Introducción

        

    El hombre ha ampliado su capacidad de investigación hoy día, lo cual le ha permitido incrementar sus conocimientos en muchas áreas, pero en ese proceso se ha encontrado con el análisis de datos en algunos casos cuantitativos y en otros cualitativos, lo que le ha hecho buscar medios que le permitan procesar esa data y poder emitir análisis de dichos resultados. Por eso actualmente se cuenta con una gran variedad de programas paquetes estadísticos para ayudar a el análisis de datos.

 En el presente blog “Uso del software para el Análisis de Datos Cuantitativos” se le muestra algunos de los paquetes estadísticos para el análisis de datos cuantitativos más usados actualmente, con el fin de conocer un poco sobre cada uno de ellos y poder apreciar sus bondades en cuanto al procesamiento de datos cuantitativos se refiere.

  Además se detallara uno de ellos como lo es el SPSS, para lo cual se emitirá un juicio crítico sobre el mismo, así como la aplicación de él en el posible tema de trabajo de grado a desarrollar. 

Variables a Tomar en Cuenta para Comparar Paquetes Estadísticos

               

1- Coste: Este es uno de los puntos más importantes que hay que tocar al momento de elegir un Paquete Estadístico, desafortunadamente, el coste de sus licencias está fuera del alcance de la mayor parte de los usuarios y la obtención de copias subrepticias no es posible para muchos ni fácil en absoluto para ninguno.

   2.- Nivel de sofisticación del usuario: Idealmente, éste debería ser un entendido en estadística y tener ciertos conocimientos de programación. En la medida que carezca de los segundos, tendrá que renunciar a realizar por su cuenta cierto tipo de análisis que vayan más allá de los más comunes; y en tanto que carezca de los primeros, será más dependiente de aquellos paquetes con un interfaz más informativo.

      3.-Tamaño del conjunto de datos: En la mayor parte de los problemas -al menos, en lo que respecta a su número, no a su dificultad ni importancia- esta variable no supone ninguna restricción significativa. De hecho, la mayoría de los paquetes pueden manejar sin mayores problemas conjuntos de datos no excesivamente grandes. Sólo cuando se rebasa cierto umbral es preciso considerar paquetes específicamente diseñados para hacer frente a este tipo de condicionantes.

    4.- Grado de intensidad computacional: El incremento en la potencia computacional de los ordenadores permite hoy en día aplicar ciertas técnicas estadísticas impensables hace unos años y ampliar su campo de aplicación a ámbitos inasequibles para las tradicionales. Las técnicas de remuestreo o de validación cruzada, ciertos tests exactos y gran parte de las técnicas bayesianas exigen una enorme capacidad de cálculo.

 No todos los paquetes estadísticos están igualmente adaptados para este tipo de problemas. Con muchos de ellos -por ejemplo, Minitab, Stata y gran parte de los paquetes gratuitos- resulta simplemente imposible porque fueron diseñados únicamente para implementar técnicas tradicionales y carecen de un verdadero lenguaje de programación asociado que resulte eficiente.

     5.- Ergonomía: Curiosamente, el aspecto que tal vez más encarezca determinados paquetes estadísticos es el ergonómico: la posibilidad de contar con ayudas interactivas o tutoriales, de representar gráficamente datos con un golpe de ratón, de exportar automáticamente los resultados a formato .html o .pdf, etc. Bajo cierto punto de vista, el coste de las licencias es, de hecho, el coste de la impericia o la pereza. A la primera, en mercadotecnia, se la suele denominar productivity; a la segunda, learning curve. Es más productivo y exige menor esfuerzo mental un paquete estadístico en que para imprimir no haya sino que pulsar el icono de la impresora, en que para visualizar unos datos baste con visitar el menú Gráficos o el Importar para leer datos de un fichero con el formato de cierta hoja de cálculo. Este tipo de habilidades son realmente reduntantes si se cuenta con un mínimo de habilidad y no se pretende escatimar un adarme de esfuerzo: utilizando ficheros de texto como intermediarios, se pueden intercambiar datos con cualquier hoja de cálculo o con otros programas que permiten manipular datos o gráficos, gran parte de los cuales son de distribución gratuita.

6.-  Facilidad de programación: Si bien contar con lenguajes de programación complejos no es lo deseable, si lo es disponer de la capacidad de generar programas sencillos tipo "batch files" que permitan realizar tareas de transformación, cálculo de datos, realización de pruebas estadísticas, generación de nuevos archivos y documentos conteniendo resultados sin necesidad de estar digitando cada vez los comandos correspondientes, con el consiguiente ahorro de tiempo y esfuerzo.   

