Estadística descriptiva e inferencial: diferencias y ejemplos para tu TFG

La estadística descriptiva e inferencial son las dos partes en que se divide el análisis de datos de una investigación. La descriptiva resume lo que hay en tu muestra (medias, porcentajes, dispersión, gráficos); la inferencial usa esos datos para estimar o poner a prueba algo sobre una población más amplia. En un TFG casi siempre necesitas las dos, y en este orden: primero describes, después infieres. Abajo tienes la diferencia aplicada a un mismo estudio de ejemplo, cómo montar el capítulo de resultados y los errores que más se ven en las defensas.

Esquema de población, muestra, estadística descriptiva e inferencial

Población (conjunto total) Muestra (subconjunto) muestra Estadística descriptiva: resume la muestra inferencial generaliza Estadística inferencial: generaliza a la población

Qué es cada una en una frase

Estadística descriptiva es el conjunto de técnicas que organizan, resumen y representan los datos observados en una muestra, sin sacar conclusiones más allá de esos datos. Estadística inferencial es el conjunto de técnicas que, a partir de una muestra, estima parámetros de la población o contrasta hipótesis, siempre con un margen de error declarado.

La frontera es práctica: si tu frase habla solo de «los 180 estudiantes encuestados», es descriptiva; si habla de «los estudiantes de la facultad» o de «la relación en la población», estás infiriendo y necesitas un procedimiento inferencial que lo respalde.

Tabla comparativa: descriptiva frente a inferencial

AspectoEstadística descriptivaEstadística inferencial
ObjetivoResumir y visualizar los datos de la muestraGeneralizar a la población o contrastar hipótesis
Pregunta que responde¿Cómo son mis datos? ¿Cuánto varían? ¿Qué forma tienen?¿Puedo afirmar que esto ocurre en la población? ¿Hay diferencia real entre grupos?
Medidas o pruebas típicasMedia, mediana, moda, desviación típica, rango intercuartílico, frecuencias, porcentajes, asimetría, curtosisIntervalos de confianza, contraste t, ANOVA, chi-cuadrado, correlación con su p-valor, regresión
Qué se informaEstadísticos de la muestra con sus unidades y nEstimación, error típico, intervalo de confianza, estadístico de contraste, gl, p y tamaño del efecto
Depende de la muestraCambia si cambias la muestra, pero no pretende ir más alláAsume un muestreo y un modelo; el resultado es probabilístico
Riesgo principalDescribir con la medida equivocada (media con datos muy asimétricos, por ejemplo)Concluir sin comprobar supuestos o interpretar el p-valor como probabilidad de que la hipótesis sea cierta
La descriptiva no es un trámite previo que se quita de en medio: es la que te dice si la prueba inferencial que pensabas usar es adecuada. Una media con una desviación típica mayor que la propia media, o un histograma con dos jorobas, te obligan a cambiar el plan.

Un mismo estudio, contado dos veces

Imagina una encuesta a 180 estudiantes de grado de una facultad sobre horas de estudio semanales, uso de una plataforma de prácticas y satisfacción con la docencia (escala de 1 a 10). Es un ejemplo inventado para mostrar el orden, no un estudio real.

Paso 1: la parte descriptiva

Antes de cualquier prueba, describes cada variable y cómo se comporta con las demás:

  • Horas de estudio: media 11,4 h/semana, mediana 10, desviación típica 6,2, mínimo 1, máximo 32. El histograma muestra una cola a la derecha: hay pocos estudiantes con muchas horas que suben la media por encima de la mediana.
  • Uso de la plataforma: 62 % la usa al menos una vez por semana, 24 % menos de una vez, 14 % nunca. Frecuencias y porcentajes con el n de cada categoría.
  • Satisfacción: media 6,8, mediana 7, desviación típica 1,9, con un 18 % de respuestas de 5 o menos.
  • Cruce descriptivo: tabla de horas de estudio por sexo y por curso, y gráfico de dispersión entre horas de estudio y satisfacción. Solo mirando el gráfico ya se intuye una relación débil y positiva.

Con esto respondes a «cómo son mis 180 estudiantes». Nada más. Cualquier afirmación sobre el resto de la facultad queda pendiente.

Paso 2: la parte inferencial

Ahora formulas preguntas sobre la población y las contrastas:

  1. Estimar la media poblacional de horas de estudio. Con la media muestral y su error típico construyes un intervalo de confianza al 95 %. Si el intervalo va, por ejemplo, de 10,5 a 12,3 h, informas ese rango, no solo el 11,4.
  2. Comparar dos grupos. ¿Difieren las horas de estudio entre quienes usan la plataforma semanalmente y quienes no? Una prueba t para muestras independientes (o su versión no paramétrica si los datos se alejan de la normalidad) te da la diferencia, su intervalo y el p-valor.
  3. Relacionar dos variables. ¿Hay asociación entre horas de estudio y satisfacción? Una correlación de Pearson con su p-valor y su intervalo de confianza; si la relación no es lineal, un coeficiente de Spearman.
  4. Controlar otras variables. Si sospechas que el curso influye, una regresión lineal con horas de estudio como variable dependiente y uso de plataforma y curso como predictores te separa los efectos.

La redacción cambia por completo: «la diferencia observada fue de 2,1 h (IC 95 %: 0,4 a 3,8; t = 2,47; gl = 178; p = 0,014; d = 0,37)». Ese es el formato que se espera en un TFG y el que se explica en resultados en formato APA.

Un p-valor pequeño no mide la importancia del hallazgo ni la probabilidad de que tu hipótesis sea verdadera. Con muestras grandes, diferencias triviales salen significativas. Informa siempre el tamaño del efecto y el intervalo de confianza junto al p-valor.

