Cómo aprender Estadística en 2024: Guía completa para principiantes

Conceptos básicos de estadística que debes comprender

Construir una sólida base conceptual es fundamental antes de ponerte manos a la obra en proyectos de la vida real. Así que, si eres completamente nuevo en estadística, empieza por centrarte en los conceptos básicos que menciono a continuación: 

Estadísticas descriptivas

Con la estadística descriptiva, puedes resumir y describir las principales características de un conjunto de datos de forma numérica y visual. La media de una muestra es un ejemplo de estadística descriptiva, que a su vez se divide en lo siguiente: 

Medidas de tendencia central 

Describen dónde se encuentran la mayoría de los datos. Hay tres formas de calcularlo: 

Medidas de variabilidad 

Muestran la dispersión de los puntos de datos respecto a la media, incluyendo el rango, la varianza y la desviación típica.  

Correlación 

La correlación mide la fuerza y la dirección de la relación entre dos variables. He aquí lo que significan las distintas correlaciones: 

• Una correlación de 0 significa que no hay relación lineal.
• +1 indica una relación perfecta. Si una variable aumenta, la otra también aumenta. 
• -1 muestra que existe una relación negativa. Esto significa que si una variable aumenta, la otra disminuye. 

Echa un vistazo a esta hoja de trucos de Estadística descriptiva para tener una visión general en profundidad.  

Probabilidad

La probabilidad mide la incertidumbre para evaluar la probabilidad de que se produzca un acontecimiento basándose en una relación de resultados favorables y posibles. Para obtener una estimación más precisa, debes aumentar el número de ensayos. Las reglas básicas de probabilidad son 

• Rango de probabilidades: Las probabilidades oscilan entre 0 a 1, donde 0 indica que el suceso no ocurrirá, y 1 significa que el suceso ocurrirá.
• La suma de probabilidades: La probabilidad total de todos los resultados posibles es igual a 1.
• Regla de adición: Si dos sucesos no pueden ocurrir simultáneamente, su probabilidad total es igual a la suma de las probabilidades individuales. 

P(A or B) = P(A) + P(B) 

Si dos sucesos pueden ocurrir juntos, resta la probabilidad de que ambos ocurran simultáneamente. 

P(A or B) = P(A) +P (B) - P(A and B) 

• Regla de multiplicación: La probabilidad de que ocurran ambos sucesos independientes es el producto de sus probabilidades. 

P(A and B) = P(A) × P(B) 

En los sucesos independientes, la probabilidad de que ocurra un suceso viene dada por el hecho de que ya haya ocurrido otro suceso. 

P(A and B) = P(A) × P(B/A) 

Probabilidad condicional 

Mide la probabilidad de un suceso cuando hay una condición asociada. Los científicos de datos utilizan este tipo de probabilidad para abordar preguntas "si-entonces". Por ejemplo, puedes utilizarla para determinar si la compra de una acción concreta mejorará la cartera de un cliente. 

Distribuciones de probabilidad 

Las distribuciones de probabilidad describen cómo se distribuyen las probabilidades entre los posibles resultados. Por ejemplo, puedes querer predecir la tasa de éxito de una campaña de marketing basándote en estos factores:

• Budget 
• Demografía 
• Duración de la campaña 

Como no sabes cómo afectan estos factores al éxito, puedes utilizar la distribución de probabilidad para tomar decisiones informadas basadas en datos anteriores. 

Estadística inferencial 

La estadística inferencial te permite sacar conclusiones sobre una población mayor a partir de las observaciones de una muestra. Implica dos errores potenciales o incertidumbres:

• El error de tipo I El error de tipo I se produce cuando rechazas erróneamente una hipótesis nula verdadera.
• El error El error de tipo II indica que no puedes rechazar una hipótesis nula falsa.

Comprobación de hipótesis 

Esta prueba es una forma esencial de la estadística inferencial, que te permite probar una hipótesis sobre una población basándote en datos muestrales. Existen dos hipótesis: 

• La hipótesis nula supone que no hay efecto o diferencia.
• Una hipótesis alternativa es siempre la contraria a la hipótesis nula.

Tras establecer estas hipótesis, eliges un nivel de significación, a menudo 0,05. Un "valor p" inferior al nivel de significación rechaza la hipótesis nula. Si no, lo aceptas. 

