Historia de la Estadística

La palabra Estadística procede del vocablo “Estado”, pues era función principal de los
Gobiernos de los Estados establecer registros de población, nacimientos, defunciones,
impuestos, cosechas... La necesidad de poseer datos cifrados sobre la población y sus
condiciones materiales de existencia han debido hacerse sentir desde que se establecieron
sociedades humanas organizadas.

Es difícil conocer los orígenes de la Estadística. Desde los comienzos de la civilización han
existido formas sencillas de estadística, pues ya se utilizaban representaciones gráficas y
otros símbolos en pieles, rocas, palos de madera y paredes de cuevas para contar el número
de personas, animales o ciertas cosas.

 Su origen empieza posiblemente en la isla de Cerdeña, donde existen monumentos

prehistóricos pertenecientes a los Nuragas, las primeros habitantes de la isla; estos
monumentos constan de bloques de basalto superpuestos sin mortero y en cuyas
paredes de encontraban grabados toscos signos que han sido interpretados con
mucha verosimilidad como muescas que servían para llevar la cuenta del ganado y la
caza.
 Hacia el año 3.000 a.C. los babilonios usaban ya pequeñas tablillas de arcilla para
recopilar datos en tablas sobre la producción agrícola y los géneros vendidos o
cambiados mediante trueque.
 Los egipcios ya analizaban los datos de la población y la renta del país mucho antes
de construir la pirámides.En los antiguos monumentos egipcios se encontraron
interesantes documentos en que demuestran la sabia organización y administración
de este pueblo; ellos llevaban cuenta de los movimientos poblacionales y
continuamente hacían censos. Tal era su dedicación por llevar simpre una relación de
todo que hasta tenían a la diosa Safnkit, diosa de los libros y las cuentas. Todo esto
era hecho bajo la dirección del Faraón y fue a partir del año 3050 a.C.
 En la Biblia observamos en uno de los libros del Pentateuco, bajo el nombre de
Números, el censo que realizó Moisés después de la salida de Egipto. Textualmente
dice: "Censo de las tribus: El día primero del segundo año después de la salida de
Egipto, habló Yavpe a Moisés en el desierto de Sinaí en el tabernáculo de la reunión,
diciendo: "Haz un censo general de toda la asamblea de los hijos de Israel, por
familias y por linajes, describiendo por cabezas los nombres de todos los varones
aptos para el servicio de armas en Israel. En el llibro bíblico Crónicas describe el
bienestar material de las diversas tribus judías.
 En China existían los censos chinos ordenados por el emperador Tao hacia el año
2.200 a.C.
 Posteriormente, hacia el año 500 a.C., se realizaron censos en Roma para conocer la
población existente en aquel momento. Se erigió la figura del censor, cuya misión
consistía en controlar el número de habitantes y su distribución por los distintos
territorios.
 En la Edad Media, en el año 762, Carlomagno ordenó la creación de un registro de
todas sus propiedades, así como de los bienes de la iglesia.
 Después de la conquista normanda de Inglaterra en 1.066, el rey Guillermo I, el
Conquistador, elaboró un catastro que puede considerarse el primero de Europa.
 Los Reyes Católicos ordenaron a Alonso de Quintanilla en 1.482 el recuento de
fuegos (hogares) de las provincias de Castilla.

En 1.662 un mercader de lencería londinense, John Graunt, publicó un tratado con las
observaciones políticas y naturales, donde Graunt pone de manifiesto las cifras brutas de
nacimientos y defunciones ocurridas en Londres durante el periodo 1.604-1.661, así como
las influencias que ejercían las causas naturales, sociales y políticas de dichos
acontecimientos. Puede considerarse el primer trabajo estadístico serio sobre la
población.

Curiosamente, Graunt no conocía los trabajos de B. Pascal » (1.623-1.662) ni de C.

