Listado de software estadístico gratuito y de pago

 SOFTWARE ESTADÍSICOS GRATUITOS

Entre los software estadísticos gratuitos podemos encontrar los siguientes: 

Listado de software estadístico gratuito

Microsoft Excel: Es un software con mucho potencial. Es capaz de crear gráficos de forma rápida y sencilla.

S-PLUS: Está disponible al público la versión 8. Incluye dentro de sus principales características: análisis multivariado de datos, análisis de sobrevivencia, escalamiento multidimensional, regresión no paramétrica.

Minitab: Tiene 7 idiomas, ya que es una herramienta integrada para la gestión de proyectos que permite que los datos de Minitab para ser combinados con la gestión y la gobernanza herramientas y documentos de proyecto.

R: el temido: R es un lenguaje de programación utilizado para el análisis de datos cuyo énfasis de uso está en la configuración directa de los análisis de parte del usuario antes que en una interfaz amigable.

 

SOFTWARE ESTADÍSICOS DE PAGO

Existe una variedad de software estadísticos de pago como son:

Listado de software estadístico gratuito

Python: Tiene una sintaxis sencilla que cuenta con una vasta biblioteca de herramientas, que hacen de un lenguaje de programación único.

RStudio: Permite un acceso más cómodo a la edición de código, los resultados, los gráficos, la descarga de librerías, los objetos en memoria, etc.

Stata: Ofrece una creación dinámica de documentos que respalda la producción de investigaciones verdaderamente reproducibles. Tiene gráficos de calidad de publicación.

SPSS (SPSS Statisticus Base): Es sencilla y muy utilizada para el mundo de la salud, biología, estudios de mercado e incluso para aplicaciones de ingeniería.

Fuente: Conceptosclaros.com

Referencias Bibliográficas:

Karla Paola Martínez, Ana Teresa Morales, Alberto Ramírez (2016). Investigación de la Escuela de Humanidades y Educación. Colonia Nuevo México, C.P. 45138, Zapopan, Jalisco.

Boccardo, G. (2019). RStudio para Estadística Descriptiva en Ciencias Sociales. Chile.

Santana, A., & Nieves, C. (2016). Presentación del Curso: El entorno estadístico R (R4ULPGC). Canaria: Universidad de las Palmas de Gran Canaria.

Soloaga, A. (2018). Principales Usos de Python. Akademus.

Ross, M. (2016). MINITAB, usos y aplicaciones. Perú: Instituto para la calidad.

García, Ó. R., & Miguel, L. (2018). MATLAB: conceptos básicos y descripción gráfica. Ebook.

 

 

Definición de Software Estadístico

 SOFTWARE ESTADÍSTICO

Software estadístico 

Definición de software estadístico

Un software estadístico es una herramienta diseñada para facilitar procedimientos informáticos con base en recopilación de datos a partir de aquello se puede brindar un análisis de valores; para así validar datos como resultado, también en estos softwares existe, una gamma de gráficos, tablas, fórmulas que se establece dependiendo de los datos estadísticos que se generen. Básicamente se utilizan en informes, tesis, estudios de campos que implican una muestra para obtener resultados, es decir que se necesita una variedad de implementos para que los datos sean satisfactorios.

Referencias Bibliográficas:

Elousa, P. (2009). “¿EXISTE VIDA MÁS ALLÁ DEL SPSS? DESCUBRE R. Revista Psicothema 21, 4.

Guillen, A. (2006). Procesamiento de datos:paquetes estadisticos. Revista Seden.

Zatel, C. (2009). Software estadístico integral. Mexico.

Medidas de dispersión

Definición de medidas de dispersión

Las medidas de dispersión en sí reflejan la mayor o menor concentración con que se encuentran distribuidos los valores de una serie alrededor de un valor central, por lo tanto, los valores de estas medidas nos permiten saber si los datos se encuentran estrechamente agrupados, si se encuentran ampliamente dispersos o si son iguales. Cuando existe una dispersión pequeña se dice que los datos están acumulados cercanamente respecto a un valor central en este caso el dato central es un valor muy representativo y en el caso que la dispersión sea grande el valor central no es muy confiable, por otra parte estas medidas complementan a las medidas de tendencia central y nos ayudan a determinar si nuestros datos se alejan mucho del valor central a su vez son muy útiles para comparar distribuciones y comprender los riesgos en la toma de decisiones. A continuación, se detallan las medidas de dispersión más utilizadas: *Rango o recorrido *Desviación media *Varianza *Desviación típica *Coeficiente de variación

Referencias Bibliográficas:

Morales, P. L., Pachacama, S. V., & Gómez, H. F. (2017). DIDÁCTICA DE LA ESTADÍSTICA DESCRIPTIVA, Fundamentos de la Estadística, Estadígrafos de posición central, Medidas de orden y dispersión, Regresión y correlación estadística, . QUITO-ECUADOR: EPISTEME: Nuevo Paradigma. ISBN: 978–9942–30–606-7.

