0
Métodos estadísticos asistidos con
software: Aplicaciones en Python,
Octave y R
Asnate Salazar, Edwin Johny; Correa
Becerra, Ramón Cosme; Villareal Torres,
Henry Oswaldo; Corcuera De los Santos,
Marco Antonio; Valencia Castillo, Edwin
Alberto; Rodríguez Ávila, Sandra Cecilia;
Yajahuanca Huancas, Raúl
© Asnate Salazar, Edwin Johny; Correa
Becerra, Ramón Cosme; Villareal Torres,
Henry Oswaldo; Corcuera De los Santos,
Marco Antonio; Valencia Castillo, Edwin
Alberto; Rodríguez Ávila, Sandra Cecilia;
Yajahuanca Huancas, Raúl, 2025
Primera edición (1ra. ed.): Octubre, 2025
Editado por:
Editorial Mar Caribe ®
www.editorialmarcaribe.es
Av. Gral. Flores 547, 70000 Col. del
Sacramento, Departamento de Colonia,
Uruguay.
Diseño de caratula e ilustraciones: Isbelia
Salazar Morote
Libro electrónico disponible en:
hps://editorialmarcaribe.es/ark:/10951/
isbn.9789915698403
Formato: Electrónico
ISBN: 978-9915-698-40-3
ARK: ark:/10951/isbn.9789915698403
Editorial Mar Caribe (OASPA): Como miembro de
la Open Access Scholarly Publishing Association,
apoyamos el acceso abierto de acuerdo con el
código de conducta, la transparencia y las mejores
prácticas de OASPA para la publicación de libros
académicos y de investigación. Estamos
comprometidos con los más altos estándares
editoriales en ética y deontología, bajo la premisa
de «Ciencia Abierta en América Latina y el Caribe»
Editorial Mar Caribe, rmante Nº 795 de 12.08.2024
de la Declaración de Berlín
"… Nos sentimos obligados a abordar los retos de
Internet como medio funcional emergente para la
distribución del conocimiento. Obviamente, estos
avances pueden modicar signicativamente la
naturaleza de la publicación cientíca, así como el
sistema actual de garantía de calidad..." (Max Planck
Society, ed. 2003, pp. 152-153).
CC BY-NC 4.0
Los autores pueden autorizar al público en general
a reutilizar sus obras únicamente con nes no
lucrativos; los lectores pueden utilizar una obra
para generar otra, siempre que se dé crédito a la
investigación, y conceden al editor el derecho a
publicar primero su ensayo bajo los términos de la
licencia CC BY-NC 4.0.
Editorial Mar Caribe se adhiere a la "Recomendación
relativa a la preservación del patrimonio documental,
comprendido el patrimonio digital, y el acceso al
mismo" de la UNESCO y a la Norma Internacional
de referencia para un sistema abierto de
información archivística (OAIS-ISO 14721). Este
libro está preservado digitalmente por
ARAMEO.NET
2
Editorial Mar Caribe
Métodos estadísticos asistidos con software:
Aplicaciones en Python, Octave y R
Colonia, 2025
3
Índice
Introducción ........................................................................................... 5
Capítulo I ............................................................................................... 7
Métodos Estadísticos Asistidos por Software: Análisis y Comparación .. 7
1.1 Implementación de Regresiones y Análisis de Varianza ................ 8
1.2 Análisis estadístico con R ............................................................ 13
1.3 Comparativa de los Entornos ....................................................... 16
Capítulo II ............................................................................................ 23
El uso de lenguajes de programación R y Python en ingeniería ........... 23
2.1 Uso de Python en ingeniería ........................................................ 27
2.2 Denición Conceptual y Roles Fundamentales de los Lenguajes 34
2.3 Visualización, Reportes y Reproducibilidad ................................ 42
2.4 Resumen de Fortalezas y Debilidades Especícas ....................... 45
Capítulo III .......................................................................................... 48
Métodos estadísticos asistidos con software: aplicaciones en Python,
Octave y R ............................................................................................ 48
3.1 Aplicaciones Prácticas por Método Estadístico (A partir de la
experiencia de los autores) ..................................................................... 51
Capítulo IV .......................................................................................... 62
La Brecha Estadística en Ciencias Sociales: Desafíos Metodológicos y
Computacionales Frente al Análisis de Datos Moderno ....................... 62
4.1 Contexto Histórico y Denición de la Enseñanza Estadística
Tradicional (ETES) ............................................................................ 62
4.2 La Obsolescencia del Software de Interfaz Gráca (GUI) ............ 67
4.3 Documentación Dinámica: RMarkdown y Jupyter ...................... 69
4.4 Propuestas de Modelos Curriculares Integrales y
Transdisciplinares ............................................................................ 70
Conclusión ........................................................................................... 76
4
Bibliografía .......................................................................................... 78
............................................................................................................. 82
5
Introducción
La estadística ha sido históricamente el pilar metodológico de la
investigación en ciencias sociales, proporcionando las herramientas
esenciales para analizar la variabilidad, construir modelos predictivos y
sustentar el pensamiento racional. Sin embargo, en la era del Big Data y la
Ciencia de Datos, la enseñanza y la práctica tradicionales de la estadística
se enfrentan a un desfase crítico. Los currículos centrados en pruebas de
hipótesis dicotómicas y el uso exclusivo de software con interfaz gráca
(GUI) ya no son sucientes para modelar la complejidad inherente a los
fenómenos sociales contemporáneos.
Este libro nace de la imperiosa necesidad de tender un puente entre
el rigor de la teoría estadística y las demandas computacionales del análisis
de datos moderno. Su propósito es guiar al lector en la adopción de los tres
ecosistemas de código abierto más relevantes para el cómputo cientíco y
el análisis cuantitativo: Python, R y GNU Octave. Al dominar estas
plataformas, el investigador social no solo se emancipa del software
propietario, sino que adquiere las capacidades para realizar análisis que,
por diseño, son más potentes, escalables y, fundamentalmente,
reproducibles.
A lo largo de sus cuatro capítulos, exploraremos las fortalezas
complementarias de cada lenguaje. R, diseñado desde su concepción para
el cálculo estadístico y la visualización, se presenta como el entorno ideal
para la inferencia metodológica profunda y la creación de grácos de alta
calidad. Por el contrario, Python es un lenguaje de programación de
propósito general, destacando por su versatilidad para la integración de
sistemas, la gestión de Big Data y el desarrollo de soluciones de Machine
Learning a escala de producción. En teoría, se abordará GNU Octave como
una alternativa robusta para el cómputo numérico y la simulación.
La ambición de este texto va más allá de la mera sintaxis. La
investigación social avanzada exige ir más allá de la correlación y el valor p
simplicado. Por ello, dedicaremos secciones cruciales a las metodologías
6
que denen la vanguardia: la Inferencia Causal (incluyendo técnicas como
el Double Machine Learning), la Estadística Bayesiana para un manejo
riguroso de la incertidumbre y el Modelado de Ecuaciones Estructurales
(SEM) para capturar la complejidad de las variables latentes.
En última instancia, un análisis riguroso es inútil si no es
transparente y vericable. Este libro enfatiza la reproducibilidad como un
estándar de oro y enseña a los lectores a construir ujos de trabajo
rastreables. Los lectores aprenderán a utilizar herramientas de
documentación dinámica, como Quarto, para integrar código, análisis y
texto narrativo en informes listos para la publicación, garantizando que el
proceso analítico pueda ser vericado por cualquier colega.
Al concluir este recorrido, el lector habrá transformado su enfoque:
de ser un usuario de software con capacidades limitadas, pasará a ser un
cientíco de datos sociales capaz de plantear preguntas críticas, seleccionar
el algoritmo más adecuado y construir soluciones que resistan el escrutinio
de la metodología más avanzada. Lo invitamos a sumergirse en la práctica
de la estadística del siglo XXI.
7
Capítulo I
Métodos Estadísticos Asistidos por Software:
Análisis y Comparación
En el mundo actual, la toma de decisiones basada en datos se ha
convertido en un aspecto esencial en diversas disciplinas, desde la
investigación cientíca hasta el ámbito empresarial. Los métodos
estadísticos son herramientas fundamentales que permiten analizar,
interpretar y extraer conclusiones a partir de conjuntos de datos. Sin
embargo, la complejidad y la cantidad de datos que se generan hoy en día
han hecho que el uso de software especializado en estadística sea una
necesidad más que una opción.
Los métodos estadísticos asistidos por software permiten a los
analistas e investigadores realizar cálculos complejos y visualizaciones de
datos de manera más eciente y precisa. El uso de software no solo
simplica el proceso de análisis, sino que también ayuda a minimizar los
errores humanos y a maximizar la reproducibilidad de los resultados.
Además, muchas de estas herramientas ofrecen interfaces intuitivas y
bibliotecas potentes que facilitan la implementación de técnicas estadísticas
avanzadas (Perdigón y Pérez, 2022).
En este contexto, lenguajes de programación como Python, Octave y
R han ganado popularidad entre los profesionales de la estadística. Cada
uno de estos entornos ofrece características y ventajas propias, lo que
permite a los usuarios elegir la herramienta más adecuada según sus
necesidades y preferencias. Python cuenta con varias bibliotecas que
facilitan la realización de análisis estadísticos. Entre las más destacadas se
encuentran:
• NumPy: fundamental para realizar operaciones numéricas en
Python. Proporciona estructuras de datos ecientes, como matrices
8
y arreglos multidimensionales, así como funciones matemáticas y
estadísticas esenciales para el análisis de datos.
• Pandas: indispensables para la manipulación y el análisis de datos.
Permite trabajar con estructuras de datos como DataFrames,
facilitando la limpieza, transformación y análisis de conjuntos de
datos, lo que simplica las operaciones estadísticas.
• SciPy: Basada en NumPy, ofrece herramientas adicionales para
cálculos cientícos y técnicos. Incluye módulos de optimización,
integración, interpolación, estadística y álgebra lineal, lo que la
convierte en una opción ideal para análisis estadísticos avanzados.
• StatsModels: Se centra en la estimación de modelos estadísticos y en
pruebas estadísticas. Proporciona una interfaz para realizar
regresiones lineales y no lineales, análisis de series temporales y
pruebas de hipótesis, entre otras funcionalidades.
• Matplotlib y Seaborn: Para la visualización de datos, Matplotlib es la
biblioteca más utilizada en Python, mientras que Seaborn,
construida sobre Matplotlib, ofrece una interfaz más sencilla y
atractiva para crear grácos estadísticos. Juntas, permiten
representar datos de manera efectiva.
1.1 Implementación de Regresiones y Análisis de
Varianza
La implementación de regresiones y de análisis de varianza
(ANOVA) en Python es directa gracias a las bibliotecas mencionadas. Por
ejemplo, para realizar una regresión lineal, se puede utilizar StatsModels de
la siguiente manera:
python
import pandas as pd
import statsmodels.api as sm
Cargar datos
data = pd.read_csv('datos.csv')
9
Denir variables dependientes e independientes
X = data['variable_independiente']
y = data['variable_dependiente']
Agregar constante para el modelo
X = sm.add_constant(X)
Ajustar el modelo
modelo = sm.OLS(y, X).t()
Obtener resumen de resultados
print(modelo.summary())
En cuanto al análisis de varianza, StatsModels también permite
realizar ANOVA de forma sencilla, facilitando la comparación de medias
entre diferentes grupos:
python
from statsmodels.formula.api import ols
import statsmodels.api as sm
Ajustar un modelo ANOVA
modelo_anova = ols('variable_dependiente ~ C(grupo)', data=data).t()
tabla_anova = sm.stats.anova_lm(modelo_anova, typ=2)
print(tabla_anova)
La visualización de datos es crucial en el análisis estadístico, ya que
permite interpretar los resultados con mayor claridad. Con Matplotlib y
Seaborn, los usuarios pueden crear una variedad de grácos, desde
diagramas de dispersión hasta histogramas y grácos de cajas (Toalombo
et al., 2024). Por ejemplo, para visualizar la relación entre dos variables en
un diagrama de dispersión, se puede usar el siguiente código:
10
python
import matplotlib.pyplot as plt
import seaborn as sns
Crear un diagrama de dispersión
plt.gure(gsize=(10, 6))
sns.scaerplot(x='variable_independiente', y='variable_dependiente', data=data)
plt.title('Diagrama de Dispersión')
plt.xlabel('Variable Independiente')
plt.ylabel('Variable Dependiente')
plt.show()
También Seaborn permite crear grácos más complejos y estilizados,
lo que ayuda a resaltar patrones y tendencias en los datos. Un gráco de
cajas puede ser útil para mostrar la distribución de una variable en
diferentes grupos:
python
plt.gure(gsize=(10, 6))
sns.boxplot(x='grupo', y='variable_dependiente', data=data)
plt.title('Gráco de Cajas por Grupo')
plt.xlabel('Grupo')
plt.ylabel('Variable Dependiente')
plt.show()
Python se ha consolidado como una herramienta poderosa y
accesible para el análisis estadístico. Con sus diversas bibliotecas y
capacidades de visualización, los analistas pueden emplear una amplia
gama de técnicas estadísticas, lo que facilita la interpretación y la
comunicación de los resultados en sus investigaciones. Octave es un
software de código abierto diseñado principalmente para cálculos
11
numéricos y análisis matemático. Su sintaxis es similar a la de MATLAB, lo
que facilita su uso para quienes ya están familiarizados con MATLAB. En el
contexto de los métodos estadísticos, Octave ofrece una variedad de
herramientas y funciones que permiten realizar análisis complejos de
manera eciente.
Una de las principales ventajas de Octave es su accesibilidad. Al ser
un software de código abierto, cualquier usuario puede descargarlo y
utilizarlo sin costo alguno. Esto lo convierte en una alternativa atractiva
para estudiantes, investigadores y profesionales que desean realizar análisis
estadísticos sin adquirir licencias de software comercial. Además, Octave
cuenta con una comunidad activa que contribuye al desarrollo de paquetes
y funciones adicionales, lo que amplía sus capacidades.
Otra característica destacable de Octave es su compatibilidad con
scripts de MATLAB, lo que signica que muchos de los códigos escritos
para MATLAB pueden ejecutarse en Octave con pocas o ninguna
modicación. Esta compatibilidad facilita la migración de proyectos entre
ambos entornos, lo que puede resultar ventajoso para los usuarios de
instituciones que utilizan MATLAB. Por último, Octave ofrece una amplia
gama de funciones integradas para realizar análisis estadísticos, incluyendo
pruebas de hipótesis, análisis de regresión y de varianza (ANOVA).
También permite manipular matrices y realizar cálculos matemáticos
complejos, esenciales para muchos métodos estadísticos.
Para ilustrar el uso de Octave en el análisis estadístico, consideremos
un ejemplo sencillo de regresión lineal. Supongamos que tenemos un
conjunto de datos que relaciona el ingreso de un grupo de individuos con
su nivel educativo. Podemos utilizar Octave para estimar la relación entre
estas dos variables.
octave
% Cargar datos
data = load('datos.csv'); % Suponiendo que los datos están en un archivo CSV
ingresos = data(:, 1); % Primer columna
12
educacion = data(:, 2); % Segunda columna
% Ajustar modelo de regresión lineal
modelo = regress(ingresos, [ones(length(educacion), 1), educacion]);
% Mostrar resultados
disp('Coecientes de regresión:');
disp(modelo);
Este script carga los datos de un archivo CSV, ajusta un modelo de
regresión lineal y muestra los coecientes resultantes. Octave también
permite realizar diagnósticos del modelo, como analizar los residuos y
vericar supuestos de normalidad. Otro ejemplo podría ser el análisis de
varianza (ANOVA) para comparar las medias de tres grupos; se presenta
un código básico que ilustra cómo se podría implementar esto en Octave:
octave
% Cargar datos
grupos = load('grupos.csv'); % Datos de los grupos
% Realizar ANOVA
[p, tbl, stats] = anova1(grupos);
% Mostrar resultados de ANOVA
disp('Resultados de ANOVA:');
disp(tbl);
Este código permite realizar un ANOVA de un solo factor y muestra
la tabla de resultados, que incluye valores p y estadísticas F, esenciales para
interpretar la signicancia de las diferencias entre grupos. Al comparar
Octave con otros software estadísticos como Python y R, se pueden
identicar varias similitudes y diferencias. Mientras que Python y R han
ganado popularidad en la comunidad de análisis de datos, Octave se
destaca por su simplicidad y su enfoque en cálculos numéricos, lo que
13
puede resultar benecioso para usuarios que buscan una herramienta
directa y menos compleja.
