Estadística descriptiva en investigación: qué reportar y por qué

Tienes la encuesta cerrada, la hoja de cálculo llena y una consigna que pide “presentar los resultados descriptivos”, pero no está claro si basta con poner una media, si hacen falta porcentajes, o si la desviación estándar va en una tabla aparte. La estadística descriptiva en investigación suele parecer una parte menor del trabajo, hasta que el tutor marca comentarios como “faltan descriptivos”, “no se entiende la muestra” o “no justifica la prueba elegida”. El problema no es solo calcular números: es decidir cuáles ayudan al lector a entender los datos, cuáles sobran y cómo conectarlos con tus variables, tu metodología y tus preguntas de investigación.

La estadística descriptiva en investigación resume la muestra y las variables antes de hacer comparaciones, correlaciones o modelos. Debes reportar los estadísticos que correspondan al tipo de variable: frecuencias y porcentajes para categorías, media y desviación estándar para variables numéricas con distribución razonablemente simétrica, y mediana con rango intercuartílico cuando hay asimetría o valores extremos. Una buena sección descriptiva permite que el lector vea qué datos tienes, si son plausibles y qué análisis posteriores tienen sentido.

En esta guía

• ¿Qué es la estadística descriptiva en investigación y para qué sirve?
• ¿Qué estadísticos descriptivos reportar según el tipo de variable?
• ¿Cómo reportar estadística descriptiva sin llenar el trabajo de números?
• ¿Cómo construir una tabla de estadísticos descriptivos que se entienda?
• ¿Cómo interpretar media y desviación estándar sin exagerar?
• ¿Cómo cambia el reporte según psicología, salud, educación o empresa?
• ¿Qué errores cometen los estudiantes al reportar estadística descriptiva?
• ¿Cómo revisar la sección antes de pasar al análisis inferencial?

¿Qué es la estadística descriptiva en investigación y para qué sirve?

La estadística descriptiva en investigación es el conjunto de medidas que resume una muestra, una variable o una distribución de datos. Sirve para mostrar “qué hay” en los datos antes de afirmar si hay diferencias, relaciones o efectos. En un trabajo académico, ayuda a que el lector evalúe el tamaño de la muestra, la composición de los grupos y el comportamiento básico de las variables.

La descripción viene antes de la explicación

Estadística descriptiva significa resumir datos observados sin inferir todavía lo que ocurre en una población más amplia. Si dices que el 62% de los participantes son mujeres, que la edad media es 21.4 años o que la puntuación mediana de satisfacción es 4 sobre 5, estás describiendo tus datos. No estás probando una hipótesis; estás preparando el terreno para que el análisis posterior tenga contexto.

Este paso parece sencillo, pero afecta a decisiones metodológicas. Una correlación entre estrés y rendimiento académico no se entiende igual si la muestra tiene 35 estudiantes de una misma asignatura que si tiene 420 estudiantes de varias facultades. Una comparación entre dos grupos tampoco se interpreta bien si un grupo tiene 18 casos y el otro 160. Por eso, antes de elegir o justificar una prueba, conviene tener clara la relación entre variables, indicadores y medición.

Qué le permite ver al lector

La estadística descriptiva responde preguntas prácticas: cuántos casos hay, cómo se distribuyen las respuestas, si hay datos perdidos, si los grupos son comparables y si una variable tiene valores extremos. También permite detectar problemas antes de escribir resultados más ambiciosos. Por ejemplo, si una escala de ansiedad va de 1 a 5 y la media aparece como 7.2, hay un error de codificación.

En trabajos de grado/licenciatura y máster/maestría, el objetivo no es impresionar con muchas medidas, sino seleccionar las que aclaran el diseño. Una sección descriptiva breve, ordenada y coherente suele ser mejor que tres páginas de tablas sin comentario.

¿Qué estadísticos descriptivos reportar según el tipo de variable?

Debes elegir los estadísticos descriptivos según el nivel de medición de cada variable. Para variables nominales u ordinales simples, reporta frecuencias y porcentajes; para variables numéricas, reporta media y desviación estándar si la distribución es razonablemente simétrica, o mediana y rango intercuartílico si hay asimetría. También conviene indicar el número válido de casos cuando hay datos perdidos.

Variables categóricas: frecuencias y porcentajes

Una variable categórica clasifica los casos en grupos, como sexo, modalidad de estudio, tipo de contrato, facultad, diagnóstico o país. En este caso, lo más útil suele ser reportar frecuencia, que es el número de casos en cada categoría, y porcentaje, que indica qué proporción representa cada categoría dentro de la muestra.

