library(readxl)
DATOS2024_1_ <- read_excel("DATOS2024 (1).xls")
DATOS2024_1_                                         
table_sexo<-table(DATOS2024_1_$SEXO)
table_sexo
## 
##  F  M 
## 81 99
pie_1<-pie(table_sexo, col=c("lightblue","pink"),
        main="Estudio de Pastel.\n Distribución por sexos.", labels = table_sexo)

barp<-barplot(table_sexo, col = rainbow(5), border = "darkred",main = "Gráfico de Barras",sub = "UTB",xlab = "SEXO", ylab = "Conteo")
text(barp, table_sexo-20, labels = table_sexo)

table_sexo2<-round(table(DATOS2024_1_$SEXO)/121*100)
table_sexo2
## 
##  F  M 
## 67 82
barp2<-barplot(table_sexo2, col = rainbow(5), border = "darkred",main = "Gráfico de Barras",sub = "UTB",xlab = "SEXO", ylab = "Porcentaje")
text(barp2, table_sexo2-30, labels = table_sexo2)

pie_1<-pie(table_sexo2, col=c("lightblue","pink"),
        main="Estudio de Pastel.\n Distribución por sexos.", labels = table_sexo2)

table_3<-table(DATOS2024_1_$SEXO, DATOS2024_1_$CURSO)
table_3
##    
##     ESTADISTICA I PROBABILIDAD
##   F            62           19
##   M            61           38
table_4<-round(table(DATOS2024_1_$SEXO, DATOS2024_1_$CURSO)/121*100)
table_4
##    
##     ESTADISTICA I PROBABILIDAD
##   F            51           16
##   M            50           31
barp4<-barplot(table_4,
        main = "Gráfico de barras CURSO vs SEXO en porcentajes",
        xlab = "CURSO", ylab = "Frecuencia",
        col = c("pink", "blue"),
        legend.text = rownames(table_4),
        beside = TRUE) # Barras agrupadas
text(barp4, table_4-5, labels = table_4)

table_5<-table(DATOS2024_1_$ESTRATO, DATOS2024_1_$CURSO)
table_5
##      
##       ESTADISTICA I PROBABILIDAD
##   I              36           10
##   II             36           24
##   III            29           16
##   IV             13            5
##   V               4            2
##   VI              5            0
barp3<-barplot(table_5,
        main = "Gráfico de barras CURSO vs ESTRATO",
        xlab = "CURSO", ylab = "Frecuencia",
        col = rainbow(5),
        legend.text = rownames(table_5),
        beside = TRUE) # Barras agrupadas
text(barp3, table_5-1, labels = table_3)

table_6<-table(DATOS2024_1_$ESTRATO, DATOS2024_1_$SEXO)
table_6
##      
##        F  M
##   I   17 29
##   II  32 28
##   III 18 27
##   IV   8 10
##   V    3  3
##   VI   3  2
barp3<-barplot(table_6,
        main = "Gráfico de barras CURSO vs ESTRATO",
        xlab = "CURSO", ylab = "Frecuencia",
        col = rainbow(5),
        legend.text = rownames(table_6),
        beside = TRUE) # Barras agrupadas
text(barp3, table_6-1, labels = table_6)

Ensayo Laboratorio 11 - Camila Palomeque

La Estadística Descriptiva Aplicada en la Tecnología

Objetivo del ensayo

El objetivo de este ensayo es analizar y explicar los conceptos esenciales de la estadística descriptiva, tales como la frecuencia absoluta y relativa, las medidas de tendencia central y dispersión, y la representación gráfica de datos, destacando su importancia para resumir y comprender información numérica. Además, se busca relacionar estos conceptos con la aplicación práctica mediante herramientas tecnológicas, como RStudio y Posit Cloud, que facilitan la organización, análisis y presentación clara de los datos. El ensayo pretende demostrar cómo estos fundamentos estadísticos son indispensables para interpretar datos de manera rigurosa, comunicar resultados efectivamente y sentar las bases para análisis posteriores en diversos contextos académicos y profesionales.

Estadística descriptiva

La estadística descriptiva es una rama esencial de la estadística que se encarga de organizar, resumir y presentar la información de manera comprensible, sin realizar inferencias sobre poblaciones más amplias. Su objetivo es transformar grandes volúmenes de datos en información clara y útil mediante tablas, medidas numéricas y representaciones gráficas.

