La estadística transforma datos en información útil. Permite describir lo que ocurrió, descubrir patrones y tomar decisiones fundamentadas al desarrollar software.
Los programas generan y procesan datos de manera constante: tiempos de respuesta, ventas, calificaciones, clics, errores, temperaturas, ubicaciones y muchas otras mediciones. Una lista de valores, por sí sola, suele ser difícil de interpretar.
La estadística es la disciplina que proporciona métodos para recolectar, organizar, resumir, analizar e interpretar datos. Su objetivo es convertir observaciones aisladas en información que permita comprender una situación y tomar decisiones.
Por ejemplo, registrar el tiempo de respuesta de una aplicación produce datos. Calcular el tiempo promedio, detectar respuestas anormalmente lentas y comparar dos versiones de la aplicación produce información útil.
Un análisis estadístico puede entenderse como un proceso ordenado:
Todo comienza con una pregunta concreta. Por ejemplo: ¿la nueva versión del sitio carga más rápido que la anterior? Luego se recolectan mediciones comparables, se revisa su calidad, se resumen y finalmente se interpretan.
La estadística no reemplaza el conocimiento del problema. Los resultados deben analizarse teniendo en cuenta cómo se obtuvieron los datos y qué limitaciones poseen.
La estadística se divide en dos grandes áreas que se complementan:
| Área | Objetivo | Ejemplo |
|---|---|---|
| Estadística descriptiva | Organizar y resumir los datos observados mediante tablas, gráficos y medidas numéricas. | Calcular el promedio de los tiempos de respuesta registrados durante una hora. |
| Estadística inferencial | Utilizar una parte de los datos para obtener conclusiones sobre un conjunto mayor y expresar la incertidumbre de esas conclusiones. | Estimar el tiempo de respuesta habitual de todos los usuarios a partir de una muestra. |
Describir los datos disponibles suele ser el primer paso. Inferir significa ir más allá de esos datos, por lo que requiere métodos que permitan evaluar qué tan confiables son las conclusiones.
Supongamos que medimos, en milisegundos, el tiempo de respuesta de una función en cinco ejecuciones:
Podemos resumir estas mediciones mediante la media aritmética:
La media indica el tiempo de respuesta promedio de las ejecuciones observadas. Sin embargo, no muestra por sí sola toda la información: también interesa saber cuánto varían los tiempos y si existe algún valor atípico. Esos conceptos se estudiarán más adelante.
En programación, la estadística permite medir el comportamiento real de sistemas y fundamentar decisiones técnicas. Algunas aplicaciones frecuentes son:
El siguiente programa calcula la media de una serie de tiempos de respuesta:
const tiempos = [120, 135, 128, 142, 125];
const suma = tiempos.reduce(
(acumulador, tiempo) => acumulador + tiempo,
0
);
const media = suma / tiempos.length;
console.log(`Tiempo promedio: ${media} ms`);El método reduce() suma todos los valores. Luego, la suma se divide por la cantidad de mediciones almacenada en tiempos.length. El resultado es 130.
Antes de realizar el cálculo en un programa real, debemos comprobar que el arreglo contenga datos, que todos sean numéricos y que utilicen la misma unidad de medida.
Estos tres conceptos están relacionados, pero no significan lo mismo:
Un cálculo correcto puede llevar a una conclusión equivocada si los datos no representan adecuadamente la situación o si se interpretan fuera de contexto.
La precisión de una técnica estadística no compensa datos deficientes. Antes de analizar, conviene revisar:
La conocida expresión “basura entra, basura sale” también se aplica a la estadística: un análisis basado en datos incorrectos producirá resultados poco confiables.
La estadística ayuda a describir patrones, cuantificar diferencias, estudiar relaciones y expresar incertidumbre. Sin embargo, sus resultados no deben interpretarse como verdades automáticas.
Es importante recordar que:
La estadística es el puente entre los datos y las decisiones. Para un programador, conocer sus fundamentos significa poder medir sistemas, interpretar resultados y construir soluciones basadas en evidencia, en lugar de depender únicamente de intuiciones.
En el próximo tema estudiaremos cómo surgió la estadística y cómo se aplica actualmente en distintas áreas.