Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Escalas de Medición en Estadística
Escalas de Medición en Estadística
Como hemos dicho, para que los datos tengan sentido es necesario compararlos. Y para poder
compararlos debemos utilizar escalas de medición. Dichas escalas tendrán diferentes
propiedades en función de las características de los datos que se compararán. En estadística
existen cuatro escalas de medición: nominal, ordinal, de intervalo y de razón
Escala nominal
En esta variable se tienen dos etiquetas para clasificar a los visitantes. El orden carece de
sentido, así como la comparación u operaciones aritméticas
Escala ordinal
Cuando los datos muestran las propiedades de los datos nominales, pero además tiene sentido
el orden (o jerarquía) de estos, se utiliza una escala ordinal. Ejemplo:
Una variable que mide la calidad de un post. La variable puede tomar valores enteros del 1 al
5, donde el valor 1 es el peor y el 5 el mejor.
En esta variable sigue sin tener sentido las operaciones aritméticas, pero ahora sí tiene sentido
el orden. Si un post tiene valor 4 y otro tiene valor 2, el primero se entiende que es mejor que
es segundo.
Escala de intervalo
En una escala de intervalo, los datos tienen las propiedades de los datos ordinales, pero a su
vez la separación entre las variables tiene sentido. Este tipo de datos siempre es numérico, y el
valor cero no indica la ausencia de la propiedad. Veamos un ejemplo:
En esta escala, los número mayores corresponden a temperaturas mayores. Es decir, el orden
importa, pero a la vez la diferencias entre las temperaturas importa.
Escala de razón
En una escala de razón, los datos tienen todas las propiedades de los datos de intervalo, y la
proporción entre ellos tiene sentido. Para esto se requiere que el valor cero de la escala
indique la ausencia de la propiedad a medir. Ejemplos de este tipo de variables son el peso de
una persona a el tiempo utilizado para una tarea. Ejemplo:
En esta variable, si una persona gana 100, y otra 10, la primera gana más que la segunda
(comparación). También tiene sentido decir que la primera gana 90 más que la segunda
(diferencia), o que gana 10 veces más (proporción).
Variables en estadística
Las variables se las suele dividir según distintos criterios, en función las características de los
valores que estas puedan tomar.
Las variables cualitativas son aquellas que se usan para identificar un atributo de un elemento.
Se emplean con la escala nominal o la ordinal, y pueden ser numéricos o no. Los datos
contenidos en estas variables se resumen contando el número de observaciones de cada valor
que toma la variable, o la proporción en entre estos. Un hecho importante a tener en cuenta
es que, aun cuando para los datos cualitativos se use un código numérico, las operaciones
aritméticas como la suma o la multiplicación no tienen sentido. Ejemplo:
El color de un auto.
Luego, las variables cuantitativas son aquellas que requieren valores numéricos para definir los
datos. Se emplean con las escalas de medición de intervalo o de razón. En estas sí tienen
sentido las operaciones aritméticas. Ejemplo:
En general hay más alternativas para el análisis estadístico cuando se tienen variables
cuantitativas que con las variables cualitativas.
Una variable continua puede tomar valores dentro de un intervalo continuo, es decir, dado dos
puntos de un intervalo, la variable siempre podrá tomar infinitos valores entre ambos puntos.
Ejemplo:
En cambio, una variable discreta solo puede tomar valores sobre un conjunto finito de valores
o un conjunto infinito numerable (un conjunto infinito, pero cuyos elementos se pueden
contar). En otras palabras, no puede tomar valores sobre cualquier punto del intervalo, sino
solamente sobre aquellos incluidos en el conjunto al que pertenece. Esto hace que surja el
concepto de valores observados sucesivos, lo cual significa que, dado una observación, puede
existir una observación previa y otra posterior. Ejemplo:
Por último, otra clasificación típica que se suele realizar sobre los datos es respecto del tiempo
en que estos son adquiridos.
Los datos de series de tiempo son datos obtenidos a lo largo del tiempo.
tomando en el eje horizontal las clases de la variable, y en el eje vertical las frecuencias
acumuladas
DEFINICIÓN DE
POLÍGONO DE FRECUENCIA
Polígono de frecuencia es el nombre que recibe una clase de gráfico que se crea a partir de un
histograma de frecuencia. Estos histogramas emplean columnas verticales para reflejar
frecuencias): el polígono de frecuencia es realizado uniendo los puntos de mayor altura de
estas columnas.
Los polígonos de frecuencia se suelen usar cuando se pretende retratar varias distribuciones
distintas o la clasificación cruzada de una variable cuantitativa continua con una cualitativa o
cuantitativa discreta en el mismo dibujo.
Se conoce como polígonos de frecuencia para datos agrupados a aquellos que se desarrollan
mediante la marca de clase que tiene coincidencia con el punto medio de las distintas
columnas del histograma. En el momento de la representación de todas las frecuencias que
forman parte de una tabla de datos agrupados, se genera el histograma de frecuencias
acumuladas que posibilita la diagramación del polígono correspondiente
Gráficos de tortas
Los gráficos circulares proporcionan una representación gráfica de los datos. Los porcentajes
de datos en un gráfico circular siempre suman el 100%, por lo que el gráfico circular ofrece un
resumen de todas las respuestas a una pregunta o respuesta a un problema. Los estudiantes
de la escuela primaria suelen aprender acerca de los gráficos circulares del cuarto al sexto
grado. A esta edad, los conceptos fundamentales necesarios para comprender los gráficos
circulares son porcentajes, grados y fracciones. Una explicación de los gráficos circulares ayuda
en la comprensión de este método básico de la visualización de datos
Un gráfico circular o gráfica circular, también llamado "gráfico de pastel", "gráfico de tarta",
"gráfico de torta" o "gráfica de 360 grados", es un recurso estadístico que se utiliza para
representar porcentajes y proporciones. El número de elementos comparados dentro de una
gráfica circular suele ser de más de cuatro.
Los gráficos circulares son eficaces para comparar partes de un todo durante un período
estático. No muestran cambios a lo largo del tiempo.
un conjunto de datos los gráficos circulares son eficaces para categorizar y comparar un
conjunto de datos
valores positivos los gráficos circulares no pueden mostrar ceros y pueden resultar confusos al
trabajar con valores negativos
siete categorías o menos se vuelve más difícil percibir el tamaño relativo de cada segmento al
trabajar con más de siete categorías