Podcast sobre Repaso de Estadística y Programación Python

Kapitoly

¿Qué es la EPH?

La historia que cuenta un Boxplot

Del Boxplot al Histograma

Cuando los datos no son números

El código detrás del análisis

Diccionarios al Rescate

Llenando los Contenedores

Funciones y Brecha Salarial

El Impacto de los Números

El poder de un gráfico

Correlación y conclusiones

Resumen y despedida

Přepis

Alba: La mayoría de los estudiantes piensa que la estadística es solo un montón de números y gráficos aburridos en un libro de texto. Pero en realidad, son historias… historias sobre cómo vivimos, trabajamos y ganamos dinero en nuestro país.

Pablo: Exacto. Son como el detrás de escena de las noticias que vemos todos los días.

Alba: Estás escuchando Studyfi Podcast. Hoy vamos a decodificar una de las herramientas más importantes para entender esas historias: la Encuesta Permanente de Hogares.

Pablo: ¡Vamos a ello! La EPH, o Encuesta Permanente de Hogares, es básicamente una radiografía gigante de la sociedad argentina. El INDEC la realiza para saber qué onda con las características socioeconómicas de la gente en las ciudades.

Alba: O sea, ¿van casa por casa preguntando cosas?

Pablo: Algo así. Recogen datos sobre si la gente trabaja, cuánto gana, su edad, sexo... un montón de cosas. En los problemas de examen, a esas personas o familias encuestadas las llamamos las “unidades experimentales”.

Alba: Entendido. Y mencionaste el ingreso. ¿Ese es un dato numérico, verdad?

Pablo: Correcto. Es un dato cuantitativo continuo. “Cuantitativo” porque es un número, y “continuo” porque puede tomar cualquier valor en un rango. No ganas 200 o 201 mil pesos, podrías ganar 200 mil con cincuenta centavos.

Alba: Ojalá fueran más de cincuenta centavos. Y si tenemos los datos de miles de personas, ¿cómo empezamos a darles sentido?

Pablo: ¡Gran pregunta! Ahí es donde entran los gráficos. Imagina que tenemos los ingresos de 4000 personas. Ver 4000 números no nos dice nada. Pero si los metemos en un gráfico de caja, o boxplot... la cosa cambia.

Alba: Un boxplot. Suena como una caja misteriosa.

Pablo: ¡Es una caja con secretos! El boxplot te resume toda la distribución de los ingresos de forma súper visual. La caja del medio representa al 50% central de las personas. La línea que la divide es la mediana, el ingreso justo en el medio de todos.

Alba: Ok, entonces la caja es como la “clase media” de nuestros datos, por así decirlo.

Pablo: Exactamente. Y los “bigotes”, las líneas que salen de la caja, te muestran el rango de ingresos del resto de la gente, excluyendo los valores súper extremos, que a veces se marcan como puntitos.

Alba: En el gráfico del examen, veo que el bigote de la derecha es mucho más largo que el de la izquierda, y la caja no está en el centro. ¿Qué significa eso?

Pablo: ¡Buena observación! Eso nos dice que la distribución es asimétrica. Hay unas pocas personas que ganan mucho más que la gran mayoría. Esto crea una “cola” larga hacia la derecha.

Alba: Y si tuvieras que elegir el histograma que corresponde a ese boxplot, ¿buscarías uno con esa misma forma?

Pablo: ¡Bingo! Buscarías un histograma con la mayoría de las barras agrupadas a la izquierda (ingresos más bajos) y una cola que se estira hacia la derecha (esos pocos ingresos altos). Por eso en el examen, la opción correcta es la que tiene esa forma de “resbaladilla”.

Alba: ¡Me gusta esa analogía! Es fácil de recordar. Ahora, en el examen también dan una tabla con números: media, desviación estándar, 25%, 50%, 75%.

Pablo: Esos son los resúmenes numéricos. Y se conectan directamente con el boxplot. El 25% es donde empieza la caja, el 50% es la mediana (la línea de adentro), y el 75% es donde termina la caja.

Alba: ¡Ah, claro! Entonces, si el resumen numérico dice que el 25% es 703.16 miles de pesos…

Pablo: ...Significa que el 25% de las personas que menos ganan, ganan como máximo 703,160 pesos. Y si el 75% es 798.52…

Alba: ¡Ya entendí! El 25% de las personas con mayor salario gana como mínimo 798,520 pesos. Y el 50% central está justo entre esos dos valores. ¡La caja!