Intervalos de confianza 

En los intervalos de confianza, puedes ver un rango de valores que incluye el parámetro poblacional verdadero. Por ejemplo, un intervalo de confianza del 95% significa que si el estudio se repitiera muchas veces, el valor verdadero estaría dentro de los intervalos en el 95% de esos estudios. 

Sacar conclusiones es el núcleo de la estadística inferencial de datos. Al hacerlo, puedes

• Resume las principales conclusiones.
• Evalúa si tu hipótesis se sostiene.
• Comprueba hasta qué punto tus resultados se aplican a la población. 

Pruebas estadísticas habituales

Las pruebas estadísticas analizan datos cuantitativos y responden a preguntas concretas de la investigación. Las pruebas más habituales son las pruebas t, chi-cuadrado y ANOVA. Aquí tienes una tabla que define cada prueba y enumera sus usos: 

He incluido esta sección para dar una pista sobre estadística y probabilidad. Ahora, ¡revisemos cómo aprenderlas de la forma más eficaz posible! 

Cómo aprender estadística desde cero

Las estadísticas abarcan mucho, lo que puede resultar confuso para los principiantes. Por eso he preparado una guía paso a paso sobre cómo empezar desde cero, elegir los temas adecuados y encontrar proyectos para equiparte plenamente en este ámbito: 

Paso 1: Empieza por lo básico

Antes de entrar en temas avanzados, es muy importante repasar conceptos básicos como la estadística descriptiva y la probabilidad: 

• Estadísticas descriptivas: Un sólido dominio de la estadística descriptiva, incluidas las medidas de tendencia central y variabilidad, te permitirá presentar los datos de forma significativa. 
• Probabilidad: Con conocimientos básicos de probabilidad, puedes reducir el sesgo del muestreo y ahorrar dinero, ya que no necesitas analizar a toda la población. 

Aquí tienes algunos recursos que proporcionan conocimientos más avanzados sobre estos temas: 

• Introducción a las reglas de la probabilidad
• Introducción a la Estadística
• Introducción a la Estadística en Python

Paso 2: Practica con datos reales

No basta con comprender los conceptos estadísticos: debes utilizar conjuntos de datos reales para practicar, junto con herramientas como Excel, Google Sheets, R y Python. A continuación te explicamos cómo puedes practicar con estas herramientas: 

• Hojas de cálculo de Google te permite calcular la media, crear visualizaciones y ejecutar regresiones lineales.
• R permite realizar diferentes análisis estadísticos y representar los datos en gráficos.
• Python dispone de diferentes bibliotecas para calcular diversos estadísticos, incluidos los estadísticos descriptivos y las pruebas de hipótesis.

Obtén más información sobre estas herramientas en los siguientes recursos: 

• Introducción a la Estadística en Google Sheets
• Pruebas de hipótesis en R
• Pensamiento estadístico en Python

Paso 3: Aprende estadística inferencial

Pasa a la estadística inferencial una vez que hayas comprendido los conceptos estadísticos básicos y conozcas su aplicación práctica. Esto te ayudará a analizar e interpretar los datos. Puedes utilizar pruebas de hipótesis, intervalos de confianza y otras pruebas pertinentes para comparar dos grupos de muestras de una población. 

Consulta este curso para aprender más sobre diferentes conceptos de estadística inferencial: 

• Inferencia estadística con R
• Fundamentos de la inferencia en Python

Paso 4: Explorar temas avanzados

Ahora es el momento de desafiarte un poco más. A medida que te sientas cómodo con los conceptos fundamentales, explora algunos temas más sustanciosos. Aquí tienes algunos aspectos que debes examinar:

• Análisis de regresión: Te ayudará a comprender las relaciones entre los distintos factores. Es muy útil en campos como la economía y las ciencias sociales.
• Análisis de series temporales: Si te gusta predecir tendencias o trabajar con datos que cambian con el tiempo, esto es para ti. Es importante en las finanzas y en la predicción meteorológica.
• Estadística bayesiana: Este enfoque te ayuda a actualizar tus creencias a medida que obtienes nueva información. Es conveniente para la toma de decisiones y el aprendizaje automático.

No te preocupes si te parecen complicados: ve haciéndolos de uno en uno. Abrirán nuevas formas de ver los datos y resolver problemas. 

