Introducción:
En el mundo actual, la generación y gestión de datos juega un papel crucial en una amplia variedad
de campos, desde la investigación cientı́fica hasta la toma de decisiones empresariales. Para convertir
estos datos en información significativa, es esencial contar con herramientas especializadas que permitan
analizar, procesar y presentar la información de manera eficiente. Los software estadı́sticos son una
parte fundamental de esta ecuación, proporcionando a los usuarios la capacidad de realizar análisis
estadı́sticos avanzados, explorar patrones de datos, y extraer conocimientos cruciales a partir de datos
crudos.
Figure 1: Estudiantes trabajando en una sala de maquinas estadı́stica en 1964
En este informe, exploraremos cinco software estadı́sticos populares, cada uno con su propio con-
junto de caracterı́sticas, aplicaciones y ventajas. Estos software son: SPSS (Statistical Package for the
Social Sciences), R, Stata, SAS (Statistical Analysis System) y Excel. Cada uno de estos software tiene
su propio enfoque y es ampliamente utilizado en campos especı́ficos para satisfacer las necesidades de
análisis estadı́stico de diversas disciplinas.
Abordare en los conceptos clave de cada software, sus caracterı́sticas destacadas, las propiedades
que los hacen únicos, las diferencias significativas entre ellos y, por último, exploraremos el tipo de
estadı́stica para el que se utilizan de manera más común. Esta información ayudará a los usuarios a
tomar decisiones informadas al seleccionar el software estadı́stico más adecuado para sus necesidades
especı́ficas, ya sea en la investigación académica, la industria, el ámbito médico, la economı́a o cualquier
otra disciplina que requiera el análisis de datos.
1 SPSS (Statistical Package for the Social Sciences):
SPSS es un software estadı́stico diseñado para la recopilación, análisis y presentación de datos en el
ámbito de las ciencias sociales y de la conducta. Fue desarrollado originalmente por IBM y es amplia-
mente utilizado en la investigación académica, la psicologı́a, la sociologı́a, la educación y el marketing,
entre otros campos.
1
Figure 2: SPSS en español: Paquete estadı́stico para ciencias sociales
Caracterı́sticas:
Interfaz Gráfica de Usuario (GUI): SPSS es conocido por su interfaz gráfica de usuario amigable
que permite a los usuarios realizar análisis estadı́sticos sin necesidad de programación. Esto lo hace
accesible para aquellos que no tienen un fondo en programación.
Amplia Gama de Procedimientos Estadı́sticos: SPSS ofrece una amplia variedad de procedimien-
tos estadı́sticos, que incluyen estadı́sticas descriptivas, pruebas de hipótesis (t de Student, ANOVA,
chi-cuadrado, etc.), análisis de regresión, análisis factorial y análisis multivariado.
Manipulación de Datos: Permite la importación, manipulación y transformación de datos de man-
era eficiente. Los usuarios pueden realizar limpieza de datos, recodificación y creación de nuevas
variables.
Generación de Gráficos: SPSS permite la creación de gráficos personalizados para visualizar datos
de manera efectiva. Puedes generar gráficos de barras, histogramas, gráficos de dispersión y más.
Creación de Informes: Los usuarios pueden generar informes y documentos que presenten los
resultados de sus análisis en un formato fácil de entender.
Figure 3: Gráficos en SPSS
2
Propiedades:
Enfoque en Ciencias Sociales y de la Conducta: SPSS está especialmente diseñado para inves-
tigaciones en las ciencias sociales y de la conducta, como psicologı́a, sociologı́a, educación y ciencias
polı́ticas. Su conjunto de herramientas y procedimientos estadı́sticos se adapta a las necesidades es-
pecı́ficas de estas disciplinas.
Interfaz Gráfica de Usuario (GUI): SPSS se destaca por su interfaz gráfica de usuario amiga-
ble que permite a los usuarios realizar análisis estadı́sticos sin necesidad de escribir código. Esto hace
que sea accesible para aquellos que no tienen experiencia en programación.
Amplia Gama de Procedimientos Estadı́sticos: SPSS ofrece una amplia variedad de proced-
imientos estadı́sticos, que incluyen estadı́sticas descriptivas, pruebas de hipótesis (como pruebas t de
Student, ANOVA, chi-cuadrado), análisis de regresión (lineal y logı́stica), análisis factorial y análisis
multivariado. Estos procedimientos son relevantes para investigaciones en ciencias sociales.