Ejemplo: en un estudio sobre hábitos de sueño en estudiantes, “modalidad de residencia” podría tener las categorías “vive con familia”, “residencia universitaria”, “piso compartido” y “vive solo/a”. Una buena descripción diría cuántas personas hay en cada categoría y qué porcentaje representan. No tendría sentido calcular una media de esas categorías, porque los números asignados serían códigos, no cantidades reales.

Variables numéricas: centro y dispersión

Una variable numérica expresa una cantidad: edad, nota media, horas de estudio, puntuación en una escala, presión arterial o ingresos mensuales. Para estas variables, normalmente se informa una medida de centro y una medida de dispersión. La media es el promedio aritmético; la desviación estándar indica cuánto se alejan los valores, en promedio aproximado, de esa media.

La frase “media y desviación estándar” aparece mucho en consignas porque es una pareja frecuente en datos cuantitativos. Pero no siempre es la mejor. Si las respuestas están muy sesgadas, como ingresos o número de ausencias, la mediana puede representar mejor el centro de la distribución. La mediana es el valor que queda en el centro al ordenar todos los datos; el rango intercuartílico muestra la distancia entre el 25% y el 75% central de los casos.

Tabla rápida de decisión

Tipo de variable	Ejemplo concreto	Qué reportar normalmente	Qué evitar
Nominal	Facultad: salud, ingeniería, educación	n y % por categoría	Media de códigos numéricos
Ordinal breve	Satisfacción: baja, media, alta	n y %, a veces mediana	Tratarla como escala continua sin justificar
Numérica simétrica	Edad de estudiantes de primer curso	Media y desviación estándar	Solo media, sin dispersión
Numérica asimétrica	Número de faltas en el semestre	Mediana y rango intercuartílico	Media como si representara a todos
Escala compuesta	Puntuación total de estrés académico	Media, desviación estándar, rango posible	No explicar qué significa la escala

Esta tabla no sustituye la orientación de tu asignatura, pero sí evita el error de aplicar la misma medida a todo. Si todavía no tienes claro el tipo de variable, revisa primero la codificación y el nivel de medición.

¿Cómo reportar estadística descriptiva sin llenar el trabajo de números?

Para reportar estadística descriptiva con claridad, combina una tabla compacta con un texto breve que señale los patrones principales. No repitas en el párrafo todos los números de la tabla; interpreta solo los datos que ayudan a entender la muestra, las variables clave o las decisiones de análisis. El lector debe poder encontrar el detalle en la tabla y la lectura general en el texto.

Un proceso breve para decidir qué incluir

Antes de copiar resultados de un programa estadístico, conviene seguir un orden. Este proceso funciona para encuestas, bases secundarias y pequeños estudios empíricos de asignatura:

1. Identifica las variables centrales de tu pregunta de investigación.
2. Clasifica cada variable como categórica, ordinal o numérica.
3. Revisa si hay datos perdidos o códigos extraños.
4. Elige las medidas descriptivas adecuadas para cada tipo de variable.
5. Decide qué irá en tabla y qué se comentará en el texto.
6. Comprueba que los descriptivos apoyan la metodología y el análisis posterior.

Este orden evita que la sección se convierta en un volcado de software. Si tu trabajo todavía está en fase de diseño, puede ayudarte revisar el flujo visual para elegir la metodología de investigación, porque la forma de describir datos depende de cómo los has recogido.

Tabla frente a texto

La tabla sirve para agrupar información. El texto sirve para orientar la lectura. Una regla práctica: si un dato es necesario para comparar, comprobar o localizar, ponlo en tabla; si un dato tiene una implicación para el argumento, coméntalo en el texto.

Por ejemplo, no hace falta escribir: “El 52.3% eran mujeres, el 46.1% hombres y el 1.6% prefirió no responder” si eso ya está en la tabla y no afecta al análisis. En cambio, sí conviene decir: “La mayoría de participantes cursaba primer o segundo año, por lo que los resultados describen principalmente experiencias iniciales de adaptación universitaria”.

Versión débil frente a versión más sólida

Versión débil de estudiante	Reescritura más sólida
“Se calcularon descriptivos de todas las variables y los resultados fueron normales.”	“Se calcularon frecuencias y porcentajes para las variables categóricas, y media y desviación estándar para las puntuaciones de estrés académico y rendimiento. La distribución de horas de estudio fue asimétrica, por lo que se reportó mediana y rango intercuartílico.”
“La muestra está bien distribuida.”	“La muestra incluyó 128 estudiantes: 71 mujeres, 54 hombres y 3 participantes que no indicaron género. La mayoría cursaba segundo año, lo que limita la comparación entre cursos superiores.”
“La media fue alta.”	“La puntuación media de satisfacción fue 4.1 en una escala de 1 a 5, lo que sugiere una valoración positiva dentro de esta muestra.”