Gracias a estas herramientas, es posible detectar patrones, conocer la distribución de los datos y describir su comportamiento general. Por ejemplo, en un estudio educativo, la estadística descriptiva puede mostrar los promedios de notas, los grupos con mayor rendimiento o la dispersión de resultados entre estudiantes. De este modo, se convierte en el punto de partida para cualquier análisis posterior o toma de decisiones basada en evidencia.

Frecuencia absoluta y frecuencia relativa

Uno de los componentes básicos de la estadística descriptiva es la distribución de frecuencias, que permite resumir la información sobre cuántas veces se repiten ciertos valores o categorías en un conjunto de datos.

La frecuencia absoluta indica el número total de veces que aparece un valor o categoría específica. Por ejemplo, si en una encuesta cinco personas respondieron “sí” a una pregunta, la frecuencia absoluta de esa respuesta sería 5. Esta medida permite observar directamente la cantidad de observaciones asociadas a cada categoría o intervalo.

Por su parte, la frecuencia relativa expresa esa misma información, pero en forma de proporción o porcentaje respecto al total de datos. Siguiendo el ejemplo anterior, si participaron 20 personas y 5 respondieron “sí”, la frecuencia relativa sería 5/20 = 0.25, equivalente al 25%. Este valor muestra la importancia o el peso de cada categoría dentro del conjunto total.

Utilizar ambas medidas de forma complementaria facilita comparar grupos y entender la estructura general de los datos. Además, cuando se representan en tablas o gráficos de barras, la interpretación se vuelve más intuitiva. La frecuencia relativa también permite hacer comparaciones entre conjuntos de diferente tamaño, algo muy útil en análisis de encuestas, estudios de mercado o evaluaciones académicas.

Las tablas de frecuencia combinan ambos tipos de medidas (absolutas y relativas) y constituyen una de las formas más prácticas de resumir los datos. Estas tablas pueden incluir también la frecuencia acumulada, que muestra cómo se van sumando los valores hasta alcanzar el total, proporcionando una visión más completa de la distribución.

Medidas de tendencia central y dispersión

La estadística descriptiva también emplea medidas que permiten representar el comportamiento general de los datos. Entre las medidas de tendencia central se encuentran la media, la mediana y la moda, que ayudan a identificar valores representativos dentro de un conjunto.

Las medidas de dispersión, como el rango, la varianza y la desviación estándar, complementan este análisis mostrando qué tan dispersos o concentrados están los datos. Una desviación estándar alta indica una gran variabilidad, mientras que una baja refleja mayor homogeneidad. Comprender estos indicadores permite evaluar la consistencia y estabilidad de los resultados.

Tecnología y análisis de datos

Hoy en día, la tecnología amplifica el poder de la estadística descriptiva. Plataformas como RStudio y Posit Cloud permiten procesar datos, crear tablas y generar gráficos de forma automatizada y reproducible mediante herramientas como R Markdown. Esta integración entre análisis y presentación de resultados facilita la elaboración de informes claros, visuales y bien estructurados.

Por ejemplo, en un mismo documento de R Markdown, se pueden mostrar los cálculos de frecuencias, medidas de tendencia central y dispersión junto con sus respectivas representaciones gráficas, ofreciendo una comunicación más profesional y comprensible incluso para quienes no tienen experiencia estadística.

Importancia transversal

La estadística descriptiva tiene aplicaciones en múltiples campos. En la educación, permite analizar el rendimiento académico y detectar grupos con dificultades. En salud pública, ayuda a identificar patrones en enfermedades o hábitos de población. En los negocios, apoya la toma de decisiones basadas en el comportamiento de los clientes y las ventas.

En todos los casos, su valor radica en que convierte datos en información útil y confiable. Además, el uso de entornos tecnológicos como Posit Cloud hace que los análisis sean más eficientes, colaborativos y replicables, fortaleciendo tanto la práctica académica como profesional.

Conclusión

Integrar los principios de la estadística descriptiva con herramientas tecnológicas refuerza la capacidad de los estudiantes y analistas para interpretar la realidad a través de los datos. Comprender las frecuencias, las medidas de tendencia y la dispersión permite comunicar resultados de manera más precisa y fundamentada.

En conclusión, la estadística descriptiva aplicada en la tecnología no solo mejora el aprendizaje, sino que impulsa el desarrollo de una mentalidad analítica capaz de transformar la información en decisiones claras, sustentadas y efectivas.