Python, por ejemplo, ofrece bibliotecas como Pandas y StatsModels,
muy potentes para el análisis de datos, pero que pueden requerir un
aprendizaje más profundo. R, por su parte, es conocido por su robustez
estadística y la gran cantidad de paquetes dedicados, lo que lo hace ideal
para análisis estadísticos avanzados (Raschka et al., 2020).
Sin embargo, Octave puede ser una opción preferible para quienes
ya están acostumbrados a la sintaxis de MATLAB y buscan un entorno
accesible y gratuito. Su capacidad para realizar cálculos numéricos de forma
eciente lo convierte en una herramienta valiosa en el ámbito del análisis
estadístico, especialmente para educadores y estudiantes.
Octave es una herramienta poderosa y accesible para realizar análisis
estadísticos, con características que lo hacen competitivo frente a otros
software. Su facilidad de uso, su compatibilidad con MATLAB y su amplia
gama de funciones estadísticas lo convierten en una opción a considerar
para quienes deseen realizar análisis complejos sin los costos asociados al
software comercial.
1.2 Análisis estadístico con R
R es un lenguaje de programación y un entorno de software libre que
se ha consolidado como una de las herramientas más populares para el
análisis estadístico y la visualización de datos. Su capacidad para manejar
grandes conjuntos de datos y realizar análisis complejos lo convierte en una
opción preferida entre estadísticos, investigadores y cientícos de datos.
Una de las principales ventajas de R es su amplia gama de paquetes
que facilitan el análisis estadístico avanzado. La comunidad de usuarios de
R contribuye constantemente al desarrollo de nuevos paquetes, lo que
permite que la plataforma se mantenga actualizada con las últimas
metodologías y técnicas estadísticas. Además, R es altamente extensible, lo
que permite a los usuarios crear sus propias funciones y paquetes
personalizados según sus necesidades especícas.
14
Otra ventaja signicativa de R es su capacidad para manejar datos de
diferentes formatos y provenientes de diversas fuentes, como bases de datos
SQL, archivos CSV y APIs. Esto facilita la integración de datos en el ujo de
trabajo analítico. R también cuenta con potentes capacidades de
manipulación de datos mediante bibliotecas como dplyr y tidyr, que
simplican la limpieza y la transformación de datos.
El manejo de datos en R se realiza principalmente mediante data
frames, que son estructuras de datos bidimensionales similares a las tablas
de las bases de datos. Esto permite a los usuarios organizar y manipular
datos de manera eciente. R ofrece una variedad de funciones para explorar
y resumir datos, como summary(), str() y head(), que ayudan a obtener una
comprensión inicial de los datos antes de realizar análisis más profundos.
En cuanto a los modelos estadísticos, R es muy conocido por su
capacidad para realizar regresiones lineales y no lineales, análisis de
varianza (ANOVA), modelos mixtos y muchos otros enfoques estadísticos.
La función lm() permite implementar modelos de regresión lineal de
manera sencilla, mientras que aov() se utiliza para realizar análisis de
varianza. Además, R permite evaluar modelos mediante técnicas como la
validación cruzada y el análisis de residuos, lo cual es crucial para
garantizar la robustez y la validez de los resultados.
Uno de los aspectos más destacados de R es su capacidad para crear
grácos de alta calidad y personalizados. La biblioteca ggplot2 es
especialmente reconocida por su enfoque en la creación de visualizaciones
elegantes y complejas a partir de datos. Con ggplot2, los usuarios pueden
construir grácos de dispersión, histogramas, boxplots y mucho más,
utilizando una sintaxis intuitiva que ofrece gran exibilidad en el diseño
(Wickham, 2016).
Además, R facilita la creación de reportes dinámicos mediante R
Markdown, que permite combinar código, texto y grácos en un único
documento. Esto se traduce en reportes reproducibles que pueden
compartirse fácilmente. Con R Markdown, los usuarios pueden generar
documentos en diferentes formatos, incluidos HTML, PDF y Word, lo que
15
lo convierte en una herramienta invaluable para la comunicación de
resultados estadísticos.
R se presenta como una herramienta potente y versátil para el
análisis estadístico. Su vasta comunidad, la riqueza de paquetes disponibles
y sus capacidades de visualización lo convierten en una opción destacada
para quienes buscan realizar análisis estadísticos de manera ecaz y
profesional.
En la actualidad, el uso de software estadístico se ha convertido en
una herramienta esencial para investigadores, analistas y profesionales de
diversas disciplinas. Herramientas como Python, Octave y R han
democratizado el acceso a métodos estadísticos avanzados, permitiendo a
personas de diferentes niveles de experiencia realizar análisis que antes
habrían requerido un conocimiento profundo y especializado.
Python, con su rica variedad de bibliotecas y su enfoque versátil, se
ha consolidado como una opción preferida en la comunidad de ciencia de
datos. Su facilidad para integrarse con otras tecnologías y su amplia
documentación lo convierten en una opción ideal tanto para principiantes
como para expertos. Las bibliotecas como Pandas y SciPy han simplicado
el manejo de datos y la realización de análisis estadísticos, mientras que
Matplotlib y Seaborn facilitan la visualización de resultados, transformando
la forma en que los analistas presentan sus descubrimientos.
Por otro lado, Octave, aunque menos conocido, ofrece un entorno
similar a MATLAB, accesible y gratuito. Sus características lo hacen
atractivo para quienes buscan una solución de código abierto para realizar
análisis numéricos y estadísticos. Gracias a su simplicidad y a su capacidad
para ejecutar scripts de MATLAB y Octave, Octave permite a los usuarios
realizar análisis complejos sin incurrir en altos costos de software.
R, reconocido por su potencia en el análisis estadístico y por su
amplia gama de paquetes, sigue siendo una herramienta fundamental en
los ámbitos académico y profesional. Su enfoque en el análisis de datos y la
creación de grácos de alta calidad lo ha convertido en un favorito entre
estadísticos y cientícos de datos. R no solo permite un manejo eciente de
16
datos, sino que también facilita la implementación de modelos estadísticos
avanzados, lo que lo convierte en una opción insustituible para quienes
trabajan en investigación y análisis (Mejía, 2022).
El uso de software estadístico, ya sea mediante Python, Octave o R,
ha transformado la forma en que se realizan los análisis de datos. Estas
herramientas no solo han permitido a los usuarios realizar análisis más
complejos y precisos, sino que también han hecho que la estadística sea más
accesible para todos. La elección del software dependerá de las necesidades
especícas del proyecto y de la familiaridad del usuario con cada
herramienta, pero lo innegable es que en el futuro, la estadística asistida por
software continuará desempeñando un papel crucial en la toma de
decisiones informadas y en la generación de conocimientos valiosos a partir
de los datos (Martínez y del Águila, 2025).
1.3 Comparativa de los Entornos
Cada uno de estos software aborda la estadística desde una losofía
distinta. Entender esto es clave para elegir la herramienta adecuada (Ver
Tabla 1).
Tabla 1. Características de los entornos R, Python y GNU Octave
Característica
R
Python
GNU Octave
Filosofía
Creado por
estadísticos para
estadísticos.
Lenguaje de
propósito general
con librerías de
ciencia de datos.
Clon de MATLAB
orientado al
cálculo numérico y
matricial.
Puntos
Fuertes
Inferencia
estadística, análisis
exploratorio,
bioestadística,
grácos
académicos
(ggplot2).
Machine
Learning, Deep
Learning,
integración con
apps web,
limpieza de datos
(pandas).
Álgebra lineal,
ecuaciones
diferenciales,
ingeniería,
prototipado
rápido de
algoritmos
matemáticos.
17
Característica
R
Python
GNU Octave
Librerías
Clave
stats (nativo),
tidyverse, caret.
scipy.stats,
pandas,
statsmodels,
scikit-learn.
Paquetes nativos
(limitados en
estadística
avanzada, en
comparación con
R).
Curva de
Aprendizaje
Pendiente inicial
pronunciada,
sintaxis
idiosincrásica.
Muy amigable,
con sintaxis
legible y
consistente.
Fácil si conoces
álgebra matricial o
si vienes de
MATLAB.
Para entender las "aplicaciones", veamos cómo se ejecuta un método
estadístico clásico: una regresión lineal simple (ajustar una línea y = \beta_0
+ \beta_1x + \epsilon) en los tres lenguajes.
- R (El enfoque clásico)
R trata los modelos estadísticos como objetos de primera clase. La
salida incluye, por defecto, ricos detalles estadísticos (valores p, R^2 y
residuos).
R
Cargar datos
datos <- data.frame(x = c(1, 2, 3, 4, 5), y = c(2.1, 4.0, 6.1, 8.0, 10.2))
Ajustar modelo (fórmula y ~ x)
modelo <- lm(y ~ x, data = datos)
Ver resultados detallados (ANOVA, coecientes, p-values)
summary(modelo)
- En Python (El enfoque programático)
18
Python requiere importar librerías especícas. statsmodels es lo más
cercano a R, mientras que scikit-learn se enfoca más en la predicción que en
la inferencia estadística.
Python
import statsmodels.api as sm
import pandas as pd
Datos
df = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [2.1, 4.0, 6.1, 8.0, 10.2]})
Denir variables (añadiendo constante para el intercepto)
X = sm.add_constant(df['x'])
y = df['y']
Ajustar modelo
modelo = sm.OLS(y, X).t()
Ver resumen estadístico
print(modelo.summary())
- En GNU Octave (El enfoque matemático)
Octave ve la estadística como una operación de álgebra lineal. A
menudo resuelves el sistema A x = B. Para estadística descriptiva básica es
directo, pero para modelos complejos requiere más pasos manuales o
paquetes adicionales.
Matlab
% Datos
x = [1; 2; 3; 4; 5];
y = [2.1; 4.0; 6.1; 8.0; 10.2];
% Ajuste polinómico de grado 1 (Lineal)
p = polyt(x, y, 1);
19
% Evaluar el modelo
y_pred = polyval(p, x);
% Calcular R^2 manualmente (es menos automático que R)
y_mean = mean(y);
SStot = sum((y - y_mean).^2);
SSres = sum((y - y_pred).^2);
R2 = 1 - SSres/SStot;
disp(["Coecientes: ", num2str(p)]);
disp(["R^2: ", num2str(R2)]);
- ANOVA de una vía en R
La función aov es estándar y el summary te da exactamente lo que
un estadístico espera ver (grados de libertad, suma de cuadrados, valor F,
valor p).
R
Preparar datos (Factor y Respuesta)
fertilizante <- factor(c(rep("A", 5), rep("B", 5), rep("C", 5)))
crecimiento <- c(20, 21, 23, 19, 20, Grupo A
24, 25, 27, 23, 26, Grupo B
15, 17, 16, 18, 15) Grupo C
datos <- data.frame(fertilizante, crecimiento)
Ejecutar ANOVA
modelo <- aov(crecimiento ~ fertilizante, data = datos)
Ver tabla de resultados
summary(modelo)
- ANOVA de una vía en Python
20
En Python, tenemos dos caminos principales. scipy es rápido pero
básico, statsmodels es lo que debes usar si quieres una salida profesional
similar a la de R.
Python
import pandas as pd
import statsmodels.api as sm
from statsmodels. Formula.api import ols
Preparar datos
df = pd.DataFrame({
'fertilizante': ['A']5 + ['B']5 + ['C']5,
'crecimiento': [20, 21, 23, 19, 20,
24, 25, 27, 23, 26,
15, 17, 16, 18, 15]
})
Ajustar el modelo (usando sintaxis de fórmula estilo R)
modelo = ols('crecimiento ~ C(fertilizante)', data=df).t()
Generar tabla ANOVA
tabla_anova = sm.stats.anova_lm(modelo, typ=2)
print(tabla_anova)
- ANOVA de una vía en GNU Octave
Aunque tiene funciones estadísticas, a menudo es más directo
trabajar con matrices o usar la función anova1 si tienes el paquete statistics
cargado. Aquí vemos la estructura matricial pura.
Matlab
% Preparar datos (Matriz: columnas = grupos)
21
% Cada columna es un fertilizante diferente
X = [20, 24, 15;
21, 25, 17;
23, 27, 16;
19, 23, 18;
20, 26, 15];
% Ejecutar ANOVA (requiere paquete statistics o compatible con MATLAB)
% p = valor p, tbl = tabla de resultados, stats = estructura para pruebas post-hoc
[p, tbl, stats] = anova1(X);
% Si no tienes interfaz gráca, 'tbl' contiene la matriz de celdas con los datos
del ANOVA
disp(tbl)
Octave preere que los datos estén estructurados geométricamente
(una columna por grupo) en lugar de usar "etiquetas" o factores, como en R
y Python. (ver Tabla 2)
Tabla 2. Resumen de Diferencias Críticas
Aspecto
R
Python
(statsmodels)
Entrada
de Datos
Dataframes con
Factores
Dataframes de
Pandas
Sintaxis de
Modelo
Fórmulas (y ~ x)
Fórmulas
(strings)
Salida por
defecto
Tabla ANOVA
completa
Objeto modelo
(requiere print)
22
Aspecto
R
Python
(statsmodels)
Post-Hoc
(Tukey)
TukeyHSD(modelo)
statsmodels.
Stats. multicomp
23
Capítulo II
El uso de lenguajes de programación R y Python
en ingeniería
En la actualidad, la ingeniería está fuertemente inuida por los
avances tecnológicos y la disponibilidad de datos. En este contexto, los
lenguajes de programación son fundamentales para los ingenieros que
desean optimizar procesos, realizar análisis complejos y desarrollar
soluciones innovadoras. La habilidad de programar permite automatizar
tareas repetitivas, modelar y simular sistemas, analizar grandes cantidades
de datos y crear algoritmos que aumenten la eciencia y la precisión en la
toma de decisiones.
Entre los diversos lenguajes de programación disponibles, R y
Python se destacan como dos de los más utilizados en el ámbito de la
ingeniería. Cada uno de estos lenguajes tiene características particulares
que lo hacen adecuado para distintos tipos de aplicaciones y desafíos. R,
por ejemplo, es ampliamente reconocido por sus capacidades en análisis
estadístico y visualización de datos, lo que lo convierte en una opción
preferida en áreas como la ingeniería estadística y la investigación de
operaciones. Por otro lado, Python ha ganado popularidad debido a su
versatilidad y facilidad de uso, lo que lo convierte en una herramienta ideal
para el desarrollo de software, la automatización de tareas y aplicaciones de
inteligencia articial y de aprendizaje automático.
La elección entre R y Python se ha convertido en una cuestión
fundamental para ingenieros, analistas de datos y cientícos. Ambos
lenguajes tienen características únicas que los hacen adecuados para
distintas aplicaciones en el ámbito de la ingeniería. Para comprender mejor
estas diferencias, es esencial explorar la historia y la evolución de cada
lenguaje, así como sus características distintivas y sus aplicaciones en el
análisis de datos (Sharma et al., 2021).
