La estadística descriptiva es la rama de la estadística que organiza, resume y presenta los datos que ya tienes con tablas, gráficos y medidas como la media, la mediana, la moda o la desviación típica, sin predecir nada sobre lo que no has observado. Se usa en investigación de mercados, salud pública, educación o finanzas, y es el primer paso de cualquier análisis de datos.
La estadística descriptiva es una de las ramas principales de la estadística y uno de los enfoques más importantes para su aplicación.
Este enfoque es elemental a la hora de representar datos de manera gráfica a través de tablas y figuras, y esta técnica es imprescindible cuando se trata de cuantificar datos y hacerlos comprensibles.
Si buscas mejorar tus habilidades en programación y análisis de datos o convertirte en un especialista en ciencia de datos, este artículo es para ti. Aquí te contaremos de qué se trata esta disciplina y cómo ponerla en práctica.
El 85 % de los directivos encuestados en un estudio de Qlik de 2022 cree que la alfabetización en datos será, en el futuro, una habilidad tan esencial como saber usar un ordenador, según recoge directivosygerentes.es. La estadística descriptiva es, literalmente, el punto de partida de esa alfabetización: sin saber leer una media o una desviación típica, cualquier "análisis de datos" se queda en la superficie.
¿Qué es la estadística descriptiva?
La estadística descriptiva es un enfoque analítico vital en las matemáticas y la investigación. Se basa en analizar los datos recolectados para después describir, resumir y presentar su comportamiento, o en otras palabras, traducir los datos y hacerlos comprensibles.
Además de describir los datos, también busca identificar patrones y tendencias dentro de esa información para detectar anomalías o datos inusuales.
Cabe destacar que este enfoque solo estudia los datos recopilados en la investigación, sin realizar inferencias ni hipótesis.
Tipos de variables: la base de cualquier análisis descriptivo
Antes de calcular nada, hay que saber qué tipo de dato se está manejando, porque eso determina qué medidas se pueden aplicar y qué gráfico tiene sentido usar.
Tipo de variable | Subtipo | Qué representa | Ejemplos |
|---|---|---|---|
Cuantitativa | Discreta | Valores numéricos contables, sin decimales con sentido real | Número de hijos, número de pedidos |
Cuantitativa | Continua | Valores numéricos que pueden tomar cualquier valor dentro de un rango | Edad, peso, ingresos, tiempo de respuesta |
Cualitativa | Nominal | Categorías sin orden natural entre ellas | Color de ojos, estado civil |
Cualitativa | Ordinal | Categorías con un orden natural | Nivel de satisfacción (bajo/medio/alto), nivel educativo |
Elaboración propia a partir de la clasificación estándar de variables estadísticas.
Con los ejemplos numéricos concretos: edad (25, 40, 65 años), peso (60 kg, 75,5 kg, 90,2 kg), ingresos (2.000 €, 5.000 €, 10.000 €) o tiempo de respuesta (2, 5,5, 8,3 segundos) son todos ejemplos de variable cuantitativa continua — se pueden medir con cualquier grado de precisión. El número de hijos (0, 2, 4) es cuantitativa discreta, porque no tiene sentido un valor intermedio como "2,5 hijos".
Cómo se resumen los datos: medidas de tendencia central y de dispersión
Con los datos ya organizados, hacen falta dos tipos de medidas para resumirlos: unas dicen dónde se concentran y otras, cuánto se separan.
Medidas de tendencia central — indican en torno a qué valor se agrupan los datos:
Media (promedio): la suma de todos los valores dividida entre el número de datos.
Mediana: el valor que queda exactamente en el centro cuando los datos están ordenados de menor a mayor.
Moda: el valor que se repite con más frecuencia.
Medidas de dispersión — indican cuánto se alejan los datos entre sí, no solo dónde se concentran:
Rango: la diferencia entre el valor máximo y el mínimo.
Varianza: el promedio de las distancias al cuadrado de cada dato respecto a la media.
Desviación típica (o estándar): la raíz cuadrada de la varianza — indica, en las mismas unidades que el dato original, cuánto se dispersan los valores respecto a la media.
Coeficiente de variación: la desviación típica dividida entre la media, útil para comparar la dispersión de dos conjuntos de datos con escalas distintas.