Paquetes Estadísticos, Tipos de Paquetes Estadísticos, Ventajas y Desventajas

      

¿Qué es un Paquetes Estadístico?

      Este es un conjunto de programas informáticos específicamente diseñados para el análisis estadístico de datos con el propósito de dar solución a problemas bien sea de estadística descriptiva ó inferencial, o de ambos.

     Este conjunto de programas y subprogramas se encuentran conectados de manera que funcionan de conjunta, es decir que para pasar de uno a otro no se necesita salir del programa y volver a él, Gondar, 2000.

       Con lo cual se puede decir que un paquete estadístico permite aplicar a un mismo fichero de datos un conjunto ilimitado de procedimientos estadísticos de manera sincronizada, sin salir del programa. De esta forma, la utilidad del conjunto integrado es mayor que la suma de las partes. En cierto modo, un paquete estadístico es similar a un paquete ofimático (por ejemplo, Office 97 de Microsoft).

      Marín, Cabero y Paz (2008), indican que un programa estadístico es un producto de software que sirve para realizar tareas estadísticas; y lo que se espera de él que lea los datos, reciba ordenes  y ejecute el análisis de los mismos.  Los paquetes estadísticos actuales superan  esas mínimas  de manera que permiten:

a)   Crear nuevas variables

b)   Seleccionar variables y sujetos

c)   Reconocer y generar datos en ASCII

d)   Añadir las variables creadas al archivo en uso

e)   Varios formatos de integración programa-usuario

f)     Controlar aspectos del entorno de trabajo

  Dentro de los paquetes estadísticos más utilizados están: SAS, BMDP, SPSS, SYSTAT, STATISTICA, STATA y, últimamente están, MINITAB, S-PLUS, EVIEWS, STAT-GRAPHICS y MATLAB.

    También se pueden encontrar: R, Past, Open Stat, Genstat Discovery Editión 3.

      A continuación se describirán algunos de los de mayor uso.

  

            a.    SPSS (Statistical Package for The Social Sciences o Paquete Estadistico para la Ciencias Sociales):

     Este programa, desarrollado en la Universidad de Chicago, es uno de los más difundidos, Hernández, Fernández y Batista, p: 410.

      Es un paquete Estadístico, de uso general, que integra procedimientos estadísticos y gráficos iteractivos de alta resolución, de tal manera que sirve de apoyo al análisis de datos. Es útil entre otros aspectos  para realizar análisis exploratorio desde el punto de vista gráfico, de igual manera se utiliza para realizar análisis estadístico simple y/o avanzado. El programa sirve para profundizar en temas como: Métodos Cuantitativos, Métodos de Investigación, Segmentación de Mercados, Finanzas, Inferencia Estadística, Análisis Multivariado, Pronósticos con series de Tiempo, Métodos Multivariados y otros más.

     

  

b.    SAS (Statistical Analysis System)

      Comprende amplias posibilidades de procedimientos estadísticos (métodos

multivariados, regresión múltiple con posibilidades diagnósticas, análisis de

supervivencia con riesgos proporcionales y regresión logística) y permite cálculos

exactos para tablas r x c y contiene potentes posibilidades gráficas.

·   Todos los procedimientos pueden emplearse de una sola ejecución

·     Los resultados pueden guardarse como archivos y usarse como entradas para
futuras ejecuciones.

·      Es particularmente útil en la gestión de datos y en la redacción de informes

·      Algunos procedimientos tienen varias opciones por lo cual debe examinarse
cuidadosamente el manual antes de seleccionar la opción deseada.

·      SAS ofrece la mayor flexibilidad para personalizar el manejo y análisis de datos,
sin embargo su principal inconveniente es que no resulta fácil aprender a usarlo.

c.    BMDP

      Es el más antiguo de los paquetes. El primer manual para BMD Biomedical Computers

Programs se publicó en 1961.En 1975 pasó a denominarse BMDP. Cubre un amplio

abanico de métodos estadísticos pero su capacidad para manejar datos es limitada,

dentro de sus desventajas se puede mencionar: Sus programas se ejecutan por separado,

solo puede accederse a uno de ellos en cada ejecución.   

  Los resultados de cada programa se pueden guardar en un archivo de BMDP y utilizarse como entrada en otros programas.