Manipulación de Datos SPSS facilita la importación, manipulación y transformación de datos.
Los usuarios pueden realizar tareas como limpieza de datos, recodificación de variables y creación de
nuevas variables de manera eficiente.
Generación de Gráficos: SPSS permite la creación de gráficos personalizados para visualizar datos
de manera efectiva. Puedes generar gráficos de barras, histogramas, gráficos de dispersión y más. La
visualización de datos es esencial en investigaciones en ciencias sociales para comunicar resultados de
manera efectiva.
Creación de Informes: SPSS permite a los usuarios generar informes y documentos que presen-
ten los resultados de sus análisis en un formato fácil de entender. Esto es útil para documentar
hallazgos y comunicar resultados de investigación de manera clara.
Análisis de Encuestas: SPSS es comúnmente utilizado en el análisis de datos de encuestas y cues-
tionarios, lo que lo convierte en una herramienta valiosa para investigaciones que involucran recopi-
lación de datos a través de encuestas.
Estadı́sticas Avanzadas en Ciencias Sociales: SPSS también incluye procedimientos más avan-
zados para análisis de datos, como análisis de conglomerados y análisis de senderos (path analysis),
que son útiles en investigaciones más complejas en ciencias sociales.
Diferencias:
En comparación con otros software estadı́sticos, SPSS se especializa en aplicaciones especı́ficas para la
investigación en ciencias sociales y de la conducta. Esto lo hace una opción preferida en campos como
la psicologı́a, la sociologı́a, la educación y la investigación de mercado.
Tipos de Estadı́stica:
SPSS se utiliza principalmente para análisis estadı́sticos descriptivos, pruebas de hipótesis (como prue-
bas t, ANOVA y chi-cuadrado), análisis de regresión (lineal y logı́stica), análisis de varianza, análisis
factorial, análisis de conglomerados y análisis multivariado en el contexto de las ciencias sociales y de
la conducta. Es especialmente valioso para aquellos que desean realizar investigaciones cuantitativas
en estas disciplinas y necesitan una herramienta que facilite la interpretación de resultados.
2 R(Lenguaje de Programación)
R es un lenguaje de programación y un entorno de software estadı́stico de código abierto ampliamente
utilizado en la comunidad de análisis de datos y estadı́sticas. A diferencia de software estadı́sticos
propietarios como SPSS o SAS, R es gratuito y de código abierto, lo que lo hace accesible a una amplia
audiencia.
3
Figure 4: R(programming language)
Caracterı́sticas:
Flexibilidad: Es altamente flexible y personalizable. Los usuarios pueden escribir y modificar código
para adaptarse a las necesidades especı́ficas de análisis de datos. Esto permite una amplia gama de
aplicaciones y análisis personalizados.
Paquetes Estadı́sticos: Cuenta con una amplia variedad de paquetes estadı́sticos desarrollados por
la comunidad de usuarios. Estos paquetes ofrecen soluciones especializadas para tareas estadı́sticas
especı́ficas, como análisis de series temporales, minerı́a de datos, estadı́sticas bayesianas y más.
Gráficos de Calidad: Es conocido por su capacidad para crear gráficos de alta calidad. Los usuar-
ios pueden generar gráficos personalizados y visualmente atractivos para visualizar datos de manera
efectiva.
Análisis Avanzados: Es capaz de realizar análisis estadı́sticos avanzados, como regresiones lineales
y no lineales, análisis de varianza, análisis de componentes principales, análisis de series temporales y
más. También es ideal para estadı́sticas bayesianas y modelado predictivo.
Comunidad Activa: Cuenta con una comunidad activa de usuarios y desarrolladores que comparten
paquetes, documentación y conocimientos. Esto hace que sea una plataforma dinámica y en constante
evolución.
Figure 5: Imagen sacada de ”RStudio”
4
Propiedades:
Código Abierto: Una de las propiedades más notables de R es que es un software de código abierto.
Esto significa que el código fuente del programa es accesible para todos, y los usuarios pueden con-
tribuir con nuevas funciones y paquetes, lo que ha llevado a una comunidad activa y en constante
crecimiento. Además, R es gratuito, lo que lo hace accesible para una amplia audiencia.