López, C. (15 de febrero de 2019). Medidas de dispersión. Economipedia. Obtenido de https://economipedia.com/definiciones/medidas-de-dispersion.html

Núñez Colín , C., & Barrientos Priego , A. (2015). Estimación de la variabilidad interna de muestras poblacionales,mediante análisis de componentes principales. Interciencia, 802.

Definición de media, mediana y moda

 MEDIA, MEDIANA Y MODA

Definición de media

La media es considerada como un valor promedio o intermedio de un determinado conjunto de datos numéricos, con la finalidad de poder calcular de manera fácil y, a su vez, es sencilla de resolverlo, porque es calculada como la suma de valores y divida con el número total de datos. Además, se le puede decir qué esta representa como un punto de equilibrio entre la distribución de los distintos datos que se pueden recoger en el mundo, de igual forma existen diferentes tipos de media como es la media aritmética.

Definición de mediana

La mediana es considerada como el valor numérico que ocupa el lugar central de todos los diversos datos que se han escogidos, los cuales pueden estar ordenados de menor a mayor o viceversa, es decir el de en medio, porque la mediana estadística se basa de eso, el número o el dato que está justo en la mitad de un grupo o conjunto de datos numéricos, también éste representa por una cifra que se encuentra en el 50 % de un determinado grupo. Además se puede hallar las variables cuantitativas.

Definición de moda

La moda es considerada como el valor que tiene más frecuencia absoluta, es decir un conjunto de distintos datos numéricos o datos cualitativos, que están representados varias veces dentro de un determinado grupo, además se pueden encontrar diversos tipos de moda como son: unimodal, bimodal y multimodal, sin embargo una muestra o un grupo puede tener más de una moda, la cual es considerada como uno de los elementos indispensables y primordiales dentro del mundo de la estadística, porque es el valor que más se repite.

Referencias Bibliográficas:

Ferrari, J. (2016). Medidas de tendencia central. Estadística Básica, 2(5), 3-56.

Rendón Macías, M., Villasís Keeve , M., & Miranda Novales, M. (2016). Estadística descriptiva. Alergia México, 399.

López, F. (2020). Media arimética. Obtenido de https://economipedia.com/definiciones/media-aritmetica.html.

Salazar, C., & Del Castillo, S. (2018). Fundamentos Básicos de Estadística. 7-224.

Riquelme, M. (2020). Mediana Estadística (definición y fórmula). Obtenido de https://www.webyempresas.com/mediana-estadistica-definicion-y-formula/.

Martínez, R. (2015). Comprensión de las medidas de tendencia central. Análisis Estadístico, 3(7), 4-31.

Quevedo Ricardi, F. (2011). Medidas de tendencia central y dispersión. Medwave.

 

Ejercicios: tablas de frecuencias

Tablas de frecuencias

1. Se le pidió a un grupo de personas que marque la imagen de su bebida preferida, y los resultados fueron:

(Dato)   Marca de Gaseosa	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
			ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
Duff	4	4	0,20	0,20	20	20
Sprite	5	9	0,25	0,45	25	45
Pepsi	5	14	0,25	0,70	25	70
Coca cola	6	20	0,30	1	30	100
Total	20		1		100

2. Elaborar una tabla de frecuencias a partir de las temperaturas máximas registradas en el mes de agosto en la ciudad de Bogotá:

17	18	15	16	19	20	16	18	17	18
19	17	15	16	19	16	20	18	17	16
20	15	19	18	20	18	16	17	15	19
19

(Dato)   Temperatura	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
			ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
15	4	4	0,13	0,13	13	13
16	6	10	0,19	0,32	19	32
17	5	15	0,16	0,48	16	48
18	6	21	0,19	0,67	19	67
19	6	27	0,19	0,86	19	86
20	4	31	0,13	0,99	13	99
Total	31		0,99		99

3. Se le pidió a un grupo de personas que indiquen su color favorito, y se obtuvo los siguientes resultados:

negro	azul	amarillo	rojo	azul
azul	rojo	negro	amarillo	rojo
rojo	amarillo	amarillo	azul	rojo
negro	azul	rojo	negro	amarillo

(Dato)   Color	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
			ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
Negro	4	4	0,20	0,20	20	20
Azul	5	9	0,25	0,45	25	45
Amarillo	5	14	0,25	0,70	25	70
Rojo	6	20	0,30	1	30	100
Total	20		1		100

4. En una tienda de autos, se registra la cantidad de autos Toyota vendidos en cada día del mes de Setiembre.

0; 1; 2; 1; 2; 0; 3; 2; 4; 0; 4; 2; 1; 0; 3; 0; 0; 3; 4; 2; 0; 1; 1; 3; 0; 1; 2; 1; 2; 3

5. Se recogen las hojas caídas de un árbol, y se registran sus longitudes en centímetros. Elaborar una tabla de frecuencias con 4 clases. 