·         d. STATISTICA:

      Statistica (aunque la marca está registrada como STATISTICA, en mayúsculas) es un paquete estadístico usado en investigación, minería de datos y en el ámbito empresarial. Lo creó StatSoft, empresa que lo desarrolla y mantiene.

       StatSoft nació en 1984 de un acuerdo entre un grupo de profesores universitarios y científicos.

       Sus primeros productos fueron los programas PsychoStat-2 y PsychoStat-3. Después desarrolló Statistical Supplement for Lotus 1-2-3, un complemento para las hojas de cálculo de Lotus. Finalmente, en 1991, lanzó al mercado la primera versión de STATISTICA para    MS-DOS.

  Actualmente compite con otros paquetes estadísticos tanto propietarios, como SPSS, SAS, Matlab o Stata, como libres, como R.

           El programa consta de varios módulos. El principal de ellos es el Base, que implementa las técnicas estadísticas más comunes. Éste puede completarse con otros módulos específicos tales como:

•          Advanced: técnicas multivariantes y modelos avanzados de regresión lineal y no lineal
•    QC: técnicas de control de calidad, análisis de procesos (distribuciones no normales,Gage R&R, Weibull) y diseño experimental
•         Data Miner: minería de datos, análisis predictivos y redes neurales

              El paquete puede ser extendido a través de una interfaz con el lenguaje R. Además, se pueden modificar y añadir nuevas librerías usando el lenguaje NET.   

        

  e. MINITAB:

             Es un programa de computadora diseñado para ejecutar funciones estadísticas básicas y avanzadas. Combina lo amigable del uso de Microsoft Excel con la capacidad de ejecución de análisis estadísticos. En 1972, instructores del programa de análisis estadísticos de la Universidad Estatal de Pensilvania (Pennsylvania State University) desarrollaron MINITAB como una versión ligera de OMNITAB, un programa de análisis estadístico del Instituto Nacional de Estándares y Tecnología (NIST) de los Estados Unidos.

            Este programa es un paquete estadístico que abarca todos los aspectos necesarios para el aprendizaje y la aplicación de la estadística en general. El programa incorpora opciones vinculadas a las principales técnicas de análisis estadísticos (análisis descriptivo, contrastes de hipótesis, regresión lineal y no lineal, series  temporales, análisis de tiempos de fallo, control de calidad, análisis factorial, ANOVA, análisis cluster, etc), además de proporcionar un potente grafico y de ofrecer total compatibilidad con los editores de texto, hojas de cálculo y bases de datos más usuales.

    f)  MATLAB:

           Nace como una solución a la necesidad de mejores y más poderosas herramientas de cálculo para resolver problemas de cálculo complejos en los que es necesario aprovechas las amplias capacidades de proceso de datos de grandes computadores.

           Éste es un entorno de computación y desarrollo de aplicaciones totalmente integrado orientado para llevar a cabo proyectos en donde se encuentren implicados elevados cálculos matemáticos y la visualización gráfica de los mismos. MATLAB integra análisis numérico, cálculo matricial, proceso de señal y visualización gráfica en un entorno completo donde los problemas y sus soluciones son expresados del mismo modo en que se escribirían tradicionalmente, sin necesidad de hacer uso de la programación tradicional.

        Está dirigido a ingenieros y científicos, éste requiere que el operador adquiera conocimientos en su lenguaje de programación, se ejecuta principalmente a través de una interfaz de línea de comandos y es más pesado al momento de instalarse, además requiere mayor capacidad en el disco duro, un equipo más rápido (mayor memoria RAM).

       Para finalizar se puede decir que MATLAB  es un lenguaje de alto nivel y un entorno interactivo para el cálculo numérico, visualización y programación. Usando MATLAB, puede analizar los datos, desarrollar algoritmos y crear modelos y aplicaciones. El lenguaje, las herramientas y funciones matemáticas integradas que permiten explorar múltiples enfoques y llegar a una solución más rápida que con hojas de cálculo o lenguajes de programación tradicionales, como C / C + + o Java.

          g.    R:

           Es un lenguaje y entorno de programación para análisis estadístico y gráfico. Se trata de un proyecto de software libre, resultado de la implementación GNU del premiado lenguaje S. R y S-Plus -versión comercial de S- son, probablemente, los dos lenguajes más utilizados en investigación por la comunidad estadística, siendo además muy populares en el campo de la investigación biomédica, la bioinformática y las matemáticas financieras. A esto contribuye la posibilidad de cargar diferentes bibliotecas o paquetes con finalidades específicas de cálculo o gráfico.