24
R es un lenguaje de programación y un entorno de software
diseñados principalmente para el análisis estadístico y la visualización de
datos. Su origen se remonta a 1993, cuando Robert Gentleman y Ross Ihaka,
en la Universidad de Auckland, Nueva Zelanda, comenzaron a
desarrollarlo como una implementación del lenguaje S, creado en los años
70. R ha evolucionado gracias a su comunidad, que aporta paquetes y
extensiones para ampliar sus funciones. Hoy en día, R es ampliamente
reconocido en el ámbito académico y entre los profesionales de la estadística
y constituye una herramienta esencial para el análisis complejo y el
modelado de datos.
Por otro lado, Python fue creado a nales de los años 80 por Guido
van Rossum y lanzado por primera vez en 1991. Desde entonces, Python ha
crecido en popularidad debido a su simplicidad y legibilidad, lo que lo
convierte en un lenguaje accesible para programadores de todos los niveles.
Con el tiempo, Python ha evolucionado para incluir potentes bibliotecas
para la ciencia de datos, como NumPy, pandas y Matplotlib, lo que facilita
su uso en diversas aplicaciones de ingeniería, desde el análisis de datos
hasta el desarrollo de software.
Una de las principales diferencias entre R y Python radica en su
enfoque y diseño. R está diseñado especícamente para el análisis
estadístico y la visualización de datos, lo que lo convierte en la elección
preferida para estadísticos y analistas de datos que requieren herramientas
avanzadas para este propósito. En contraste, Python es un lenguaje de
propósito general que se utiliza en una variedad de dominios, incluyendo
el desarrollo web, la automatización y, por supuesto, la ciencia de datos.
Esta versatilidad lo hace atractivo para ingenieros que buscan una
herramienta que les permita abordar una amplia gama de problemas.
Otra diferencia notable es la forma en que cada lenguaje gestiona la
manipulación de datos. R ofrece un enfoque más orientado a los datos, con
funciones que permiten realizar análisis estadísticos de forma directa y
eciente. Python, con bibliotecas como pandas, también permite una
manipulación de datos ecaz, pero su estilo es más programático y
25
orientado a objetos, lo que puede resultar más familiar para los ingenieros
con experiencia en programación.
R es ampliamente utilizado para análisis estadístico, gracias a su
amplio conjunto de funciones y paquetes dedicados a métodos estadísticos
avanzados. Los ingenieros que trabajan en campos como la investigación y
el desarrollo pueden aprovechar R para realizar análisis de regresión,
pruebas de hipótesis y modelos de series temporales, lo que facilita la
interpretación de datos complejos.
Python, con su biblioteca pandas, se ha convertido en un estándar
para la manipulación de datos. Su capacidad para manejar grandes
conjuntos de datos de manera eciente y su sintaxis intuitiva permiten a los
ingenieros realizar tareas de limpieza, transformación y análisis de datos
con ecacia. Esto es especialmente útil en proyectos de ingeniería donde los
datos pueden provenir de múltiples fuentes y requieren un procesamiento
signicativo antes de ser analizados.
La visualización de datos es otro aspecto crítico del análisis. R
sobresale en este campo gracias a librerías como ggplot2, que proporciona
herramientas poderosas para crear grácos estadísticos de alta calidad.
Python, por su parte, también ofrece bibliotecas robustas como Matplotlib
y Seaborn, que permiten crear visualizaciones atractivas y personalizables.
La elección entre R y Python para la visualización a menudo depende de la
preferencia del usuario y del contexto del proyecto (Oviedo et al., 2024).
Tanto R como Python tienen ventajas y desventajas en el ámbito de
la ingeniería. La elección del lenguaje más adecuado dependerá de las
necesidades especícas del proyecto, así como de la experiencia y las
preferencias del ingeniero. El lenguaje de programación R ha ganado una
considerable popularidad entre los ingenieros debido a su robustez en el
análisis estadístico y su capacidad para manejar grandes conjuntos de
datos.
R fue diseñado desde sus inicios con un enfoque fuerte en la
estadística, lo que lo convierte en una herramienta ideal para ingenieros que
necesitan realizar análisis complejos y modelado estadístico. Su extensa
26
colección de paquetes, como `lm()` para regresión lineal y `glm()` para
modelos lineales generalizados, permite a los ingenieros desarrollar
modelos predictivos y realizar inferencias estadísticas de manera ecaz.
Además, R ofrece potentes funciones de análisis multivariante, esenciales
para evaluar múltiples variables y sus interacciones en proyectos de
ingeniería.
El análisis de riesgo es una parte crucial del proceso de toma de
decisiones en ingeniería y R proporciona herramientas valiosas para
realizar simulaciones. Con paquetes como `MonteCarlo`, los ingenieros
pueden ejecutar simulaciones de Monte Carlo para modelar la
incertidumbre y evaluar el impacto de distintas variables en sus proyectos.
Esto es especialmente útil en campos como la ingeniería civil y la nanciera,
donde las decisiones deben basarse en la evaluación precisa de riesgos
potenciales. R cuenta con una amplia gama de paquetes especícos,
particularmente útiles en el ámbito de la ingeniería. Algunos de los más
destacados incluyen:
- ggplot2: Fundamental para la visualización de datos, permite a los
ingenieros crear grácos complejos de manera sencilla y efectiva. La
capacidad de personalizar las visualizaciones es crucial para presentar los
resultados de manera clara y comprensible.
- dplyr: Este paquete facilita la manipulación de datos, permitiendo a los
ingenieros de datos limpiar y transformar conjuntos de datos de manera
eciente. Las operaciones como seleccionar, ltrar y agregar datos se
vuelven intuitivas y rápidas con `dplyr`.
- caret: En el ámbito del machine learning, el paquete `caret` ofrece una serie
de funciones que permiten construir modelos predictivos y realizar
validaciones cruzadas de manera sistemática, lo cual resulta invaluable para
ingenieros que buscan implementar técnicas de inteligencia articial en sus
proyectos.
R se ha consolidado como una herramienta esencial en el arsenal de
los ingenieros, ofreciendo capacidades avanzadas en análisis estadístico,
simulación y manipulación de datos. Su comunidad activa y la evolución
27
continua de sus paquetes aseguran que R seguirá siendo relevante y útil en
el ámbito de la ingeniería.
2.1 Uso de Python en ingeniería
Python ha emergido como uno de los lenguajes de programación
más populares y versátiles en el ámbito de la ingeniería. Su sintaxis clara y
sencilla, junto con una amplia gama de bibliotecas y herramientas, lo ha
convertido en una elección preferida para diversas aplicaciones en este
campo.
Una de las principales ventajas de Python es su capacidad para
facilitar el desarrollo de software. Los ingenieros pueden utilizar Python
para crear aplicaciones que automatizan tareas repetitivas, lo que no solo
ahorra tiempo, sino que también minimiza los errores humanos. Por
ejemplo, en la ingeniería civil, Python puede utilizarse para automatizar
cálculos complejos y generar informes de manera rápida y eciente.
Además, su integración con herramientas de control de versiones, como Git,
permite a los equipos de ingeniería colaborar de manera efectiva en
proyectos de software, lo que mejora la productividad y la calidad del
producto nal.
Python se ha consolidado como el lenguaje de referencia para el
desarrollo de aplicaciones de machine learning e inteligencia articial. Con
bibliotecas como TensorFlow, Keras y scikit-learn, los ingenieros pueden
construir modelos predictivos y sistemas inteligentes capaces de aprender
a partir de datos y tomar decisiones de forma autónoma. En la ingeniería,
esto se traduce en aplicaciones que van desde la optimización de procesos
industriales hasta el análisis predictivo en el mantenimiento, donde las
máquinas pueden predecir fallas antes de que ocurran, lo que ahorra
tiempo y costos signicativos (Mehta, 2019). La riqueza del ecosistema de
Python se reeja en la gran cantidad de bibliotecas disponibles para
diversas disciplinas de la ingeniería. Algunas de las más destacadas
incluyen:
28
• NumPy: fundamental para el cálculo numérico, permite realizar
operaciones sobre arrays y matrices de manera eciente y es esencial
para la manipulación de datos en ingeniería.
• Pandas: Ideal para la manipulación y el análisis de datos; facilita la
limpieza y la transformación de conjuntos de datos, lo cual es crucial
para el análisis de resultados experimentales.
• Matplotlib y Seaborn: Estas bibliotecas son esenciales para la
visualización de datos, permitiendo a los ingenieros crear grácos
informativos y atractivos que facilitan la interpretación de los
resultados.
• SciPy: Proporciona herramientas para la optimización, la integración
y la resolución de ecuaciones diferenciales, siendo particularmente
útil en campos como la ingeniería mecánica y la eléctrica.
• Flask y Django: son frameworks de desarrollo web que permiten a
los ingenieros crear aplicaciones web robustas para la visualización
de datos y la interacción con los usuarios.
Python no solo permite a los ingenieros desarrollar software y
automatizar procesos, sino que también les ofrece un conjunto de
herramientas potentes para abordar problemas complejos mediante
machine learning y análisis de datos. Su versatilidad y facilidad de uso lo
han consolidado como un pilar fundamental de la ingeniería moderna.
La elección entre R y Python en el ámbito de la ingeniería no es
sencilla, ya que ambos lenguajes ofrecen ventajas signicativas y se adaptan
a diferentes necesidades y contextos. R, con su enfoque en el análisis
estadístico y la visualización de datos, se ha consolidado como una
herramienta esencial para ingenieros que requieren modelar fenómenos
complejos y realizar análisis profundos. Su vasta colección de paquetes
especializados permite a los usuarios realizar estudios estadísticos
avanzados y generar grácos de alta calidad, lo que la convierte en una
opción preferida para quienes trabajan en campos como la investigación y
el análisis de datos.
Por otro lado, Python se destaca por su versatilidad y facilidad de
uso, lo que lo convierte en una opción atractiva para ingenieros que buscan
29
desarrollar software, automatizar procesos y aplicar técnicas de machine
learning. Su sintaxis clara y su potente ecosistema de bibliotecas, como
NumPy, Pandas y Scikit-learn, permiten la manipulación eciente de datos
y la implementación de algoritmos de inteligencia articial. Esto lo hace
especialmente valioso en sectores en los que la integración entre el análisis
de datos y el desarrollo de software resulta crucial.
Al nal, la elección entre R y Python debe basarse en las necesidades
especícas del proyecto y en las habilidades del equipo. Para quienes se
centran en la estadística y la visualización, R puede ser la mejor opción. En
cambio, quienes buscan una solución más general y versátil, que incluya
desarrollo de software y machine learning, pueden encontrar en Python la
herramienta ideal. En muchos casos, la combinación de ambos lenguajes
puede ofrecer una solución más completa y efectiva, aprovechando las
fortalezas de cada uno para abordar los desafíos del ámbito de la ingeniería.
Por lo tanto, la decisión debe considerar tanto el contexto del trabajo
como los objetivos a alcanzar, lo que permitirá una elección informada que
maximice el potencial de los ingenieros en su campo. El uso de R y Python
en ingeniería representa un cambio de paradigma. Tradicionalmente, la
ingeniería estaba dominada por herramientas como MATLAB, Fortran o
Excel. Hoy, la ingeniería moderna se basa en datos y aquí es donde entran
estos dos gigantes. Mientras que en la ciencia de datos general compiten, en
la ingeniería suelen desempeñar roles complementarios muy denidos.
a. Python: El "Ingeniero de Planta" (Versatilidad y Producción)
En ingeniería, Python se ha convertido en el estándar de facto para
reemplazar MATLAB y automatizar tareas. Su fortaleza radica en su
capacidad para interactuar con hardware, simuladores y sistemas web.
• Simulación y Elementos Finitos (FEA): Librerías como FEniCS o
SfePy permiten resolver ecuaciones diferenciales complejas para
análisis estructurales o de dinámica de uidos sin pagar licencias
costosas.
30
• Automatización de CAD: software como Rhino (con Grasshopper),
Blender y FreeCAD utiliza Python para generar geometría
paramétrica automáticamente.
• Mantenimiento Predictivo (IoT): Es el rey de leer sensores
(Arduino/Raspberry Pi), procesar señales y predecir fallas en
maquinaria mediante Machine Learning (scikit-learn).
• Librerías Clave:
o SciPy: para optimización lineal, integración y procesamiento
de señales.
o NumPy: álgebra matricial de alto rendimiento.
o Control: Alternativa a la "Control System Toolbox" de
MATLAB.
b. R: El "Auditor de Calidad" (Estadística Rigurosa)
R no se usa típicamente para controlar un robot o diseñar un puente,
sino para analizar la variabilidad de los procesos que construyen dicho
puente. Es fundamental en ramas donde el riesgo y la incertidumbre deben
modelarse con precisión matemática.
• Control de calidad (Six Sigma): R domina en la industria
manufacturera en el diseño de grácos de control, el análisis de la
capacidad de proceso (C_p, C_{pk}) y el diseño de experimentos
(DOE).
• Ingeniería Ambiental e Hidrología: Se utiliza ampliamente para
modelar series temporales de lluvias, caudales y contaminantes
(paquete hydroGOF).
• Conabilidad (Reliability Engineering): Para calcular la vida útil de
un producto mediante el análisis de Weibull, R ofrece paquetes
especícos que superan las implementaciones básicas de Python.
• Librerías Clave:
o qcc: Para grácos de control de calidad.
31
o DoE.base: Para el diseño de experimentos.
o survival: Para el análisis de falla y de supervivencia de
materiales.
c. Comparativa por Disciplina de Ingeniería (Ver Tabla 3).
Tabla 3. Comparativa de uso de python y R entre disciplinas
Disciplina
Uso Principal de Python
Uso Principal de R
Ing. Industrial
Optimización de rutas
logísticas, simulación de
eventos discretos (SimPy).
Control estadístico de
procesos (SPC), Six Sigma,
diseño de experimentos.
Ing. Mecánica /
Civil
Cálculo numérico, elementos
nitos, automatización de
planos CAD.
Análisis de la fatiga de
materiales y de la hidrología
estadística.
Ing. Eléctrica /
Electrónica
Procesamiento de señales,
visión por computador,
control de sistemas.
Análisis de ruido en señales,
modelado estocástico de
redes.
Bioingeniería
Procesamiento de imágenes
médicas.
Bioinformática, ensayos
clínicos, genética.
Estudio de caso # 1:
- El escenario: Eres ingeniero de calidad en una fábrica de pernos. Necesitas
monitorear si el diámetro de los pernos se mantiene estable o si la máquina
se está descalibrando.
Por qué R: La librería qcc es el estándar de oro. Genera grácos de
control con límites (LCL/UCL) y detecta automáticamente violaciones de
reglas estadísticas (como "racha de 5 puntos subiendo").
R
32
# Instalar librería si no la tienes: install.packages("qcc")
library(qcc)
# 1. Simulación de datos: 20 muestras de 5 pernos cada una
# Los primeros 15 grupos son normales (media 10 mm)
# Los últimos 5 grupos simulan una falla (la máquina se descalibra a 10.8
mm)
diametros <- c(rnorm(15*5, mean=10, sd=0.5),
rnorm(5*5, mean=10.8, sd=0.5))
# Organizar en una matriz (20 las x 5 columnas)
matriz_datos <- matrix(diametros, nrow=20, ncol=5)
# 2. Generar Gráco de Control X-bar (Media)
# R calcula automáticamente los límites de control superior e inferior
graco <- qcc(matriz_datos, type="xbar", title="Control de Calidad - Diámetro de
Pernos")
# R marca en ROJO los puntos que violan las reglas estadísticas
Resultado: R te mostrará inmediatamente los puntos rojos al nal,
avisándote de que el proceso está "fuera de control".
