 21:15
4 El Show de los sueños 1 25/07/2005 2 6 1 21:15 1 22:00
5 Primer Impacto 1 25/07/2005 2 5 1 22:00 2 01:00
6 El Peliculon 1 25/07/2005 3 6 1 20:15 1 21:00
7 Lima Limon 1 25/07/2005 3 2 1 21:00 1 21:45
8 Habacilar 1 25/07/2005 3 4 1 21:45 2 00:00

Contiene información de 8 casos (programas de TV) y 7 variables.

17
Distribución de frecuencias

 “Es una tabla en la que cada respuesta (valor

o modalidad) de una variable quedará
ordenada conforme a su magnitud y la
frecuencia (número de veces) de su
ocurrencia”.

18
Matriz de datos en SPSS

Archivo:

Programacion
TV.sav

19
Distribución de frecuencias con SPSS
(paso 1)
Menú Analizar >
Estadísticos
descriptivos >
Frecuencias

20
Distribución de frecuencias con SPSS
(paso 2)
Cuadro de
diálogo
Frecuencias

Se pulsa el
botón Pegar
para incorporar
el comando en
el fichero de
sintaxis

21
Distribución de frecuencias con SPSS
(paso 3)
Fichero de
sintaxis

Comando FREQUENCIES

22
Distribución de frecuencias con SPSS
(paso 4)

Casos “válidos” y
“perdidos”

Distribución de
frecuencias de
la variable
tiprog

23
3. REPRESENTACIONES GRÁFICAS

 Pueden diferenciarse dos tipos:

 Diagrama de barras (gráficos de sectores). Para
realizar representaciones gráficas de variables
con un nivel de medida nominal u ordinal.
 Histograma. Para representar gráficamente las
variables con un nivel de medida de intervalo o de
razón.

24
Ejemplo de “diagrama de barras”

Consiste en una
serie de barras, una
por cada categoría
de la variable, cuya
longitud depende
de su número de
casos (frecuencia o
porcentaje).

25
Representaciones gráficas con SPSS
(diagrama de barras)

Botón
Gráficos
Cuadro de
diálogo
Frecuencias:
Gráficos

26
Representaciones gráficas con SPSS
(variable cualitativa)
Resultado final
tras edición en la
Ventana del
editor de gráficos

Los gráficos
siempre se
almacenan en
el Visor SPSS
(ventana de
resultados)

27
4. ESTADÍSTICOS DE RESUMEN

 Son estadísticos que sintetizan mucho más,

que las distribuciones de frecuencias o las
representaciones gráficas, la información
sobre cada variable.
 El tipo de estadístico de resumen disponible
depende de la escala de medida de las
variables.
 Los estadísticos de resumen aportan
información más rica o son más apropiados
para variables métricas.
28
Tipos de estadísticos de resumen

Moda (Mo)

Estadísticos de posición o Mediana (Md)

tendencia central
Media (M)

(Percentiles, Pk)

Desviación típica (sx)

Estadísticos de
variabilidad o dispersión (Varianza, sx2)

(Simetría , S)
Estadísticos sobre la
forma de la distribución
(Curtosis o apuntamiento, K)

29
Estadísticos de posición o tendencia
central

 Responden a la pregunta: ¿cuál es el

resultado típico de una distribución de
frecuencias?
 Permiten ver lo dominante, lo típico o la
tendencia de la distribución.
 El “resumen” se explicita en una sola cifra
numérica.

30
Moda (Mo)

 El único estadístico que se puede utilizar en

presencia de variables nominales.
 La moda es la puntuación a la que
corresponde la frecuencia máxima en una
distribución de frecuencias; es el valor o
categoría “que más se lleva”, que más se
repite en una distribución de frecuencias.
 No es preciso realizar ningún cálculo, ya que
se descubre con la simple inspección ocular.
31
Mediana (Md)
 Se puede utilizar cuando se dispone de variables que
adoptan al menos una escala ordinal.
 Con los datos ordenados del valor inferior al superior, la
mediana se interpreta como el valor del caso que ocupa
el valor central de la distribución, aquel que deja igual
número de caso por encima que por debajo.
 Es el punto o valor que deja por encima y por debajo
de sí el 50% de las observaciones (punto medio de la
distribución).
 Cuando se utilicen variables que adoptan al menos un
nivel de medida de intervalo (variables cuantitativas), la
mediana dividirá el área total del histograma
representado en dos áreas con igual superficie.