La diferencia no está en usar palabras más complejas, sino en decir qué se calculó, sobre qué variable y con qué criterio.

¿Cómo construir una tabla de estadísticos descriptivos que se entienda?

Una tabla de estadísticos descriptivos debe ser compacta, legible y coherente con el tipo de variable. Incluye nombres claros de variables, tamaño válido de muestra, medida de centro, medida de dispersión y, cuando corresponda, frecuencias o porcentajes. Evita tablas copiadas directamente del software si tienen abreviaturas, decimales excesivos o columnas que no usas.

Elementos mínimos de una buena tabla

Una tabla de estadísticos descriptivos no tiene que mostrar todo lo que calcula el programa. Para variables numéricas, suele bastar con columnas como “n”, “media”, “desviación estándar”, “mínimo” y “máximo”. Para variables categóricas, conviene una tabla separada con “categoría”, “n” y “%”. Mezclar demasiadas variables de naturaleza distinta en una sola tabla puede confundir.

Ejemplo de tabla para variables numéricas:

Variable	n válido	Media	Desviación estándar	Mín.–Máx.
Edad	146	20.8	2.4	18–31
Horas de estudio semanales	144	9.6	5.1	1–28
Estrés académico	142	3.4	0.8	1.2–4.9

Si las variables no comparten escala, añade una nota breve en el texto. Una media de 3.4 no significa nada si el lector no sabe que la escala va de 1 a 5.

Decimales, notas y nombres de variables

En trabajos académicos de grado/licenciatura y máster/maestría, dos decimales suelen ser suficientes para medias y desviaciones estándar. Si la unidad es una persona o un caso, no uses decimales: no hay 71.5 participantes. Mantén el mismo número de decimales dentro de una columna para que la tabla se lea de forma ordenada.

Los nombres de variables deben ser comprensibles. En vez de “Q12_total”, usa “Satisfacción con la docencia”. En vez de “var_edad_rec”, usa “Grupo de edad”. Si trabajas con encuestas, la estructura visual de ítems, escala y datos en una encuesta académica puede ayudarte a separar ítems individuales, escalas compuestas y variables finales.

Qué no conviene copiar del software

Muchos programas exportan columnas como error estándar, varianza, curtosis o asimetría. Esas medidas pueden ser útiles en ciertos análisis, pero no siempre pertenecen a la tabla principal. Si no vas a interpretar una columna, probablemente no debe aparecer.

Tampoco copies etiquetas incompletas, códigos internos o filas de “missing system” sin explicar. Si hay datos perdidos, indica el n válido por variable o añade una nota: “Los porcentajes se calcularon sobre casos válidos”. Esa frase evita que el lector crea que hay errores cuando los totales no coinciden.

¿Cómo interpretar media y desviación estándar sin exagerar?

La media indica el valor promedio de una variable y la desviación estándar muestra cuánta variación hay alrededor de ese promedio. Al interpretarlas, menciona la escala de medición, el rango posible y si la dispersión parece baja, moderada o alta en relación con esa escala. No uses la media para afirmar causalidad ni para describir todos los casos como si fueran iguales.

Leer la media en su escala

La media solo se entiende dentro de su escala. Una media de 3.8 puede ser alta si la escala va de 1 a 4, pero moderada si va de 1 a 7. Por eso, una frase sólida incluye el rango: “La motivación académica presentó una media de 3.8 en una escala de 1 a 5”.

En psicología o ciencias sociales, por ejemplo, una escala de bienestar puede tener varios ítems sumados o promediados. Si el instrumento usa opciones de 1 “totalmente en desacuerdo” a 5 “totalmente de acuerdo”, conviene explicar si la puntuación final representa mayor bienestar, mayor malestar o mayor acuerdo. Sin esa aclaración, la media queda flotando.

Leer la desviación estándar con cuidado

La desviación estándar muestra dispersión. Una desviación estándar pequeña sugiere que los casos están relativamente agrupados cerca de la media; una desviación grande sugiere respuestas más heterogéneas. Pero “grande” o “pequeña” depende de la escala. Una desviación estándar de 1.2 puede ser amplia en una escala de 1 a 5 y pequeña en una escala de 0 a 100.