      Este programa se distribuye bajo la licencia GNU GPL y está disponible para los sistemas operativos Windows, Macintosh, Unix y GNU/Linux.

     Fue desarrollado inicialmente por Robert Gentleman y Ross Ihaka del Departamento de Estadística de la Universidad de Auckland en 1993. Su desarrollo actual es responsabilidad del R Development Core Team.

A continuación se enumeran algunos hitos en el desarrollo de R

·  Versión 2.11.0 (22 de abril de 2010): Soporte para sistemas Windows de 64 bits.

·  Versión 2.13.0 (14 de abril de 2011): Añadida una nueva función al compilador que permite acelerar las funciones convirtiéndolas a byte-code.

·  Versión 2.14.0 (31 de octubre de 2011): Añadidos espacios de nombres obligatorios para los paquetes. Añadido un nuevo paquete de paralelización.

·  Versión 2.15.0 (30 de marzo de 2012): Nuevas funciones de balanceo de cargas. Mejorada la velocidad de serialización para grandes vectores.

·  Versión 3.0.0 (3 de abril de 2013): Mejoras en GUI, funciones gráficas, gestión de memoria, rendimiento e internacionalización.

        El mayor inconveniente que podría presentarse con este software más utilizado en nuestro medio es el hecho de funcionar mediante comandos, lo que para algunos usuarios puede resultar engorroso. Para solventar esta dificultad existe un paquete llamado R Commander que permite utilizar R sin tener que escribir los comandos, es decir, con la sola utilización del ratón.

h) Past (Paleontological STatistics: Estadísticas Paleontológicas):

     Past es el software libre para el análisis de datos científicos, con funciones de manipulación de datos, el trazado, estadísticas univariantes y multivariantes, análisis ecológico de series de tiempo y análisis espacial, morfometría y la estratigrafía.

      Este programa pasó por un rediseño completo en 2013. La nueva versión 3 aún no contiene toda la gama de funciones del antiguo pasado, pero estamos trabajando en ello!

         El programa, llamado PAST (PAleontological STatistics: Estadísticas Paleontológicas), funciona en ordenadores con sistema operativo Windows y es de libre disposición (gratuito). PAST incluye entrada de datos del tipo hoja de cálculo, con estadísticas univariante y multivariante, ajuste de curvas, análisis de series temporales, representación gráfica de datos y análisis filogenético sencillo.

      Muchas de las funciones son específicas para paleontología y ecología, y no se encuentran en paquetes de análisis estadístico estándar, de carácter más amplio. PAST también incluye catorce ejemplos (archivos de datos y ejercicios) que ilustran el uso del programa en problemas paleontológicos, lo que lo convierte en un paquete educativo completo para asignaturas sobre métodos cuantitativos.

i) Open Stat:

     Es un paquete estadístico de software libre fue desarrollado por William Miller, diseñado especialmente para Windows y Linux (para este sistema operativo se trabaja la versión LinOStats) que ofrece una interfaz similar a SPSS. Inicialmente este software fue desarrollado como apoyo a los estudiantes y profesores en el área de estadística introductoria y avanzada de las ciencias sociales, Pico y Manzón, 2007 p: 11.

       Open Stat se puede descargar de manera gratuita en Internet y ser usado diversos campos sin necesidad de tener una licencia para su uso y/o reproducción, es decir que se puede descargar e instalar sin costo. No obstante, no se puede modificar puesto que está restringido el acceso a su código fuente, Pico y Manzón, 2007 p: 11.

      OpenStat (OS4), conocido antes como OS3 y OS2, es uno de los más funcionales que encontramos en el software libre, ya que tiene acceso a muchas aplicaciones de manera directa sin necesidad de programación, además presenta una interfaz muy amigable y menús que permiten acceder a diferentes análisis desde cualquier lugar del programa, Pico y Manzón, 2007 p:11.

     Este paquete estadístico permite la manipulación de datos, cálculos estadísticos, financieros y económicos; además que cuenta con una interfaz similar a la de SPSS, genera gráficos sencillos de las distribuciones e histogramas y es capaz de trabajar con datos de diversos formatos (bin, tex, txt, s4u, entre otros), Pico y Manzón, 2007 p:8.

Algunas de sus características se mencionan a continuación:

·         Una interfaz amigable

·         Varias opciones de gráficas como pie, barras, líneas e incluso plots.