32
Ejemplos de calculo de la mediana

La mediana no toma en
consideración las
puntuaciones individuales
de una distribución de
frecuencias. No se ve
afectada por los valores
extremos existentes en
una distribución de
frecuencias.

Md = 16 Md = 16

33
Media (M)

 El estadístico de resumen más conocido o popular.

 Es el centro de gravedad de una distribución de
frecuencias.
 Permite conocer el desempeño o comportamiento
global de un grupo en un criterio dado.
 Se emplea tanto en la estadística descriptiva como
en la inferencial.
 No es recomendable utilizar la media como índice de
tendencia central cuando la distribución de
frecuencias es muy asimétrica, ya que perderá
representatividad.

34
Ejemplo de cálculo de la media
Volumen de
anuncios en
las pausas
publicitarias
en TV

Después de analizar 20 bloques de pausas

293
X = = 14.65 publicitarias en TV se concluye que, por término
20 medio, dichas pausas publicitarias cuentan con un
total de 14.65 anuncios.

35
Cálculo de los estadísticos de posición o
tendencia central con SPSS

Botón Estadísticos

Menú Analizar > Estadísticos descriptivos > Frecuencias

36
Cálculo de los estadísticos de posición o
tendencia central con SPSS (resultados)
Resultados en la
Ventana de
resultados –
Visor SPSS

Estadísticos de
tendencia
central de las
variables edad y
actitud

37
5. ESTADÍSTICOS DE
VARIABILIDAD O DISPERSIÓN
 Los estadísticos de tendencia central indican dónde
se sitúa un grupo de puntuaciones, pero …
 Se necesitan otros estadísticos que, además de mostrar la
tendencia, indiquen cómo se desvían los casos con
relación a estos valores centrales.
 Se precisa algún estadístico que permita saber si todos
los casos son parecidos o si hay grandes diferencias
entre ellos.
 Los estadísticos de variabilidad Indican si las
puntuaciones de una distribución se encuentran
muy próximas entre sí o muy alejadas; describen
la forma en que los valores se diseminan a partir del
punto central.

38
Desviación típica (sx)

 Si la media es el estadístico “estrella” a

la hora de ver la tendencia de unos
datos, la desviación típica (DT, Sx) lo es
cuando se desea conocer su variabilidad
(grado de homogeneidad o n
heterogeneidad).  ( Xi - X)
2

 Una desviación típica pequeña indicará SX = i 1

que la mayoría de las puntuaciones de la n
distribución se sitúan muy cerca de la
media. Distribución homogénea.
 Una desviación típica elevada describirá
un conjunto de valores que están
diseminados en un amplio radio.
Distribución heterogénea.

39
Ejemplo de calculo de la desviación típica

Matriz de datos:
Los datos de la variable A son
mucho más homogéneos (con
respecto a su media) que los datos
de la variable B.
MA = 9 MB = 9
n
 ( Xi - X)
2

SA = i 1

7  92  9  92  11  92 
404

8
1.63
n 3 3 3

n
 ( Xi - X)
2

SB = i 1

1  92  10  92  16  92 
64  1  49

114
 6.16
n 3 3 3
El programa SPSS utiliza para el cálculo de la desviación típica (y de la varianza) el denominador n-1,
en vez de n.

40
Cálculo de los estadísticos de dispersión
con SPSS

41
Cálculo de los estadísticos de dispersión
con SPSS (resultados)

Resultados en la
Ventana de
resultados –
Visor SPSS

42