Please enable JavaScript.

Coggle requires JavaScript to display documents.

Manejo Estadístico de Datos Cuantitativos - Coggle Diagram

- - - - Datos Discretos: Estos datos representan valores específicos que se pueden contar.
      - Datos Continuos: Estos datos representan valores en un rango continuo y pueden tener infinitas posibilidades de valores intermedios.
  - - - Análisis descriptivo: implica el uso de estadísticas descriptivas para analizar la frecuencia, distribución y medida de tendencia central de los datos.
      - Análisis de correlación: que permite determinar la relación entre dos variables y si existe una relación positiva, negativa o no relacionada.
      - Análisis de regresión: se usa para examinar la influencia de una o más variables predictoras sobre una variable de interés, y para predecir valores futuros.
      - Análisis de varianza: involucra la comparación de dos o más grupos y determinar si existe diferencia significativa entre ellos.
      - Análisis de componentes principales: es una técnica de reducción de datos que identifica patrones o agrupaciones en los datos.
  - - - Toma de Decisiones: Ayudan a identificar tendencias, evaluar riesgos, y seleccionar la mejor opción entre diferentes alternativas.
      - Análisis Estadístico: Esto es esencial para la investigación científica, estudios de mercado y análisis económicos, entre otros.
      - Predicciones y Modelos: Se utilizan en la construcción de modelos matemáticos y estadísticos para predecir resultados futuros.
      - Evaluación de Rendimiento: Se emplean para evaluar el desempeño y medir el progreso hacia metas y objetivos específicos.
      - Comparaciones y Benchmarking: Permiten comparar diferentes entidades, productos o servicios de manera objetiva. Esto es valioso para identificar áreas de mejora y establecer estándares de calidad.
      - Optimización de Recursos: En la gestión de recursos, ayudan a optimizar el uso de tiempo, dinero y otros recursos escasos, mejorando la eficiencia y reduciendo costos. (Domínguez, 2007)
  - - - Estadística descriptiva: es el proceso de resumir y describir los datos utilizando medidas como la media, la mediana y la desviación estándar. Permite tener una visión general de las características de los datos. (Agresti, 2009)
      - Análisis estadístico: implica el uso de técnicas estadísticas avanzadas para identificar relaciones, comparar grupos de datos y realizar inferencias. Algunas técnicas comunes incluyen la correlación, la regresión y el análisis de varianza. (field, 2013)
      - Tabulación: consiste en organizar y presentar los datos en forma de tablas para facilitar su análisis y comparación. Esto implica categorizar y clasificar los datos según variables específicas. (Levin, 2015)
      - Gráficas y visualización de datos: es el proceso de representar los datos numéricos utilizando gráficos y diagramas. Estos gráficos ayudan a visualizar patrones y tendencias en los datos, como histogramas, gráficos de barras y diagramas de dispersión. (Bruce Mwiya, 2016)
- - - - Filas: Cada fila en la matriz representa un registro o una entidad. Por ejemplo, en una base de datos de empleados, cada fila podría representar a un empleado individual.
      - Columnas: Cada columna en la matriz representa un atributo o una característica específica de las entidades. Siguiendo el ejemplo anterior, las columnas podrían incluir el nombre, la edad, el salario, el departamento, etc.
      - Celdas: Las celdas de la matriz contienen valores individuales que representan la información correspondiente a la intersección de una fila y una columna. Por ejemplo, en la fila de un empleado, la celda bajo la columna "Nombre" podría contener el nombre del empleado (Toledo, 2022).
      - Clave Primaria: Una de las columnas suele ser designada como clave primaria, y sus valores son únicos para cada fila en la base de datos. Esto garantiza que cada registro se pueda identificar de manera única.
      - Claves Externas: Cuando se relacionan tablas en una base de datos relacional, se utilizan claves externas para establecer conexiones entre ellas. Estas claves apuntan a valores únicos en otra tabla.
  - - - Identificar las preguntas del cuestionario:
        Identificar todas las preguntas que forman parte del cuestionario. Cada pregunta debe ser una columna en tu matriz (Toledo, 2022).
      - Definir las filas:
        Cada fila de la matriz corresponde a una respuesta individual de un encuestado. Es decir, si tienes 100 encuestados, tendrás 100 filas en tu matriz.
      - Asignar un identificador único:
        Asignar a cada fila un identificador único, como un número de encuesta o un código de identificación. Esto te permitirá rastrear y relacionar las respuestas de cada encuestado.
      - Tipos de datos:
        Seleccionar qué tipo de datos se almacenarán en cada columna. Por ejemplo, las respuestas a preguntas de opción múltiple pueden ser almacenadas como valores numéricos o códigos, mientras que las preguntas de texto abierto pueden almacenarse como cadenas de caracteres.
      - Encabezados de columna claros:
        Los encabezados de columna deben ser descriptivos y claros. Deben reflejar el contenido de cada pregunta del cuestionario.
      - Estructura jerárquica:
        Incluir preguntas que dependen de otras preguntas (preguntas condicionales), organiza tu matriz de manera que estas relaciones sean evidentes. Puedes tener columnas adicionales para almacenar las respuestas a las preguntas condicionales o usar un sistema de codificación que lo indique.
      - Uso de valores nulos o códigos especiales:
        Las preguntas son opcionales o no aplican a ciertos encuestados, considera el uso de valores nulos o códigos especiales para indicar que no se proporcionó una respuesta o que la pregunta no era relevante.
      - Normalización de datos:
        Aplicar principios de normalización de bases de datos si es necesario para reducir la redundancia y garantizar la integridad de los datos.
      - Utilización de software de gestión de datos:
        Para facilitar la gestión de la matriz y el análisis de los datos, considera el uso de software especializado, como hojas de cálculo (por ejemplo, Microsoft Excel) o sistemas de gestión de bases de datos (por ejemplo, Microsoft Access o MySQL).
      - Planificación de análisis posterior:
        Diseña tu matriz de manera que sea compatible con las herramientas de análisis de datos que planeas utilizar posteriormente. Esto puede incluir la capacidad de filtrar, clasificar y realizar cálculos estadísticos sobre los datos.