No escribas “la desviación estándar demuestra que la variable es significativa”. La significación estadística pertenece a pruebas inferenciales, no a la descripción. Tampoco escribas que “todos los estudiantes tuvieron una motivación alta” si la desviación estándar muestra variación. Una mejor lectura sería: “La media indica una motivación relativamente alta, aunque la desviación estándar muestra diferencias apreciables entre participantes”.

Comparación antes y después de revisar

Reporte problemático	Reporte más claro
“La media de ansiedad fue 2.9 y la desviación estándar 1.1, por tanto hay ansiedad.”	“La puntuación media de ansiedad fue 2.9 en una escala de 1 a 5, con una desviación estándar de 1.1. Esto sugiere niveles medios y una variación relevante entre estudiantes.”
“El grupo A fue mejor porque tuvo media 7.4.”	“El grupo A obtuvo una media de 7.4 sobre 10, frente a 6.9 en el grupo B. Esta diferencia descriptiva debe contrastarse con una prueba estadística antes de interpretarla como diferencia sistemática.”
“La desviación estándar es baja.”	“La desviación estándar fue 0.3 en una escala de 1 a 5, lo que indica respuestas bastante concentradas alrededor de la media.”

Si después de describir quieres comparar grupos o relacionar variables, consulta un recurso específico como el diagrama visual para elegir una prueba estadística. La descripción no reemplaza la prueba; la prepara.

¿Cómo cambia el reporte según psicología, salud, educación o empresa?

El núcleo es el mismo, pero cada campo tiende a priorizar variables distintas. En psicología y ciencias sociales se describen escalas, grupos y características sociodemográficas; en salud se añaden variables clínicas o de cuidado; en educación y empresa se suelen describir cursos, rendimiento, perfiles laborales o indicadores de gestión. La clave es reportar lo necesario para entender tu pregunta y tu muestra.

Psicología y ciencias sociales

Imagina un trabajo sobre relación entre estrés académico y uso de redes sociales en estudiantes de primer año. La sección descriptiva debería incluir edad, género si es relevante, curso, horas de uso diario de redes, puntuación de estrés y quizá rendimiento autopercibido. Para género o curso, usarías n y porcentajes; para estrés, media y desviación estándar si la escala se comporta de forma razonablemente simétrica.

Una redacción adecuada podría decir: “La muestra estuvo compuesta por 180 estudiantes de primer año, con una edad media de 19.3 años. La puntuación media de estrés académico fue 3.6 sobre 5, con una desviación estándar de 0.7”. Esa información ayuda a interpretar después una correlación, pero no afirma todavía que las redes causen estrés.

Ciencias de la salud y enfermería

En un estudio de enfermería sobre adherencia a la medicación en pacientes mayores dados de alta a atención domiciliaria, los descriptivos podrían incluir edad, sexo, número de medicamentos prescritos, días desde el alta, presencia de cuidador y nivel de adherencia. Para edad y número de medicamentos, podrías reportar media y desviación estándar si no hay asimetría fuerte; para presencia de cuidador, frecuencias y porcentajes.

Aquí la descripción también cumple una función clínica. Si la muestra tiene una media de edad de 78 años y un alto porcentaje de pacientes polimedicados, el lector entiende el contexto de riesgo. Pero sería incorrecto afirmar que la edad “provoca” baja adherencia solo porque la media sea alta. Esa relación requeriría análisis adicional.

Educación, empresa y gestión

En educación, un trabajo sobre aprendizaje cooperativo y rendimiento podría describir curso, grupo, nota previa, asistencia y puntuaciones en una escala de participación. Si hay dos grupos de aula, conviene mostrar el tamaño de cada uno y sus notas iniciales para que la comparación posterior sea transparente.

En empresa o gestión, un estudio sobre satisfacción laboral y rotación en prácticas universitarias podría describir edad, área funcional, tipo de contrato, antigüedad, satisfacción y deseo de permanencia. Una variable como antigüedad laboral suele ser asimétrica: muchas personas llevan poco tiempo y pocas llevan mucho. En ese caso, mediana y rango intercuartílico pueden comunicar mejor la distribución que la media.

¿Qué errores cometen los estudiantes al reportar estadística descriptiva?

Los errores más frecuentes son calcular medidas que no corresponden al tipo de variable, repetir tablas completas en el texto, interpretar descriptivos como si probaran hipótesis y ocultar datos perdidos. También aparece mucho la confusión entre descripción y explicación causal. Estos problemas se corrigen al vincular cada estadístico con una variable, una escala y una función dentro del trabajo.

