VARIABLES CATEGÓRICAS

Las variables categórica, admiten únicamente la forma de cuantificación o medición mas

rudimentaria: el agrupamiento. La variable “ clase social “ por ejemplo admite agrupación en
varias categorias tales como: alta, media superior, media baja, baja. En este caso se utilizaron
cuatro categorias como indicadores de diversas modalidades que puede asumir la variable,
pero el numero de categorias puede ser determinado por el investigador según las necesidades
de categorias puede ser determinado por el investigador según las necesidades de clasificacion
propias del estudio que realiza.

La variables sexo admite solo dos categorias (hombre mujer) por lo cual a esta variable
categorica se le puede llmar tambien dicotomica. Algunas variables que admitirian varias
categorias, como por ejemplo la nacionalidad, pueden ser convertidas en dicotomicas si esto
conviene al estudio que se realiza, pueden ponerse a la variable nacionalidad las categorias de
“ mexicano “ y “ no mexicanoc” que la convierten en variable dicotomica.

Son variabls categóricas: religión, preferencias deportivas, colo de ojos, fuente de ingresos,
profesion, escolaridad, empleo, etc.

Si para distinguir las diferentes categorias de una variable se utilizan números, la función de
éstos sería sólo de diferenciación y no tendrían nungún otro significado, no tendría sentido
por lo tanto realizar operaciones con ellos. Por ejemplo, si para distinguir las categorías de la
variable sexo se le asigna 0 al hombre y 1 a la mujer, 0 y 1 servirán sólo para establecer que
se refieren a categorías diferentes y de ninguna manera indicarán otro tipo de relación entre
las categorias.

(Moreno, 1987)

Las variables categóricas: son aquellas variables cuyos posibles valores no son susceptibles de
medicion cuantitativa directa pero si pueden ser clasificados. También son conocidas como
variables no métricas. Por ejemplo: el género de una persona, su estado civil o su estrato
socioeconómico son variables que generan clasificaciones, aun cuando no puedan realizarse
operaciones matemáticas sobre esas clasificaciones, aun cuando no puedan realizarse
operaciones matemáticas sobre esas clasificaciones. Las variables categóricas a se vez se
dividen en dos grupos: nominales y ordinales.

Nominales: variables cuyos posibles valores se identifican con una clase o grupo de
elementos de acuerdo con una característica. Dicho de otro modo, representan categorías sin
propiedad de orden en las cuales se puede clasificar un objeto de interés.

Por ejemplo:

1. color de un carro
2. Estado civil de una persona

Ordinales: variables cuyos posibles valores indican una jerarquía u ordenación. Sus valores
representan una propiedad de orden de un conjunto o una posición relativa pero no son una
representación numérica real de la variable, por lo que no son operables matemáticamente.

Por ejemplo:
 1. Nivel educativo de una persona
2. Nivel de preferencia por un producto, en escala 1 a 5

(Alvarado & Obagi,2008)

EJEMPLOS

I. Numérico:

Sexo (1 = Mujer, 2 = Hombre)

Resultados de una encuesta (1 = De acuerdo, 2 = Neutral, 3 = En desacuerdo)

II. Texto:

Formas de pago (Efectivo o Crédito)

Configuraciones de una máquina (Bajo, Medio, Alto)

Tipos de producto (Madera, Plástico, Metal)

III. Fecha/hora:

Días de la semana (lunes, martes, miércoles)

Meses del año (enero, febrero, marzo)

HIPÓTESIS ESTADÍSTICA

Una hipótesis estadística es cualquier afirmación, verdadera o falsa, sobre alguna

característica desconocida de la población. Si la hipótesis se refiere al valor de un parámetro
desconocido θ de la población, diremos que se trata de un contraste paramétrico, pero si la
hipótesis se refiere a la forma que tiene la función de cuantía o de densidad, ∫(𝑥 , θ) de la
población, entonces hablaremos de un contraste no paramétrico. Supongamos, por ejemplo,
una población que sigue una distribución 𝑁(100, 𝜎), en donde el parámetro 𝜎 es desconocido
y hacemos una hipótesis acerca del posible valor del parámetro desconocido, desviación
típica, 𝜎 = 1.5, entonces estaríamos en un contraste paramétrico. Sin embargo, si no
conocemos la forma de la población, es decir, no sabemos si sigue una distribución normal,
binomial, uniforme, exponencial, etc. Entonces formularíamos la hipótesis de que esa
población tiene una distribución del tipo normal, binomial, uniforme, exponencial, etc,.
Diciendo por tanto que se trata de un contraste no paramétrico.

