Organización de Datos Estadísticos

Cuando recolectamos información (las respuestas de una encuesta, mediciones de un experimento o resultados de un juego) obtenemos lo que se llama datos crudos: una lista de números o categorías sin ningún orden aparente. Organizar datos es el proceso de acomodar esa lista desordenada en tablas o secuencias que permiten ver patrones, contar repeticiones y preparar la información para graficarla o analizarla.

Sin este paso, cualquier gráfica que construyamos corre el riesgo de estar mal hecha o de mostrar la información de forma confusa. Por eso, organizar datos es la base de toda la estadística descriptiva.

El primer método, y el más simple, es ordenar los valores de forma ascendente (de menor a mayor) o descendente (de mayor a menor). Esto es especialmente útil con datos numéricos, porque permite identificar rápidamente el valor mínimo, el valor máximo y detectar si hay valores que se repiten mucho.

Por ejemplo, si las edades registradas en un grupo son 7, 9, 6, 9, 8, 7, 9, 6, al ordenarlas de forma ascendente obtenemos 6, 6, 7, 7, 8, 9, 9, 9. Ya con esta simple reordenación es más fácil notar que el valor 9 aparece con más frecuencia que los demás.

Una tabla de conteo usa marcas (generalmente líneas agrupadas de cinco en cinco) para registrar cuántas veces aparece cada valor mientras se revisa la lista de datos, dato por dato. Es una herramienta rápida cuando se está registrando información en el momento, por ejemplo mientras se hace una encuesta en vivo.

Una vez hecho el conteo, se pasa la información a una tabla de frecuencia, que muestra el valor y cuántas veces se repite, sin necesidad de mostrar las marcas de conteo. La frecuencia de un valor se representa con la letra \( f \), y el número total de datos con \( n \).

A partir de la frecuencia también se puede calcular la frecuencia relativa, que indica qué proporción del total representa cada valor:

\( f_r = \dfrac{f}{n} \)

Usando el ejemplo anterior, el total de datos es \( n = 8 \). Para la edad 9, la frecuencia es \( f = 3 \), así que su frecuencia relativa es \( f_r = \dfrac{3}{8} = 0.375 \), es decir, el 37.5% de los datos corresponde a esa edad.

Cuando los datos son numéricos y abarcan un rango amplio de valores, en lugar de contar cada valor individual se agrupan en intervalos. Ese procedimiento se estudia con más detalle en la lección sobre distribución de frecuencias e histogramas.

Un grupo de 12 estudiantes indica cuántas mascotas tiene: 1, 0, 2, 1, 1, 3, 0, 2, 1, 2, 1, 0.

1. Ordenar los datos: 0, 0, 0, 1, 1, 1, 1, 1, 2, 2, 2, 3.
2. Contar cada valor: el 0 aparece 3 veces, el 1 aparece 5 veces, el 2 aparece 3 veces y el 3 aparece 1 vez.
3. Construir la tabla de frecuencia con esos valores y confirmar que la suma de todas las frecuencias sea igual a \( n = 12 \) (\( 3 + 5 + 3 + 1 = 12 \)).
4. Calcular la frecuencia relativa de cada valor, por ejemplo para el 1: \( f_r = \dfrac{5}{12} \approx 0.417 \).

Con la tabla ya organizada, esta información está lista para convertirse en una gráfica, ya sea una gráfica de barras o una gráfica circular.

Organizar los datos antes de graficarlos evita errores comunes: valores olvidados, categorías repetidas o proporciones mal calculadas. Una tabla de frecuencia clara es el punto de partida para elegir el tipo de gráfica adecuado, algo que se explica en la lección sobre las ventajas y desventajas de distintas gráficas. También es la mejor defensa contra las gráficas engañosas, ya que unos datos bien organizados dejan menos espacio para presentar la información de forma incorrecta o confusa.

Related lessons

• Es Statistics Help