Estudio de caso # 2:
- El escenario: Diseñas la suspensión de un auto. Necesitas simular cómo
oscila y se detiene el amortiguamiento del sistema después de atravesar un
bache.
¿Por qué Python? Resolver ecuaciones diferenciales (ODE) requiere
métodos numéricos potentes. SciPy es una herramienta de ingeniería
robusta para ello.Shuerstock
Python
import numpy as np
33
from scipy.integrate import odeint
import matplotlib.pyplot as plt
# 1. Denir la Ecuación Física (Masa-Resorte-Amortiguador)
def modelo(condiciones, t, k, m, c):
x, v = condiciones # x = posición, v = velocidad
dxdt = v
dvdt = -(c/m)*v - (k/m)*x # Segunda ley de Newton: F = ma
return [dxdt, dvdt]
# Parámetros físicos
k = 2.0 # Constante del resorte
m = 1.0 # Masa
c = 0.5 # Coeciente de amortiguamiento (fricción)
# Condiciones iniciales: El resorte empieza estirado 1 metro, velocidad 0
condiciones_iniciales = [1.0, 0.0]
# Tiempo de simulación (de 0 a 20 segundos)
t = np.linspace(0, 20, 200)
# 2. Resolver la Ecuación Diferencial (El "Solver")
solución = odeint(modelo, condiciones_iniciales, t, args=(k, m, c))
# 3. Visualizar la Ingeniería
plt.gure(gsize=(10,5))
plt.plot(t, solucion[:, 0], 'b-', label='Posición (m)')
plt.title('Simulación de Amortiguamiento (Suspensión)')
plt.xlabel('Tiempo (s)')
plt.ylabel('Desplazamiento')
34
plt.grid(True)
plt.legend()
plt.show()
Resultado: Python genera una curva oscilatoria que se va aplanando,
lo que muestra exactamente cómo la suspensión absorbe el impacto a lo
largo del tiempo (Ver Figura 1).
Figura 1. Curva oscilatoria de sistema de amortiguación
El análisis estadístico moderno ha sido transformado por la
accesibilidad a plataformas de software de código abierto. Python, R y GNU
Octave representan tres pilares fundamentales, aunque con propósitos y
nichos de aplicación marcadamente distintos. La elección de la herramienta
más adecuada para un proyecto de ciencia de datos o de investigación
rigurosa no es arbitraria; depende intrínsecamente del objetivo nal, ya sea
la inferencia cientíca, la visualización de alta calidad o la implementación
a escala de producción (Nuñez et al., 2024).
2.2 Denición Conceptual y Roles Fundamentales de
los Lenguajes
R es un entorno de software y un lenguaje de programación
desarrollado especícamente para el cálculo estadístico y la visualización
35
de datos.2 Su diseño inicial priorizó la facilidad para expresar conceptos
estadísticos complejos y para manejar objetos de datos heterogéneos. Las
capacidades de R se clasican generalmente en tres grandes categorías:
manipulación de datos, análisis estadístico y visualización de datos. Python
se ha establecido como un lenguaje de programación de propósito general.
Su atractivo principal radica en su versatilidad, lo que permite su uso en
una amplia gama de soluciones más allá del análisis estadístico, como el
desarrollo web, la automatización de sistemas y la ingeniería de software. Si
bien Python ha adoptado el ecosistema de ciencia de datos (Pandas, SciPy,
Scikit-learn), su diseño fundamental prioriza la funcionalidad general y la
robustez en la construcción de sistemas de software escalables.
GNU Octave fue concebido como un lenguaje de alto nivel orientado
principalmente a cálculos numéricos. Su objetivo principal es servir como
alternativa de código abierto a MATLAB. Por esta razón, su nicho principal
se ha centrado en la simulación de sistemas dinámicos, la resolución de
problemas de álgebra lineal compleja y la generación de material didáctico
en contextos de ingeniería. A diferencia de R y Python, Octave no fue
diseñado con la inferencia estadística o la gestión de datos empresariales
como foco central, lo que limita su utilidad en la ciencia de datos moderna
(Companioni et al., 2012).
La elección entre Python y R a menudo se enmarca en una dicotomía:
R para la investigación estadística y Python para la producción de software.
Sin embargo, esta distinción requiere una comprensión matizada de dónde
radica la eciencia de cada lenguaje.
Es común escuchar la armación de que Python es inherentemente
un lenguaje de propósito general superior, mientras que R se limita
estrictamente a la estadística. Sin embargo, esta posición ha sido refutada
activamente por académicos y cientícos de datos avanzados. Profesionales
que priorizan R destacan que han completado tareas de programación
sumamente complejas con una eciencia extraordinaria en R. Estas tareas
incluyen el análisis de Big Data (gestionando decenas o incluso cientos de
GB de datos sin procesar), tareas avanzadas de aprendizaje automático
36
(Machine Learning), bioinformática y la elaboración de informes
profesionales dinámicos y rigurosos.
La ventaja innegable de Python en la operacionalización. La
superioridad de Python no reside en su capacidad intrínseca para ejecutar
un algoritmo estadístico (donde R a menudo destaca), sino en su
rendimiento al escribir código de producción. Hay una diferencia
fundamental entre la velocidad del ecosistema (la optimización de librerías
especícas escritas en C o Fortran, común en R) y la velocidad del lenguaje
base. Python aventaja a R en la velocidad del código base, con tipos
fundamentales como listas y diccionarios, y en la iteración de cadenas letra
por letra, siendo considerablemente más rápido que sus contrapartes en R.
Además, Python posee un sistema de programación orientada a
objetos (OOP) que se considera superior y más robusto que los conjuntos de
sistemas OOP de R (S3, S4, R6). Esta solidez arquitectónica es crítica cuando
un análisis estadístico debe encapsularse, probarse e implementarse dentro
de un sistema de software empresarial más amplio, lo que impulsa a Python
como el lenguaje de elección para la fase de operacionalización. Por lo tanto,
aunque R puede ser más eciente para la exploración y el análisis
estadístico, Python es más eciente para la construcción de sistemas de
software que incorporan ese análisis.
En síntesis, la posición marginal de GNU Octave en este debate se
debe a su desempeño. Octave es notablemente más lento que MATLAB y
no compite en velocidad ni en ecosistema con R o Python para tareas de
computación general. Esta limitación, combinada con el riesgo de
obsolescencia de sus paquetes estadísticos, lo relega a entornos muy
especícos de simulación o de enseñanza.
La etapa inicial de cualquier proyecto estadístico es la limpieza y
transformación de los datos, un proceso que revela las diferencias losócas
y arquitectónicas clave entre R y Python.
El ecosistema R, en particular a través del conjunto de paquetes
Tidyverse, promueve una sintaxis funcional declarativa que se ha
convertido en el estándar de facto para la manipulación de datos. Utilizando
37
el operador pipe (%>% o |>), esta losofía sintáctica permite encadenar
operaciones de limpieza de manera altamente legible, simplicando tareas
como la ltración (dplyr::lter), la creación de nuevas columnas
(dplyr::mutate) o la selección de variables especícas (dplyr::select). El
manejo de datos textuales también se benecia de este enfoque, con
paquetes como stringr que ofrecen funciones explícitas (p. ej., str_to_upper
para convertir a mayúsculas o str_split_xed para dividir cadenas).
Python, por su parte, basa la manipulación de datos en el DataFrame
de Pandas, una estructura de datos orientada a objetos. Las
transformaciones se realizan mediante la invocación de métodos sobre los
objetos DataFrame o Series. Por ejemplo, las operaciones sobre cadenas se
realizan con métodos explícitos sobre la propiedad .str de la columna (p. ej.,
cities['ctg1'].str.upper()) o para inspeccionar el contenido (.str.contains("f")).
La elección entre el estilo idiomático y funcional de Tidyverse y el estilo de
programación general y orientado a objetos de Pandas se reduce a la
preferencia sintáctica y la familiaridad del analista.
La gestión eciente de grandes volúmenes de datos es crucial para el
análisis moderno. La superioridad de un lenguaje sobre el otro en este
dominio depende de la escala y de la arquitectura de los datos. R está
diseñado y optimizado para manejar ecientemente grandes cantidades de
datos que caben en la memoria RAM de una sola máquina (in-memory). Esto
se logra mediante paquetes altamente optimizados, como data.table, y el
uso de técnicas especícas que aprovechan el código compilado. Para un
analista que trabaja con decenas o cientos de gigabytes en un entorno de
servidor potente, R ofrece soluciones muy veloces (Plasencia y Anías, 2017).
Sin embargo, cuando se considera el verdadero Big Data—conjuntos
de datos que exceden el terabyte (TB) o se almacenan de manera
distribuida—, Python, junto con su ecosistema, domina. Spark, una
tecnología de procesamiento distribuido, se recomienda especícamente
para datasets superiores a 1 TB, datos distribuidos en sistemas como HDFS,
S3 o Azure, y ujos de trabajo que exigen clústeres distribuidos a escala
empresarial.
38
Aunque Spark ofrece soporte para R, el núcleo de Spark está escrito
en Scala, y su interoperabilidad es más fuerte con Python a través de
PySpark. Además, Dask, una librería escrita completamente en Python,
actúa como un componente clave dentro del ecosistema, permitiendo la
mejora y paralelización de librerías nativas como NumPy y Pandas para la
computación paralela y out-of-core. Por lo tanto, si el cuello de botella de un
proyecto es la capacidad de la memoria RAM o la necesidad de acceder a
datos distribuidos, Python y sus herramientas asociadas son la opción
preferente.
La capacidad de conectarse y gestionar datos en bases de datos
relacionales es una necesidad técnica en el entorno empresarial. El lenguaje
SQL es fundamental para la gestión, actualización y eliminación de
información en grandes bases de datos. Python demuestra una
superioridad signicativa en la capa de ingestión y conexión de datos.
Permite la integración eciente de sistemas y aplicaciones para obtener una
vista integrada de los datos. Python facilita la conexión a tablas, la
implementación de lógica de JOIN y la conformidad con las reglas de
normalización de bases de datos, lo cual es vital cuando se manejan grandes
volúmenes de datos (ESIC University, 2023).
En general, Python es más versátil en la recopilación de datos,
ofreciendo un soporte más amplio para diversos formatos y una mayor
facilidad para la extracción de datos web (web scraping) en comparación con
R. Esta facilidad para la Extracción, Transformación y Carga (ETL) a
menudo convierte a Python en la opción predeterminada para proyectos
donde la ingesta y preparación de datos son etapas complejas. Si un
proyecto requiere interactuar constantemente con APIs externas, recolectar
datos web o gestionar grandes bases de datos SQL, la infraestructura más
generalista de Python impulsa su adopción, incluso si el modelado
posterior pudiera beneciarse de R.
Para la estadística descriptiva y la inferencia basada (pruebas T,
ANOVA, regresión lineal simple), ambos lenguajes, R y Python, son
perfectamente competentes. El ecosistema de R, incluyendo su base y
paquetes como stats, ofrece implementaciones históricamente las más
39
rigurosas, validadas y aceptadas en la literatura estadística. Al ser un
lenguaje diseñado para la estadística, su sintaxis para estos modelos suele
ser más limpia y directa (fórmulas de estilo modelo~predictora).
Python, por su parte, utiliza librerías robustas como statsmodels y
SciPy para replicar la funcionalidad estadística tradicional de R. La
principal ventaja de Python en este nivel es que estas herramientas están
integradas en un entorno de programación de propósito general, lo que
permite una transición uida entre el análisis estadístico y otras tareas de
software.
GNU Octave proporciona funciones estadísticas mediante su
paquete statistics. Este paquete ofrece capacidades básicas de inferencia,
como funciones de distribución acumulada (CDF) y de densidad de
probabilidad (PDF) para distribuciones como Beta, F y Logística (betacdf,
fcdf, logipdf, logiinv). También incluye funciones de regresión más
avanzadas, como las clases de Modelos Aditivos Generalizados (GAM)
mediante RegressionGAM.
A pesar de su capacidad de cómputo numérico, la utilidad de GNU
Octave para el análisis estadístico profesional y riguroso es
extremadamente limitada. Un factor crítico es el mantenimiento de su
ecosistema. El repositorio Octave Forge, donde se alojan paquetes clave
como statistics, ya no está activo. Para cualquier proyecto estadístico serio
que requiera el uso de librerías actualizadas, seguras y validadas, depender
de un entorno con desarrollo estancado introduce un riesgo signicativo de
obsolescencia y de errores metodológicos.
Octave se reporta como más lento que MATLAB y los usuarios que
buscan una alternativa económica a MATLAB tienden a migrar
directamente a Python. El coste de oportunidad de utilizar un entorno con
un soporte tan limitado y una velocidad inferior a la de las alternativas
resulta demasiado alto tanto para la investigación académica rigurosa como
para el análisis de datos empresarial (Companioni et al., 2012). Su rol, por
lo tanto, se mantiene rmemente anclado en la simulación de ingeniería o
en el uso didáctico.
40
En los dominios de la estadística avanzada—particularmente la
inferencia causal, el modelado jerárquico y la estadística bayesiana—los
ecosistemas de R y Python muestran diferencias estilísticas y metodológicas
cruciales. La inferencia causal busca determinar relaciones de causa y
efecto, lo cual constituye una necesidad central en las ciencias sociales, la
economía y la medicina. El ecosistema R tiende a liderar la implementación
de metodologías de inferencia causal frecuentista y de econométrica. El
paquete estimatr ofrece estimadores lineales rápidos y fáciles de usar, con
énfasis en la robustez. Es esencial para diseños experimentales, ya que
permite recuperar estimaciones que reejan errores estándar robustos al
clúster para diseños aleatorizados y de bloques.
Además, R alberga implementaciones clave de metodologías de
vanguardia, como el Double Machine Learning (DML). El paquete DoubleML
implementa el marco DML desarrollado por Chernozhukov. Este marco
permite realizar inferencia válida en modelos causales (como modelos de
regresión parcialmente lineal e interactiva) mediante métodos de Machine
Learning para la estimación de componentes de molestia, así como
mediante la ortogonalidad de Neyman y la división de muestras.
Python, impulsado por su comunidad de Machine Learning e
Inteligencia Articial, se enfoca en modelos causales basados en grafos y
redes. Las redes bayesianas, accesibles en Python, constituyen una
herramienta poderosa para modelar y razonar sobre la incertidumbre en
diversos dominios. Estas redes son capaces de capturar relaciones
complejas entre variables y facilitan la inferencia y la toma de decisiones
(Vo, 2017). Los modelos causales basados en grafos, a través de librerías
como CausalML, son esenciales para representar y analizar relaciones
causales, lo que permite una comprensión más profunda de la interacción
entre variables para la evaluación de intervenciones.
La presencia de los paquetes más rigurosos y consolidados para
DML y estimación robusta, primero en R, se debe a que estos métodos
fueron desarrollados inicialmente en la econometría y la estadística, campos
que tradicionalmente han adoptado R. Los modelos multinivel (MLM) son
41
necesarios para el análisis de datos con estructura anidada o jerárquica (p.
ej., estudiantes dentro de aulas, pacientes dentro de hospitales).
R es el entorno tradicional para el modelado de MLM,
principalmente mediante el paquete lme4. Este ecosistema permite la
especicación detallada de estructuras de varianza, como la adición de
interceptos y pendientes aleatorios, incluyendo la correlación entre ellos,
como se ilustra en un modelo de tres niveles (p. ej., hospital). R también
facilita la interpretación de estos modelos, permitiendo gracar las
interacciones de nivel cruzado (como la interacción entre la condición
experimental y el tamaño del hospital) mediante librerías auxiliares.