Errores concretos y cómo corregirlos

1. Promediar códigos de categorías
   Ejemplo de estudiante: “La media de género fue 1.42, por lo que la muestra tiende a mujer”.
   Corrección: si género está codificado como 1, 2 o 3, esos números son etiquetas. Reporta n y porcentaje por categoría.

2. Decir que una media “demuestra” una hipótesis
   Ejemplo de estudiante: “La media de motivación fue 4.2, lo que demuestra que la metodología aumenta la motivación”.
   Corrección: la media describe el nivel observado. Para hablar de aumento necesitas comparación temporal, grupo de referencia o prueba adecuada.

3. No indicar la escala de una puntuación
   Ejemplo de estudiante: “El bienestar tuvo una media de 28.6”.
   Corrección: escribe el rango posible y el sentido de la escala: “28.6 en una escala de 10 a 50, donde valores más altos indican mayor bienestar”.

4. Usar demasiados decimales sin necesidad
   Ejemplo de estudiante: “La edad media fue 20.837492 y la desviación estándar 2.384712”.
   Corrección: usa dos decimales o menos según la variable: “20.84 años; DE = 2.38”.

5. Ignorar datos perdidos
   Ejemplo de estudiante: “La muestra fue de 200 personas”, pero una tabla muestra n = 163 para la variable principal.
   Corrección: indica el n válido por variable y, si procede, explica que algunas personas no respondieron ciertos ítems.

Por qué estos errores afectan a la credibilidad

Un lector no necesita que tu muestra sea perfecta, pero sí necesita entenderla. Si los descriptivos están mal elegidos, cualquier análisis posterior parece menos fiable. Por ejemplo, una prueba t aplicada después de describir grupos muy desiguales no queda automáticamente invalidada, pero exige más cuidado en la interpretación.

También hay un problema de trazabilidad. La sección de metodología dice cómo mediste; la sección descriptiva muestra qué obtuviste; la sección de resultados analiza relaciones o diferencias. Si esas partes no coinciden, el trabajo pierde coherencia. Un flujo visual para organizar el capítulo de metodología puede ayudarte a alinear medición, muestra y análisis antes de redactar resultados.

¿Cómo revisar la sección antes de pasar al análisis inferencial?

Revisa la sección descriptiva comprobando si cada variable importante tiene una medida adecuada, si las tablas son legibles y si el texto interpreta sin exagerar. También verifica que los tamaños muestrales coincidan, que los porcentajes sean claros y que no falte información sobre datos perdidos. Esta revisión reduce errores antes de aplicar pruebas estadísticas o escribir conclusiones.

Orden de revisión recomendado

Empieza por las variables de tu pregunta de investigación. Si tu pregunta trata sobre relación entre horas de estudio y rendimiento, esas dos variables deben aparecer descritas. Luego revisa las variables de control o contexto, como edad, curso, grupo o modalidad. No hace falta describir con detalle variables que no usarás ni ayudan a entender la muestra.

Después, comprueba la coherencia entre tabla y texto. Si la tabla dice n = 142 para estrés académico, el texto no debe hablar como si hubieran respondido 160 personas. Si los porcentajes se calculan sobre casos válidos, dilo. Si usas abreviaturas como DE para desviación estándar, defínelas la primera vez.

Lista de comprobación final

Before you move on: lista de comprobación de estadística descriptiva

• He identificado qué variables son categóricas, ordinales y numéricas.
• He indicado n válido cuando hay datos perdidos.
• He usado frecuencias y porcentajes para variables categóricas.
• He usado media y desviación estándar solo cuando tiene sentido para la variable.
• He considerado mediana y rango intercuartílico si hay asimetría o valores extremos.
• He explicado el rango y el sentido de las escalas principales.
• He evitado copiar columnas innecesarias del software estadístico.
• He limitado los decimales a un nivel razonable.
• He comentado los patrones relevantes sin repetir toda la tabla.
• He separado descripción de inferencia, diferencia estadística o causalidad.
• He comprobado que la tabla de estadísticos descriptivos coincide con la metodología.
• He vinculado la descripción con el análisis que vendrá después.

Una sección descriptiva bien revisada no tiene que ser larga. Debe permitir que otra persona vea qué datos analizaste, cómo se comportan y por qué el siguiente paso analítico es razonable.

Enlaces internos recomendados

(Metadatos del sistema de construcción — no eliminar esta sección)

• Relación visual entre variables, indicadores y medición
• Flujo visual para elegir la metodología de investigación
• Estructura visual de ítems, escala y datos en una encuesta académica
• Diagrama visual para elegir una prueba estadística