2017 Estadística Social Básica Modulo 2 5 y Modulo 3 PARTE1 V3

Dr.
Tabaré Fernández
Estadística Social
Básica - 2017
Módulo II- tema 5
Módulo III-
Dr. Tabaré Fernández

Mag. Rafael Rey
1
Sugerencia de un tutorial aplicable a

PSPP
 https://www.youtube.com/watch?v=d6IubrVmRYc&
list=PLrzstxkdbVcnoV-2J6M29Z8tgx_M6TcVD
2
Agenda de la clase
Módulo II, tema 5: Operaciones con las matrices
Módulo III: estadística descriptiva para variables no

métricas
3
Tipos de variables o “escalas de

medición”
 https://www.youtube.com/watch?v=UM2Ddge-qZE
4
Estadística Social Básica
Módulo II: bases de datos

Tema II.5. Operaciones con las matrices
Tabaré Fernández
2017
5
Cuatro grandes tipos de

operaciones sobre una matriz
 Data cleaning o data mining
 Fusión de matrices o combinación de información de distintas bases

de datos
 Transformaciones
 Estimaciones (o “procesamientos”)
6
II.5.1. Algo sobre data cleaning
 Consiste en “limpiar” y “ordenar” la base de datos,

resolviendo inconsistencias halladas en la digitación de
la información contenida en los formularios
 Podemos ver 2 formas de data cleaning, la primera

consiste en corregir digitación:
 Por ejemplo, verificar que cuando se digitó la información sobre

el “sexo”(biológico) de los respondentes, las respuestas estén
todas entre dos valores: 1 (para varón) y 2 (para mujeres). En
el caso de que se observen valores tales como 3, 11 o 22 habrá
que tomar decisiones de cómo tratarlo. 7
II. 5.1. Data Cleaning (2)
 Una segunda aplicación del procedimiento de data

cleaning consiste en hacer consistencia entre la
información provista por dos o más variables
lógicamente consideradas.
 Por ejemplo, en una pregunta se indaga sobre el número

de empleos que tuvo el encuestado hasta ese momento. Él
responde “3” pero luego en la hoja que registra cada uno
de los empleos habidos, da información sobre 4 empleos.
 Sea por corrección o por consistencia, se trata de

una operación muy importante, por lo general
inevitable. 8
II.5.2. Transformaciones de la matriz
 Por el lado de las columnas:
 Opera sobre las variables
 Por el lado de las filas
 Opera sobre las unidades
9
5.2 Transformaciones en las variables
 Es posible realizar dos grandes tipos de

transformaciones sobre las variables:
 la recodificación de variables
 la generación de nuevas variables
 Ambos implican crear nuevas columnas en la

matriz sin modificar las (cantidades de) unidades.
10
A. Recodificación de variables
 Cuando recodificamos partimos de los valores que tiene

una variable ya existente en la matriz.
 Por ejemplo, tenemos la variable departamento (depto) y

queremos tener una variable que solamente informe si el lugar
de residencia es Montevideo o el interior. “Sobra” la
información sobre los 18 departamentos del interior.
 En general, se trata de “agrupar” esos valores de

acuerdo a algún criterio sustantivo.
 En el caso anterior, existe una larga tradición de describir
situaciones en distintos campos comparando lo que ocurre en
Montevideo con lo que ocurre en el interior. En el caso del
acceso a la educación superior esto es fundamental, dado el
centralismo con que se ha desarrollado la opción universitaria.
11
Recodificación (II)
 La recodificación tiene 2 consecuencias:
 Simplifica la información disponible en la matriz de datos
 Por ejemplo pasando de 19 departamentos a 2 áreas geográficas
 Implica una pérdida de información: la nueva variable

informa con menor detalle y precisión que la variable
original.
 Por ejemplo, sabíamos que el hogar residía en el departamento