En esta fase, consulta estos recursos:

• Curso de Introducción a la Regresión en R
• Curso de Introducción a la Modelización Lineal en Python
• Curso de Análisis de Series Temporales en Python

Paso 5: Aplicar las estadísticas a los proyectos

¿Recuerdas la regla de que la práctica hace al maestro? Lo mismo ocurre con las estadísticas. Cuanto más los utilices en situaciones reales, mejor se te darán. Y es una forma estupenda de entender cómo funcionan todos esos conceptos en el mundo real. 

Así que, si quieres mejorar en el análisis de datos, trabaja en algunos proyectos reales. Puedes encontrar diferentes conjuntos de datos en GitHub o Kaggle para realizar las pruebas que desees. Después, puedes hacer un análisis de regresión para analizar los datos y sacar conclusiones. 

Además, aquí tienes algunos de mis proyectos guiados recomendados sobre estadística y análisis de datos (incluyen conjuntos de datos): 

• Prueba de hipótesis con partidos de fútbol masculino y femenino
• ¿Comprará este cliente tu producto?
• ¿Qué te dice tu frecuencia cardiaca?

Ejemplo de plan de aprendizaje de Estadística 

Ahora ya sabes cómo ir paso a paso, así que es hora de empezar. He preparado este plan de aprendizaje semanal para ayudarte a empezar con conceptos básicos como la estadística descriptiva y la probabilidad, y luego pasar a la estadística inferencial y a diversas pruebas. 

Semana 1: Introducción a la estadística descriptiva 

Empieza con los fundamentos de la estadística descriptiva. Comprender estos conceptos es esencial para limpiar y analizar los datos con eficacia. Empieza con conjuntos de datos sencillos para practicar medidas como la media, la mediana, la moda y la desviación típica. Te ayudará a aprender cómo estas estadísticas resumen e interpretan los datos. 

Semana 2: Comprender la probabilidad

A continuación, aprende los conceptos de probabilidad. Calcula la probabilidad de que ocurra un suceso y familiarízate con las reglas fundamentales, como sumar y multiplicar probabilidades. Además, aprende cómo la probabilidad condicional cambia la probabilidad de un suceso en función de otro suceso. 

Estudia las distribuciones de probabilidad habituales para comprender cómo se reparten los datos. Practica con ejemplos de la vida real, como calcular la probabilidad de sacar varios números en un dado. 

Semana 3: Conceptos básicos de estadística inferencial

Aprende los fundamentos de la comprobación de hipótesis. Ayudan en campos como los ensayos clínicos para determinar si un nuevo tratamiento funciona mejor que los existentes. 

A continuación, comprende los conceptos de intervalos de confianza y valores p. Son esenciales si quieres tomar decisiones informadas sobre los datos. Practicar estos conceptos en conjuntos de datos como estudios sanitarios o estadísticas deportivas te permitirá sacar conclusiones. 

Semana 4: Explorar las pruebas estadísticas 

Esta semana, aprende diferentes pruebas estadísticas, incluidas las pruebas t y las pruebas chi-cuadrado. Comprende cómo utilizar estas pruebas en distintos tipos de datos. Por ejemplo, se puede utilizar una prueba t para comparar las medias de dos grupos, y una prueba chi-cuadrado para hallar la relación entre dos variables. Esto te ayudará a comparar los resultados de las encuestas y a comprender las pautas de comportamiento de los clientes.  

Semana 5: Temas avanzados y aplicaciones

Por último, céntrate en técnicas avanzadas como el análisis de regresión, el ANOVA y el análisis de series temporales. Te ayudará a encontrar relaciones entre distintas variables. Por ejemplo, puedes utilizar el análisis de regresión para mostrar cómo influyen los anuncios en las ventas. El ANOVA te ayudará a comparar diferentes campañas. Para una mejor comprensión, debes aplicar estas técnicas a conjuntos de datos complejos.  

Los mejores recursos para aprender estadística

Si quieres construir una base sólida en estadística, tienes que poner tus manos en los mejores recursos disponibles. Aquí tienes algunas de mis mejores elecciones: 

Cursos en línea

DataCamp ofrece algunos cursos para principiantes si quieres empezar a aprender estadística online. Puedes utilizar nuestro formato interactivo y los ejercicios prácticos para comprender mejor los conceptos. 