Medida | Qué mide | Cuándo usarla |
|---|---|---|
Media | El valor promedio de todos los datos | Cuando los datos no tienen valores extremos que distorsionen el resultado |
Mediana | El valor central de los datos ordenados | Cuando hay valores extremos (outliers) que harían que la media engañe |
Moda | El valor más repetido | Con variables categóricas o cuando interesa el valor más común, no el promedio |
Desviación típica | Cuánto se alejan los datos de la media, en las mismas unidades | Para saber si los datos están muy dispersos o muy concentrados |
Elaboración propia a partir de las definiciones estándar de estadística descriptiva.
El error más habitual en la práctica de negocio no es no saber calcular la media, es usarla cuando no toca. Si un equipo de 6 personas gana 30.000 €, 32.000 €, 31.000 €, 29.000 €, 33.000 € y 250.000 € (el fundador), la media del "salario del equipo" sale por encima de 67.000 € — un número que no representa a nadie de esa tabla. La mediana, en este caso, describe la realidad mucho mejor que la media. Este es exactamente el tipo de matiz que un resumen genérico de "qué es la estadística descriptiva" no suele explicar.
Para que esto no quede en abstracto — ejemplo resuelto:
Con datos ilustrativos (no son de ninguna empresa real), un equipo de ventas registra estas cifras de unidades vendidas en 7 días: 12, 15, 12, 18, 20, 12, 100 (el último día hubo una promoción excepcional).
Media: (12+15+12+18+20+12+100) / 7 = 189 / 7 = 27 unidades/día.
Mediana: ordenando los datos (12, 12, 12, 15, 18, 20, 100), el valor central es 15.
Moda: el valor más repetido es 12.
Rango: 100 − 12 = 88.
Varianza: las diferencias de cada día con la media (27) son −15, −12, −15, −9, −7, −15 y 73. Elevadas al cuadrado suman 6.278, y 6.278 / 7 ≈ 896,9.
Desviación típica: √896,9 ≈ 29,9 unidades/día.
La media (27) sugiere un ritmo de ventas que ningún día "normal" de la semana tuvo realmente — está distorsionada por el día de promoción. La mediana (15) y la moda (12) describen mucho mejor el comportamiento habitual del equipo. Este tipo de distorsión es exactamente lo que un análisis descriptivo bien hecho debe detectar, no ocultar.
La desviación típica (29,9) incluso supera a la media (27): los datos están muy dispersos, y el responsable es el día de promoción. Hemos dividido entre n porque describimos justo esos 7 días. Si fueran una muestra con la que quisieras estimar la varianza de todos los días posibles, se dividiría entre n − 1 y la desviación típica subiría a ≈ 32,3.
¿Dónde se usa la estadística descriptiva?
Son muchas las aplicaciones que tiene la estadística descriptiva en la actualidad. Veamos ahora algunos ejemplos:
1. Investigación de mercados
Este tipo de estadística permite que las compañías puedan analizar grandes cantidades de datos sobre clientes como sus hábitos de consumo, preferencias y las nuevas tendencias que hay en el mercado.
Esto se hace a través de gráficas y métricas avanzadas que brindan indicadores que te ayudan a tomar decisiones mucho más precisas.
2. Salud pública
En la rama de la medicina, la estadística descriptiva se utiliza para describir la distribución de enfermedades en distintos sectores de la población. Así los especialistas pueden intervenir de manera más precisa en el menor tiempo posible.
3. Educación
Con respecto al sector educativo, muchos profesionales lo utilizan para estudiar el rendimiento de los alumnos mediante distintos niveles de dificultad.
También lo dividen según su área geográfica, lo que les ayuda a establecer nuevas políticas para mejorar la calidad de sus clases.
4. Ciencias sociales
Tanto los psicólogos como sociólogos usan la estadística descriptiva para analizar algunos fenómenos como los nuevos comportamientos en un área de la población que se están convirtiendo en un problema para miles de personas.
5. Administración y finanzas
Las empresas se apoyan en esta herramienta para hacer análisis de rendimiento económico, lo que les ayuda a optimizar el uso de recursos para conseguir los objetivos que se propuso la directiva a principios de año.
Pasos para aplicar la estadística descriptiva
¿Quieres empezar a aplicar la estadística descriptiva? Échale un vistazo a los pasos que tienes que ejecutar desde ahora:
1. Recolección de datos
Lo primero que tenemos que hacer es obtener la mayor cantidad de datos provenientes de la muestra o población que vamos a estudiar. Esto se realiza en la mayoría de los casos a través de observación de fenómenos, análisis de casos, encuestas y cuestionarios.
2. Organización de información
Luego que hemos recolectado los datos tenemos que organizarlos de la forma más lógica posible y se hace a través de tablas de frecuencia, clasificaciones y listas que tengan el mayor orden posible.
3. Resumir datos
Posteriormente, es importante resumir la información a través de distintas medidas de tendencia central y medidas de dispersión para luego representarlas en un gráfico.
4. Presentación de resultados
Ahora presentamos los resultados de forma precisa y visual. Aquí podemos usar distintos tipos de gráficos como diagramas de barras, histogramas, diagramas circulares y tablas para que los demás puedan entender todo el informe.
Las estadísticas descriptivas son vitales para toda clase de estudios estadísticos, sin importar la industria ni el sector en donde se apliquen.
Estas, complementadas con las estadísticas inferenciales, te servirán para obtener resultados precisos en toda clase de investigaciones, eso sí, siempre y cuando te bases en los modelos estadísticos correctos y seas tan meticuloso como sea posible con tus análisis.
Estadística descriptiva y estadística inferencial: en qué se diferencian
Todo depende de lo que hagas con los datos.
Descriptiva: resume y representa los datos que tienes. Si encuestas a 500 clientes y calculas su edad media, estás describiendo a esos 500.
Inferencial: parte de una muestra para sacar conclusiones sobre una población mayor, con un margen de error. Si con esa edad media estimas la de todos tus clientes, ya estás infiriendo.
Si quieres dar ese paso, la guía de estadística inferencial: estimación, contrastes y pruebas es la siguiente lectura. Y si lo que buscas es explicar o predecir una variable a partir de otras, mira la regresión lineal.
Aprende más sobre estadística descriptiva con The Power, tu escuela de confianza
Pasa de calcular medias a decidir con datos
El Máster en AI Data Analytics incluye un módulo de Estadística aplicada y prepara para la certificación Power BI Data Analyst Associate (PL-300), según su web oficial. Ver el Máster en AI Data Analytics.
Preguntas frecuentes sobre la estadística descriptiva
¿Qué es exactamente la estadística descriptiva?
Es la rama de la estadística que resume y representa datos de forma clara —con medidas numéricas, tablas y gráficos— sin hacer predicciones ni generalizaciones sobre datos no observados.
¿Cuándo debo usar la mediana en lugar de la media?
Cuando los datos tienen valores extremos que distorsionarían el resultado — salarios muy altos en un equipo pequeño, un pico de ventas puntual, o cualquier dato atípico. La mediana no se ve afectada por esos extremos; la media sí.
¿Qué diferencia hay con la estadística inferencial?
La descriptiva resume datos que ya tienes; la inferencial hace predicciones o generalizaciones sobre una población más amplia a partir de una muestra.
¿Necesito saber programar para aplicar estadística descriptiva?
No para lo básico — herramientas como Excel o Google Sheets calculan media, mediana, moda y desviación típica con funciones directas. Para volúmenes grandes de datos, herramientas como Python o R facilitan mucho el proceso, pero no son un requisito para empezar.
¿Es útil para pymes españolas?
Sí, sobre todo para mejorar procesos, conocer mejor al cliente y tomar decisiones basadas en datos reales, no en impresiones.
¿Qué error se comete más a menudo al interpretar una media?
Tratarla como si representara a "lo típico" sin comprobar si hay valores extremos que la están distorsionando — como en el ejemplo del equipo de ventas de este artículo. Comprobar siempre la mediana junto a la media evita ese error.
¿Para qué sirve la estadística descriptiva?
Para convertir una lista de datos en información que se pueda leer y comparar: qué valor es el típico, cuánto varían los datos y cómo se reparten. Es la base de los informes y de las decisiones de negocio, y te dice si hace falta un análisis más avanzado.
¿Cuáles son los estadísticos descriptivos más usados?
Las medidas de tendencia central (media, mediana y moda), las de dispersión (rango, varianza, desviación típica y coeficiente de variación) y las de posición, como los cuartiles. Los cuartiles dividen los datos ordenados en cuatro partes iguales, y el segundo coincide con la mediana.
¿Qué diferencia hay entre varianza y desviación típica?
La varianza es el promedio de los cuadrados de las distancias a la media, así que sus unidades también quedan al cuadrado. La desviación típica es su raíz cuadrada y está en las mismas unidades que los datos, y por eso resulta más fácil de interpretar.