Python y la aproximación jerárquica bayesiana. Python aborda los
modelos multinivel con un fuerte sesgo hacia el marco bayesiano,
utilizando librerías como PyMC. La construcción de modelos jerárquicos en
PyMC ofrece una ventaja signicativa al mejorar las estimaciones,
especialmente en casos de muestreo desequilibrado.
La divergencia en la adopción de MLM muestra una elección
estilística: los investigadores que necesitan la velocidad de estimación, la
validación frecuentista tradicional y la adherencia a las pruebas de hipótesis
clásicas eligen R. Los investigadores que requieren exibilidad en la
especicación del modelo, desean incorporar conocimiento previo o
necesitan una cuanticación completa de la incertidumbre de los
parámetros eligen Python/PyMC.
Un ejemplo típico de su uso incluye la realización de muestreos (p.
ej., pm.sample) y la generación de información resumida (p. ej.,
pm.summary), que puede indicar rangos de probabilidad creíble para un
parámetro (p. ej., un 95% de probabilidad de que el sesgo se encuentre entre
0.706 y 0.864). Aunque R cuenta con paquetes bayesianos (como Stan), la
integración de PyMC con el amplio ecosistema de Machine Learning de
Python ha posicionado a Python como el estándar preferido para el
modelado probabilístico avanzado.
42
2.3 Visualización, Reportes y Reproducibilidad
La comunicación efectiva de los resultados estadísticos es tan
importante como la solidez del análisis. Este proceso se apoya en la
visualización y en herramientas para generar informes dinámicos. R
sobresale en la visualización, ofreciendo una estética y rigurosidad
mediante ggplot2, que implementa la Grammar of Graphics. Este marco
permite crear grácos de alta calidad para su publicación, lo que contribuye
a la reputación de R por ofrecer una mayor capacidad para representar
resultados.
La librería Plotly representa un punto de convergencia crucial, ya que
es compatible con múltiples lenguajes, incluidos Python, R y MATLAB. Esto
permite a los equipos estandarizar la interactividad de los reportes para la
comunicación empresarial, independientemente del lenguaje de modelado
utilizado (Mailund, 2017). Plotly se caracteriza por su sintaxis sencilla y su
amplia oferta de tipos de grácos. La reproducibilidad, en la que el código
utilizado para generar un resultado forma parte del documento nal, es un
estándar cientíco y empresarial.
Tradicionalmente, R dominaba este campo mediante R Markdown.
Sin embargo, la introducción de Quarto ha nivelado signicativamente el
campo. Quarto permite a los autores crear documentos y reportes
completamente reproducibles al integrar código ejecutable en Markdown
de múltiples lenguajes, incluidos Python, R, Julia y Observable.
Un documento Quarto puede contener bloques de código ejecutable
en Python, asegurando que el código que produce la salida (como un
gráco generado con matplotlib) sea parte integral del documento y se
vuelva a ejecutar automáticamente al renderizar. Esta capacidad de generar
artículos, presentaciones y sitios web de calidad en HTML, PDF o MS Word
permite a las organizaciones aprovechar la fuerza estadística de R y la
capacidad de producción de Python dentro del mismo ujo de trabajo
reproducible.
Octave, como alternativa a MATLAB, también posee capacidades de
visualización. Sin embargo, estas se orientan a la simulación técnica de
43
sistemas dinámicos y al desarrollo de interfaces grácas para material
didáctico. Su enfoque diere del análisis exploratorio de datos y de la
visualización empresarial avanzada que caracterizan a R y Python. La Tabla
4 resume las herramientas clave de visualización y comunicación en los dos
ecosistemas dominantes:
Tabla 4. Herramientas de Visualización y Comunicación
Aspecto
R
(Ecosistema)
Python
(Ecosistema)
Ventaja Competitiva
Grácos
Estáticos
ggplot2
Seaborn,
Matplotlib
R: Rigurosidad y estética
superiores mediante la
gramática gráca.
Grácos
Interactivos
Plotly, shiny
Plotly, Bokeh
Plotly: Estándar para
interactividad
multilingüe.
Informes
Reproducibles
R Markdown,
Quarto
Jupyter,
Quarto
Convergencia: Quarto ha
neutralizado la ventaja
histórica de R en este
dominio.
La capacidad de un lenguaje para escalar el análisis más allá de una
única máquina e integrarse en la infraestructura de software de una
organización es el factor decisivo en muchos contextos empresariales.
Cuando los datos alcanzan la escala de Big Data (Petabytes) y requieren un
procesamiento distribuido, el ecosistema de Python se vuelve dominante.
Apache Spark es la tecnología preeminente para el manejo de datos
distribuidos en grandes data lakes. Como Spark está escrito en Scala y tiene
una fuerte interoperabilidad con el ecosistema Apache, la vía más eciente
para su uso es a través de Python (PySpark). Spark es la mejor opción para
manejar petabytes de datos, realizar consultas SQL y ejecutar cargas de
trabajo que requieren clústeres distribuidos a escala empresarial.
44
Dask, escrito en Python, está diseñado para extender la
funcionalidad de las librerías nativas de Python (como Pandas y NumPy) a
la computación paralela y distribuida. A diferencia de Spark, un proyecto
all-in-one que ha inspirado su propio ecosistema, Dask se integra y mejora
el ecosistema de Python existente. Esta integración nativa facilita la
transición a la computación distribuida para usuarios familiarizados con la
stack de Python.
Aunque R tiene paquetes para interactuar con Spark (sparklyr), la
infraestructura y la comunidad de soporte para Python en el dominio de la
computación distribuida (Dask, PySpark) son signicativamente más
robustas, lo que consolida a Python como la herramienta de facto para
proyectos de Big Data distribuidos. La principal ventaja arquitectónica de
Python frente a R radica en su diseño como lenguaje de programación de
propósito general (Grogan, 2018).
POO y velocidad de despliegue. Python sobresale en la escritura de
código de producción. Su sistema de Programación Orientada a Objetos
(OOP) es más maduro y más fácil de utilizar que los sistemas de objetos
S3/S4/R6 de R. Esta ventaja de OOP permite a los ingenieros de software
crear código mantenible, modular y escalable, lo cual es crucial para
desplegar modelos estadísticos en producción.
Además, la mayor velocidad de los tipos de datos de base de Python
(listas, iteradores, conjuntos) contribuye a un rendimiento superior en
tareas que no están cubiertas por librerías estadísticas optimizadas en C.
Esta velocidad del código base es esencial para el scripting general, la
automatización y la creación de la infraestructura que rodea el modelo
estadístico.
R y el despliegue. Aunque R ha desarrollado herramientas para el
despliegue de modelos (como Shiny para aplicaciones web y Plumber para
APIs), su arquitectura funcional y sus sistemas OOP se consideran menos
ecientes y más difíciles de integrar en pipelines de software complejos que
en Python.
45
El proceso de operacionalización actúa como un ltro nal: incluso
si R fue la herramienta más eciente en la fase de exploración y modelado
estadístico, la necesidad de un despliegue rápido, mantenible y escalable
basado en una arquitectura robusta a menudo obliga a la transición a
Python en la fase de producción. Esta tendencia en la industria valida la
elección de Python como infraestructura de software a largo plazo.
La elección óptima entre R, Python y GNU Octave depende de una
evaluación rigurosa del ciclo de vida del proyecto: desde la rigurosidad
estadística y la exploración hasta la escalabilidad y el despliegue en
producción.
2.4 Resumen de Fortalezas y Debilidades Especícas
R mantiene una ventaja histórica y metodológica en la inferencia
estadística pura y en la visualización de alta calidad, mientras que Python
domina la versatilidad, la integración empresarial y la escalabilidad del Big
Data distribuido (Knaic, 2020). GNU Octave, aunque es una herramienta
de código abierto funcional para el cómputo numérico, está esencialmente
excluida del análisis estadístico profesional moderno debido a sus
limitaciones de velocidad, a la obsolescencia de su ecosistema de paquetes
y a la falta de comunidad en la ciencia de datos (ver Tabla 5).
Tabla 5. Matriz de Desempeño Estratégico
Dominio
R (Fortaleza)
Python
(Fortaleza)
Octave
(Nicho)
Rigurosidad/Inferencia
Modelos
lineales/MLM
avanzados, DML
frecuentista
Inferencia
Bayesiana
(PyMC), Redes
Causales
Funciones
de
Distribución
Base
Código de Producción
Menor velocidad
base, OOP
compleja
Tipos base
rápidos, OOP
superior,
Irrelevante
(Lento y no
mantenido)
46
Dominio
R (Fortaleza)
Python
(Fortaleza)
Octave
(Nicho)
Integración
API
Escala Empresarial
Técnicas ecientes
(In-
memory/data.table)
Infraestructura
distribuida
(Spark, Dask)
Nulo
Visualización
ggplot2 (Estética
superior)
Interactividad
(Plotly),
Versatilidad
Simulación
Gráca
Didáctica
Las recomendaciones para la elección del software deben basarse en
el objetivo principal del proyecto:
• Para el Cientíco de Datos Investigador (Foco en Inferencia de Alta
Calidad): Se recomienda R. El acceso directo a métodos de
vanguardia en inferencia causal, como DML (DoubleML), y la
facilidad para obtener estimadores robustos (estimatr) lo convierten
en el entorno más idiomático para el descubrimiento cientíco, la
publicación académica y el análisis de diseños experimentales
complejos.
• Para el ingeniero de machine learning o de producción (Foco en
escala y despliegue): se recomienda Python. Su superioridad en la
programación orientada a objetos, la velocidad de sus tipos base y la
interoperabilidad con tecnologías de Big Data distribuidas, como
Spark y Dask, garantizan la transición más eciente del prototipo a
la producción y la integración en ujos de trabajo de software
empresarial.
• Para el Modelador de Sistemas Complejos (Foco en Incertidumbre y
Estructura Jerárquica): Python es la elección óptima. El ecosistema
47
de PyMC y las herramientas para la inferencia causal probabilística
(Redes bayesianas) son líderes en modelos complejos que requieren
una visión jerárquica y una cuanticación detallada de la
incertidumbre.
La creciente madurez de las herramientas de código abierto apunta
a una tendencia clara: el futuro del cómputo estadístico profesional es el
poliglotismo metodológico. La convergencia de las herramientas de
reproducibilidad, en particular Quarto, ha eliminado la necesidad de
adherirse dogmáticamente a un único lenguaje. Dado que Quarto soporta
la ejecución de código en Python, R, Julia y otros lenguajes, la fase de
comunicación de resultados ahora está desacoplada de la de cálculo. Esta
nivelación signica que las organizaciones pueden aprovechar la fuerza
estadística superior de R en las fases iniciales de exploración y modelado y,
posteriormente, utilizar la fuerza ingenieril de Python para la escalabilidad
y el despliegue.
En esencia, la mejor metodología estadística asistida por software es
aquella que prioriza la selección de la herramienta más eciente para cada
etapa especíca del proyecto, en lugar de intentar forzar un análisis
complejo en un lenguaje que no está diseñado para ello. La coexistencia y la
interoperabilidad, impulsadas por plataformas como Quarto y librerías
como Plotly, denen el panorama actual.
48
Capítulo III
Métodos estadísticos asistidos con software:
aplicaciones en Python, Octave y R
La investigación en sociología, ciencia política y economía ha
experimentado una transformación fundamental, pasando del manejo de
bases de datos pequeñas (encuestas y censos limitados) a la incorporación
de grandes volúmenes de datos no estructurados (textos de redes sociales,
registros administrativos masivos, datos georreferenciados, etc.). Esta
evolución exige que los investigadores no solo dominen la inferencia
estadística clásica (regresión, ANOVA, etc.), sino que también sean
competentes en técnicas avanzadas de minería de datos (Data Mining) y de
aprendizaje automático (Machine Learning). A pesar de esta necesidad, la
formación y los recursos disponibles presentan dos deciencias clave:
• Dependencia de Software Propietario: Gran parte de la literatura
académica aún se enfoca en software comercial (p. ej., SPSS, Stata),
cuya adquisición y uso están restringidos por costosas licencias
institucionales. Esto limita la reproducibilidad de la investigación y
el acceso a herramientas de vanguardia fuera de entornos
privilegiados.
• Fragmentación Metodológica en Software Libre: Los recursos
existentes sobre software libre tienden a ser exclusivos, dedicándose
únicamente a R (el estándar estadístico y econométrico) o a Python
(el estándar en Big Data y NLP). Esto obliga al investigador a una
selección binaria, ignorando las fortalezas únicas de cada
herramienta. Por ejemplo, R destaca en la publicación de resultados
académicos y en el análisis de modelos de efectos mixtos, mientras
que Python es insuperable en el procesamiento de lenguaje natural y
en la integración con entornos de web scraping. La herramienta
Octave, aunque menos común, sigue siendo fundamental para la
49
enseñanza y la aplicación de métodos numéricos y de álgebra
matricial en la econometría formal.
Esta dependencia y fragmentación tienen consecuencias directas en
la calidad y el alcance de la investigación en ciencias sociales:
• Limitación del Alcance: Los investigadores no pueden escalar sus
análisis para incluir fenómenos complejos, como el análisis de redes
sociales o la minería de texto, sin un conocimiento integrado de
Python.
• Decisiones Subóptimas: La falta de una perspectiva comparativa
lleva a usar una herramienta para tareas en las que otra resulta más
eciente, lo que limita la profundidad y la velocidad del análisis.
• Baja Reproducibilidad: La investigación queda sujeta a la
disponibilidad de licencias y a la caducidad o a costos prohibitivos
de las versiones de los programas.
Existe una clara necesidad de una obra que sirva como guía
comparativa y práctica, que articule los métodos estadísticos esenciales de
las ciencias sociales (desde la regresión lineal hasta las series temporales y
la clasicación) y demuestre su aplicación directa y contrastada en los tres
ecosistemas de software libre más relevantes: Python, Octave y R (Sarrel,
2017).
Este enfoque comparativo permitirá al investigador social moderno
seleccionar el software óptimo para la pregunta de investigación especíca,
promoviendo la eciencia y la escalabilidad del análisis y garantizando la
transparencia y la reproducibilidad del proceso cientíco.
El uso de software para el análisis estadístico ha transformado
radicalmente las ciencias sociales. Ya no se trata solo de encuestas y
observaciones cualitativas; hoy en día, la sociología, la ciencia política y la
psicología se apoyan fuertemente en la "Ciencia de Datos Social"
(Computational Social Science).
Cada lenguaje tiene una "losofía" distinta, adaptada a las
necesidades del investigador social.
50
R: El Estándar Académico
R fue creado por estadísticos para estadísticos. Es, sin duda, la
herramienta más potente para el análisis inferencial clásico y la
visualización de datos complejos.
• Bibliotecas clave: tidyverse (manipulación de datos), ggplot2
(visualización), lme4 (modelos mixtos), psych (psicometría).
• Mejor uso: Análisis de encuestas, diseño experimental, modelos
lineales jerárquicos y creación de grácos listos para su publicación
académica.
Python: La Navaja Suiza
Python es un lenguaje de propósito general. En ciencias sociales, ha
ganado terreno por su capacidad para manejar "Big Data", realizar web
scraping (extracción de datos de redes sociales) y procesar el lenguaje
natural.
• Bibliotecas clave: pandas (tablas de datos), statsmodels (regresiones),
scikit-learn (Machine Learning), NLTK/Spacy (análisis de texto).
• Mejor uso: minería de opiniones en Twier/X, análisis de redes
complejas, automatización de la recolección de datos y predicción de
comportamientos mediante Machine Learning.
GNU Octave: El Matemático
Octave es la alternativa de código abierto a MATLAB. Su enfoque es
matricial y numérico. Aunque es menos común en la sociología en general,
es vital en econometría y sociología matemática.
• Enfoque: álgebra lineal numérica.