Huygens (1.629-1.695) sobre estos mismos temas. Un poco más tarde, el
astrónomo Edmund Halley (1.656- 1.742) presenta la primera tabla de mortalidad que se
puede considerar como base de los estudios contemporáneos. En dicho trabajo se intenta
establecer el precio de las anualidades a satisfacer a las compañías de seguros. Es decir, en
Londres y en París se estaban construyendo, casi de manera simultánea, las dos disciplinas
que actualmente llamamos estadística y probabilidad.

En el siglo XIX, la estadística entra en una nueva fase de su desarrollo con la generalización
del método para estudiar fenómenos de las ciencias naturales y sociales. Galton » (1.822-
1.911) y Pearson (1.857-1936) se pueden considerar como los padres de la estadística
moderna, pues a ellos se debe el paso de la estadística deductiva a la estadística
inductiva.

Los fundamentos de la estadística actual y muchos de los métodos de inferencia son

debidos a R. A. Fisher. Se intereso primeramente por la eugenesia, lo que le conduce,
siguiendo los pasos de Galton a la investigación estadística, sus trabajos culminan con la
publicación de la obra Métodos estadísticos para investigaciones. En el aparece la
metodología estadística tal y como hoy la conocemos.

A partir de mediados del siglo XX comienza lo que podemos denominar la estadística

moderna, uno de los factores determinantes es la aparición y popularización de los
computadores. El centro de gravedad de la metodología estadística se empieza a desplazar
técnicas de computación intensiva aplicadas a grandes masas de datos, y se empieza a
considerar el método estadístico como un proceso iterativo de búsqueda del modelo ideal

Las aplicaciones en este periodo de la Estadística a la Economía conducen a una disciplina

con contenido propio: la Econometría. La investigación estadística en problemas militares
durante la segunda guerra mundial y los nuevos métodos de programación matemática, dan
lugar a la Investigación Operativa

La estadística podría definirse como la ciencia que se encarga

de recopilar, organizar, procesar, analizar e interpretar datos
con el fin de deducir las características de una población
objetivo, pero esta sería solo una visión estrecha de lo que
comprende esta rama del saber. A continuación se hace una
muy breve introducción teórica al amplio concepto de la
estadística.

Contenidos
::……………………………………………………………………………………………………………………………………………………
…

¿Qué es estadística?

La estadística es la ciencia que estudia cómo debe emplearse

la información y cómo dar una guía de acción en situaciones
prácticas que entrañan incertidumbre. (Gutiérrez, p.23)

La estadística es la ciencia de los datos, la cual implica su

recolección, clasificación, síntesis, organización, análisis e
interpretación, para la toma de decisiones frente a la
incertidumbre (Ángel, p. 28)

La estadística es la rama del conocimiento humano que tiene

como objeto el estudio de ciertos métodos inductivos aplicables
a fenómenos susceptibles de expresión
cuantitativa. (López, p.1)

La estadística es el arte de aprender a partir de los datos. Está

relacionada con la recopilación de datos, su descripción
subsiguiente y su análisis, lo que nos lleva a extraer
conclusiones. (Ross, p.3)

La estadística es una ciencia exacta cuyo objetivo fundamental

es el estudio de diversas forma de comportamiento de la
sociedad, para lo cual se fundamenta en el uso de diversos
métodos y procedimientos matemáticamente demostrables de
manera formal y rigurosa. (Cóndor, p.1
……………………………………………………………………………………………………………………………………………………..

Otras definiciones

A continuación se definen algunos de los términos más usados

en estadística:

Población. Es el conjunto de todos los posibles elementos que

intervienen en un experimento o en un estudio. La hay de dos
tipos

 Población finita. Es aquella que indica que es posible

alcanzarse o sobrepasarse al contar. Es aquella que
posee o incluye un número limitado de medidas y
observaciones.
 Población infinita. Es infinita si se incluye un gran
conjunto de medidas y observaciones que no pueden
alcanzarse en el conteo. Son poblaciones infinitas porque
hipotéticamente no existe límite en cuanto al número de
observaciones que cada uno de ellos puede generar.
Muestra. Un conjunto de medidas u observaciones tomadas a
partir de una población dada. Es un subconjunto de la
población.

Muestra representativa. Un subconjunto representativo

seleccionado de una población de la cual se obtuvo.

Muestreo. Al estudio de la muestra representativa.

Censo. Al estudio completo de la población.

Parámetro. Lo constituyen las características medibles en una

población completa. Se le asigna un símbolo representado por
una letra griega.

Estadístico o estadígrafo. Es la medida de una característica

relativa a una muestra. La mayoría de los estadísticos
muestrales se encuentran por medio de una fórmula y suelen
asignárseles nombres simbólicos que son letras latinas.

Datos estadísticos (Variables). Los datos son agrupaciones

de cualquier número de observaciones relacionadas. Para que
se considere un dato estadístico debe tener 2 características:
a) Que sean comparables entre sí. b) Que tengan alguna
relación.

Variable. Una característica que asume valores.

Clases de datos

 Variable cuantitativa o escalar. Será una variable

cuando pueda asumir sus resultados en medidas
numéricas.
 Variable cuantitativa discreta. Es aquella que puede
asumir sólo ciertos valores, números enteros. Ejemplo: El
número de estudiantes (1,2,3,4)
 Variable cuantitativa continua. Es aquella que
teóricamente puede tomar cualquier valor en una escala
de medidas, ya sea entero o fraccionario. Ejemplo,
Estatura: 1.90 m
  Variables cualitativas nominales. Cuando no es posible
hacer medidas numéricas, son susceptibles de
clasificación. Ejemplo: Color de autos: rojo, verde, azul.

Experimento. Es una actividad planificada, cuyos resultados

producen un conjunto de datos. Es el proceso mediante el cual
una observación o medición es registrada. Ejemplo: ¿Cuál será
la preferencia del consumidor ante dos marcas de refresco con
similares características en un ambiente armónico y sin
publicidad?
Video curso de estadística descriptiva

A continuación un curso de estadística descriptiva a través del

cual podrás aprender los conceptos fundamentales de esta
ciencia (José Luis Suárez, 13 videos)
Bibliografía

 Ángel Gutiérrez, Julio César. Estadística general

aplicad…………………………………………………………
……………………………………………………………
Un fenómeno aleatorio es aquel que puede presentar distintos resultados aunque se
realice bajo las mismas condiciones. Además, estos resultados noson predecibles.
También se dice que los fenómenos aleatorios obedecen al azar, lo que implica que se
comportan de manera fortuita. Un ejemplo muy socorrido corresponde a observar la cara
que se obtiene al lanzar un dado. Las características de un fenómeno aleatorio pueden
resumirse de la siguiente forma: Todos los resultados del fenómeno pueden conocerse de
antemano. Es imposible conocer un resultado en particular del fenómeno antes de que
ocurra. Puede ser repetido bajo las mismas condiciones una in&nidad de veces.
- Más información en: Fenómeno aleatorio (Términos estadísticos) © https://glosarios.servidor-
alicante.com

……………………………………………………………………………………………………………….