de 33, pero luego de la recodificación sabemos solo que vivía
“en el interior”.
 Antes de recodificar una variable, es necesario tener
claro el balance entre simplificación e imprecisión 12
Recodificación (III) ejemplo
 Concepto y medición:
 Necesidad básica de vivienda medida a través del material
predominante en el techo de la vivienda habitada por el hogar
13
Recodificación (IV) ejemplo
 Recodificación:
 Se propone hacer 2 categorías:
• Techos ligeros : desecho, quincho y liviano sin cielo raso.
• Otros techos: planchada, liviano con cielo raso
 Sintaxis en PSPP
 Recode c3 (1 2 3=1) ( 4 5 6=0) into c3r.
14
Generación de una nueva variable
 Tiene por propósito combinar información registrada en

distintas variables para construir una nueva variable.
 Crea una nueva variable combinando información de

otras variables de la propia vivienda
 El ingreso total en el ultimo mes de una persona es igual a la

suma de los ingresos que puede haber recibido por actividad
económica, donaciones, transferencias de la seguridad social
 Un hogar no tiene satisfecha su necesidad de vivienda si la

edificación que habita presenta alguna de las siguientes
características: paredes de material ligero, techos ligeros y
pisos sin recubrimiento.
15
Generación de una nueva variable (II)
 La combinación de la información en la nueva variable se

hace:
 A través de una combinación lógica de valores en las variables originales
 A través de operaciones matemáticas (sumatoria del ingreso total)
 La generación permite tener una nueva variable que puede

ser de distintos tipos:
 Índice (ingresos)
 Tipología (NBI vivienda)
 Razones (de diverso tipo)
 En todos los casos, hay un concepto (teoría) por detrás que se

encuentra mejor medido a través de un índice o tipología que
con variables por separado.
16
Generación (III): índice
 Concepto:
 Capital económico del hogar
 Pregunta ECH de tenencia de bienes de confort en

el hogar
 DVD, lavarropa, secarropa, lavavajillas, horno de

microondas, aire acondicionado, computador, internet,
teléfono fijo y automóvil.
 En el cuestionario ECH de 2015, es la pregunta 21 del

Módulo D.
17
18
Ejemplo: matriz de datos ECH

2015 hogares
base correlativ depto d21_9 d21_10 d21_11 d21_12 d21_13 d21_14 d21_15 d21_16 d21_17 d21_18
2015 2015000002 canelones 1 0 1 1 0 0 0 0 0 0

2015 2015000003 canelones 1 0 1 1 0 1 1 0 0 0
2015 2015000008 montevideo 0 0 1 1 0 1 1 1 0 1
2015 2015000010 rocha 1 0 1 1 1 1 1 1 0 0
2015 2015000011 cerro largo 1 1 1 1 1 1 1 1 0 0
2015 2015000012 montevideo 0 0 1 0 0 0 0 0 0 0
2015 2015000015 colonia 0 0 0 1 0 0 0 1 1 0
2015 2015000016 montevideo 0 0 1 1 1 1 1 1 1 1
2015 2015000018 paysandú 0 0 1 1 1 1 1 1 1 1
19
Generación (III): índice
= ( 21 + 21 + 21 + 21 + 21 + 21 + 21 + 21 + 21
+ 21 ).
 La nueva variable tiene valores máximos de 0 y 10.
base correlativ d21_9 d21_10 d21_11 d21_12 d21_13 d21_14 d21_15 d21_16 d21_17 d21_18 indice
20152015000002 1 0 1 1 0 0 0 0 0 0 3
20152015000003 1 0 1 1 0 1 1 0 0 0 5
20152015000008 0 0 1 1 0 1 1 1 0 1 6
20
Generación (IV): críticas a un índice

simple
 El índice sumatorio simple no es la única
opción para construir una nueva variable
que resuma la información de un conjunto
de variables relacionadas con un concepto
a medir.
 Recordemos que se llama simple porque cada

elemento a sumar vale lo mismo. En el ejemplo, tener
un televisor vale lo mismo que tener un automóvil.
21
Generación (V): índice ponderado
 Hay buenas razones para computar índices donde