Personalización: Es altamente personalizable. Los usuarios pueden escribir su propio código y
funciones para adaptar el programa a sus necesidades especı́ficas. Esto es especialmente útil cuando
se trata de análisis de datos personalizados o en situaciones en las que se requiere un enfoque único
para el análisis estadı́stico.
Paquetes y Bibliotecas: Cuenta con una amplia variedad de paquetes y bibliotecas desarrolla-
dos por la comunidad. Estos paquetes extienden la funcionalidad de R y permiten a los usuarios
realizar análisis estadı́sticos avanzados y tareas especializadas, como minerı́a de datos, análisis de se-
ries temporales, estadı́sticas bayesianas y más.
Visualización de Datos: Es conocido por su capacidad para crear gráficos de alta calidad. Los
usuarios pueden generar gráficos personalizados y visualmente atractivos para representar datos de
manera efectiva, lo que es esencial en la exploración y presentación de resultados.
Comunidad Activa: Cuenta con una comunidad activa de usuarios y desarrolladores que com-
parten paquetes, documentación y conocimientos. Esta comunidad contribuye al desarrollo y mejora
continua de R, lo que asegura que esté al dı́a con las últimas tendencias en estadı́stica y análisis de datos.
Plataforma Cruzada: Es compatible con una variedad de sistemas operativos, incluyendo Win-
dows, macOS y Linux, lo que permite a los usuarios trabajar en su plataforma preferida.
Diferencias:
A diferencia de software como SPSS o SAS, R requiere programación. Los usuarios deben escribir
código para llevar a cabo análisis estadı́sticos y visualizaciones, lo que lo hace más adecuado para
analistas de datos y cientı́ficos de datos que tienen experiencia en programación.
Tipos de Estadı́stica:
R se utiliza para una amplia gama de análisis estadı́sticos, desde estadı́sticas descriptivas hasta análisis
avanzados. Es aplicable a muchas disciplinas, incluyendo estadı́sticas médicas, biologı́a, ciencia de
datos, investigación económica, análisis de encuestas, y más. Es especialmente valioso cuando se
requieren análisis personalizados o avanzados en un entorno de código abierto.
Figure 6: Analisis avansado en Rstudio
5
3 Stata
Stata es un software estadı́stico diseñado para análisis de datos, estadı́sticas y generación de gráficos.
Es ampliamente utilizado en la investigación académica, la economı́a, la epidemiologı́a, la sociologı́a y
otros campos, especialmente en situaciones en las que se requiere un alto grado de precisión y capacidad
para manejar grandes conjuntos de datos.
Figure 7: Logo de stata
Caracterı́stica:
Amplia Gama de Comandos: Stata ofrece una amplia gama de comandos que permiten a los
usuarios realizar una variedad de análisis estadı́sticos. Esto incluye estadı́sticas descriptivas, análisis
de regresión (lineal y no lineal), análisis de series temporales, análisis de supervivencia y análisis de
panel, entre otros.
Manipulación de Datos: Proporciona herramientas para importar, limpiar y manipular datos de
manera efectiva. Los usuarios pueden llevar a cabo tareas como la recodificación de variables y la
creación de nuevas variables de manera eficiente.
Gráficos de Alta Calidad: Permite la creación de gráficos de alta calidad para visualizar datos
de manera efectiva. Los usuarios pueden generar gráficos de dispersión, gráficos de barras, gráficos de
series temporales y más.
Análisis de Grandes Conjuntos de Datos: Es conocido por su capacidad para manejar grandes
volúmenes de datos de manera eficiente. Esto lo hace adecuado para investigaciones y estudios que
involucran conjuntos de datos extensos.
Análisis Econométricos: Es especialmente apreciado en economı́a y finanzas debido a su capaci-
dad para realizar análisis econométricos avanzados, como modelos de regresión robustos y análisis de
efectos fijos y efectos aleatorios.
Figure 8: imagen con algunas caracteristicas de stata
6
Propiedades:
Amplia Variedad de Procedimientos Estadı́sticos: Ofrece una amplia gama de procedimientos
estadı́sticos y comandos que abarcan desde estadı́sticas descriptivas básicas hasta análisis estadı́sticos
avanzados. Estos incluyen regresiones lineales y no lineales, análisis de varianza, análisis de series
temporales, análisis de supervivencia, análisis de paneles y muchos otros.