Pablo: ¡Lo tienes! Ves como no son solo números, es la historia de la distribución del ingreso.

Alba: Perfecto. Pero la EPH no solo mide ingresos. Mencionaste la “condición de actividad”. Eso no es un número, ¿o sí?

Pablo: No, para nada. Es un dato cualitativo nominal. “Cualitativo” porque describe una cualidad —Ocupada, Desocupada, Inactiva— y “nominal” porque no hay un orden jerárquico. No es que “Ocupado” sea matemáticamente mayor que “Inactivo”.

Alba: Y para este tipo de datos, usamos otros gráficos, ¿cierto? Como los de barras o los de torta.

Pablo: Exacto. Un diagrama de barras te muestra fácilmente la frecuencia de cada categoría. Por ejemplo, en el gráfico del examen vemos que la barra de “Ocupada” llega a 0.6. Eso es la frecuencia relativa.

Alba: O sea, el 60% de las personas encuestadas están ocupadas.

Pablo: ¡Justo eso! Y si te piden el gráfico de torta correspondiente, buscas el que le dé el trozo más grande (60%) a los ocupados, uno más chico a los inactivos (30%) y una porción pequeña a los desocupados (10%).

Alba: Tiene todo el sentido del mundo. Los gráficos realmente ayudan a ver la información de un vistazo.

Pablo: Totalmente. Pero para crear esos gráficos, primero hay que procesar los datos crudos. Y para eso… usamos código.

Alba: ¡El temido código! En el examen aparece un fragmento de Python que intenta calcular la tasa de actividad por sexo.

Pablo: Sí, “intenta” es la palabra clave, porque ese código tiene más problemas que una película de acción. Está lleno de errores.

Alba: ¿De qué tipo? ¿Errores de lógica o de escritura?

Pablo: ¡Ambos! Hay errores de sintaxis, que son como errores de ortografía para la computadora. Por ejemplo, falta una coma al llamar a una función, o faltan dos puntos en una estructura elif. La computadora ni siquiera entiende lo que le pides.

Alba: Ok, esos son los fáciles de encontrar, supongo. ¿Y los otros?

Pablo: Los otros son los “bugs”, los errores de lógica. Son más tramposos. El código puede correr sin explotar, pero te da un resultado totalmente incorrecto. Por ejemplo, la función calcular_tasa usa una división entera // en lugar de una división normal /, y ¡multiplica al revés! En vez de (activos / total) * 100, hace algo que no tiene ningún sentido.

Alba: ¡Qué desastre! Es como seguir mal una receta de cocina. Los ingredientes están, pero el resultado es incomible.

Pablo: ¡La mejor analogía! Y para colmo, al llamar la función para calcular la tasa de los varones, ¡le pasa los datos de las mujeres! Un caos total.

Alba: Queda claro que revisar el código es tan importante como entender la estadística. Menudo combo para un examen final.

Pablo: Pero es un combo poderoso. Si sabes manejar los datos y el código, puedes descubrir casi cualquier historia que los números esconden. Y de eso se trata todo esto.

Alba: ...y por eso entender las listas es tan fundamental. Pero, ¿qué pasa cuando los datos se vuelven más complejos? No todo cabe en una simple lista, ¿verdad?

Pablo: Exacto, Alba. Y ese es el siguiente paso natural. Cuando tenemos categorías, como por ejemplo, datos de diferentes regiones del país, necesitamos una herramienta más poderosa. Ahí es donde entran los diccionarios.

Alba: ¡Diccionarios! Suena a algo que usaría para buscar palabras.

Pablo: Es una buena analogía. Un diccionario en Python te permite guardar datos usando una "palabra clave" en lugar de un número de posición. En nuestro caso, en vez de un índice numérico, usamos el nombre de la región, como "NOA" o "PATAGONIA".

Alba: Ah, ya veo. Entonces, creamos un diccionario para los activos por región y otro para el total de personas por región, y al principio todos los valores son cero.

Pablo: Precisamente. Son como... contenedores vacíos que estamos preparando. Tenemos un contenedor para cada región, listos para empezar a contar personas.

Alba: ¿Y cómo empezamos a llenarlos? Veo que hay un bucle for en el código. ¿Eso es para recorrer todos los datos de la encuesta?

Pablo: ¡Disté en el clavo! El bucle for es nuestro trabajador incansable. Va persona por persona, mira en qué región vive y, usando una serie de if y elif, la clasifica y la suma al contenedor correcto.