1	1	2	3	3
4	5	6	6	6
8	8	9	10	10
11	12	12	13	15
16	16	18	18	20

R= Xmax – Xmin R= 20-1 R=19

K= 1+3,322*logN K= 5

A= R/K A= 19/5 A = 4

Intervalo	Marca de clase	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
				ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
[1– 5)	1	7	7	0,28	0,28	28	28
[5 – 10)	2	8	15	0,32	0,6	32	60
[10 – 15)	3	5	20	0,2	0,8	20	80
[15 – 20)	4	5	25	0,2	1	20	100
Total		25		1		100

6. Una compañía telefónica registra la duración (en minutos) de las llamadas que recibe en su call center.

0,1	4,8	5,5	9,4
3,4	5,3	3,9	0,4
2,6	4,5	3,3	1,6
5,9	8,1	9,3	5,6
9,9	7,2	4,8	5,1

R= Xmax – Xmin R= 9,9-0,1 R=9,8 R= 10

K= 1+3,322*logN K= 5

A= R/K A= 10/5 A = 2

Intervalo	Marca de clase	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
				ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
[0 – 2)	1	3	3	0,15	0,15	15	15
[2 – 4)	3	4	7	0,2	0,35	20	35
[4 – 6)	5	8	15	0,4	0,75	40	75
[6 – 8)	7	1	16	0,05	0,8	5	80
[8 – 10]	9	4	20	0,2	1	20	100
Total		20		1		100

7. Las notas de 35 alumnos en el examen final de estadística, calificado del 0 al 10, son las siguientes:

0; 0; 0; 0; 1; 1; 1; 1; 2; 2; 2; 3; 3; 3; 3; 4; 4; 4; 4; 5; 5; 5; 5; 6; 6; 6; 7; 7; 7; 8; 8; 8; 9; 10; 10. 

R= Xmax – Xmin R= 10-0 R=10

K= 5

A= R/K A= 10/5 A = 2

Intervalo	Marca de clase	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
				ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
[0 – 2)	1	8	8	0,229	0,229	22,9	22,9
[2 – 4)	3	7	15	0,200	0,429	20	42,9
[4 – 6)	5	8	23	0,229	0,658	22,9	65,8
[6 – 8)	7	6	29	0,171	0,829	17,1	82,9
[8 – 10]	9	6	35	0,171	1	17,1	100
Total		35		1		100

8. Un grupo de atletas se está preparando para una maratón siguiendo una dieta muy estricta. A continuación, viene el peso en kilogramos que ha logrado bajar cada atleta gracias a la dieta y ejercicios.

0,2	8,4	14,3	6,5	3,4
4,6	9,1	4,3	3,5	1,5
6,4	15,2	16,1	19,8	5,4
12,1	9,6	8,7	12,1	3,2

R= Xmax – Xmin R= 19,8-0,2 R=19,6 R= 20

K= 1+3,322*logN K= 5

A= R/K A= 20/5 A = 4

Intervalo	Marca de clase	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
				ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
[0 – 4)	2	5	5	0,25	0,25	25	25
[4 – 8)	6	5	10	0,25	0,50	25	50
[8 – 12)	10	4	14	0,20	0,70	20	70
[12 – 16)	14	4	18	0,20	0,90	20	90
[16 – 20]	18	2	20	0,10	1	10	100
Total		20		1		100

9. Una tienda en línea registra el tiempo que tarda la empresa de correos en hacer llegar su mercadería a los clientes. Los tiempos en días registrados son los siguientes:

2	7	10	16	19
22	6	25	5	20
13	32	13	29	18
20	13	6	12	35

R= Xmax – Xmin R= 35-2 R=33

K= 1+3,322*logN K= 5

A= R/K A= 33/5 A = 7

Intervalo	Marca de clase	Frecuencia absoluta fi	Frecuencia acumulada Fi	Frecuencia relativa ni	Frecuencia relativa acumulada Ni	Frecuencia porcentual P (%)	Frecuencia Porcentual Acumulado Pa (%)
				ni= fi/N	Ni=Fi/N	P=ni*100	Pa=Ni*100
[0 – 7)	3.5	5	5	0,25	0,25	25	25
[7 – 14)	10.5	5	10	0,25	0,50	25	50
[14 – 21)	17.5	6	16	0,3	0,70	30	70
[21 – 28)	24.5	2	18	0,10	0,90	10	90
[28 – 35]	31.5	2	20	0,10	1	10	100
Total		20		1		100