Gestión de Datos Eficiente: Es conocido por su capacidad para manejar grandes conjuntos de
datos de manera eficiente. Los usuarios pueden importar, limpiar, recodificar y manipular datos con
facilidad. Esto es esencial en investigaciones y proyectos que involucran datos de gran envergadura.
Programación: Permite a los usuarios escribir programas personalizados utilizando su propio lenguaje
de programación. Esto facilita la automatización de tareas y el análisis de datos personalizados, lo que
es especialmente útil en investigaciones con requisitos especı́ficos.
Visualización de Datos: Ofrece herramientas para la creación de gráficos de alta calidad que per-
miten visualizar datos de manera efectiva. Los usuarios pueden generar gráficos de dispersión, gráficos
de barras, histogramas y gráficos de series temporales, lo que es fundamental en la interpretación y
presentación de resultados.
Análisis Econométricos: Es especialmente apreciado en campos como la economı́a debido a su
capacidad para realizar análisis econométricos avanzados. Los comandos y procedimientos de Stata per-
miten llevar a cabo análisis robustos y sofisticados, lo que lo hace valioso en investigaciones económicas
y financieras.
Documentación y Ayuda: Proporciona amplia documentación y soporte a los usuarios. Esto
incluye manuales, guı́as de referencia y una comunidad en lı́nea activa. Los usuarios pueden acceder a
recursos útiles para resolver problemas y comprender cómo utilizar las caracterı́sticas del software.
Plataforma Cruzada: Es compatible con múltiples sistemas operativos, lo que permite a los usuarios
trabajar en diferentes plataformas, incluyendo Windows, macOS y Linux.
Figure 9: Prpiedades de Stata
7
Diferencias:
En comparación con otros software estadı́sticos, Stata se enfoca en aplicaciones especı́ficas, como la
investigación económica y la epidemiologı́a. Es ampliamente utilizado en campos que requieren análisis
estadı́sticos avanzados y manejo de datos de gran envergadura.
Tipos de Estadı́stica:
Stata se utiliza principalmente para análisis estadı́sticos avanzados, incluyendo regresiones (lineales,
no lineales y robustas), análisis de series temporales, análisis de supervivencia, análisis de efectos fijos
y aleatorios, ası́ como análisis econométricos. Es especialmente valioso en investigación académica,
estudios económicos y epidemiologı́a, donde se requiere un alto nivel de precisión y una capacidad para
trabajar con datos complejos y detallados.
4 SAS (Statistical Analysis System):
SAS es un software estadı́stico y de análisis de datos ampliamente utilizado en la investigación, la
industria y la toma de decisiones. SAS es conocido por su capacidad para gestionar grandes volúmenes
de datos y realizar análisis estadı́sticos avanzados en diversas disciplinas.
Figure 10: SAS en español: Sistema de análisis estadı́stico
Caracterı́sticas:
Amplia Gama de Procedimientos Estadı́sticos: SAS ofrece una amplia variedad de proced-
imientos estadı́sticos que permiten a los usuarios llevar a cabo análisis estadı́sticos avanzados, como
regresiones (lineales, logı́sticas, no lineales), análisis de varianza, análisis de supervivencia, análisis de
componentes principales y más.
Gestión de Datos: Es conocido por su capacidad para gestionar grandes conjuntos de datos de
manera eficiente. Permite la importación, limpieza y manipulación de datos de alta complejidad.
Programación Avanzada: Permite a los usuarios escribir programas personalizados en el lenguaje
de programación SAS. Esto es especialmente útil para análisis de datos personalizados y automati-
zación de tareas.
Minerı́a de Datos: Es ampliamente utilizado en la minerı́a de datos y el descubrimiento de pa-
trones en grandes conjuntos de datos. Ofrece herramientas para identificar relaciones, tendencias y
segmentaciones en los datos.
Análisis Estadı́sticos Avanzados: Se utiliza en una amplia gama de aplicaciones, desde análisis de
datos clı́nicos en el campo de la salud hasta análisis de datos financieros y estadı́sticas en la industria.
8
Figure 11: Gráficos echos en SAS
Propiedades:
Amplia Variedad de Procedimientos Estadı́sticos: Ofrece una amplia gama de procedimientos
estadı́sticos y análisis de datos que abarcan desde estadı́sticas descriptivas hasta análisis estadı́sticos
avanzados. Estos incluyen regresiones lineales y no lineales, análisis de varianza, análisis de super-
vivencia, análisis de series temporales, minerı́a de datos, análisis de componentes principales y análisis
multivariados, entre otros.