Los datos estadísticos, en este marco, son los valores que se obtienen
al llevar a cabo un estudio de tipo estadístico. Se trata del producto de
la observación de aquel fenómeno que se pretende analizar.
Supongamos que un periodista deportivo desea estudiar el rendimiento
de un tenista a partir de los resultados que logró en el último año. En
dicho plazo, el jugador disputó 15 encuentros, de los cuales ganó 5 y
perdió 10. Los datos estadísticos obtenidos de la observación de los
partidos son los siguientes: derrota – derrota – derrota – victoria –
derrota – victoria – victoria – derrota – derrota – derrota – derrota-
derrota – victoria – derrota – victoria.
Para que resulten útiles, los datos estadísticos deben organizarse y
considerarse a partir de un contexto. Retomando el ejemplo anterior,
dichos datos serán valiosos si se sabe a qué tenista pertenecen y en qué
plazo o periodo fueron obtenidos por el deportista.
Es importante tener en cuenta que el procesamiento de los datos
estadísticos es lo que genera información. El dato por sí mismo,
considerado como algo aislado, carece de interés.
La obtención y el procesamiento de datos estadísticos son tareas muy
importantes para la toma de decisiones en diversos ámbitos.
Un gobierno, por ejemplo, necesita contar con datos estadísticos fiables
para decidir su política económica.
Además de todo lo expuesto, hay otra serie de aspectos que podemos
destacar acerca de los datos estadísticos como son los siguientes:
-Tienen la particularidad de que en todo momento están sujetos a una
interpretación, que es la que realiza la persona que los lleva a cabo o que
los emplea. De la misma manera, también el lector de los mismos o el
oyente de la presentación de aquellos podrá realizar su propia
interpretación también.
-Cuentan con la singularidad de que son utilizados en muchas ocasiones
para persuadir o convencer. Y es que es más convincente hablar del 90%
de la gente, por ejemplo, que decir “muchas personas”.
-Los datos estadísticos es fundamental que siempre vayan acompañados
del llamado margen de error o error muestral que, siempre, es
recomendable que sea lo más bajo posible.

………………………………………………………………………………………………………………………………………………………
¿Qué es una tabla de doble entrada?
Una tabla de doble entrada o cuadggro de doble
entrada, también denominadas de contingencias, son
tablas de datos que hacen referencia dos variables.
En la cabecera de las filas establecemos las categorías
o valores variables mientras que en la columna
principal se añaden las otras variables. En la
confluencia entre la primera fila y la primera columna
encontramos los datos que corresponden a ambas
variables.

¿Para qué sirve una tabla de doble entrada?

Una tabla de doble entrada nos ofrecen información
estadística de dos eventos relacionados entre si para
contrastar los diferentes valores que obtenemos. Se
llaman cuadros o tablas de doble entrada porque
organiza los temas en dos direcciones hacia donde
debemos llevar la mirada para saber que es, que hacer
o que valor representa. Los cuadros de doble
entrada nos permiten organizar la información en
columnas horizontales y verticales concentrado en
un mismo lugar toda la información obtenida a partir de
una lectura.

Lo primero que debemos tener en cuenta son los ejes

que se irán cruzando en la tabla y posteriormente
añadir los datos que queremos obtener según indique
el encabezado de la columna donde se encuentre. Lo
primero que debemos hacer antes de confeccionar
un cuadro de doble entrada es:

 Leer detenidamente el texto que nos ofrecerá los datos para confeccionar el
cuadro.
 Determinar las categorías que se cruzarán en cada uno de los ejes.
 Finalmente tenemos que introducir los datos que se cruzan entre los ejes con
los datos que extraigamos de la lectura.

Ejemplos de uso
A continuación os mostramos varios ejemplos
donde os mostramos los posibles usos de este tipo
de tabla de doble entrada. Estos ejemplos nos
muestran como podemos utilizar la información que
leemos y de la que queremos extraer datos para
consultarlos rápidamente de un vistazo, sin tener que
volver leerlo sin tenemos alguna duda.
Ejemplo 1

Un ejemplo claro para entender correctamente qué es

una tabla de doble entrada lo podemos encontrar en
las notas que nos daban en el colegio para
nuestros padres. En la primera fila encontramos las
valoraciones, es decir Muy Bien, Bien, Suficiente,
Necesita Mejorar. Mientras que en la primera columna
encontraríamos las asignaturas correspondientes como
por ejemplo Lenguaje, Matemáticas, Ciencias
Naturales, Ciencias Sociales…

Nombre del alumno Muy bien Bien Suficiente Necesita Mej

Lenguaje X

Matemáticas X

Ciencias Sociales X

Ciencias Naturales X

Una vez realizado el cuadro de doble entrada con

estas especificaciones, debemos dirigirnos hasta la
confluencia de la de ambas para completarla con una
X, para reflejar que de tal asignatura ha obtenido una
puntuación u otra.

Ejemplo 2

Las tablas de doble entrada también se utilizan para

crear juegos para los niños de
primaria orientándolos para que resuelvan problemas
que permitirán completar las diferentes casillas del
cuadro. Este tipo de tablas en primaria fomenta la
alfabetización numérica y mejora la relación de los más
pequeños con las matemáticas. La siguiente tabla se
puede utilizar para que los más pequeños recopilen el
número de policías, bomberos y militares en un dibujo
y que a su los diferencien por el sexo.
 Mujeres Hombres

Policias 5 6

Bomberos 3 4

Militares 6 2

Ejemplo 3

Otro ejemplo práctico del uso de una tabla de doble

entrada lo podemos ver a la hora de hacer un
inventario. A la hora de hacer un inventario en una
tienda de ropa, debemos establecer por un lado las
marcas de los pantalones que tenemos a la venta en
nuestro establecimiento y por otro lado debemos
establecer las tallas existentes de cada marca. En la
confluencia de ambos datos escribiremos las unidades
que tenemos actualmente de cada marca y talla.

Talla\Marca Levi's Wrangler Tommy Ralph

38 2 3 3 5

40 5 6 7 8

42 5 6 7 8

44 3 6 8 5

46 8 5 4 3
Talla\Marca Levi's Wrangler Tommy Ralph

48 5 7 2 4

50 5 7 8 2

52 4 5 4 5

Aplicaciones para crear tablas de doble entrada

Procesador de texto

v……………………………………………………………………………………………………………………………………..

Estadística. Concepto
Podemos definir la estadística como el conjunto de métodos científicos ligados con la
toma, organización, recopilación, presentación y análisis de datos, tanto para la deducción
de conclusiones como para tomar decisiones razonables de acuerdo con tales análisis.
Una definición más funcional sería “el arte de tomar decisiones en presencia de
incertidumbre”.
Dentro de la estadística podemos diferenciar dos tipos: la estadística descriptiva y la
inferencial. La estadística descriptiva se limita a describir y analizar un conjunto de datos,
limitándose a los mismos, mientras que la estadística inferencial (o inductiva) trata de
sacar conclusiones sobre una población a partir del análisis de los datos extraídos de un
subconjunto de ella (muestra). La inferencia estadística es el objetivo principal de la
estadística, ya que es la que nos permite cuantificar nuestra incertidumbre y tomar
decisiones, cuando la probabilidad de error es mínima. Dentro de la inferencia estadística,
podemos diferenciar a su vez dos tipos de estrategias: la estimación de intervalos de
confianza de nuestras estimaciones y el contraste de hipótesis en el que confrontamos dos
o más alternativas, cuantificando la probabilidad de que las diferencias entre ellas se
deban al azar.
Veamos un ejemplo para ilustrar las distintas funciones de la estadística: imaginemos que
en una muestra de 63 niños con jaquecas recurrentes probamos en episodios sucesivos
dos analgésicos distintos (A y B). De ellos, 31 manifestaron preferencia por el tratamiento
A, 15 por el B y 17 no mostraron preferencia entre ellos. La estadística descriptiva nos
permite estimar que un 49,2% prefirieron el tratamiento A, un 23,8% el B, con una
diferencia entre ambos del 25,4% a favor del tratamiento A.
La inferencia estadística, mediante estimación de intervalos, nos permite avanzar hasta
estimar que con un 95% de confianza (5% de error) la diferencia observada se situaría en
un intervalo entre el 3,6% y 47,2% a favor del tratamiento A.
Por último, el contraste de hipótesis nos permite calcular (test de McNemar) que la
probabilidad de que las diferencias encontradas sea debida al azar es del 0,018 (1,8%),
por lo que asumimos que el tratamiento A parece mejor que el B.
Los elementos de análisis de la estadística son las variables, características medidas en
los sujetos de estudio, que pueden adoptar una serie de valores posibles, pero cuyo valor
concreto en cada sujeto u observación es a priori desconocido. En nuestro ejemplo, las
variables son el tipo de analgésico tomado y la respuesta al mismo. Comenzaremos esta
serie de fundamentos sobre estadística repasando los tipos de variables y sus
características, principalmente sus escalas de medidas.

Variables
Recibe el nombre de variable toda característica medida en un estudio, se realice su
medición en números (variables cuantitativas: edad o peso) o en categorías (variables
cualitativas o categóricas). Se denomina variable porque, aunque podemos prever los
valores posibles (espacio muestral), el valor observado en un momento dado en un
individuo, grupo, comunidad o población es cambiante. Por ejemplo, podemos prever que
los valores posibles del sexo de un nuevo recién nacido pueden ser masculino o femenino,
pero hasta que no observamos al nuevo recién nacido no podemos asegurar cuál de ellos
es. En este ejemplo la unidad de observación es el recién nacido, y el conjunto de recién
nacidos examinados la muestra de estudio.
Aunque la mayoría de las variables de uso frecuente pueden ser de fácil comprensión,
existen otras que no lo son y, por lo tanto, requerirán una definición operativa. Dicha
definición incluirá el rango de valores posibles y la definición de cada uno de ellos. Veamos
un ejemplo: evolución de una enfermedad. Podemos definir como valores posibles:
curación (desaparición de síntomas), mejoría (disminución de la intensidad de los
síntomas), persistencia o empeoramiento (persistencia o empeoramiento de síntomas).
Las variables se diferencian en función de diversas características (tabla 1): su papel en la
pregunta de investigación, el número de posibles valores y su escala de medición. Es
importante conocer las características de las variables ya que van a condicionar su
recogida y análisis. Cuando presentemos los distintos test estadísticos comprenderemos la
trascendencia del tipo de variables en la elección de los mismos.
Tabla 1.Tipos de variables. Mostrar/Ocultar
Papel en la pregunta de investigación
Podemos diferenciar las variables en función del papel que desempeñen en nuestra
pregunta de investigación. Si estudiamos la asociación entre dos variables las
denominaremos como dependiente e independiente, respectivamente. La que recibe el
nombre de dependiente (variable resultado o efecto) es aquella que pensamos viene
condicionada por la otra variable, que denominamos independiente (variable explicativa o
de exposición). Por ejemplo, si queremos estudiar la prevalencia de diabetes en una
muestra de población y conocer las variaciones según la edad y el sexo de sus
componentes, la presencia de diabetes sería la variable dependiente y la edad y el sexo
las independientes. Por el contrario, si estudiamos la influencia de la diabetes sobre los
niveles de presión arterial, esta sería la variable dependiente y la diabetes se consideraría
variable independiente.
Número de valores posibles de su espacio muestral
Son variables continuas las que pueden adoptar un número teóricamente infinito de
valores a lo largo de un continuo (ejemplo: talla, peso). Son discretas cuando solo son
posibles un número finito de valores (ejemplo: número de hijos de una pareja; esta variable
no puede tener fracciones). A la hora de identificar las variables continuas debemos tener
en cuenta que, aunque los valores teóricamente posibles sean infinitos, muchas muestras
contienen valores finitos, bien por tener escasas observaciones o por falta de precisión en
la medición (ejemplo: medición sin decimales).
Las variables discretas pueden medirse en cualquier escala, aunque habitualmente se
medirán en escalas nominales u ordinales, mientras que las variables continuas solo
pueden medirse en escalas de intervalos y de razones.
Escalas de medición de variables
Uno de los elementos fundamentales de la definición de una variable es el tipo de escala
que utilizaremos para medirla. En función de la escala elegida decidiremos su codificación,
tratamiento informático y estadístico.
Hay cuatro tipos de escalas de medición, que ordenadas en orden creciente de potencia,
según la proporción de información que contienen, son:

 Nominal.
 Ordinal.
 De intervalos.
 De razones o ratios.

Escala nominal
Consta de dos o más categorías mutuamente excluyentes. Si solo hay dos, se llama
escala nominal dicotómica. A cada categoría se le suele asignar un número de código sin
significado cuantitativo, lo que facilita su introducción en bases de datos. En cualquier
situación, si se usa una codificación propia, debe tenerse claro lo que significa cada código
para cada variable.
Veamos algunos ejemplos:

 Sexo: 1) masculino; 2) femenino.

 Fumar: 0) no; 1) sí.
 Estado civil: 1, casado; 2, soltero; 3, viudo; 4, divorciado,
 Procedencia del ingreso: 1, urgencias; 2, consultas; 3, otro hospital.

Dependiendo del programa que va a ser utilizado para el análisis, se prefiere codificar las
variables nominales dicotómicas de forma que la presencia de enfermedad o del factor de
exposición se suele codificar como uno (1), mientras que la ausencia de enfermedad o de
exposición a algún factor como cero (0) o dos (2). Por ejemplo, el antecedente de hábito
tabáquico puede codificarse como 1 y 0 (1: fumador; 0: no fumador) o como 1 y 2 (1:
fumador; 2: no fumador). Aunque matemáticamente la presencia/ausencia de una
característica se corresponde con la codificación 1-0, es frecuente usar la codificación 1-2,
para evitar que variables vacías sean asignadas al 0 por error.
Escala ordinal
Las variables ordinales tienen la cualidad adicional, respecto a la escala nominal, de
que sus categorías están ordenadas por rango; cada clase posee una misma relación
posicional con la siguiente; es decir, la escala muestra situaciones escalonadas. Si se
usan números, su única significación está en indicar la posición de las distintas categorías
en la serie; sin embargo, no asumen que la distancia del primer escalón al segundo sea la
misma que la del segundo al tercero. Veamos algunos ejemplos:

 Clase social: 1) baja, 2) media, 3) alta.

 Grados de reflujo vesicoureteral: grados 1, 2, 3, 4.
 Conformidad con una afirmación: 0) completo desacuerdo, 1) acuerdo parcial, 2)
acuerdo total.
 Fumar: 0) no fumador, 1) fumador leve, <10/día; 2) fumador moderado, 10-20/día,
y 3) gran fumador, >20/día).
Existen escalas que serán mezcla de nominal y ordinal, porque solo algunas categorías
estén ordenadas por rango; esto ocurre en las escalas en las que un valor representa a
una categoría inclasificable (ejemplo: no sabe no contesta o resultado indeterminado).
Escalas de intervalos
Las escalas de intervalos poseen la cualidad adicional de que los intervalos entre sus
clases son iguales. Diferencias iguales entre cualquier par de números de la escala
indican diferencias también iguales en el atributo sometido a medición. Veamos un
ejemplo: la diferencia de temperatura entre una habitación a 22 grados centígrados y otra
a 26 es la misma que la existente entre dos a 33 y 37 grados centígrados,
respectivamente.
Sin embargo, la razón entre los números de la escala no es necesariamente la misma que
la existente entre las cantidades del atributo. Ejemplo: una habitación a 20 grados no está
el doble caliente que otra a 10. Ello se debe a que el cero de la escala no expresa el valor
nulo o ausencia de atributo.
Escalas de razones
Su cualidad adicional es que el cero sí indica ausencia de atributo. En consecuencia, la
razón entre dos números de la escala es igual a la existente entre las cantidades del
atributo medido. Ejemplos:

 Peso: medido en kilogramos.

 Concentración de glucosa en una muestra: medida en mg/dl.
 Tasa de mortalidad: muertes por 1000 personas en riesgo.
 Ingresos: medidos en euros.

Las escalas de intervalos y razones se llaman también métricas o dimensionales. Las

variables continuas van a medirse con escalas de razones o intervalos, por lo que es
habitual que nos refiramos a ellas englobándolas como escalas continuas, ya que
comparten estrategias de análisis, como la elección del test estadístico. Algunos paquetes
estadísticos, como SPSS, las denominan simplemente “escalas”.
Cuando en la recogida de una variable continua (escala de razones o intervalos) no
podemos recoger valores a partir de un límite (por ejemplo: cargas virales superiores a
100 000), si optamos por mantener esas observaciones en el análisis, la variable se
comporta en ese rango como una variable ordinal.
En la tabla 2 presentamos un resumen de las características de las diferentes escalas de
medida.
Tabla 2. Características de las diferentes escalas de medida de variables. Mostrar/Ocultar
Elección de las escalas
La selección de una escala estará determinada por la definición operativa de la variable
que hayamos realizado y por los métodos disponibles para medirla. Para algunas variables
solo existirá un tipo de escala elegible, mientras que para la mayoría tendremos varias
alternativas.
En general, siempre que sea posible, interesa utilizar en la recogida de datos la escala
más precisa, aunque no sea la que posteriormente se utilice en el tratamiento estadístico.
Ello nos permitirá adecuar la decisión, una vez conocida la verdadera distribución de
nuestros datos. Por ejemplo, siempre será preferible recoger el número de cigarrillos que
fuma una persona al día que el dato categorizado como <10, 10-20, >20; la primera
estrategia facilitará la búsqueda durante el análisis de puntos de corte distintos a los
empleados a priori.
Cuando se categorizan algunas variables, como la edad o los ingresos económicos, pasan
de ser variables continuas (de intervalos o de razones) a variables ordinales o nominales,
según los puntos de corte elegidos.
Si una variable continua se limita en uno de sus extremos con una categoría abierta (por
ejemplo, carga viral mayor de 100 000), forzamos que tenga que ser considerada como
ordinal.
Las categorías de las variables deben estar clara y operativamente definidas, la escala
debe ser exhaustiva (incluir todas las posibilidades) y las clases mutuamente excluyentes
(cada observación solo puede ser asignada a una opción). A menudo tendremos que
recurrir a categorías complementarias que cubran todo el espectro como “otras”, “no
aplicable” o “desconocido”, o establecer un orden de prioridades en caso de opciones
intermedias.
Las escalas utilizadas para medir variables combinadas se llaman escalas compuestas,
pueden basarse en combinaciones de categorías (por ejemplo: combinación de varios
criterios diagnósticos simultáneos para asignar el estadio de un tumor), en el uso de
fórmulas (por ejemplo: índice de masa corporal = peso / talla²) o de puntuaciones
compuestas, obtenidas tras la suma de las asignadas a los distintos ítems implicados (por
ejemplo, puntuación del test de Apgar).
Para poder diferenciar las escalas de medidas de una variable recomendamos hacer dos
preguntas encadenadas:

1. ¿Los valores posibles de la variable son teóricamente infinitos? Si los valores

son teóricamente infinitos la escala de medida será continua, bien de intervalos,
bien de razones. Aunque la característica operativa de estas escalas es que la
unidad de medida es constante, en la práctica la mayoría de las variables
continuas cumplen este criterio. No tiene mucho interés diferenciar si la escala es
de intervalos o de razones (existe el 0 absoluto) ya que ambas escalas comparten
características de análisis. Si la respuesta es negativa pasaríamos a la siguiente
pregunta.
2. ¿Están los posibles valores ordenados entre sí? Si los posibles valores están
ordenados entre sí la escala es ordinal. Si la respuesta es negativa la escala
es nominal.

Bibliografía

Técnicas que ayudan a responder las preguntas formuladas.  Ha de definirse antes de recoger
los datos.  En investigación cuantitativa (datos numéricos) las técnicas serán esencialmente
estadísticas Plan de Análisis: Con