Estadística descriptiva
La estadística descriptiva es una herramienta analítica fundamental que calcula y presenta un conjunto completo de resúmenes numéricos de las características clave de los datos. Abarca tres dimensiones principales: la tendencia central (dónde se centran los datos), la dispersión (cuánto varían los datos) y la forma (cómo se distribuyen los datos).
Última revisión:
Idea clave
La estadística descriptiva es una herramienta analítica fundamental que calcula y presenta un conjunto de resúmenes numéricos de las características clave de los datos: tendencia central, dispersión y forma.
En esta página
¿Qué es la estadística descriptiva?
La estadística descriptiva es una herramienta analítica fundamental que calcula y presenta un conjunto completo de resúmenes numéricos de las características clave de los datos. Abarca tres dimensiones principales: la tendencia central (dónde se centran los datos), la dispersión (cuánto varían los datos) y la forma (cómo se distribuyen los datos).
En lugar de hacer inferencias o predicciones, la estadística descriptiva se limita a describir lo que ya está presente en los datos. Suele ser el primer paso de cualquier investigación estadística, ya que ofrece una comprensión clara y objetiva del conjunto de datos antes de aplicar técnicas más avanzadas.
¿Cuándo usar la estadística descriptiva?
- Úsela como primer paso de cualquier análisis de datos para comprender la estructura básica y el comportamiento del conjunto de datos antes de aplicar cualquier otra herramienta.
- Úsela cuando necesite resumir y comunicar los datos con claridad a un equipo, un gerente o una parte interesada que necesita una visión numérica concisa.
- Úsela cuando compare varios grupos o conjuntos de datos : la estadística descriptiva de cada grupo revela de un vistazo las diferencias de centro y dispersión.
- Úsela para comprobar la presencia de valores atípicos, asimetría o patrones inusuales antes de continuar con el análisis estadístico formal.
Estadísticos principales explicados
Estadístico
Qué indica
Media
El promedio aritmético: el punto de equilibrio de todas las mediciones
Mediana
El valor central, menos afectado por los valores atípicos que la media
Desviación estándar
Cuánto se dispersan típicamente las mediciones en torno a la media
Varianza
La dispersión al cuadrado, usada en otros cálculos estadísticos
Mínimo / Máximo
Los valores más pequeño y más grande observados en el conjunto de datos
Rango
La dispersión total desde el valor mínimo hasta el máximo
Asimetría
Si los datos se inclinan a la izquierda (negativa) o a la derecha (positiva) del centro
Curtosis
Si la distribución tiene colas más pesadas o más ligeras que la normal
N (tamaño de muestra)
El número total de observaciones incluidas en el análisis
Pautas para el uso correcto de la estadística descriptiva
- Informe siempre una medida de centro y una medida de dispersión juntas: informar solo de la media sin la desviación estándar ofrece una imagen incompleta.
- Cuando los datos son asimétricos o contienen valores atípicos, use la mediana en lugar de la media como medida principal de centro, porque es más representativa.
- Compruebe los valores de asimetría y curtosis para evaluar si puede suponerse normalidad antes de aplicar métodos estadísticos paramétricos.
- Recopile al menos de 20 a 30 observaciones para que estadísticos como la desviación estándar y la asimetría sean estables y significativos.
Alternativas: cuándo no usar la estadística descriptiva
Situación
Use en su lugar
Necesita la forma visual de la distribución junto con los números
Resumen gráfico
Necesita probar si hay diferencias significativas entre grupos
Pruebas de hipótesis (prueba t, ANOVA)
Necesita comprender las relaciones entre variables
Análisis de correlación o de regresión
Los datos son categóricos (etiquetas, grupos)
Gráfica de barras
Necesita detectar tendencias o desplazamientos en el tiempo
Gráfica de corridas o gráfica de control
Ejemplo de estadística descriptiva
Un ingeniero de control de calidad necesita asegurarse de que las tapas de los frascos de champú se cierran correctamente. Si las tapas se cierran con demasiada holgura, pueden caerse durante el transporte. Si se aprietan demasiado, pueden resultar demasiado difíciles de quitar. El valor de torque objetivo para cerrar las tapas es 18. El ingeniero toma una muestra aleatoria de 68 frascos y mide el torque necesario para quitar las tapas. Los pasos son los siguientes:
- Recopiló los datos necesarios.
- Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar la estadística descriptiva, elija Statistical module> Graphical analysis > Descriptive Statistics.
- Dentro de la herramienta, introduzca los datos junto con las demás entradas como se indica a continuación:


6. Después de usar la herramienta mencionada, se obtiene la siguiente salida:



Cómo realizar la estadística descriptiva
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Graphical analysis > Descriptive Statistics.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V), o bien use la opción Load Example, con la que se cargarán los datos de ejemplo.
- A continuación, debe rellenar las opciones obligatorias.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de Descriptive Statistics, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha solo hay que indicar lo siguiente:
Values: La variable o variables que contienen los datos reales que desea analizar, por ejemplo, lecturas de torque o máquina; seleccione la columna.
By Variables: Una variable de agrupación opcional. Si se selecciona, los estadísticos se calculan por separado para cada grupo (p. ej., por tipo de máquina), de modo que pueda comparar los grupos uno al lado del otro.
Mean: El promedio aritmético. Se suman todos los valores y se divide entre el recuento. Es la forma más habitual de resumir dónde se sitúan los datos.
SE of mean (Standard Error of the Mean): Estima cuánto puede diferir la media muestral de la verdadera media de la población. Un SE pequeño significa que la estimación de la media es fiable; un SE grande significa que hay más incertidumbre.
Trimmed mean: La media calculada tras eliminar un pequeño porcentaje de los valores más bajos y más altos. Esto reduce la influencia de los valores atípicos extremos y ofrece una estimación del centro más estable.
