En estadística nos encontramos con las llamadas medidas de centralización. Son cálculos que permiten conocer los valores más representativos de una variable, así como resumirla en un solo número. La media aritmética, la mediana y la moda son valores de estas medidas de centralización que ofrecen información muy valiosa en el momento de estudiar un conjunto de datos.
Luego nos encontramos con las medidas de dispersión, que nos permiten saber cuánto puede variar una muestra de la variable en relación a la media. Vaya que si un valor está muy lejos de la media nos encontramos con una distribución muy poco homogénea.
Si bien las anteriores son medidas que permiten conocer cómo es un conjunto de datos, a veces no son buenas medidas para diferenciar distintos conjuntos de datos. En el siguiente gráfico compartido por @MaxCRoser nos muestra 4 conjuntos de datos distintos, que a la vez tienen la misma media y varianza (establece la variabilidad de la variable aleatoria), pero también el mismo modelo de regresión. Esto nos indica cómo de importante es la visualización de datos como complemento al análisis de los mismos.
These 4 data sets all have the same mean and variance. http://t.co/YbFFR8bEO7 So visualize your Data! pic.twitter.com/pScyE43jQX
— Max Roser (@MaxCRoser) septiembre 2, 2015
Fuente de la imagen: Designed by Freepik