Aquí tienes algunas de mis recomendaciones:

• Para fundamentos de estadística: Introducción a la Estadística
• Para aprender estadística en R: Introducción a la Estadística en R
• Utiliza Python para la comprobación de hipótesis: Pruebas de hipótesis en Python
• Para aprender técnicas de regresión en Python: Introducción a la regresión con modelos estadísticos en Python
• Aprende a utilizar Google Sheets para las estadísticas: Introducción a la Estadística en Google Sheets
• Aprende a utilizar Tableau para las estadísticas: Técnicas estadísticas en Tableau  

Leer libros 

Si prefieres profundizar en los temas, no hay nada mejor que los libros. Echa un vistazo a estos libros para obtener sólidos conocimientos teóricos, junto con ejemplos relacionables. 

• Una lectura esencial para los estadísticos: Estadísticas al desnudo por Charles Wheelan
• Para una guía avanzada sobre estadística: Los Elementos del Aprendizaje Estadístico de Hastie, Tibshirani y Friedman 

Canales y tutoriales de YouTube

Para los que prefieren lecciones gratuitas en vídeo, YouTube tiene grandes canales y tutoriales. Aquí tienes algunas de mis recomendaciones: 

• Khan Academy tiene toda una lista de reproducción sobre estadística que abarca todos los temas principales.
• StartQuest con Josh Starmer es otro canal que tiene listas de reproducción sobre fundamentos de estadística y estadística en R. 

Plataformas de práctica

DataCamp ofrece muchos proyectos en los que puedes aplicar el análisis estadístico a conjuntos de datos del mundo real. Lo mejor es que puedes añadir esos proyectos a tu cartera. Si quieres ir más allá, prueba Kaggle, otra plataforma que proporciona conjuntos de datos y te permite poner a prueba tus habilidades. 

Consulta los siguientes recursos:  

• Para la visualización de datos: Historia visual de los Premios Nobel
• Para aplicar tus habilidades de limpieza y manipulación de datos: Explorar las tendencias del mercado de Airbnb
• Para realizar el análisis de conglomerados k-means: Titulaciones que te compensan

Consejos para dominar las estadísticas

Yo misma he pasado por el viaje del aprendizaje de las estadísticas, y quiero compartir algunos consejos que me ayudaron. Estas estrategias pueden marcar una gran diferencia en lo bien que percibes y aplicas los conceptos estadísticos. He aquí cómo hacerlo: 

• Practica con regularidad: Si quieres convertirte en un científico de datos y no puedes realizar pruebas sencillas como chi-cuadrado, necesitas practicar con más frecuencia. Trabaja en problemas reales y aplica la estadística en escenarios del mundo real. Esto solidificará tus conocimientos y podrás pensar de forma más crítica. 
• Únete a grupos de estudio o foros: La Estadística es un campo más amplio, y aprenderlo de forma independiente puede ser todo un reto. Existen comunidades en línea, como foros y grupos, donde puedes plantear tus dudas. Por eso, lo mejor es unirse a este tipo de comunidades y colaborar con otros analistas. 
• Trabaja en proyectos reales: Aplica tus conocimientos a proyectos reales. Por ejemplo, podrías analizar datos para un trabajo de investigación o realizar un estudio de mercado. Incluso te sugeriría que participaras en algunos concursos de ciencia de datos: serán un reto, pero pueden potenciar tus habilidades. 
• Mantén la curiosidad y sigue aprendiendo: Como la tecnología sigue evolucionando, los criterios de contratación tampoco son los mismos. Algunas empresas exigen conocimientos básicos de estadística, mientras que otras prefieren una comprensión profunda. Por tanto, debes mantenerte al día sobre las distintas herramientas estadísticas y sus aplicaciones. 

Reflexiones finales 

Aprender estadística puede ser abrumador si no te gustan las matemáticas y acabas de empezar tu carrera en la ciencia de datos. Con el enfoque y los recursos adecuados, puedes simplificar tu camino hacia el dominio de las estadísticas. A medida que surgen nuevas herramientas para el análisis de datos complejos, mantente al día de los últimos avances. 

R es el lenguaje más común que proporciona funciones incorporadas para diversas pruebas estadísticas. Si no sabes cómo utilizar R para la estadística, consulta nuestra guía profesional completa, Estadístico con R.