Median: El valor central cuando todos los datos se ordenan. La mitad de los valores queda por encima y la otra mitad por debajo. Es más fiable que la media cuando los datos son asimétricos o contienen valores atípicos.
Mode: El valor que aparece con más frecuencia en el conjunto de datos. Es útil para identificar la medición o categoría más común.
Sum: El total de todos los valores sumados. Es útil cuando importa la cantidad acumulada y no solo el promedio.
Standard deviation: Mide la distancia promedio de cada dato respecto de la media. Un valor pequeño significa que los datos están muy agrupados; un valor grande significa que están muy dispersos.
Variance: La desviación estándar al cuadrado. Es menos intuitiva de interpretar directamente, pero se usa en muchos cálculos y pruebas estadísticos entre bastidores.
Coefficient of variation (CV): Expresa la desviación estándar como porcentaje de la media (SD ÷ Mean × 100). Permite comparar la variabilidad entre conjuntos de datos con unidades distintas o con tamaños promedio muy diferentes.
Range: La medida de dispersión más simple: máximo menos mínimo. Es fácil de entender, pero muy sensible a un único valor extremo.
Interquartile range (IQR): La dispersión del 50% central de los datos (Q3 menos Q1). Como ignora el 25% superior e inferior, es resistente a los valores atípicos y una medida fiable de la dispersión típica.
MSSD (Mean of Successive Squared Differences): Mide la variabilidad entre datos consecutivos en el orden en que se recopilaron. Es especialmente útil en el monitoreo de procesos y en series temporales para detectar si un proceso es inestable o presenta deriva a lo largo del tiempo.
Sum of squares: La suma de cada valor elevado al cuadrado. No es directamente interpretable por sí sola, pero es un elemento clave que se usa internamente en los cálculos de varianza, regresión y ANOVA.
Minimum: El valor más pequeño de todo el conjunto de datos.
Maximum: El valor más grande de todo el conjunto de datos.
First quartile (Q1): El percentil 25. Una cuarta parte de todos los valores queda en este punto o por debajo.
Third quartile (Q3): El percentil 75. Tres cuartas partes de todos los valores quedan en este punto o por debajo.
N nonmissing: El número de datos que tienen un valor registrado válido y se incluyen en el análisis.
N missing: El número de datos sin valor (en blanco o nulo). Un recuento alto de datos faltantes puede indicar un problema de recopilación de datos.
N total: El número total de filas = N nonmissing + N missing.
Cumulative N: Un total acumulado de observaciones a medida que se avanza por las filas o los grupos.
Percent: El recuento de cada grupo expresado como porcentaje del número total de observaciones.
Cumulative Percent: Un total acumulado de porcentajes. La última fila siempre llega al 100%.
Skewness: Mide lo asimétrica que es la distribución en torno a la media.
- Cero = perfectamente simétrica
- Positiva = la cola se extiende hacia la derecha (unos pocos valores muy altos elevan la media)
- Negativa = la cola se extiende hacia la izquierda (unos pocos valores muy bajos reducen la media)
Kurtosis: Mide lo pesadas o ligeras que son las colas de la distribución en comparación con una distribución normal (en forma de campana).
- Curtosis alta = más valores atípicos extremos de lo esperado
- Curtosis baja = menos valores extremos, distribución más plana
Histogram of data: Una gráfica de barras que muestra con qué frecuencia caen los valores dentro de intervalos definidos (clases). Es ideal para ver la forma general: si los datos son normales, asimétricos, bimodales, etc.
Individual value plot: Representa cada dato como un punto individual sobre una recta numérica. No se oculta ni se promedia nada. Es ideal para detectar valores atípicos y ver la dispersión real y sin procesar de los datos.
Boxplot of data: Una gráfica de caja y bigotes que resume la mediana, Q1, Q3 y los valores atípicos en una sola imagen compacta. Es excelente para comparar la dispersión y el centro de varios grupos uno al lado del otro.
Show variables as columns: Transpone la tabla de resultados para que cada variable pase a ser una columna en lugar de una fila. Es especialmente útil cuando se comparan muchas variables y se desea disponerlas una al lado de la otra para facilitar la comparación.
Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.
Preguntas frecuentes
¿Qué es la estadística descriptiva?
La estadística descriptiva son resúmenes numéricos de las características clave de un conjunto de datos en tres dimensiones: la tendencia central (dónde se centran los datos), la dispersión (cuánto varían) y la forma (cómo se distribuyen). Describen lo que ya está en los datos en lugar de hacer inferencias, y suelen ser el primer paso de cualquier investigación estadística.
¿Debe usarse la media o la mediana?
Cuando los datos son asimétricos o contienen valores atípicos, use la mediana como medida principal de centro, porque los valores extremos la afectan menos que a la media. Informe siempre una medida de centro junto con una medida de dispersión; informar de la media sin la desviación estándar ofrece una imagen incompleta.
¿Qué indican la asimetría y la curtosis?
La asimetría mide la falta de simetría: cero es simétrica, positiva significa que la cola se extiende hacia la derecha y negativa significa que se extiende hacia la izquierda. La curtosis compara el peso de las colas con el de una distribución normal: una curtosis alta significa más valores atípicos extremos de lo esperado y una baja, menos. Compruebe ambas para evaluar si puede suponerse normalidad antes de usar métodos paramétricos.
¿Cuántas observaciones se necesitan para la estadística descriptiva?
Recopile al menos de 20 a 30 observaciones para que estadísticos como la desviación estándar y la asimetría sean estables y significativos. En Zometric Statistical Software, seleccione la columna Values, opcionalmente una variable By para comparar grupos uno al lado del otro, y marque los estadísticos y gráficas que necesite, como un histograma, una gráfica de valores individuales o una gráfica de caja.
