Se que estas un poco ansioso y deseas ver como se construyen estas conclusiones con los ejemplos que hemos visto, esta bien, iremos poco a poco y profundizaremos con el tipo de de variables con forme avance el curso, en este grupo nos enfocaremos más sobre casos de valores cuantitativos, pudiendo ser discretos o continuos.[br][br]Los estadísticos descriptivos proporcionan un resumen conciso de los datos. Donde podemos resumir los datos de forma numérica o gráfica. [br][br]Los estadísticos más utilizados de resumen son los siguientes:[br][br][b]Estadísticos de centralización:[br][/b]Indican los valores con respecto a los datos donde se agrupan más.[br][b]Media. [br][/b]La media de los datos observados, es simplemente el promedio aritmético que conocemos, es decir, la suma de los valores de la variable entre el número de observaciones.[br][br][b]Mediana.[br][/b]La mediana se define como el dato central de la distribución, es decir el dato que queda[br]justo en el medio, cuando el conjunto de datos se encuentra ordenado. [br][br][b]Moda.[br][/b]La moda es el valor observado con mayor frecuencia. La moda puede no existir[br]para un conjunto de datos, y en caso de existir puede no ser única.[br][br]En la siguiente imagen se muestra como podemos interpretar estas medidas a través de como se comportan.[br][img]https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcQnP0UMpiuhMNwRpdSKqgiH4npEfXtCeisVs3F1iLsf8cvaLZY2[/img][br][br][b]Estadísticos de dispersión:[br][/b][br]Indican la mayor o menor concentración de los datos con respecto a los estadísticos de centralización.[br][br]Rango.[br]Es la longitud del intervalo de valores que pueden obtener los datos de nuestro estudio, definido como la diferencia del valor máximo menos el mínimo.[br][br][b]Varianza.[br][/b]La varianza una medida de dispersión que ostentan los datos respecto a su media.[br][br]La varianza se relaciona con la desviación típica o desviación estándar, la cual se denota a través de la letra griega denominada sigma y que será la raíz cuadrada de la varianza.[br][br]Para entender mejor estas medidas también podemos apoyarnos de la cúrtosis, la cual nos indica si nuestros datos están muy acumulados hacia su media (leptocúrtica) o muy dispersos (planicúrtica)[br][img]data:image/jpeg;base64,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[/img][br][br]En el ejemplo de la parte inferior podemos visualizar con datos de la población de nuestro país en 2015, los estadísticos descriptivos que podemos inferir rápidamente.[br][br]La pregunta que quiero resolver es:¿Cuál es la población media por entidad y que tan distinta es entre las entidades?[br][br]Para este caso podemos observar que la media es el mejor valor de tendencia central, ya que nos permite entender mejor la acumulación de los datos.[br][br]En la parte izquierda podemos ver un pequeño histograma, el cual aprenderán a hacer más adelante. Este pequeño histograma nos deja ver que los datos se acumulan muy cerca de la media, aunque tienen un rango amplio, la desviación estándar no es tan alta.