Palabras clave
Descriptiva
Ciencias Sociales
Educación
Datos
Sociedad
Categorías
Cómo citar
Resumen
En la era de la información, el conocimiento es poder. Pero este poder no radica únicamente en la acumulación de datos, sino en la capacidad de analizarlos, interpretarlos y convertirlos en decisiones informadas. Este libro, "Estadística Descriptiva Aplicada en Python para las Ciencias Sociales y Educativas", se concibe como una herramienta fundamental para estudiantes, investigadores y profesionales de las ciencias sociales y educativas que desean adquirir o reforzar habilidades en el análisis estadístico utilizando Python, uno de los lenguajes de programación más populares y poderosos en el campo del análisis de datos.
El propósito de este texto es doble. En primer lugar, aspiramos a proporcionar una comprensión sólida de los principios y métodos de la estadística descriptiva, que son la base para cualquier tipo de análisis estadístico. En segundo lugar, buscamos enseñar cómo aplicar estos conceptos utilizando Python, haciendo que los procesos de análisis sean más eficientes y reproducibles. Abordamos este desafío presentando ejemplos relevantes y actuales que resuenan con problemas y situaciones típicas en las ciencias sociales y la educación.
Nos enfocaremos en las medidas de tendencia central y dispersión, la construcción de tablas de frecuencias, y la interpretación de los resultados estadísticos a través de la visualización de datos. Asimismo, discutiremos cómo la correlación y la covarianza pueden revelar relaciones interesantes entre variables sociales y educativas.
Python se ha elegido por su simplicidad y potencia. A través de sus bibliotecas especializadas como NumPy, Pandas, Matplotlib y Seaborn, Python facilita la realización de análisis complejos y la visualización de datos de forma accesible para aquellos sin un fondo extenso en programación.
Cada capítulo de este libro está diseñado para construir su conocimiento de manera incremental, comenzando con los fundamentos y avanzando hacia técnicas más sofisticadas de análisis de datos. Además, hemos incluido un subtema de comprensión lectora al final de cada capítulo para reforzar el aprendizaje y asegurar la asimilación del material cubierto.
Este libro es más que un texto académico; es un compañero en su viaje hacia el dominio de las habilidades de análisis de datos en las ciencias sociales y educativas. Ya sea que se encuentre dando sus primeros pasos en estadística descriptiva o buscando profundizar su comprensión existente, "Estadística Descriptiva Aplicada en Python para las Ciencias Sociales y Educativas" está diseñado para ser un recurso valioso que le acompañará en su desarrollo profesional y académico.
Citas
Anghelache, C., Pârţachi, I., Anghel, M., Sacala, C., & Marinescu, A. (2016). Statistical-econometric Model for dispersion Analysis. Romanian Statistical Review Supplement, 64, 94-102.
Bhardwaj, A., & Sharma, K. (2013). Comparative Study of Various Measures of Dispersion. Journal of Advances in Mathematics, 1, 6-9. https://doi.org/10.24297/JAM.V1I1.6534
Bryant, W. C. (2019). Descriptive and Inferential Statistics. Companion Encyclopedia of Psychology. https://doi.org/10.4135/9781473920446.n5
Cooksey, R. (2020). Descriptive Statistics for Summarising Data. Illustrating Statistical Procedures: Finding Meaning in Quantitative Data, 61-139. https://doi.org/10.1007/978-981-15-2537-7_5
Dewey, M. (1992). Algorithms for frequency distributions: Efficiency and generality comparisons. Statistics and Computing, 2, 213-220. https://doi.org/10.1007/BF01889681
Dierbach, C. (2014). Python as a first programming language. Journal of Computing Sciences in Colleges, 29, 153-154.
Dong, Y. (2023). Descriptive Statistics and Its Applications. Highlights in Science, Engineering and Technology. https://doi.org/10.54097/hset.v47i.8159
Floridi, L., & Taddeo, M. (2016). What is data ethics? Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 374. https://doi.org/10.1098/rsta.2016.0360
Herschel, R., & Miori, V. M. (2017). Ethics & Big Data. Technology in Society, 49, 31-36. https://doi.org/10.1016/J.TECHSOC.2017.03.003
Johansson, R. (2018). Introduction to Computing with Python. Numerical Python. https://doi.org/10.1007/978-1-4842-0553-2_1
McKinney, W. (2010). Data Structures for Statistical Computing in Python. 56-61. https://doi.org/10.25080/MAJORA-92BF1922-00A
Nelli, F. (2015). The NumPy Library. 35-61. https://doi.org/10.1007/978-1-4842-0958-5_3
Nick, T. (2007). Descriptive statistics. Methods in molecular biology, 404, 33-52. https://doi.org/10.1007/978-1-59745-530-5_3
Samimi, H. (2013). Introduction to the Python programming language. Journal of Computing Sciences in Colleges, 29, 8-9.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2024 Marcelo Bernave Chancusig López, Guido Euclides Yauli Chicaiza, Guadalupe de las Mercedes López Castillo, José Antonio Andrade Valencia, Jhon Eduardo López Velasco