Cómo se ordenan en el capítulo de resultados

La estructura que funciona en tribunales de grado y máster sigue el mismo recorrido que acabas de ver: de lo general a lo específico, y de describir a contrastar.

BloqueQué incluyeExtensión orientativa
1. Participantes y datosn final, pérdidas, variables y cómo se midieron1–2 párrafos
2. Descriptivos univariadosTabla por variable: n, media o mediana, dispersión, frecuencias si es categórica1 tabla + 1 párrafo
3. Descriptivos bivariadosCruces entre variables, gráficos de dispersión o de cajas1–2 tablas o figuras
4. Comprobación de supuestosNormalidad, homogeneidad de varianzas, independencia1 párrafo breve
5. Contraste de hipótesisUna prueba por objetivo, con estadístico, gl, p, tamaño del efecto e IC1 tabla por bloque de objetivos
6. SíntesisQué se acepta y qué no, en relación con los objetivos, sin repetir cifras1 párrafo

Un esquema que puedes copiar en tu borrador: objetivo → variable(s) implicadas → descriptivo de esas variables → supuestos → prueba → resultado en APA → lectura en una frase. Si un objetivo no tiene prueba asociada, o sobra o te falta un contraste.

Plantilla para llevar el control de cada contraste antes de redactar. Rellena una fila por objetivo y revísala con tu tutor: evita llegar a la defensa con pruebas que no responden a ningún objetivo.

ObjetivoVariablesDescriptivo previoSupuestos comprobadosPrueba y resultado

Errores frecuentes (y cómo se corrigen)

Sacar conclusiones generales sin inferencia

Es el error más grave y el más habitual. Si tu muestra son 180 estudiantes y escribes «los estudiantes de la facultad estudian 11,4 horas», has generalizado sin intervalo de confianza ni contraste. Corrígelo de dos formas: o reformulas en clave descriptiva («los 180 estudiantes encuestados declaran una media de…») o haces la estimación inferencial y la informas como tal.

Lanzar pruebas sin describir antes los datos

Un contraste sin descriptivos previos es una caja negra. El lector no sabe si la media representa al grupo, si hay valores atípicos que arrastran el resultado o si la variable tiene una distribución incompatible con la prueba elegida. La secuencia descriptivo → supuestos → contraste no es un capricho de manual: es lo que permite interpretar el resultado.

Elegir la prueba por costumbre y no por diseño

La prueba depende del número de grupos, del tipo de variables, de si las observaciones son independientes o repetidas y de si se cumplen los supuestos. Si dudas, la guía cómo elegir la prueba estadística te lleva por un árbol de decisión con los casos más comunes en TFG.

Confundir significación con relevancia

Un resultado significativo con un tamaño del efecto mínimo no justifica recomendaciones. Y al contrario: un resultado no significativo con una muestra pequeña no demuestra que no exista diferencia, solo que no tienes evidencia suficiente para afirmarla.

Presentar descriptivos sin medidas de dispersión

Una media sola engaña. Acompaña siempre con desviación típica o rango intercuartílico, y con el n. En variables categóricas, porcentajes con el denominador explícito.

Qué programa usar y por dónde empezar

Para la parte descriptiva, jamovi es gratuito, legal y suficiente para un TFG: tablas de frecuencias, medidas de tendencia central y dispersión, histogramas y diagramas de cajas en pocos clics. Tienes el recorrido paso a paso en estadística descriptiva en jamovi. Para la inferencial, el mismo programa cubre pruebas t, ANOVA, chi-cuadrado y correlaciones, y exporta las tablas que luego pegas en el capítulo de resultados.

Antes de abrir el programa, ten claro el plan: qué objetivos tienes, qué variables los miden y qué prueba corresponde a cada uno. Ese documento de una página te ahorra horas de pruebas exploratorias que luego no sabes cómo justificar.

Preguntas frecuentes

¿Necesito las dos en un TFG?

Si tu trabajo se limita a describir una situación concreta, la descriptiva puede bastar. En cuanto quieras comparar grupos, relacionar variables o generalizar, necesitas la inferencial. La mayoría de TFG empíricos usan ambas.

¿Cuál va primero en el capítulo de resultados?

La descriptiva. Primero describes la muestra y las variables, después compruebas supuestos y al final contrastas. Invertir el orden deja al lector sin contexto para interpretar los contrastes.

¿Puedo usar estadística inferencial con una muestra pequeña?

Puedes, pero con cautela: los intervalos serán amplios y la potencia baja. Con muestras muy pequeñas conviene usar pruebas no paramétricas y evitar conclusiones firmes. Indica siempre el n y reconoce la limitación.

¿Qué es un intervalo de confianza y por qué aparece en la inferencial?

Es un rango de valores plausibles para el parámetro poblacional, construido con un nivel de confianza (habitualmente el 95 %). Aporta más información que el p-valor porque muestra la magnitud y la precisión de la estimación.

¿Un p-valor de 0,04 significa que la hipótesis es cierta?

No. Indica que, si la hipótesis nula fuera cierta, observar un resultado como el tuyo (o más extremo) tendría una probabilidad del 4 %. La decisión de aceptar o rechazar se toma con ese dato y con el diseño del estudio, no solo con el número.

¿Cómo presento los descriptivos si mi variable es ordinal?

Con mediana, rango intercuartílico y frecuencias. La media de una escala ordinal no tiene una interpretación clara, aunque se vea con frecuencia en trabajos publicados.

Sigue con las guías de metodología

Esta página forma parte de las guías de estadística para tu TFG, donde tienes el resto de temas ordenados por fase: diseño, recogida de datos, análisis y redacción. Si estás montando el capítulo de resultados, el siguiente paso lógico es revisar el formato APA de las tablas y, si aún no has decidido la prueba, el árbol de decisión.