[12]Estadística para analistas
Distinguir lo real del ruido: descriptivos, dispersión, correlación, sesgos, intervalos de confianza y p-valores.
Media, mediana, moda: y cuándo cada una miente
La media no es el resumen. Cuándo usar cada medida de centralidad y por qué la media del CEO engaña a toda la oficina.
Tasas frente a recuentos: normalizar e indexar a base 100
Madrid vende más que Soria, pero convierte peor por visita. La diferencia entre absolutos y tasas, y cómo comparar cosas de distinto tamaño.
Dispersión: desviación, percentiles y el boxplot
La media dice dónde está el centro; la dispersión dice cuánto se fían de ese centro los datos reales. Rango, varianza, desviación típica, percentiles, IQR y el boxplot como resumen visual.
Distribuciones: qué forma tienen tus datos y por qué te importa
Normal, sesgada, bimodal, power law: el histograma es lo primero que miras, y la forma de los datos decide qué estadístico puedes usar sin mentir.
Correlación no es causalidad: el error más caro
Dos variables suben juntas. ¿Una causa la otra? Casi nunca. Cómo calcular correlación, detectar variables confusoras y no vender humo al stakeholder.
Tres sesgos que te van a engañar: supervivencia, selección, Simpson
Los tres errores de razonamiento que entregan conclusiones falsas con datos correctos. Cómo detectarlos antes de que tu stakeholder tome una decisión equivocada.
Intervalos de confianza: la incertidumbre honesta
No es 4,2%. Es entre 3,8% y 4,6% con un 95% de confianza. Qué significa eso de verdad, por qué importa, y cómo se calcula.
¿Es real o es ruido? Significancia estadística para analistas
La conversión subió del 3,2% al 3,5%. Antes de descorchar: ¿es un cambio real o una fluctuación aleatoria? p-valores, tests A/B y cómo traducir significativo al lenguaje de decisión.
Diseñar un experimento: A/B testing desde la pregunta
El equipo cree que el botón naranja convierte más. Antes de tocar nada: qué hipótesis planteamos, cuántos usuarios necesitamos, cuánto tiempo esperamos, y los errores que invalidan un test antes de empezar.
Leer resultados y decidir: el test terminó, ¿y ahora qué?
El test ha terminado y tienes un p-valor, un intervalo de confianza y una diferencia en puntos porcentuales. Ahora viene lo difícil: convertir esos números en una decisión de negocio que alguien pueda defender.