• Mejor uso: modelos de simulación, teoría de juegos y econometría
avanzada en los que se requiere manipular matrices directamente en
lugar de usar "cajas negras" estadísticas.
51
3.1 Aplicaciones Prácticas por Método Estadístico (A
partir de la experiencia de los autores)
- Estadística Descriptiva y Visualización
Antes de modelar, necesitamos entender los datos.
• R: Insuperable en visualización. Permite crear mapas coropléticos
(mapas de calor geográcos) para mostrar, por ejemplo, la
distribución de la pobreza en una región.
• Python: excelente para grácos interactivos (con Plotly o Seaborn)
que pueden integrarse en páginas web para la divulgación cientíca.
- Modelos de Regresión e Inferencia
El núcleo de la investigación cuantitativa consiste en explicar la
relación entre variables. Por ejemplo, una regresión lineal simple:
Y_i = \beta_0 + \beta_1 X_i + \epsilon_i
• R y Python (statsmodels): Ambos proporcionan salidas detalladas
(valores p, R^2, intervalos de conanza) esenciales para validar
hipótesis.
• Diferencia: R tiene más paquetes para "casos de borde" o técnicas
estadísticas de nicho (p. ej., regresión logística multinomial con
efectos aleatorios) que Python tarda a veces en implementar.
- Procesamiento de Lenguaje Natural (NLP)
Aquí es donde las ciencias sociales modernas brillan al analizar
discursos políticos, entrevistas o noticias.
• Python: Es el líder indiscutible. Permite realizar análisis de
sentimiento, modelado de temas (Topic Modeling con LDA) y
clasicación de textos masivos que serían imposibles de leer
manualmente.
- Análisis de Redes Sociales (SNA)
Estudio de cómo interactúan los agentes (personas, organizaciones).
52
• R (igraph) y Python (NetworkX): Ambos permiten calcular métricas
de centralidad (quién es el más inuyente en una red) y detectar
comunidades (clústeres de personas que interactúan entre sí).
En las ciencias sociales modernas, la tendencia es el poliglotismo.
Muchos investigadores recolectan y limpian datos con Python y luego
realizan el análisis estadístico inferencial y las grácas nales en R. El
análisis de series temporales es fundamental en las ciencias sociales para
estudiar fenómenos como la inación, las tasas de criminalidad, la intención
de voto o los ujos migratorios a lo largo del tiempo (Chancusig et al., 2024).
Para este ejemplo comparativo, utilizaremos el modelo clásico
ARIMA (AutoRegressive Integrated Moving Average). Matemáticamente,
buscamos ajustar un modelo:
y'_t = c + \phi_1 y'_{t-1} + \dots + \phi_p y'_{t-p} + \theta_1 \varepsilon_{t-
1} + \dots + \theta_q \varepsilon_{t-q} + \varepsilon_t
Usaremos el famoso dataset AirPassengers (número mensual de
pasajeros de aerolíneas, 1949-1960), disponible en ambos entornos. El
objetivo es predecir los próximos 12 meses.
R brilla por su simplicidad en el análisis de series temporales gracias
al paquete forecast. Su función auto.arima() es legendaria porque selecciona
automáticamente los mejores parámetros (p,d,q) del modelo, lo que ahorra
mucho tiempo al investigador.
R
# 1. Cargar librerías
library(ggplot2)
# 2. Cargar datos (viene incluido en R base)
data("AirPassengers")
# 3. Ajuste del modelo (Auto ARIMA)
# R busca automáticamente la mejor combinación de parámetros
53
# 4. Realizar la predicción (12 meses a futuro)
pronóstico <- forecast(modelo, h=12)
# 5. Visualización
# autoplot es una función mágica que graca datos históricos + predicción
+ intervalos de conanza
autoplot(pronostico) +
ggtitle("Predicción de Pasajeros (Modelo ARIMA)") +
ylab("Pasajeros") +
theme_minimal()
Lo destacado de R:
• Extremadamente conciso (menos líneas de código).
• Manejo nativo de objetos de series de tiempo (ts).
• La visualización con intervalos de conanza (la zona sombreada) es
automática.
En Python, utilizamos pandas para la manipulación temporal y
statsmodels para la econometría. Python requiere ser más explícito (denir
las fechas, congurar el índice) y, en la librería estándar, a menudo exige
que denas los parámetros del modelo manualmente, aunque existe una
librería externa (pmdarima) que imita a R (enfoque estándar con
statsmodels):
Python
# 1. Importar librerías
Import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.tsa.arima.model import ARIMA
from statsmodels. datasets import get_rdataset
54
# 2. Cargar y preparar datos
# Obtenemos el mismo dataset que en R
dataset = get_rdataset('AirPassengers').data
# En Python debemos crear explícitamente el índice de tiempo
dataset['date'] = pd.date_range(start='1949-01', periods=len(dataset), freq='M')
serie = dataset.set_index('date')['value']
# 3. Ajuste del Modelo
# En statsmodels estándar, solemos especicar el orden (p,d,q)
manualmente
# (Aquí usamos (2,1,2) como ejemplo simplicado)
modelo = ARIMA(serie, order=(2,1,2))
modelo_t = modelo.t()
# 4. Realizar la predicción
prediccion = modelo_t.get_forecast(steps=12)
media_pred = prediccion.predicted_mean
conf_int = prediccion.conf_int()
# 5. Visualización (Más manual que en R)
plt.gure(gsize=(10,6))
plt.plot(serie.index, serie, label='Histórico')
plt.plot(media_pred.index, media_pred, label='Pronóstico', color='red')
plt.ll_between(media_pred.index,
conf_int.iloc[:, 0],
conf_int.iloc[:, 1], color='pink', alpha=0.3)
plt.title("Predicción de Pasajeros con Python")
plt.legend()
55
plt.show()
Lo destacado de Python:
• Control total sobre el manejo de fechas con pandas.
• Sintaxis orientada a objetos (modelo.t(), modelo.predict()), común
en Machine Learning.
• Se integra mejor si luego quieres usar esos datos en una aplicación
web o en un dashboard.
Si una serie no es estacionaria (su media o varianza cambia con el
tiempo), las predicciones de un modelo estándar (como una regresión lineal
o un modelo ARIMA básico) pueden ser espurias o falsas. Para vericarlo
cientícamente, usamos el test de Dickey-Fuller aumentado (ADF).
- La Lógica del Test (Hipótesis)
En términos estadísticos, planteamos el test así:
• Hipótesis Nula (H_0): La serie tiene una raíz unitaria (No es
estacionaria).
• Hipótesis Alternativa (H_1): La serie no tiene raíz unitaria (Es
estacionaria).
Si el p-valor (p-value) es menor que 0.05, rechazamos H_0.
p < 0.05 \rightarrow \text{¡Bien! La serie es estacionaria.
p > 0.05 \rightarrow \text{Problema. La serie NO es estacionaria.
En R, el paquete estándar para esto es tseries. La salida es un resumen
de texto muy limpio, típico de los reportes académicos.
R
# 1. Cargar librería
# install.packages("tseries") si no la tienes
library(tseries)
# 2. Cargar datos de ejemplo (Pasajeros)
56
data("AirPassengers")
# 3. Ejecutar el test
resultado <- adf.test(AirPassengers)
# 4. Mostrar resultado
print(resultado)
# Interpretación en R:
# R te dirá algo como "p-value = 0.01" (o el valor correspondiente).
# También te advierte si el p-value es menor que el valor que puede
imprimir.
En Python, statsmodels nos devuelve una tupla (una lista de
números) cruda. No te da un texto explicativo, por lo que tú mismo debes
formatear la salida para leerla cómodamente.
Python
import pandas as pd
from statsmodels. tsa. staools import adfuller
from statsmodels. datasets import get_rdataset
# 1. Obtener datos
dataset = get_rdataset('AirPassengers').data['value']
# 2. Ejecutar el test
# adfuller devuelve: (adf_stat, p_value, lags, obs, critical_values, icbest)
resultado = adfuller(dataset)
# 3. Imprimir con formato legible
print(f'Estadístico ADF: {resultado[0]}')
print(f'p-valor: {resultado[1]}')
57
# Interpretación Lógica:
if resultado[1] < 0.05:
print("Conclusión: La serie es ESTACIONARIA (Rechazamos H0)")
else:
print("Conclusión: La serie NO es estacionaria (No rechazamos H0)")
El p-valor será alto (> 0.05). Esto indica que la serie de pasajeros NO
es estacionaria (obvio, porque la cantidad de pasajeros crece cada año).
En R: Verás p-value = 0.99 (o similar).
En Python: Verás 0.9918…
En síntesis, no se pueden introducir estos datos directamente en un
modelo de regresión. Primero necesitas transformarlos. La técnica más
común es la diferenciación (restar el valor de hoy del de ayer: \Delta Y_t =
Y_t - Y_{t-1}).
En R, la función di() está optimizada para objetos de tipo ts. Es
directa y maneja automáticamente los índices de tiempo.
R
# 1. Cargar datos
data("AirPassengers")
# 2. Aplicar Diferenciación (Lag = 1)
# Esto resta: Y(t) - Y(t-1)
pasajeros_di <- di(AirPassengers)
# 3. Visualización comparativa
par(mfrow=c(2,1)) # Dividir pantalla en 2 las
plot(AirPassengers, main="Original (Con Tendencia)", col="black")
plot(pasajeros_di, main="Diferenciada (Estacionaria)", col="blue")
# 4. (Opcional) Vericar con ADF de nuevo
58
library(tseries)
print(adf.test(pasajeros_di))
# Ahora el p-value debería ser mucho más bajo (probablemente < 0.05)
En Python, usamos el método .di() de los DataFrames o de las Series
de Pandas. Al diferenciar, el primer dato se convierte en NaN (Nulo) porque
no tiene un mes anterior con el que restarse. Debes eliminarlo antes de
gracar o de hacer tests.
Python
import pandas as pd
import matplotlib.pyplot as plt
from statsmodels.datasets import get_rdataset
from statsmodels. tsa. staools import adfuller
# 1. Cargar datos
dataset = get_rdataset('AirPassengers').data
# Crear índice de fechas (necesario para grácos limpios)
dataset['date'] = pd.date_range(start='1949-01', periods=len(dataset), freq='M')
serie = dataset.set_index('date')['value']
# 2. Aplicar Diferenciación
# .dropna() es CRUCIAL para eliminar el primer valor nulo
serie_di = serie.di().dropna()
# 3. Visualización
plt.gure(gsize=(10, 8))
plt.subplot(2, 1, 1)
plt.plot(serie, color='black')
plt.title('Original (Con Tendencia)')
59
plt.subplot(2, 1, 2)
plt.plot(serie_di, color='blue')
plt.title('Diferenciada (Estacionaria)')
plt.tight_layout()
plt.show()
# 4. Vericación rápida
p_val = adfuller(serie_di)[1]
print(f"Nuevo p-valor: {p_val}")
Al ejecutar esto, notarás que la línea azul (diferenciada) ya no sube
eternamente, sino que se mueve alrededor del 0. Sin embargo, en el caso
especíco de los pasajeros de avión, es probable que veas que la "oscilación"
se hace más grande con el tiempo (heterocedasticidad) o que presenta un
patrón muy claro cada 12 puntos (estacionalidad). Esta es la fase de
"diagnóstico no". Una vez que la serie es estacionaria (ya la diferenciamos),
necesitamos saber cuánta "memoria" tiene el proceso para congurar los
parámetros p (autorregresivo) y q (Media móvil) del ARIMA (Toomey,
2014). Para ello usamos dos grácos complementarios:
- ACF (Función de Autocorrelación): Mide la relación total con periodos
pasados. Ayuda a identicar el componente MA (q).
- PACF (Autocorrelación Parcial): Mide la relación directa con un
periodo pasado, eliminando la inuencia de los periodos
intermedios. Ayuda a identicar el componente AR (p).
En R, la función ggtsdisplay() del paquete forecast es una de las
favoritas de los cientícos sociales. ¿Por qué? Porque genera un panel 3-en-
1 que combina la serie de tiempo, el ACF y el PACF.
R
library(forecast)
# Asumimos que 'AirPassengers' ya está cargado
60
# Aplicamos di directamente dentro de la función para ver el diagnóstico
de la serie estacionaria
ggtsdisplay(di(AirPassengers),
main = "Diagnóstico de Serie Diferenciada (R)",
theme = theme_minimal())
Lo que verás:
• Un gráco superior con la serie oscilando en torno a 0.
• Dos grácos inferiores (ACF a la izquierda, PACF a la derecha) con
bandas azules discontinuas.
En Python, importamos las funciones especícas plot_acf y
plot_pacf. Aquí debemos generar los grácos uno por uno o crear un
"canvas" de matplotlib para ponerlos juntos.
Python
import matplotlib.pyplot as plt
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
import pandas as pd
from statsmodels.datasets import get_rdataset
# Recuperamos la serie y diferenciamos (como en el paso anterior)
dataset = get_rdataset('AirPassengers').data
serie = pd.Series(dataset['value'].values)
serie_di = serie.di().dropna()
# Crear un entorno gráco de 2 las
g, (ax1, ax2) = plt.subplots(2, 1, gsize=(10, 8))
# 1. Gráco ACF
# 'lags=40' nos deja ver hasta 40 meses atrás
61
plot_acf(serie_di, ax=ax1, lags=40, title="Autocorrelación (ACF) - Para
identicar q")
# 2. Gráco PACF
plot_pacf(serie_di, ax=ax2, lags=40, title="Autocorrelación Parcial (PACF) - Para
identicar p")
plt.tight_layout()
plt.show()
62
Capítulo IV
La Brecha Estadística en Ciencias Sociales:
Desafíos Metodológicos y
Computacionales Frente al Análisis de
Datos Moderno
La estadística ha desempeñado históricamente un papel primordial
en el desarrollo de la sociedad moderna y en la investigación en ciencias
sociales (CC.SS.), proporcionando herramientas metodológicas para el
análisis de la variabilidad, la determinación de relaciones entre variables y
la mejora de las predicciones en situaciones de incertidumbre. El objetivo
intrínseco de la estadística, que contribuye al pensamiento racional, ha
asegurado su inclusión en la mayoría de los programas de posgrado y
diplomados en ciencias de la educación y en las ciencias sociales.
4.1 Contexto Histórico y Denición de la Enseñanza
Estadística Tradicional (ETES)
La Enseñanza Tradicional de la Estadística Aplicada a las Ciencias
Sociales (ETES) se ha caracterizado históricamente por un enfoque
curricular centrado en la enseñanza de técnicas descriptivas y en los
fundamentos del modelo lineal clásico. Esta formación a menudo prioriza
la aplicación mecánica de fórmulas por encima del desarrollo de un
razonamiento estadístico profundo. Un problema recurrente es que este
enfoque plantea situaciones excesivamente simplicadas, en las que la
resolución se limita a la aplicación de una fórmula y al cálculo de cuentas,
sin requerir contextualización ni la interconexión de las conclusiones con
un entorno de aplicación real. Como resultado, el currículo se ha
mantenido, en gran medida, estático, a pesar de los avances metodológicos
y tecnológicos.
63
La sociedad contemporánea exige una adaptación radical de la
docencia en estadística. Es un imperativo que la enseñanza se adecúe a los
tiempos actuales, adoptando enfoques prácticos que utilicen la tecnología
para desarrollar habilidades efectivas para resolver problemas
contextualizados. El mundo real en el que los investigadores de CC.SS.
Operan es inherentemente más complejo y "mucho más multidimensional
que un solo resultado estadístico".