·     Menú de ayuda gráfico y teórico como apoyo para realizar simulaciones y análisis para procedimientos descriptivos, de variabilidad, correlación, regresiones (simple, múltiple), probabilidad y financieros entre otros.

·      Cuenta con calculadora, procesador de textos y editor de textos y opciones que nos permiten cambiar fácilmente las configuraciones iniciales.

·         Código ASCII (Código Normalizado Americano para Intercambio de la Información), el cual permite ver el número del último carácter integrado en la celda.

 j) Genstat Discovery Edition 3:

      Es un paquete de análisis comercial desarrollado por VSN International, una compañía de desarrollo de software para biociencias, pero que para ciertos países puede ser descargado gratuitamente previo registro. Aunque su interfase es amistosa, sus salidas no lo son tanto y no son muy completas. Tiene la ventaja eso sí, que se puede importar el código de R y usarlo en sus propias rutinas. 

Ventajas y Desventajas

Software	Ventajas	Desventajas
SAS	1.- Comprende procedimientos estadísticos.	1.- Su principal inconveniente es que no resulta fácil de aprender a usarlo.
	2.- Todos los procedimientos pueden emplearse de una sola ejecución.
	3.- Los resultados pueden guardarse como archivos y usarse como entradas para futuras.
	4.- Es útil en la gestión de datos y en la redacción de informes.
SPSS	1.- Es fácil de aprender a usar	1.- Los reportes de resultados contiene un nivel excesivo de información.
	2.- Manejo de datos con gran facilidad para los usuarios.	2.- Posee gran cantidad de información en forma automática (by default) que distrae al usuario.
	3.- Acoplamiento a un Plan de proyecto.	3.- Si el usuario no tiene experiencia previa utilizando SPSS o si sus conocimientos de estadística no están actualizados, es difícil comprender que opciones seleccionar.
	4.- Servicio eficaz y de calidad al evaluar los resultados.	4.- Lleva a veces a una sofisticación innecesaria al permitir el empleo de técnicas complejas para responder a cuestiones simples.
	5.- Dispone de un amplio conjunto de métodos y procedimientos estadísticos.
SPAD	1.- Vinculación de los objetivos a las necesidades de la empresa.	1.- No brinda los resultados esperados en el tiempo esperado.
	2. Perfecto acoplamiento a un plan de investigación bien formulado.
	3.- Servicio de calidad para los usuarios.	2.- No contar con la información adecuada y de calidad.
	4.- Analizar con detenimiento las variables implicadas en la investigación.
	5.- Facilidad del manejo y de la programación.
	6.- Obtiene información a partir de la base de datos.

Fuente: Machado, Cortez, Guzmán, Rodríguez y Utrera

     Diferencias entre los dos Grandes SAS y SPSS:

             1)    Precio

       El precio de SPSS es mucho menor que el del programa SAS, en torno a la mitad del precio.

                        2) Rentabilidad
Recomendable para PYMES (hasta 500 trabajadores), SPSS es la mejor solución. Para grandes empresas (más de 500 empleados) o aquellas que puedan permitirse un fuerte desembolso sin necesidad de retorno a corto plazo, SAS es más rentable que SPSS, ya que permite ejecutar mayor número de procedimientos estadísticos y operativos.

            3)   Facilidad

          El manejo de SPSS es mucho más sencillo que el de SAS. El interfaz estilo hoja de cálculo de SPSS y su posibilidad de abrir ventanas muy comprensivas le convierten en un feo adversario para SAS. No obstante, SAS, una vez conocido el manejo de su lenguaje de programación, es más divertido que SPSS.

          4)  Formación
La dependencia absoluta del lenguaje de programación por parte de SAS le hace muy vulnerable ante necesidades repentinas, ya que obliga a la Empresa a costear caros programas de formación, con el fin de permitir que su personal le saque el máximo provecho. SPSS, sin embargo, al ser mucho más fácil, no encadena al usuario a largos procesos formativos, sino que, en un tiempo mucho más corto que SAS, puede realizar complejos procedimientos de análisis sin esfuerzo.

       5)   Robustez

      La dependencia absoluta de Windows por parte de SPSS le hace muy vulnerable ante "caídas" del sistema, normalmente provocadas por acciones ilícitas del usuario. El programa SAS, por su parte, al tener su propio sistema operativo, toma la iniciativa del sistema, una vez arrancado, no permitiendo que una acción no autorizada por parte del usuario paralice el trabajo del operario.