(Sánchez, 2006)

Una hipótesis estadística es una afirmación con respecto a alguna característica poblacional y,
por consiguiente, un enunciado sobre una variable aleatoria en relación a su ley de
probabilidades. Admitiendo que la distribución de la variable aleatoria poblacional es de
determinado tipo, puede elaborarse un enunciado sobre el parámetro del que depende la
distribución de dicha variable aleatoria. Este enunciado define una hipótesis paramétrica.
Pero, si o se conoce el tipo de distribución poblacional, también puede formularse enunciados
sobre características de la población o incluso sobre el tipo de distribución. Estas hipótesis,
denominadas no paramétricas, se analizarán más adelante, mientras que en este capítulo el
siguiente se abordará el contraste de hipótesis paramétricas.

(Cáceres, 2007)

EJEMPLOS

HIPÓTESIS NULAS

Hipótesis nula (denotada por 𝐻0 ) es la afirmación de que el valor de un parámetro de

población (como una proporción, media o desviación estandar) es igual a un valor aseverado.
Las siguientes son hipótesis nulas:

𝐻0 : p = 0.5 𝐻0 : µ = 98.6 𝐻0 : 𝜎 = 15

La hipotesis nula se aprueba en forma directa, en el sentido de que asumimos que es

verdadera, y llegamos a una conclusión para rechazar 𝐻0 o no rechazar 𝐻0 .

(Triola, 2004)

Una hipótesis nula es una suposición que se utiliza para negar o afirmar un suceso en relación
a algún o algunos parámetros de una población o muestra.

Siempre que se llega a una conclusión acerca un experimento, el investigador debe establecer
dos hipótesis, la hipótesis nula y la hipótesis alternativa. La hipótesis nula (H0) se refiere a la
afirmación contraria a la que ha llegado el investigador. Es la hipótesis que el investigador
pretender rechazar. Si tiene la evidencia suficiente para ello, podrá probar que lo contrario es
cierto. Por lo tanto, la hipótesis alternativa (H1) es la conclusión a la que el investigador ha
llegado a través de su investigación.

La afirmación de la hipótesis nula no se puede rechazar a no ser que los datos de la muestra
parezcan demostrar que ésta es falsa. Por lo general la hipótesis nula incluye un no (o un
desigual a) en su enunciado.

(Marco, 2017)

BIBLIOGRAFIA

 Moreno, M. (1987) – Introducción a la metodología de la Investigación

Educativa – Editorial Progreso. (unión soviética)
 Alvarado, J. & Obagi, J. (2008) – Fundamentos de Inferencia Estadística –
BOGOTA, Editorial Pontificia Universidad Javeriana.
 Sánchez, P. (2006) – Métodos Estadísticos Aplicados – BARCELONA,
Editorial de la Universidad de Barcelona.
 Cáceres, J. (2007) – Conceptos Básicos de Estadística para Ciencias Sociales
– MADRID, Editorial Delta, Publicaciones Universitarias.
 Triola, M. (2004) – Estadística – Recuperado de:
https://books.google.com.pe/books?id=Lj5VlatlLhsC&pg=PA372&dq=hip%C3%B3te
sis+nulas&hl=es-
419&sa=X&ved=0ahUKEwissdXUtpraAhXCqlMKHeIKAS0Q6AEILDAB#v=onepa
ge&q=hip%C3%B3tesis%20nulas&f=false
 Marco, F. ( 2017) – Hipótesis Nula – Recuperado de:
http://economipedia.com/definiciones/hipotesis-nula.html