cada una de las variables tiene un “peso” o
ponderador distinto.
 El peso podría venir del valor económico (precio) del bien de
confort que se suma
 El peso podría ser una función de la escases con que ese bien
se tiene.
 Si designamos como W al ponderador, tendremos:
 =
∗ + ∗ + ∗ + ∗ + ∗ +
∗ + ∗ + ∗ .
+ ∗ + ∗
22
Generación (VI): razones de variables

depto tdad1519 taban PropAban
montevideo 100775 12824 0.1273
 Ejemplo:
artigas 7667 1248 0.1628
 Matriz de canelones 50415 6619 0.1313
datos sobre cerro largo 8520 1433 0.1682
departame colonia 10062 851 0.0846
ntos (vide durazno 5685 832 0.1464
guia nº3 de flores 2390 202 0.0845
florida 5862 440 0.0751
prácticos)
lavalleja 4804 563 0.1172
maldonado 15761 1657 0.1051
paysandú 11833 980 0.0828
 Peso del río negro 5282 1003 0.1899
abandono en rivera 10940 1931 0.1765
cada rocha 5637 1158 0.2054
departamento salto 13190 2247 0.1704
san josé 9121 1574 0.1726
soriano 8277 808 0.0976
tacuarembó 10079 1824 0.1810
23
treinta y tres 5041 949 0.1883
Generación (VII): razones
 Peso del abandon dentro de cada Departamento
 Computo una razón entre número de Estudiantes

que no asisten a la E.Media y que acreditaron el
Ciclo Básico.
 = ∀ = 1,2,3, … . , 19
24
Generación (VIII): razones

depto tdad1519 taban PropAban
montevideo 100775 12824 0.1273
 Ejemplo: artigas 7667 1248 0.1628
canelones 50415 6619 0.1313
 Matriz de
cerro largo 8520 1433 0.1682
datos colonia 10062 851 0.0846
sobre durazno 5685 832 0.1464
departam flores 2390 202 0.0845
entos florida 5862 440 0.0751
(vide guia lavalleja 4804 563 0.1172
maldonado 15761 1657 0.1051
nº3 de paysandú 11833 980 0.0828
prácticos) río negro 5282 1003 0.1899
rivera 10940 1931 0.1765
rocha 5637 1158 0.2054
salto 13190 2247 0.1704
san josé 9121 1574 0.1726
soriano 8277 808 0.0976
tacuarembó 10079 1824 0.1810
25
treinta y tres 5041 949 0.1883
Recursos educativos virtuales:
 Cómo calcular y recodificar variables: criterios

aplicables en PSPP
 https://youtu.be/lk8TSVP5Jcc
 Puede verse el link siguiente con el documento:

http://www.rubenjoserodriguez.com.ar/wp-
content/uploads/2011/06/Ayuda_SPSS-
Indice_Sumatorio_Ponderado.pdf
26
III.5.3. Transformaciones de los

renglones de la matriz
 El tema queda para lectura del libro.
27
Módulo III:
Estadística de atributos
28
Temas del módulo III

III.1. Atributos y descriptiva
III.2. Frecuencias absolutas y relativas
Normalización
III. 3. Razones
III. 4. Tablas de frecuencias
III.5. Gráficos
29
Ramas de la Estadística Básica según el

tipo de variables
Tipo de Sub-tipos por nivel Rama de la
Operaciones
variables de medición Estadística
Nominales Igual, distinto

No Estadística de
métricas Atributos
Ordinales Mayor, menor, igual
Intervales Suma, resta, división,

multiplicación, Estadística
Métricas
potencia, radicación, Descriptiva
De razón logaritmos
30
Estadística de atributos
 Es el análisis estadístico de las variables no métricas
(nominales y ordinales, también dicotómicas).
 Técnicas que usaremos (básicas):
Tablas de frecuencias
Univariada
Gráficos para variables de atributos +
Tablas de contingencia
+ Bivariada
Coeficientes de asociación
Gráficas para variables no métricas