El mantenimiento de un currículo estadístico simplicado tiene
consecuencias directas y severas para la formación profesional. Cuando el
currículo se limita a técnicas descriptivas y modelos lineales básicos, los
graduados carecen de competencias computacionales y metodológicas
avanzadas (como la inferencia causal o el uso de Big Data) que se exigen en
la investigación y en el mercado laboral moderno. Esta deciencia en la
capacidad para manejar datos complejos y aplicar modelos avanzados
expone a las ciencias sociales a perder su relevancia disciplinaria frente a
campos más técnicos como la ciencia de datos, que están mejor equipados
para analizar fenómenos sociales masivos y complejos. Esta situación
conduce a una devaluación del título académico tradicional en el ámbito del
análisis cuantitativo.
La enseñanza también debe fomentar la humildad cientíca,
promoviendo el reconocimiento de las limitaciones inherentes a los
estudios, a la estadística misma y a sus enfoques e interpretaciones, lo cual
resulta motivador para enriquecer toda perspectiva con nuevos
planteamientos. El análisis de datos en ciencias sociales está
experimentando una profunda revisión de sus fundamentos, impulsada
por las deciencias conceptuales inherentes al enfoque tradicional.
El uso predominante del contraste de hipótesis basado en la prueba
de signicación de la hipótesis nula (NHST) y en el valor p ha sido el eje de
la enseñanza tradicional. Este enfoque, aunque ampliamente aceptado, ha
generado una intensa controversia en los últimos años debido a la baja
credibilidad y la falta de reproducibilidad de diversos estudios (Cumming
y Calin, 2024). La simple dicotomía de "estadísticamente signicativo"
64
basada en el umbral de p < 0.05 ha sido señalada por sus múltiples falacias
y malas interpretaciones.
Para subsanar esta crisis de rigor, las recomendaciones académicas
modernas abogan por elevar el estándar de la evidencia. Se sugiere informar
valores precisos de p acompañados de intervalos de credibilidad o de
conanza (IC95%), así como de medidas contextualizadas, como el riesgo
relativo, la razón de momios y el tamaño del efecto. Además, se ha
propuesto, dentro del marco frecuentista, sustituir el umbral tradicional de
p=0.05 por un estándar más estricto, como p=0.005, y considerar los valores
intermedios (0.005 < p < 0.05) solo como "sugerentes".
Como se ha mencionado, los docentes no deben plantear situaciones
excesivamente simplicadas que se resuelvan con la aplicación de una única
fórmula. Para lograr un aprendizaje signicativo, los problemas deben tener
la mayor cantidad posible de "ingredientes" y pertenecer al área de
aplicación del futuro ejercicio profesional del estudiante. Solo así los
estudiantes transitan por las distintas etapas del proceso estadístico, lo que
impulsa aprendizajes signicativos y contextualizados, esenciales para el
desarrollo de las competencias requeridas por la población investigadora.
Un elemento fundamental que diferencia el análisis moderno del
tradicional es la integración de una perspectiva crítica. La educación
estadística debe ir más allá de la mera técnica. Es crucial buscar propuestas
conjuntas para integrar las dimensiones sociales, culturales y políticas en
las prácticas educativas de la estadística, contribuyendo así a la formación
de ciudadanos participativos.
La necesidad de esta perspectiva crítica resulta evidente al considerar
el riesgo de la neutralidad cticia en la formación. Al desvincular la
enseñanza de la estadística de su aplicación y de sus consecuencias sociales,
el currículo tradicional omite la necesidad de cuestionar el origen, la
recolección y el uso ético de los datos. Esto es crítico en un entorno donde
la información se utiliza con frecuencia con nes de lucro (publicidad) o de
carácter político o partidario (elecciones), como se observa en la
preocupación de algunas universidades públicas. Si la formación no integra
esta dimensión ética y crítica, el resultado es la formación de investigadores
65
que no problematizan adecuadamente los sesgos algorítmicos, la
privacidad de los datos o la equidad en el análisis, elementos cruciales en la
era de la ciencia de datos. El análisis de datos moderno exige ir más allá de
los modelos descriptivos y exploratorios, enfocándose en la inferencia
rigurosa y en la modelización de la complejidad inherente a los fenómenos
sociales.
La investigación social rigurosa, especialmente en la evaluación de
políticas públicas o de intervenciones, debe centrarse en determinar el
efecto causal que ejercen ciertas variables sobre los resultados de interés.
Esto obliga a la enseñanza a trascender el mero estudio de la correlación.
Para manejar rigurosamente el análisis, incluso con datos
observacionales, la formación debe incorporar los fundamentos de la
inferencia causal. Esto incluye la comprensión de métodos avanzados para
extraer conclusiones causales, como las técnicas de Matching y otros
métodos de identicación causal como el análisis de Diferencias en
Diferencias (DiD) o el uso de Variables Instrumentales (IV).
Una de las transiciones metodológicas más signicativas es el
creciente interés por la estadística bayesiana. Este enfoque es
fundamentalmente un problema causal y es esencial para un manejo
riguroso de la incertidumbre. La estadística bayesiana permite incorporar
explícitamente el conocimiento previo sobre un fenómeno mediante las
"distribuciones a priori", que se combinan con la evidencia de los datos para
generar las "distribuciones a posteriori".
Las ventajas de la inferencia bayesiana incluyen la capacidad de
calcular estimados (promedios, diferencias, riesgos) con mayor precisión, y
sus intervalos de credibilidad ofrecen una mejor representación de la
expectativa de las variaciones del estimado (Tovar, 2015). Ya existen
implementaciones bayesianas para muchos modelos comunes en CC.SS.,
incluyendo ANOVA, regresión lineal y modelos loglineales.
No obstante, la adopción de la estadística bayesiana enfrenta una
resistencia conceptual signicativa. Aunque proporciona un paradigma
metodológico superior para manejar la incertidumbre, su fundamento en la
66
probabilidad subjetiva suscita desconanza entre algunos investigadores y
clínicos. Se teme que, al ser subjetiva, carezca de fundamento matemático o
no sea reproducible. Sin embargo, la subjetividad en este contexto no
implica arbitrariedad; los investigadores pueden respaldar sus
probabilidades con evidencia de estudios previos o con el consenso de
expertos, siempre con argumentos teóricos bien fundamentados. Superar la
falta de formación en probabilidad subjetiva es crucial para que las ciencias
sociales aprovechen plenamente este marco metodológico.
Los fenómenos sociales son inherentemente complejos y rara vez
pueden ser capturados por un modelo lineal simple.
• Modelos de Ecuaciones Estructurales (SEM): Son una forma efectiva
de analizar fenómenos sociales, especialmente cuando se incluyen
variables latentes o constructos que no son directamente observables.
Estos modelos permiten estudiar relaciones causales a partir de
información no experimental, utilizando variantes como el análisis
factorial exploratorio y conrmatorio o el estudio de efectos
mediadores.
• Métodos no paramétricos: Dada la prevalencia de datos sociales que
no cumplen con los supuestos de normalidad o de escalas de
intervalo (como datos ordinales o categóricos), la enseñanza debe
destacar la relevancia de los modelos estadísticos no paramétricos.
Estos métodos son robustos y deben priorizarse en los libros de texto
universitarios para garantizar la solidez de los análisis ante
supuestos débiles (Ver Tabla 6).
Tabla 6. Comparativa Metodológica: Tradicional vs. Moderna en Ciencias
Sociales
Dimensión de
Análisis
Enfoque Tradicional
(ETES)
Enfoque Moderno (Ciencia de
Datos Sociales)
Paradigma
Inferencial
Frecuentista (NHST, P-
valor como umbral)
Inferencia causal, bayesiana,
frecuentista rigurosa
67
Dimensión de
Análisis
Enfoque Tradicional
(ETES)
Enfoque Moderno (Ciencia de
Datos Sociales)
Foco de
Investigación
Correlación, Descripción,
Signicación estadística
básica
Inferencia Causal, Predicción
(ML), Humildad Cientíca
Modelos
Primarios
Regresión Lineal/Logística
simple, ANOVA
SEM, Modelos Multinivel,
Inferencia Causal (Matching,
DiD), Machine Learning
Tipo de Datos
Preferido
Estructurados, encuestas
con supuestos de
normalidad
Masivos (Big Data), no
estructurados (Texto, Redes), no
paramétricos robustos
4.2 La Obsolescencia del Software de Interfaz Gráca
(GUI)
Software propietario como SPSS y Stata siguen siendo utilizados en
la enseñanza de posgrado. Si bien cumplen una función didáctica inicial,
estos paquetes presentan limitaciones cruciales en términos de
escalabilidad, automatización y, fundamentalmente, reproducibilidad. El
análisis de datos moderno, especialmente ante la irrupción de Big Data,
exige familiaridad con tecnologías de procesamiento masivo, como Hadoop
y Spark, y con entornos de almacenamiento en la nube, como Google
BigQuery o Amazon Redshift.
La dependencia de herramientas de interfaz gráca de usuario (GUI)
como SPSS no es solo una limitación metodológica; también implica un
costo oculto para las instituciones. El alto costo de las licencias de software
propietario restringe la escalabilidad del análisis y consume recursos
nancieros que podrían reorientarse a la formación docente o la
infraestructura de Big Data (Wang, 2024). Esto perpetúa una brecha
tecnológica y obstaculiza la investigación colaborativa, ya que el acceso a
las herramientas avanzadas no está democratizado.
68
Los lenguajes de programación de código abierto R y Python se han
convertido en estándares de facto para el análisis de datos y la ciencia de
datos sociales.
• R: Es el lenguaje y entorno estadístico por excelencia, diseñado
especícamente para la estadística y los grácos. Quienes trabajan
con estadística y análisis de datos usan R para administrar grandes
volúmenes de datos con mayor facilidad, aplicando modelos
avanzados de data mining y de aprendizaje automático.
• Python: Es un lenguaje de programación de propósito general, ideal
para principiantes debido a su sintaxis lógica y accesible. Es crucial
en el contexto de Big Data, el machine learning y la automatización.
La formación en Python no solo enseña a programar, sino que
también permite a los estudiantes de CC.SS. Enriquecer sus análisis,
discernir la información, gracarla y, sobre todo, aprender a plantear
las preguntas fundamentales que debe plantear un cientíco de
datos.
El dominio de estos lenguajes se traduce en la capacidad de escribir
código eciente y mantenible, una habilidad clave para un analista de datos
moderno. Las demandas computacionales modernas van más allá del mero
análisis de encuestas. La ciencia de datos sociales requiere explorar métodos
para recolectar y analizar datos sociales disponibles en Internet. Esto
implica el uso de técnicas de procesamiento de lenguaje natural (PLN),
análisis de redes sociales y machine learning (Sommerville, 2005). Los
estudiantes deben estar familiarizados con herramientas de visualización
especícas (como Voyant Tools o Gephi) y saber acceder a fuentes digitales
de información social, así como formar una visión crítica sobre el potencial
y las limitaciones de estos datos.
La falta de reproducibilidad es un problema endémico en la ciencia,
exacerbado en las ciencias sociales. Por la inadecuada gestión de los ujos
de trabajo. En el entorno de investigación tradicional, es común encontrar
un caos de archivos con nombres vagos (datos_2_limpios.csv,
manuscrito_1_revision_pepe.docx), lo que hace extremadamente difícil, si
no imposible, reproducir un análisis años o incluso meses después. Para un
69
investigador, la necesidad de rehacer o revisar análisis estadísticos
previamente realizados es constante.
La solución a la gestión ineciente de archivos y a la trazabilidad de
los cambios es la adopción del control de versiones, especícamente Git, y
su uso centralizado en plataformas como GitHub. Estos sistemas permiten
centralizar cuadernos de investigación, datos, programas de análisis y
versiones de manuscritos, cada uno con un identicador único. Esto facilita
el trabajo y la edición en paralelo entre colaboradores y rastrea todo el
historial de cambios, garantizando la integridad cientíca de un proyecto.
4.3 Documentación Dinámica: RMarkdown y Jupyter
La documentación dinámica resuelve la brecha entre el código y el
informe nal. RMarkdown, por ejemplo, es un mecanismo basado en texto
plano que permite la construcción de documentos con códigos y análisis de
datos integrados.
A diferencia de los ujos de trabajo tradicionales que requieren
exportar los resultados del software estadístico (como SPSS o Minitab) a un
documento de texto (Word o LaTeX), RMarkdown permite construir el
informe desde el mismo entorno de análisis (como RStudio). Los
documentos generados son totalmente reproducibles, ya que integran texto
narrativo y código y admiten múltiples lenguajes, como R, Python y SQL
(Mangrulkar & Vijay, 2025).
La exigencia de reproducibilidad, con herramientas como
RMarkdown y Git, se convierte en un ltro de calidad metodológica. Para
que el código sea reproducible, el proceso analítico debe estar formalizado,
lo que obliga al investigador a optimizar y claricar su código y, a su vez,
fortalece intrínsecamente el pensamiento crítico y el rigor lógico en el
análisis (ver Tabla 7).
Tabla 7. Transición Computacional: Herramientas y Habilidades Clave
70
Categoría de
Herramienta
Herramienta
Tradicional
Típica
Herramienta
Moderna
Requerida
Propósito
Principal
Análisis Estadístico
SPSS, Minitab,
Excel
R (RStudio,
Tidyverse)
Modelado
estadístico
complejo,
visualización
avanzada
Análisis Big
Data/General
N/A
Python
(Pandas,
Scikit-learn,
Spark)
Procesamiento
escalable,
Machine
Learning,
automatización
Flujo de
Trabajo/Reproducibilida
d
Documentos de
Word/LaTeX
separados
RMarkdown
, Jupyter
Notebooks
Documentació
n dinámica e
integrable de
código y
resultados
Colaboración y
Trazabilidad
Email,
almacenamient
o local,
pendrives
Git y GitHub
Control de
versiones,
colaboración
rastreable
4.4 Propuestas de Modelos Curriculares Integrales y
Transdisciplinares
La evidencia muestra una falta de concordancia entre los temas
estadísticos tradicionalmente planteados y la metodología de la clase, con
docentes que no incorporan la minería de datos ni los requerimientos
estadísticos de la sociedad actual, como las competencias STEAM.
71
Se requiere implementar modelos contemporáneos,
interdisciplinares y transdisciplinares para la enseñanza de la estadística.
Estos modelos deben implicar que los conocimientos se descubran, se
comprueben y se sustenten activamente mediante el uso de tecnologías,
para que el estudiante pueda adaptarse a la realidad profesional. Algunas
instituciones ya están liderando la transición hacia la ciencia de datos
sociales.
• UNQ (Argentina): Ha lanzado un ciclo extracurricular de "Ciencia de
datos para ciencias sociales" que integra cursos de Python básico y
R. El objetivo pedagógico es enseñar a discernir la información y a
plantear preguntas críticas, aplicando el conocimiento para construir
indicadores, clasicar y realizar microsegmentación (microclusters)
de datos.
• UC (Chile): Ofrece un curso intensivo enfocado en la "ciencia de
datos sociales", centrado en aprender a obtener y analizar datos
sociales a partir de Internet. El currículo explora métodos digitales,
el procesamiento del lenguaje natural y el análisis de redes sociales.
Estos programas buscan proporcionar a los estudiantes una visión
crítica del potencial y de las limitaciones de la información a la que
tienen acceso.
El enfoque pedagógico debe centrarse en el estudiante y en la
práctica contextualizada. Se recomienda:
- Trabajo Basado en Proyectos: Utilizar la metodología de trabajo
basada en proyectos vinculados a contextos reales y, en lo posible, a
las áreas de aplicación del futuro ejercicio profesional del estudiante.
- Aprendizaje Contextualizado: Utilizar situaciones problemáticas
basadas en datos reales provenientes de reportes de investigaciones
educativas y artículos cientícos.
- Tecnología y Entornos Invertidos: Generar entornos educativos
invertidos (ipped classroom) para guiar y apoyar el uso de programas
de cómputo libre, agilizando el procesamiento y el análisis de datos.
72
La integración de la Ciencia de Datos (que incluye Big Data, análisis
de datos sociales digitales y Machine Learning) no puede ser puramente
técnica; debe incorporar un fuerte componente ético. El aumento del acceso
a datos masivos y a técnicas avanzadas incrementa el riesgo de sesgo
algorítmico y de problemas de privacidad y seguridad. Por lo tanto, la
formación debe enfatizar la necesidad de desarrollar protocolos para el uso
adecuado de la información, haciendo de la ética de datos un eje transversal
que asegure que los futuros analistas sociales aborden las consideraciones
de equidad y transparencia.
La modernización curricular no es un proceso trivial; se enfrenta a
obstáculos estructurales, tecnológicos y humanos. La adopción de la
estadística moderna exige una infraestructura tecnológica adecuada. Las
instituciones a menudo se enfrentan a barreras signicativas en el
aprendizaje y la participación, relacionadas con la infraestructura
universitaria y el acceso a los servicios (Silva et al., 2024). La falta de
capitalización de las oportunidades que ofrece el Internet y el espacio
tecnológico (acceso al conocimiento, innovación) profundiza la brecha
digital, lo que afecta a los ciudadanos, a los consumidores, a las empresas y
al propio Estado.
La inercia curricular es frecuentemente sostenida por la resistencia
docente. La resistencia al cambio es un comportamiento observable,
complejo y multidimensional que surge como respuesta al desagrado o al
desafío que sienten los docentes ante la introducción de nuevas ideas,
métodos o dispositivos. Esta es una problemática de larga data e irresuelta
en los sistemas educativos.
Para que los cambios en el currículo de estadística resulten exitosos,
el liderazgo institucional es fundamental. La formación docente debe
integrarse en las prioridades institucionales, generando un entorno
apropiado con el apoyo de las autoridades de todos los niveles. Esto, junto
con el entusiasmo genuino del profesorado, mejorará la satisfacción docente
y consolidará el aprendizaje estudiantil.
Para superar la inercia, se requiere un estudio y la caracterización de
la resistencia docente para formular estrategias efectivas que mejoren la
73
permeabilidad de las políticas educativas. Las estrategias deben ser
lideradas por un cuerpo metodológico sólido. El estancamiento curricular
se mantiene porque el cuerpo docente que diseña y enseña el currículo
puede ser el mismo que se resiste a su actualización. Esto demanda una
formación continua integral que aborde no solo las habilidades prácticas de
programación (R y Python) sino también los fundamentos conceptuales de
los nuevos paradigmas (p. ej., inferencia causal, modelado bayesiano).
Sin este liderazgo institucional que promueva la cocreación de planes
de estudio inter y transdisciplinares, las reformas corren el riesgo de quedar
como propuestas aisladas o cursos extracurriculares, perdiendo la
oportunidad de posicionar a la institución como vanguardista en la
formación de cientícos de datos sociales.
La dependencia metodológica del paradigma frecuentista
simplicado (NHST y el p-valor) ha conducido a una crisis de
reproducibilidad, mientras que la dependencia computacional del software
cerrado (GUI) restringe la capacidad de los graduados para manejar la
complejidad inherente al Big Data y la inferencia causal rigurosa (Patriota,
2018; Valentine et al., 2015). La brecha entre la formación y la práctica
moderna es, fundamentalmente, una brecha de rigor y reproducibilidad. Se
requiere una hoja de ruta estratégica para alinear la formación estadística
en CC.SS. Con las exigencias del análisis de datos del siglo XXI:
- Reingeniería Conceptual y Metodológica: El centro del currículo
debe migrar del NHST hacia la Inferencia Causal y el Modelado
Bayesiano. Esto implica priorizar el razonamiento estadístico crítico
sobre la aplicación mecánica de pruebas, fomentando el uso de
intervalos de credibilidad, del tamaño del efecto y de análisis
robustos.
- Alfabetización Computacional Obligatoria: La programación debe
integrarse desde los niveles introductorios. Es fundamental que los
estudiantes adquieran competencias en R y Python y se familiaricen
con la gestión de datos masivos (Big Data y SQL) y con la extracción
de datos digitales.
74
- Estándares de Reproducibilidad como Eje Transversal: La
investigación debe ser trazable. Se debe institucionalizar el uso de
Git/GitHub para el control de versiones y de RMarkdown/Jupyter
Notebooks para la documentación dinámica de los análisis.
Para garantizar la formación de profesionales capaces de abordar los
problemas sociales contemporáneos con rigor y profundidad, se requiere la
adquisición de las siguientes competencias mínimas (Ver Tabla 8)
Tabla 8. Requisitos Mínimos para la Competencia de Análisis de Datos en
CC.SS. (Siglo XXI)
Área de Competencia
Habilidad/Herramienta
Especíca
Propósito de
Investigación
Metodología Inferencial
Estadística Bayesiana,
Modelos de Ecuaciones
Estructurales (SEM)
Manejo riguroso de
la incertidumbre,
modelado de
variables latentes.
Identicación Causal
Inferencia Causal
(Matching, DiD),
Pensamiento Crítico
Determinar los
efectos reales de las
políticas e
intervenciones y
evitar correlaciones
espurias.
Computación/Programación
R with Python (Scripting,
Tidyverse, Pandas)
Procesamiento
escalable,
automatización,
creación de código
eciente.
Gestión de Datos
Big Data (Hadoop/Spark),
SQL, APIs para datos
sociales digitales
Recolección,
almacenamiento y
análisis de grandes
volúmenes de datos
no estructurados.
75
Área de Competencia
Habilidad/Herramienta
Especíca
Propósito de
Investigación
Rigor y Transparencia
Git/GitHub,
RMarkdown/Jupyter
Garantizar la
reproducibilidad de
los resultados y la
colaboración
trazable.
76
Conclusión
Este recorrido a través de los ecosistemas de software libre ha
revelado una verdad fundamental: el análisis de datos moderno en ciencias
sociales ya no es una disciplina de una sola herramienta, sino un arte de
integración y rigor. La era de la Enseñanza Tradicional, marcada por la
dependencia de la signicación estadística (NHST) y el uso de software de
interfaz gráca (GUI) como SPSS o Stata, ha llegado a su n, dejando paso
a un imperativo de transparencia y sosticación computacional.
La lección más importante extraída de esta obra es la necesidad de
convertirse en un analista políglota. Hemos demostrado que la elección
óptima del software es contextual y estratégica:
• R se mantiene como el bastión metodológico. Su diseño intrínseco
para la computación estadística y su ecosistema de vanguardia
(paquetes Tidyverse, Double Machine Learning y visualización de alta
calidad) lo convierten en el entorno preferido para la inferencia, la
exploración y la validación de modelos causales complejos.
• Python es el motor de la escalabilidad y de la producción. Su
superioridad como lenguaje de propósito general, su robustez en la
Programación Orientada a Objetos y su integración nativa con
ecosistemas de Big Data (como PySpark y Dask) lo hacen
indispensable para la ingesta de grandes volúmenes de datos, el
Machine Learning y la implementación de soluciones en la
infraestructura empresarial.
• GNU Octave, aunque valorado por su código abierto en el cómputo
numérico, se encuentra marginado del análisis estadístico avanzado,
lo que reforza la dicotomía R/Python en la ciencia de datos aplicada.
El cambio de herramienta, sin embargo, es un reejo de un cambio
metodológico más profundo. El análisis moderno abandona la simplicidad
de la correlación espuria para abrazar la inferencia causal y la estadística
bayesiana. Este cambio exige modelos más complejos (SEM, modelos
77
multinivel) y una profunda humildad cientíca para contextualizar los
hallazgos en un mundo inherentemente multidimensional.
Finalmente, la integración de herramientas como Git/GitHub para el
control de versiones y Quarto para la documentación dinámica no es meros
complementos; es el estándar de rigor que garantiza la reproducibilidad de
la investigación. Este estándar transforma el análisis de una caja negra en
un proceso auditable, cumpliendo con la responsabilidad ética de asegurar
la transparencia y la justicia de los algoritmos y resultados.
Al cerrar este libro, el lector no solo ha adquirido habilidades de
scripting en tres lenguajes, sino que también ha internalizado una nueva
losofía de trabajo: la capacidad de seleccionar el estimador más riguroso,
de integrarlo en el software más escalable y de documentar todo el proceso
con una transparencia inquebrantable. Esta nueva competencia posiciona al
cientíco social no solo como un analista de datos, sino también como un
constructor de conocimiento robusto, preparado para descifrar la
complejidad de la sociedad con precisión computacional y rigor
metodológico. El futuro de las ciencias sociales y la toma de decisiones
basada en la evidencia recaen en la adopción de este paradigma.
78
Bibliografía
Chancusig López, M. B., Yauli Chicaiza, G. E., López Castillo, G. de las M.,
Andrade Valencia, J. A., & López Velasco, J. E. (2024). Estadística
Descriptiva Aplicada en Python para la Investigación Cientíca en Ciencias
Sociales y Educativas: Descriptive Statistics Applied in Python for Scientic
Research in Social and Educational Sciences. Editorial SciELa, 1(1).
hps://doi.org/10.62131/978-9942-7221-6-4
Companioni Guerra, A., Cuesta Llanes, E., Hernández Blanco, Y., Orovio
Cobo, V., & Días Ramos, S. (2012). Entorno integrado para el trabajo con
GNU/Octave. Revista Cubana de Ciencias Informáticas, 6(4), 1-8
Cumming, G., & Calin-Jageman, R. (2024). Introduction to the New Statistics :
Estimation, Open Science, and Beyond. (2nd ed.). Taylor & Francis Group
ESIC University (Diciembre 2023). ¿Qué es y para qué sirve el lenguaje de
programación SQL?. hps://www.esic.edu/rethink/tecnologia/lenguaje-sql-
que-es-c
Grogan, M. (2018). Python vs. R for Data Science (1st edition). O’Reilly Media,
Inc
Knaic, C. N. (2020). Storytelling with data : let’s practice! (C. Madden, Ill.; 1st
edition). Wiley
Mailund, T. (2017). Beginning Data Science in R : Data Analysis, Visualization,
and Modelling for the Data Scientist (1st ed. 2017.). Apress.
hps://doi.org/10.1007/978-1-4842-2671-1
Mangrulkar, R. S., & Vijay Chavan, P. (2025). Predictive Analytics with SAS
and R : Core Concepts, Tools, and Implementation (1st ed. 2025.). Apress.
hps://doi.org/10.1007/979-8-8688-0905-7
Martínez, M.J., y del Águila, I.M. (2025). Programación en Python: Estadística
a través de problemas resueltos. Almería: Editorial Universidad de Almería
79
Mehta, P., Wang, CH, Day, AGR, Richardson, C., Bukov, M., Fisher, CK y
Schwab, DJ (2019). Introducción al aprendizaje automático para físicos: alta
varianza y alta precisión. Physics Reports , 810 , 1–124.
hps://doi.org/10.1016/j.physrep.2019.03.001
Mejía Peñael, E. F. (2022). R como herramienta de análisis y visualización
de datos usando Inteligencia de Negocios y PowerBI. AlfaPublicaciones, 4(3),
186–208. hps://doi.org/10.33262/ap.v4i3.246
Nuñez Laje , E. A. ., Estrella de las Mercedes Baquero Tapia, Rengel
Sandoval , H., & Noboa Ramírez , M. Y. (2024). El software de código
abierto, democratizando el análisis estadístico en la ciencia de datos . Revista
Cientíca De Innovación Educativa Y Sociedad Actual "ALCON", 4(5), 179–188.
hps://doi.org/10.62305/alcon.v4i5.361
Oviedo Rodríguez, K., Jiménez Oviedo, B., & Aguilar Fernández, E. (2024).
Introduction to data visualization with ggplot2: Introducción a la
visualización de datos con ggplot2. Revista Digital: Matemática, Educación E
Internet, 24(2). hps://doi.org/10.18845/rdmei.v24i2.6914
Patriota, A. G. (2018). Is NHST logically awed? Commentary on: “NHST
is still logically awed.” Scientometrics, 116(3), 2189–2191.
hps://doi.org/10.1007/s11192-018-2817-4
Perdigón Llanes, R., & Pérez Pino, M.T. (2022). Herramientas de código
abierto para el análisis estadístico en investigaciones cientícas. Anales de la
Academia de Ciencias de Cuba, 12(3). Recuperado a partir de
hp://scielo.sld.cu/pdf/aacc/v12n3/2304-0106-aacc-12-03-e1120.pdf
Plasencia Moreno, L., & Anías Calderón, C. (2017). Arquitectura referencial
de Big Data para la gestión de las telecomunicaciones. Ingeniare. Revista
chilena de ingeniería, 25(4), 566-577. hps://dx.doi.org/10.4067/S0718-
33052017000400566
Raschka, S., Paerson, J. y Nolet, C. (2020). Aprendizaje automático en
Python: principales desarrollos y tendencias tecnológicas en ciencia de
datos, aprendizaje automático e inteligencia articial. Information, 11 (4),
193. hps://doi.org/10.3390/info11040193
80
Sarrel, M. D. (2017). The state of data analytics and visualization adoption (First
edition.). O’Reilly Media
Sharma, K., Shey, A., Jain, A. and Dhanare, R.K. (2021). "A Comparative
Analysis on Various Business Intelligence (BI), Data Science and Data
Analytics Tools". International Conference on Computer Communication and
Informatics (ICCCI), Coimbatore, India, 1-11,
hps://doi.org/10.1109/ICCCI50826.2021.9402226
Silva-Cueva, J., Niño Cueva, D. C. E., Niño Cueva, M. R., Alanya-Beltran, J.,
& Calderón Pizango, M. R. (2024). Reformas curriculares en educación
tecnológica: experiencias de adecuación desde la perspectiva de directivos
y docentes . Horizontes. Revista De Investigación En Ciencias De La
Educación, 8(32), 119 –. hps://doi.org/10.33996/revistahorizontes.v8i32.709
Sommerville, I. (2005). Ingeniería del software. Madrid: Pearson
Toalombo Montero, M. P., Toalombo Montero, O. W., Ballestero Torres, F.
A., Hernández Dávila, C. A., & Ruiz Sarzosa, J. P. (2024). Visualización de
Datos Educativos y Sociales con Python: Herramientas para Decisiones
Informadas. Editorial SciELa, 1(1). hps://doi.org/10.62131/978-9942-7173-6-
8
Toomey, D. (2014). R for data science : learn and explore the fundamentals of data
science with R (1st ed.). Packt Publishing
Tovar Cuevas, J.R. (2015). Inferencia Bayesiana e Investigación en salud: un
caso de aplicación en diagnóstico clínico. Revista Médica de Risaralda, 21(1),
9-16
Valentine, J. C., Aloe, A. M., & Lau, T. S. (2015). Life After NHST: How to
Describe Your Data Without “p-ing” Everywhere. Basic and Applied Social
Psychology, 37(5), 260–273. hps://doi.org/10.1080/01973533.2015.1060240
Vo. T. H, P. (2017). Python : data analytics and visualization : understand,
evaluate, visualize data (1st edition). Packt Publishing
81
Wang, Z. (2024). Law Case Teaching Combining Big Data Environment
With SPSS Statistics. International Journal of Web-Based Learning and Teaching
Technologies, 19(1), 1–15. hps://doi.org/10.4018/IJWLTT.334848
Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer-
Verlag New York. hps://ggplot2.tidyverse.org
82
De esta edición de “Métodos estadísticos asistidos con software: Aplicaciones en
Python, Octave y R”, se terminó de editar en la ciudad de Colonia del
Sacramento en la República Oriental del Uruguay el 06 de octubre de 2025