Gestión de Datos Eficiente: Es conocido por su capacidad para gestionar grandes conjuntos de
datos de manera eficiente. Los usuarios pueden importar, limpiar, transformar y manipular datos
con facilidad. Esto es fundamental en investigaciones y proyectos empresariales que involucran datos
complejos y de gran volumen.
Programación Avanzada: Permite a los usuarios escribir programas personalizados utilizando el
lenguaje de programación SAS. Esto es especialmente útil para la automatización de tareas y la person-
alización de análisis estadı́sticos complejos. Los usuarios pueden crear flujos de trabajo personalizados
para sus necesidades especı́ficas.
Minerı́a de Datos y Modelado Predictivo: Se utiliza ampliamente en la minerı́a de datos y
el modelado predictivo. Ofrece herramientas y algoritmos avanzados para descubrir patrones en los
datos, realizar análisis predictivos y crear modelos estadı́sticos sofisticados.
Análisis Estadı́sticos Avanzados: Es ampliamente utilizado en una variedad de aplicaciones,
desde análisis de datos clı́nicos y epidemiológicos en el campo de la salud hasta análisis financieros y
estadı́sticas en la industria. Es especialmente apreciado en entornos empresariales y cientı́ficos avan-
zados donde se requiere un alto grado de precisión y sofisticación estadı́stica.
Documentación y Soporte: Proporciona una amplia documentación, manuales y recursos en lı́nea
para los usuarios. Además, cuenta con un servicio de atención al cliente y soporte técnico, lo que
facilita la resolución de problemas y la obtención de ayuda en caso de dificultades.
Plataforma Cruzada: Es compatible con múltiples sistemas operativos, lo que permite a los usuarios
trabajar en diferentes plataformas, incluyendo Windows, macOS y Linux.
9
Diferencias
En comparación con otros software estadı́sticos, SAS se enfoca en la gestión de datos y análisis es-
tadı́sticos avanzados. Es ampliamente utilizado en entornos empresariales y de investigación, especial-
mente en situaciones en las que se requiere un alto grado de precisión y la manipulación de datos de
gran envergadura.
Tipos de Estadı́stica
Se utiliza para análisis estadı́sticos avanzados, minerı́a de datos, análisis de series temporales, análisis
de supervivencia, análisis de datos clı́nicos, estadı́sticas financieras y en una variedad de aplicaciones
en industria y ciencias sociales. Es especialmente valioso cuando se requiere la gestión y análisis de
datos de alta complejidad en entornos comerciales y de investigación.
Figure 12: Minerı́a de datos en SAS
5 Microsoft Excel
Aunque Microsoft Excel no es exclusivamente un software estadı́stico, es una herramienta ampliamente
utilizada para análisis de datos y estadı́sticas básicas. Excel es parte de la suite de productividad de
Microsoft Office y se usa en una variedad de entornos, desde la gestión de datos empresariales hasta
proyectos académicos.
Figure 13: Microsoft Exel
10
Caracterı́stica
Herramientas Estadı́sticas Básicas: Ofrece herramientas para realizar estadı́sticas descriptivas,
como cálculos de promedios, desviaciones estándar, medianas y percentiles. También es capaz de re-
alizar pruebas de hipótesis simples, como la prueba t de Student.
Gráficos y Visualización de Datos: Es conocido por su capacidad para crear gráficos de barra,
gráficos de dispersión, histogramas y otros tipos de gráficos. Estos gráficos permiten una representación
visual de los datos.
Funciones Personalizables: Los usuarios pueden escribir fórmulas personalizadas para llevar a
cabo cálculos especı́ficos y realizar análisis de datos más avanzados.
Accesibilidad y Amplia Disponibilidad: Es ampliamente utilizado en entornos comerciales y
académicos, y está disponible en muchas organizaciones y sistemas operativos.
Figure 14: Gráficos en Exel
Propiedades
Ampliamente Disponible: Es ampliamente utilizado en empresas y organizaciones en todo el
mundo. Es parte de la suite Microsoft Office y generalmente está disponible en la mayorı́a de las
computadoras de oficina y en sistemas operativos como Windows y macOS.