31
El primer tema a abordar
 La estadística de atributos podría ubicarse

conceptualmente como la respuesta metodológica
que se le da a la necesidad de salir de “meros”
recuentos y pasar a la noción de “distribuciones”.
 O lo que es lo mismo, salir de las frecuencias

absolutas y entrar a las frecuencias relativas a
través de un proceso de normalización.
32
III.
Tema 2: Frecuencias y
normalización
De las frecuencias absolutas a las frecuencias
relativas
33
Recuentos o frecuencias absolutas
 ¿Cuántos varones y cuántas mujeres hay en nuestra muestra?, es decir,

¿cuál es su distribución por sexo?
 ¿Cuántos estudiantes asistían en 2009 a centros de entorno

sociocultural bajo, medio, etc.? O lo que es lo mismo, ¿Cómo se
distribuyen los estudiantes de la cohorte PISA 2009 en los centros
educativos según su entorno sociocultural?
 Cada una de estas preguntas involucra una sola variable (¿cuál?),

nominal u ordinal (o sea, no métrica).
 ENTONCES: Las frecuencias absolutas nos indican el número de

observaciones o casos en cada categoría de una variable no métrica.
34
Frecuencias absolutas: ejemplo

Alumnos de PISA 2009 según entorno
sociocultural del centro educativo al que
Alumnos de la cohorte PISA 2009 según asistían
sexo Frecuencias
absolutas
Varón 15842
Muy desfavorable 2181
Mujer 18059 Desfavorable 10270
Total 33901 Medio 11153
Favorable 6930
Muy favorable 3367
Total 33901
35
¿Qué pasa cuando queremos comparar dos
o más grupos o sub-poblaciones?

Alumnos de la cohorte PISA 2003 según entorno sociocultural del centro
educativo al que asistían en 2003 en dos regiones: Montevideo y
Canelones/Maldonado
Sur- Frontera
Metropolita Norte
na Muy desfavorable 487
Muy desfavorable 484 Desfavorable 966
Desfavorable 5656 Medio 518
Medio 6084 Favorable 388
Favorable 4122 Muy favorable 16
Muy favorable 2954 Total 2375
Total 19300
¿Dónde hay mayor peso de la desfavorabilidad educativa en el

alumnado? En los 484 casos de la región sur o en los 487 de la
frontera?
36
¿Qué pasa cuando computamos frecuencias
relativas?
educativo al que asistían en 2003 en dos regiones: Sur y Frontera Norte
Sur-Metropolitana Frontera Norte
Muy Muy
desfavorable
484 0.025 487 0.205
desfavorable
Desfavorable 5656 0.293 Desfavorable 966 0.407
Medio 6084 0.315 Medio 518 0.218
Favorable 4122 0.214 Favorable 388 0.163
Muy favorable 2954 0.153 Muy favorable 16 0.007
Total 19300 1.000 Total 2375 1.000
Es claro que las frecuencias absolutas, es decir, el número de casos en cada

categoría, dependen de dos factores:
• la propia distribución de la variable que estamos estudiando
• el número total de observaciones (en este caso, 19300 o 2375)
La solución consiste en analizar frecuencias relativas en lugar de absolutas

37
Frecuencias relativas Dr. Tabaré Fernández
 Son razones entre el numero de casos de una categoría y el total de

casos
 Generalmente acompañan a las frecuencias absolutas.
 Se expresan como proporciones o porcentajes.
 Tienen la ventaja de que “normalizan” la distribución, es decir, son
independientes del número de casos (n).
Entorno Frecuencia Proporción Porcentaje

nk 3367
muy favorable 3367 0.099 9.9
pk    0.099
favorable 6930 0.204 20.4
n 33901
medio 11153 0.329 32.9
desfavorable 10270 0.303 30.3
muy desfavorable 2181 0.064 6.4 nk

Pk  100 *  100 * pk  9,9
Total 33901 1.000 100.0
n
38
¿Cuándo usar absolutas y

cuándo usar relativas?
Abramos la discusión..
39
Supongamos que:
 Nos piden recomendaciones para focalizar un

programa de inclusión educativa en jóvenes
 Está dirigido a Estudiantes de Media que concurren

a centros educativos en context “desfavorable” y
“muy desfavorable”.
 Donde lo aplicamos? Comparemos Región Sur-

