Diferencia entre estadística descriptiva e inferencial
Estadística descriptiva vs. Conclusiones
La estadística es una de las partes más importantes de la investigación actual considerando cómo organiza los datos en formas medibles. Sin embargo, algunos estudiantes se confunden entre estadística descriptiva e inferencial, lo que les dificulta elegir la mejor opción para usar en su investigación.
Si observa detenidamente, la diferencia entre estadística descriptiva e inferencial ya es bastante clara en sus nombres de pila. «Descriptivo» describe datos, e «inferencial» implica o permite que el investigador llegue a una conclusión basada en la información recopilada.
Por ejemplo, tiene la tarea de investigar el embarazo adolescente en cierta escuela secundaria. Mediante el uso de estadísticas descriptivas e inferenciales, investigará la cantidad de embarazos de adolescentes en la escuela durante varios años específicos. La diferencia es que está resumiendo los datos recopilados y, si es posible, detectando un patrón en los cambios. Por ejemplo, se puede decir que en los últimos cinco años la mayoría de los embarazos de adolescentes en la Secundaria X han sido de las que cursan el tercer año. No es necesario pronosticar que las estudiantes de tercer año siguen siendo las que presentan un mayor número de embarazos adolescentes en sexto año. Las conclusiones, así como las predicciones, se hacen solo en estadísticas inferenciales.
El principio de informar o inferir también se aplica a los datos o la información recopilados por el investigador. Volviendo a nuestro ejemplo anterior de embarazo adolescente, solo las estadísticas descriptivas se limitan a la población que se describe. En pocas palabras, los datos recopilados en X High School con respecto al embarazo adolescente SOLO se refieren a esa institución en particular.
En estadística inferencial, X High School podría ser una muestra de la población objetivo. Digamos que su objetivo es averiguar el estado de los embarazos adolescentes en Nueva York. Dado que sería imposible recopilar datos de todas las escuelas secundarias de Nueva York, la escuela secundaria X actuará como una muestra que representaría o reflejaría todas las escuelas secundarias de la ciudad de Nueva York. Por supuesto, esto generalmente significa que existe un margen de error, ya que una sola muestra no es suficiente para representar a toda la población. Esta tasa de error potencial también se tiene en cuenta al analizar los datos. Usando diferentes cálculos, como la media, la mediana y la moda, los investigadores podrían describir o examinar los datos y obtener lo que necesitan a través del proceso.
Las estadísticas, especialmente las inferencias, son muy importantes en la industria actual, principalmente porque brindan información que puede ayudar a las personas a tomar decisiones en el futuro. Por ejemplo, el envío de estadísticas inferenciales sobre la tasa de crecimiento de la población en una ciudad en particular podría ser la base para que una empresa decida si instalarse o no en esa ciudad. Debido a que también usa números para sacar conclusiones, se suma a la precisión de la investigación, así como a la comprensibilidad de los datos.
Los resultados estadísticos a menudo se presentan en una variedad de formatos, desde gráficos hasta tablas. Para aumentar la precisión, los investigadores también tienen en cuenta varios factores que pueden afectar a su población y los traducen en datos numéricos. De esta manera, se minimiza la probabilidad de error y se logra un resumen completo de la situación.
Resumen:
1. Las estadísticas descriptivas solo «describen» la investigación y no permiten inferencias ni predicciones.
2. La estadística inferencial le permite al investigador llegar a una conclusión y predecir los cambios que pueden ocurrir en el área de interés.
3. Las estadísticas descriptivas normalmente operan dentro de un área específica que contiene a toda la población objetivo.
4. Las estadísticas inferenciales generalmente toman una muestra de una población, especialmente si la población es demasiado grande para investigar.