Facilidad de Uso: Es conocido por su interfaz de usuario intuitiva y su facilidad de uso, lo que
lo hace accesible incluso para usuarios sin experiencia en análisis de datos. La mayorı́a de las personas
están familiarizadas con las hojas de cálculo de Excel.
Herramientas Estadı́sticas Básicas: Aunque Excel no es un software estadı́stico avanzado, ofrece
herramientas para realizar estadı́sticas descriptivas, como cálculos de promedios, desviaciones estándar,
medianas y percentiles. También permite realizar pruebas de hipótesis básicas, como la prueba t de
Student.
Visualización de Datos: Proporciona una amplia gama de opciones para crear gráficos, desde
gráficos de barras y gráficos de dispersión hasta gráficos de lı́neas y gráficos de torta. Los usuarios
pueden personalizar estos gráficos para representar datos de manera efectiva.
Herramientas de Análisis de Datos: Excel incluye una función de ”Análisis de datos” que pro-
porciona herramientas adicionales para realizar análisis estadı́sticos básicos, como análisis de regresión
11
y análisis de varianza. También se pueden utilizar funciones de Excel para realizar cálculos más avan-
zados.
Integración con Otras Herramientas de Microsoft Office: Excel se integra con otras aplicaciones
de Microsoft Office, como Word y PowerPoint, lo que facilita la creación de informes y presentaciones
que incluyen datos de Excel.
Facilidad de Compartir Datos: Excel permite a los usuarios compartir y colaborar en hojas
de cálculo en lı́nea a través de servicios como Microsoft OneDrive. Esto facilita la colaboración en
proyectos y la distribución de informes.
Automatización de Tareas: Excel permite a los usuarios automatizar tareas mediante la creación de
macros y fórmulas personalizadas. Esto es útil para agilizar el procesamiento de datos y la generación
de informes.
Diferencias
En comparación con otros software estadı́sticos mencionados, Excel se encuentra en un nivel más básico
en términos de análisis estadı́stico. Está más orientado a tareas simples y análisis de datos de menor
escala, lo que lo hace menos adecuado para análisis estadı́sticos avanzados.
Tipos de Estadı́stica
Excel se utiliza principalmente para estadı́sticas descriptivas y análisis de datos básicos. Es adecuado
para tareas como la creación de informes financieros, análisis de ventas, seguimiento de presupuestos
y otras tareas empresariales que requieran un enfoque más simple para el análisis de datos. También
se usa en proyectos académicos para estadı́sticas básicas y visualización de datos. Sin embargo, para
análisis estadı́sticos más avanzados, se suelen preferir otros software especializados.
Figure 15: Interfaz de Exel
Conclusión:
Cada uno de estos software estadı́sticos presenta una serie de ventajas y desventajas, lo que hace que
la elección del más adecuado dependa de diversos factores. SPSS se destaca por su interfaz gráfica de
usuario amigable, lo que lo convierte en una opción popular para aquellos que tienen menos experiencia
en programación. Su enfoque en las ciencias sociales y de la conducta lo hace especialmente útil en
estos campos.
12
Por otro lado, R es altamente apreciado por su flexibilidad y personalización. La capacidad de es-
cribir código personalizado lo convierte en una opción valiosa para analistas de datos y cientı́ficos de
datos que desean realizar análisis avanzados y personalizados. Su comunidad activa y en constante
crecimiento significa que siempre está al dı́a con las últimas tendencias en análisis estadı́stico.
Stata se enfoca en la eficiencia en la gestión de datos y la realización de análisis avanzados. Es
especialmente valioso en la economı́a y la epidemiologı́a, donde se manejan grandes conjuntos de datos
y se requieren análisis complejos.
SAS se destaca en el análisis empresarial y cientı́fico avanzado. Su capacidad para gestionar grandes
volúmenes de datos y realizar análisis estadı́sticos avanzados, minerı́a de datos y modelado predictivo
lo convierten en una elección sólida en entornos empresariales.
Por último, Microsoft Excel es ampliamente accesible y fácil de usar. Aunque no es un software
estadı́stico avanzado, es una opción valiosa para proyectos más simples y para usuarios que prefieren
una interfaz familiar.
En última instancia, la elección del software dependerá de tus necesidades especı́ficas, nivel de ex-
periencia y el campo de estudio en el que te encuentres. Cada uno de estos programas tiene su lugar
en el mundo del análisis de datos y continuará siendo relevante en función de los requerimientos y
objetivos de los usuarios.
13