Metropolitana y Frontera.
40

educativo al que asistían en 2003 en dos regiones: Sur y Frontera Norte
Sur-Metropolitana Frontera Norte
Muy Muy
desfavorable
484 0.025 desfavorable
487 0.205
Desfavorable 5656 0.293 Desfavorable 966 0.407

Medio 6084 0.315 Medio 518 0.218
Favorable 4122 0.214 Favorable 388 0.163
Muy
favorable
2954 0.153 Muy favorable 16 0.007
Total 19300 1.000 Total 2375 1.000
41
En síntesis:
 Frecuencias simples
 Frecuencias absolutas
 Frecuencias relativas
 Proporciones
 Porcentajes
 Frecuencias acumuladas
42
Recordemos…
 La suma de las observaciones en cada categoría

acumula:
 N para las frec. Absolutas (suma de casos)
 1 para las frecuencias relativas (suma de

proporciones)
 100 para los porcentajes (P*100)
43
Frecuencias acumuladas
En ocasiones, puede interesarnos conocer las frecuencias acumuladas

hasta cierta categoría de interés.
Ejemplo1: ¿Cuántos estudiantes asistían a establecimientos del

entorno Muy desfavorable o Desfavorable?
Ejemplo 2: ¿Cuántos se ubicaron en el Nivel I o Bajo I en la prueba de

Matemática de PISA 2003?
44
(ejemplo)
Entorno Frecuencia Porcentaje Porc. Acumul.
Muy favorable 3367 9.9 9.9

favorable 6930 20.4 30.3
medio 11153 32.9 63.2
desfavorable 10270 30.3 93.5
muy
2181 6.4 100.0
desfavorable
Total 33901 100.0
45
 Informar con un estadístico que agrega frecuencias

de categorias que están continguas unas a otras
dentro de un continuo.
 “las dos categorías más altas”
 “Las primeras tres categorías, comenzando desde aquella

que indica la peor situación” …..
 No tiene sentido cuando la variable es solo

nominal.
46
Módulo III.
Tema 3: Razones
Capítulo III del libro Estadística Social Básica
47
Veamos en un nivel más abstracto…
 El pasaje de los recuentos a las distribuciones pone

en juego una “Aritmética” más “sofisticada” que
se denomina “razón” y que utiliza la operación
“división”
 Precisamente, “dividir” implica “distribuir”.
48
Razón
 La razón es una relación entre dos cantidades

cualquiera.
 Esta relación se computa a través de la operación

“división”.
 Desde el punto de vista matemático, la razón es

una medida resumen general, con múltiples
aplicaciones.
49
Tipos de razones
 Por definición, las razones se pueden computar

tanto en variables no métricas como en las
métricas
 Tipos a trabajar:
◦ Proporción
◦ Relación entre categorías de una misma variable
◦ Momios (introducida como un caso particular de una relación
entre las categorías de una variable dicotómica)
◦ Razones entre variables medidas en la misma unidad 50
Razón (I): Proporciones
 La proporción, p, es un tipo de razones que se

calcula como el cociente entre la cantidad de
casos que tiene el atributo k y el recuento total
N de casos una misma variable.
nk
 nK es el número de casos de la k ésima
pk 

categoria
N es el total
N
 Obsérvese que: 0  pk  1
51
De la proporción al porcentaje
 El porcentaje no es más que la proporción

multiplicada por 100.
nk
Pk  100 * pk  100 *
N
 Obsérvese que: 0  Pk  100
52
Proporción y porcentajes
 En el año 2015, se inscribieron en la UDELAR un

total 21413 estudiantes, de los cuales 18692 lo
hicieron para cursar carreras que se impartían en
Montevideo y 2721 para cursar carreras en las
sedes del interior de la UDELAR.
 La proporción de estudiantes del interior (es decir,

k) en la UDELAR por lo tanto es:
2721
pk   0.1271
18692
53
Segundo tipo de razones : relaciones

entre categorías de la misma variable
 Dos casos: i) variables pluricotómicas y ii) dicotómicas:
 Variables pluricotómicas que conlleva a que puedan