Alba: O sea, el if pregunta: "¿Esta persona es de la región pampeana?" Si es sí, la suma al total de PAMPEANA. Si no, pasa a la siguiente pregunta.

Pablo: Exacto. Y no solo suma al total, sino que también verifica si la persona está activa laboralmente. Si lo está, también la suma al diccionario de activos_por_region. Así, al final, tenemos ambos totales para cada zona.

Alba: Entendido. Es una forma muy organizada de separar y contar. Ahora, veo que el siguiente ejercicio es un poco diferente. Pide crear una función para analizar ingresos por sexo.

Pablo: Sí, y este es un excelente ejemplo de cómo podemos encapsular una lógica específica. Una función es como una mini-máquina que construimos para hacer una tarea repetitiva. En este caso, la tarea es calcular el ingreso promedio de hombres y mujeres que están ocupados.

Alba: ¿Y por qué es útil una función aquí? ¿No podríamos hacerlo como antes?

Pablo: Podríamos, pero la función lo hace más limpio y reutilizable. La llamamos ingresos_ocupados_por_sexo. Le das las tres listas —estado, sexo e ingresos— y te devuelve un diccionario prolijo con el resultado: el promedio para "varones" y el promedio para "mujeres".

Alba: ¡Qué práctico! Así que la función hace todo el trabajo sucio de recorrer, filtrar por quienes están ocupados, separar por sexo y calcular el promedio.

Pablo: Exacto. Todo el "trabajo sucio" queda dentro de la función. Nosotros solo la llamamos y obtenemos el resultado final, listo para usar.

Alba: Y una vez que tenemos esos promedios... el código calcula la diferencia absoluta y la relativa. ¿Por qué necesitamos ambas?

Pablo: Gran pregunta. La diferencia absoluta, digamos 20 mil pesos, te da una cifra concreta. Es el dinero real de diferencia. Pero la diferencia relativa, expresada en porcentaje, te da el contexto.

Alba: Claro. No es lo mismo una diferencia de 20 mil si los sueldos son de 50 mil que si son de 500 mil.

Pablo: Justamente. El porcentaje nos dice qué tan grande es esa brecha en proporción al ingreso más bajo. Nos da una medida del impacto real. Y mostrar ambos números cuenta una historia mucho más completa sobre la desigualdad de ingresos.

Alba: Wow. Es increíble cómo unas pocas líneas de código pueden revelar tanto. Pasamos de datos crudos a una historia con impacto social.

Pablo: Ese es el poder del análisis de datos. Y ahora que sabemos cómo calcular estas métricas, el siguiente paso lógico es aprender a visualizarlas. ¿Qué te parece si hablamos de gráficos?

Alba: ¡Uf, qué denso el tema anterior! Para nuestro último punto, Pablo, vamos a algo un poco más visual, ¿te parece?

Pablo: ¡Me parece perfecto! Hablemos de estadística descriptiva y gráficos. Imagina que vemos la relación entre el ingreso de un hogar y las horas que trabaja la jefa o jefe de familia.

Alba: Ok, ambos son números, ¿no? O sea, datos cuantitativos.

Pablo: Exacto. Y por eso, el gráfico correcto para ver la relación es un gráfico de dispersión. Te deja ver el patrón a simple vista.

Alba: Y el patrón es súper claro. Parece que a más horas, mayor es el ingreso. Pero, ¿qué tan fuerte es esa conexión?

Pablo: ¡Buena pregunta! Para eso usamos el coeficiente de correlación. En este caso es 0.73, que es una correlación positiva bastante fuerte.

Alba: Entiendo. Y la media de horas es de unas 40 por semana. Casi una jornada laboral estándar.

Pablo: Sí, y un dato interesante es que su media y mediana son muy parecidas, lo que sugiere que no hay valores extremos que distorsionen el promedio.

Alba: O sea, la conclusión es simple: los datos sugieren que a mayor trabajo, mayor ingreso.

Pablo: ¡Esa es la historia que cuenta el gráfico!

Alba: Pues con esto cerramos. Desde probabilidades hasta análisis de gráficos... creo que cubrimos muchísimo hoy.

Pablo: Totalmente. El mensaje clave es que la estadística nos ayuda a entender el mundo con datos, no solo con opiniones.

Alba: ¡Exacto! Muchísimas gracias por escucharnos. Esto fue Studyfi Podcast, ¡hasta la próxima!

Pablo: ¡Nos vemos!