establecerse razones entre recuentos de casos de
categorías.
= ∀ ≠
 Una de las categorías es seleccionada como categoría de

referencia o de “base”. La cantidad de casos de esta
categoria será el denominador de las razones a calcular 54
Razón con variable

pluricotómicas
55
Razón con variable

dicotómica
56
Tercer tipo de razones: relaciones entre

recuentos de distintas variables.
 Util para comparar cuanto más extensa o
restringida está la tenencia de ciertos atributos y
comprender comportamientos (“preferencias”) o
“epidemiologías”.
 Podría ser cuanto más “frecuente” es tener una heladera

que un “calefón”, develando así preferencias de inversión
en equipamiento doméstico.
57
Razones (III): relación de Por cada hogar que

variables medidas sobre la mismatiene calefón hay
122 que tienen
unidad heladera. O un 22%
más de hogares con
heladera
58

2017 Estadística Social Básica Modulo 2 5 y Modulo 3 PARTE1 V3

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

2017 Estadística Social Básica Modulo 2 5 y Modulo 3 PARTE1 V3

Cargado por

Copyright:

Formatos disponibles

Dr.

Dr. Tabaré Fernández

Sugerencia de un tutorial aplicable a

Módulo II, tema 5: Operaciones con las matrices

Módulo III: estadística descriptiva para variables no

Tipos de variables o “escalas de

Estadística Social Básica

Módulo II: bases de datos

Cuatro grandes tipos de

 Fusión de matrices o combinación de información de distintas bases

II.5.1. Algo sobre data cleaning

 Consiste en “limpiar” y “ordenar” la base de datos,

 Podemos ver 2 formas de data cleaning, la primera

 Por ejemplo, verificar que cuando se digitó la información sobre

II. 5.1. Data Cleaning (2)

 Una segunda aplicación del procedimiento de data

 Por ejemplo, en una pregunta se indaga sobre el número

 Sea por corrección o por consistencia, se trata de

II.5.2. Transformaciones de la matriz

 Por el lado de las columnas:

 Opera sobre las variables

 Por el lado de las filas

 Opera sobre las unidades

 Es posible realizar dos grandes tipos de

 Ambos implican crear nuevas columnas en la

 Cuando recodificamos partimos de los valores que tiene

 Por ejemplo, tenemos la variable departamento (depto) y

 En general, se trata de “agrupar” esos valores de

 La recodificación tiene 2 consecuencias:

 Simplifica la información disponible en la matriz de datos

 Por ejemplo pasando de 19 departamentos a 2 áreas geográficas

 Implica una pérdida de información: la nueva variable

 Por ejemplo, sabíamos que el hogar residía en el departamento

Recodificación (III) ejemplo

Recodificación (IV) ejemplo

Generación de una nueva variable

 Tiene por propósito combinar información registrada en

 Crea una nueva variable combinando información de

 El ingreso total en el ultimo mes de una persona es igual a la

 Un hogar no tiene satisfecha su necesidad de vivienda si la

Generación de una nueva variable (II)

 La combinación de la información en la nueva variable se

 A través de operaciones matemáticas (sumatoria del ingreso total)

 La generación permite tener una nueva variable que puede

 En todos los casos, hay un concepto (teoría) por detrás que se

Generación (III): índice

 Pregunta ECH de tenencia de bienes de confort en

 DVD, lavarropa, secarropa, lavavajillas, horno de

 En el cuestionario ECH de 2015, es la pregunta 21 del

Ejemplo: matriz de datos ECH

2015 2015000002 canelones 1 0 1 1 0 0 0 0 0 0

Generación (III): índice

 La nueva variable tiene valores máximos de 0 y 10.

Generación (IV): críticas a un índice

 Recordemos que se llama simple porque cada

Generación (V): índice ponderado

 Hay buenas razones para computar índices donde

Generación (VI): razones de variables

Generación (VII): razones

 Peso del abandon dentro de cada Departamento

 Computo una razón entre número de Estudiantes

Generación (VIII): razones

Recursos educativos virtuales: