Lidia C.

Diblasi

CAPÍTULO I
CONCEPTOS BÁSICOS DE LA ESTADÍSTICA
“La estadística expresa cierto estado del alma colectiva”
E. Durkheim

Qué es la Estadística?

Hugo Ambrosi en el primer capítulo de su libro expresa: “Una de las

definiciones más breves e ingeniosas de la Estadística dice que es la ciencia de

aprender con los datos”. La idea central en esa definición es aprender, la que se
caracteriza por una forma, la ciencia y un material, los datos. …La ciencia,

agrega, es la forma ordenada de adquirir conocimiento, mediante la observación

o la experimentación que son dos formas de acumular datos de la realidad. Los
datos son los signos que representan las características observadas de los
fenómenos. Constituyen la quintaesencia de la experiencia” (Ambrosi,2008; p.17)
Manuel García Ferrando en la introducción al primer capítulo dice: “La
Estadística, en términos amplios y generales, puede considerarse como la ciencia
de las regularidades que se observan en conjuntos de fenómenos naturales.

Puede considerarse a la Estadística también como la colección de métodos

científicos que permiten el análisis e interpretación de la información numérica”
(García Ferrando, 1992; p. 23).
En un cuadernillo que confeccioné conjuntamente con el Lic. Edmundo

Ricardo Romagnoli dedicado a la enseñanza de la Estadística aplicada a

nuestros alumnos de las carreras de Trabajo Social y Sociología construimos la
siguiente definición: “la Estadística es un procedimiento científico destinado a
la recolección, presentación, análisis e interpretación de datos". (Diblasi,L;
Romagnoli, E, 2001;p.1)
La importancia de la Estadística”
Por qué es importante saber Estadística? Porque nos guste o no, ella está

1
 Lidia C. Diblasi

presente en todos los momentos de nuestra vida. Veamos algunos ejemplos:

-Si nos recetan algún análisis clínico, los resultados siempre incluyen algún
intervalo dentro del cual están los valores “normales”; si nos hacemos algún
estudio radiológico como densitometrías, campos visuales, audiometrías, etc. los
resultados están dados en números que debemos comparar o incorporar en
intervalos de “valores normales” o en valores de “t” o “z”, que significan cantidad
de desvíos respecto al promedio,…
-Si nos interesa el futbol, por ejemplo, vemos la posibilidad de que nuestro equipo

favorito esté primero en algún campeonato, contamos los goles que ha realizado
en los partidos jugados y lo comparamos con los otros equipos,…

-Si nos preocupa la cantidad de gente que vive con sueldos “inferiores a”, o la
cantidad de hijos que tienen las familias con sueldos “inferiores a”,…
-Si nos preocupa la cantidad de delitos que se han cometido desde el inicio del
año, comparado con los de años anteriores;…
- Si nos tenemos que comprar algún electrodoméstico, como heladera,

lavarropas, etc. averiguamos precios en distintos lugares de venta y sacamos un

promedio de cuánto debemos disponer para poder adquirirlo; etc.

Para poder interpretar el cúmulo de información que llega diariamente a

nuestra vidas necesitamos conocer algo sobre qué son esos datos, cómo se
obtuvieron, dónde, si se han generalizado a toda la población o es sólo una
información de una porción no representativa de la población? Si no tenemos

algún conocimiento de Estadística podemos caer fácilmente en una trampa.

”Para no caer en alguna trampa, dice Ambrosi, debe fijarse claramente su
verdadera naturaleza, como herramienta que sirve para abrir el camino en la
búsqueda de la verdad”…”La Estadística nos proporciona un ámbito exterior a
nosotros, un espacio objetivo y neutral, donde nuestro pensamiento puede ser

2
 Lidia C. Diblasi

sometido a crítica y comparado con el de otros, ordenando el debate y facilitando

el acuerdo entre los distintos actores, lo que refuerza los cimientos de nuestra
acción colectiva. Tanto en la industria, el gobierno, en la salud, la educación y el
trabajo” (Ambrosi; p. 26-27).
La Estadística nos suministra la información de una foto, la realidad en un
tiempo y momento determinado, no representa a nadie en particular, es una
visión de conjunto que nos permite razonar, nos permite el desarrollo de un

pensamiento crítico. Cuenta con el auxilio de los ordenadores informáticos que

nos simplifican los cálculos pero que nunca reemplazarán al razonamiento

estadístico.
Estadística es razonamiento y cálculo. “Razonamiento como arte de la
argumentación, a la que todos debemos recurrir en la convivencia social. Cálculo
como práctica artesanal, que nos auxilia y facilita la organización de los
argumentos” (Ambrosi, 2008; p. 45)
En general se puede decir que todo estudio referido a observaciones y

más concretamente a la obtención de datos es susceptible para aplicar en él

métodos y técnicas estadísticas. Aún en las ramas del saber menos pensadas de
ser susceptibles de trabajar con números como la Lingüística, por ejemplo.
Estos métodos y técnicas surgen y se desarrollan en una determinada
ciencia o en relación a un fenómeno muy concreto que se está estudiando e

inmediatamente encuentran aplicación en otras ciencias.

La Estadística aparece en las Ciencias Sociales impregnada de una imagen
contradictoria, de rechazo, por un lado por cuanto trabaja con números que
aparecen como de difícil comprensión e interpretación y, de instrumento mágico
por otro, ya que los estudios que poseen un aparato estadístico profuso
aparezcan como “más científicos”. Más allá de esta bipolaridad de sentimientos,
vivimos rodeados de información numérica por lo que es necesario que se

3
 Lidia C. Diblasi

adquieran conocimientos básicos y rigurosos sobre el contenido de la Estadística.

(García Ferrando, 1992;p.23)
Es muy conocida la anécdota del primer ministro de la Reina Victoria,
Benjamín Disraelí, que dijo en una ocasión que había tres clases de mentiras:
“mentiras, mentiras despreciables y estadísticas” y es cierto que muchas veces
se utilizan datos numéricos para apoyar razonamientos falsos. Por ello siempre
les digo a mis alumnos que los números no mienten, quienes mienten, consciente
o inconcientemente, son los que usan y abusan de los datos haciendo

inferencias que no son apropiadas. Por ello es importante conocer quién es la

institución o persona responsable de la información que se está usando.

Cuando se recaba información siempre se lo hace en base a un interés

específico o particular, de acuerdo a los objetivos de la investigación que se está
realizando, por lo que generalmente serán incompletos o insatisfactorios para
otros usuarios que esperan encontrar en ellos, los que necesiten de acuerdo a
sus propios objetivos.

Cómo opera la Estadística

Hay dos principios básicos, dice Ambrosi, que sostienen todo el edificio de la
información sin los cuales éste se derrumbaría estrepitosamente, ellos son: el
consentimiento informado y el secreto o reserva estadística. El primero hace

referencia a que todo aquél que es interrogado durante un relevamiento debe ser
informado del contenido y objetivo del estudio para que tenga la posibilidad de

negarse a contestar parte o toda la entrevista. A su vez el secreto estadístico

hace referencia a que no podrán revelarse datos individuales. Los datos deben
difundirse únicamente en compilaciones de conjunto como cuadros o índices.
(Ambrosi,2008; P.91)

4
 Lidia C. Diblasi

Estadística aplicada
“Un experto es una persona que ha cometido todos los errores que se pueden

cometer en un determinado campo”

Niels Bohr1

El objeto de la investigación está en probar hipótesis desarrolladas

teóricamente, y los métodos estadísticos resultan adecuados para efectuar
dichas pruebas. Se debe tener en cuenta, sin embargo, que los procesos
implicados en pasar de la teoría a las hipótesis reales de investigación y de éstas
a los enunciados de probabilidad empleados en la inferencia estadística no son
en modo alguno directos, como bien señala Blalock (p. 5).
En efecto, si se desean probar las siguientes hipótesis:"A medida que
aumenta el nivel de urbanismo, disminuye el nivel de analfabetismo"
Corresponderá en primer lugar definir los conceptos "urbanismo" y
"analfabetismo".
Ahora bien, los conceptos pueden ser definidos teóricamente u
operativamente. Se entiende por definición teórica, la explicitación de un
concepto mediante otros conceptos que se suponen previamente adquiridos. Así
por ejemplo, resulta posible, definir triángulo en función de los vocablos: figura,
tres, ángulos. En un sistema completamente deductivo se toman ciertos
conceptos sin definir y todos los demás se definen en términos de los primeros.
Sin embargo cuando el sistema sobre el cual se verificarán las hipótesis no es
totalmente deductivo, las definiciones teóricas, resultan inadecuadas para
trabajar directamente, por tanto corresponde definir los conceptos en forma
operativa.
Por definición operativa, se entiende un conjunto de acuerdos y
convenciones que permiten afirmar si una unidad de análisis posee una
característica particular y en su caso determinar la magnitud correspondiente.
Expresado de otra manera, definir operativamente consiste en enunciar
efectivamente los procedimientos empleados en la medición.

1
Citado por Ambrosi, Hugo.O. Ob Cit, pág. 83

5
 Lidia C. Diblasi

Conceptos básicos de la Estadística

Vamos a definir algunos conceptos esenciales de la Estadística como son:

1- Dato:
El dato constituyera la materia prima con la cual opera la Estadística, razón
por la cual conviene definirlo, precisar su estructura y establecer sus condiciones.
Dato: Es el registro de una información.
Es una magnitud cualitativa o cuantitativa. Por ejemplo el peso marcado en una
lata de leche es mostrado en cierto número de gramos; los ingresantes a la

U.N.Cuyo, en un año determinado, se registran mediante un número; la situación

de desempleo en un país es expresada mediante el número de personas en esas

condiciones; el salario de un obrero se expresa en un número de pesos; la

actividad que realiza una persona mediante una categoría; el estado civil,
mediante una categoría; etc. Estos números o categorías son datos estadísticos
siempre que puedan ser comparados, analizados e interpretados.
Un dato estadístico tiene una estructura tripartita compuesta de:
unidades de análisis, variables y valores
a) Unidad de análisis: es el elemento sobre los cuales se realiza el

estudio, es decir, es el objeto de estudio, el objeto de medición.

Pueden ser: personas, instituciones, viviendas, hogares, familias,
etc.
b) Variables: son las características que sintetizan o abrevian
conceptualmente lo que se desea conocer acerca de las
unidades de análisis, por ejemplo: edad, sexo, nivel socio-
económico, ingresos de las personas, tipos de vivienda, tenencia
de la vivienda, instituciones sociales, tamaño de los hogares, etc.
c) Valores: son los resultados de la medición, pueden ser
magnitudes nominales (modalidades) o magnitudes

6
 Lidia C. Diblasi

cardinales (valores numéricos) que alcanzan las variables que

se han elegido para decir algo sobre las unidades de análisis.
Lo que medimos no es la unidad de análisis sino una característica de la misma.
Por ejemplo, si la variable es tenencia, la unidad de análisis es una vivienda, el

valor que puede asumir la variable tenencia puede ser: ocupada por el

propietario, alquilada, ocupada gratuitamente, otros.

Otro ejemplo: si la variable es la edad, la unidad de análisis es una persona, el

valor que puede asumir la variable edad es: 20 años, 35 años, 56 años, otros.

Podemos decir entonces que:

"El dato es el registro del valor asignado a una unidad de análisis en

una variable determinada".

Todo dato debe ser confiable, objetivo y válido.

Por confiable se entiende que, observaciones repetidas de las mismas

respuestas registradas por un mismo observador deben producir los mismos
datos.
Si, por ejemplo, le preguntamos directamente a un entrevistado su opinión
sobre la modificación de la ley de radiodifusión y éste contesta que está “muy de
acuerdo”. Al final de la entrevista se le vuelve a preguntar sobre el acuerdo de la
modificación de la ley, en una pregunta abierta para que el informante pueda
expresar con detalles su postura y esta es ambivalente. No tenemos un dato
confiable.
Por objetivo se entiende que observaciones repetidas de las mismas
respuestas registradas por observadores diferentes deben producir los mismos
datos.
Si un periodista le solicita a un entrevistado su opinión sobre si considera
que la información sobre los actos del gobierno es “manejada” por los medios de
comunicación y le responde que no. Al finalizar nuestro entrevistado se encuentra
con una persona vinculada al gobierno y éste le hace la misma pregunta y él
contesta que si. Estamos ante la presencia de un dato “no objetivo”

7
 Lidia C. Diblasi

Por válido se entiende que los datos obtenidos deben medir la propiedad
que se desean estudiar.

Los principios ya mencionados de consentimiento informado y protección

de la privacidad, constituyen también medios necesarios para que la información
no se vea afectada en su validez y confiabilidad por los temores propios de los
informantes en los interrogatorios.

DATO

Estructura Tripartita

Unidad de Variable Valor

análisis u observación

2- Población

Cuando estamos trabajando sobre un conjunto de unidades de análisis es

importante distinguir sí lo hacemos con la totalidad de las mismas o con una
parte. “Todas las unidades cuya observación interesa o sea el conjunto de todos
los casos forman la población objetivo”. En cambio si por distintas razones, como
tiempo y costo, solo examinamos una parte de los elementos de la población
objetivo, estamos ante una muestra. La muestra no es cualquier parte, sino una
que represente con fidelidad al resto. (Ambrosi, pag.93)

La población es un conjunto finito o infinito de unidades de análisis. ”Una

población estadística o universo, lo forman el conjunto de todos los valores de las
variables que desea medir el investigador en todas las unidades de análisis”
(García Ferrando, 1992; 31) Es un conjunto que debe estar bien definido. Si nos

8
 Lidia C. Diblasi

referimos a la población formada por todos los estudiantes universitarios,

debemos referirnos, para que esta población esté bien definida, al lugar y al
tiempo. Así, por ejemplo, si queremos estudiar la intención de voto de los
jóvenes de la Provincia de Mendoza, debemos definir la población objetivo como
la población de jóvenes, entre 18 y 25 años de Mendoza, en junio de 2009.

Una población no necesariamente está formada por seres vivos. Son

poblaciones: las escuelas primarias, las plantaciones de viña de una región, los
accidentes de una carretera, los delitos cometidos por los internos de una cárcel,

las viviendas afectadas por un terremoto, etc.

3- Muestra

Una muestra es un subconjunto de la población. La característica de las

muestras estadísticas es que se eligen sus unidades al azar en base a las
probabilidades asignadas a cada elemento de la población para garantizar su
neutralidad. De la forma que se realice la elección de la muestra dependerá la
calidad de todo lo que se haga con ella.

De la homogeneidad o heterogeneidad de la población objetivo dependerá

también el tamaño de la muestra. Si todos los elementos de la población son
iguales, con una unidad o elemento que se estudie, conoceremos a la población.
En cambio si la diversidad entre sus elementos es muy amplia, el tamaño
requerido de la muestra será mayor para que esta refleje la diversidad. A veces
es más importante tomar más de una muestra, que una de gran tamaño, ello
permitirá analizar la estabilidad de los resultados, al comparar las diferencias
entre las muestras con medidas muy simples. Esto es imprescindible para que los

resultados obtenidos sean verdaderamente útiles y confiables. Analizaremos más

profundamente este tema en el capítulo de muestreo.

9
 Lidia C. Diblasi

Por su tamaño las muestras se consideran generalmente pequeñas

cuando tienen hasta 30 elementos, y grandes cuando tienen más de 30
elementos.
Una muestra debe reunir ciertas condiciones: representatividad y
aleatoriedad. La representatividad revela las características de la población
lo más aproximadamente posible; la aleatoriedad implica que en la formación

de la muestra cada elemento del universo debe tener la misma probabilidad de

ser elegido.
A partir de una muestra se pueden estimar los valores de las medidas de
la población, los “parámetros”, como promedio, moda, mediana, desviación

típica, etc., y también, probar hipótesis sobre los valores de dichos parámetros.

Así como a los valores de la población se denominan parámetros, los de la

muestra se denominan estadísticos o estadígrafos.
La estadística inferencial se ocupa de estos problemas por medio de

procedimientos adecuados, útiles, para inferir con cierto riesgo conocido de

equivocarse, si los resultados hallados en la muestra son verdaderos en la

población de la que se tomó la muestra. Esto ocurrirá siempre que la muestra
se haya obtenido por medio de lo que se denomina "métodos de probabilidad.”
La parte de la estadística que trata solamente de describir y analizar los
resultados hallados en las muestras sin hacer inferencias en la población se
llama estadística descriptiva. Al final del capítulo retomamos esta clasificación.

4- Medición
Medir es contar, comparar una unidad con otra y asignarle un valor. Es
asignar números a las características de los objetos.
“El sistema de medición está formado por cuatro componentes: el objeto medido,
el instrumento de medición, el Sistema de referencia o Patrón de comparación y

10
 Lidia C. Diblasi

el operador, o encargado de poner en relación a los otros tres componentes”

(Ambrosi, 2008: 116).
Las mediciones son complejas por todos los elementos que intervienen en
ella, y la complejidad se aumenta cuando lo que intentamos medir son intereses,
opiniones, actitudes, etc.
…”antes del acto material de la medición hay actos complejos y difíciles de
definir, como la delimitación de lo que ha de ser medido, la elaboración de la
regla, la concepción e incluso a veces la materialización de la unidad de medida
y la misma construcción del instrumento de medida. En el momento de la
medición aparecen problemas difíciles de abordar como son los referentes al
conjunto de circunstancias en que se producen y que pueden confundirse con la
medición contaminándola. Por último después de la medición se plantea todo el
problema referido a las operaciones y pruebas –tratamiento y análisis- de los
datos recogidos a su interpretación y valoración”. (Pérez Juste, 1989:12)
Más allá de las dificultades que pueda tener la medición, esta ocupa un
lugar fundamental en la investigación empírica. El investigador necesita los datos,
resultados de la medición, para poner a prueba sus hipótesis mediante las
técnicas estadísticas apropiadas, que le permitan verificarlas o rechazarlas,
según un cierto nivel de probabilidad.
Los datos deben reunir también ciertas características, de lo contrario
puede ocurrir que la información que se sumunistra no tenga relevancia si los
datos de que se vale no representan adecuadamente la realidad medida.

5-Variables
Podemos definir a las variables como “una propiedad, característica o un
atributo que puede darse en ciertos sujetos o puede darse en grados o
modalidades diferentes”.
García Ferrando dice que “…se puede definir una variable como cualquier

característica o propiedad de un objeto o acontecimiento que contenga dos o más

11
 Lidia C. Diblasi

categorías posibles en las que un “objeto o acontecimiento” pueda ser clasificado

potencialmente”

5.1- Variables cualitativa o categóricas

Son conceptos clasificatorios que permiten ubicar a los individuos en
categorías o clases y son susceptibles de identificación y medición. A este tipo
de variables se las llama categóricas o cualitativas. Cuando las variables
categóricas se refieren solamente a la presencia o ausencia de una variable se

las llama dicotómicas o binarias, por ejemplo: ser argentino o no, ser ocupado
o no, rendir o no rendir una materia, etc.

Las variables categóricas o cualitativas son policotómicas cuando enumeran o

hacen referencia a todas las modalidades posibles. Por ejemplo si nos referimos
al estado civil de una persona, mencionamos las posibles categorías que puede
asumir: soltero, casado, viudo, divorciado, separado de hecho, otros.
Estas clases o categorías deben ser mutuamente excluyentes: cada unidad
de análisis pertenece a una sola categoría; y exhaustivas: ninguna unidad de

análisis debe quedar sin poder clasificarse, es decir deben haber tantas
categorías como distintos casos se presenten.
5.2- Variables cuantitativas
Aquellas variables que se expresan por medio de un número se las llama
variables numéricas o cuantitativas.
Así por ejemplo, la variable “nivel económico de la familia” divide a la

población en las siguientes categorías o modalidades: alto, medio, y bajo.

Mientras que la variable ingreso divide a la población según los valores
numéricos que asuma el ingreso correspondiente a cada una de las familias; por
ejemplo la familia Pérez tiene un ingreso de $ 2500; la familia Salinas tiene un
ingreso de $ 4800, etc.

12
 Lidia C. Diblasi

La variable “Nº de hijos” divide a la población según la cantidad de hijos de

cada familia: 0; 1; 2; 5; 9, etc. O bien en clases como:
familias sin hijos
familias con 1 a 3 hijos
familias con 4 a 6 hijos
familias con 7 o más hijos
Son muchas las clasificaciones que se pueden hacer de las variables además de
la división entre variables cualitativas y cuantitativas. Veamos algunas:

5.2.1- Variables numéricas: discretas y continuas

a) Variables continua: son aquellas que pueden tomar cualquier valor entre
dos valores dados por ejemplo:
Talla de los alumnos. 1,65 m
Precio de un libro: $ 30
Edad de un niño-. 3 años. 2 meses, 18 días
Tasa de natalidad de una provincia o país: 22.52 por mil %.
Ingreso de una familia: $ 2.590,50

b) Variables discretas: son aquellas variables que sólo pueden tomar algunos
valores entre dos valores dados. Por ejemplo:
Alumnas solteras de esta facultad
Dientes de un niño
Hijos por familia
Accidentes por día
Nº de familias bajo la línea de pobreza.

13
 Lidia C. Diblasi

VARIABLES

Categóricas o Numéricas o
Cualitativas Cuantitativas

Dicotómicas Policotómicas Continuas Discretas

5.3- Variables independientes y dependientes

Se designa con el nombre de variable independiente la causa real o supuesta

de un fenómeno (fenómeno antecedente); y con el de variable dependiente al
fenómeno consecuente. Conviene tener presente que no siempre la relación de
implicación entre ambas variables es de tipo causal, sino que en muchos casos
esa relación simplemente quiere decir que las variaciones producidas en una de
las variables se acompañan de variaciones en otra".
Por ejemplo, si decimos que "El nivel de participación depende del
grado de cohesión que hay en una comunidad", el nivel de participación
está dependiendo del grado de cohesión; en este caso podemos decir que el
grado de cohesión es la variable independiente.
Generalmente tratamos de explicar las variaciones de un fenómeno en
base a un conjunto de factores, por ejemplo podemos estudiar los factores que
influyen en el éxito o fracaso de los estudiantes universitarios o en el rendimiento
académico. Aquella variable que atrae la atención del investigador y cuya
variación intenta explicar, la llamamos variable dependiente, porque se supone
que los valores que asume la variable dependen de los valores que presentan
otras variables. A estas variables las llamamos independientes o explicativas,
porque permiten conocer las variaciones de la variable dependiente en una

14
 Lidia C. Diblasi

población dada. En esta relación entre la variable dependiente y la

independiente, se suele introducir en las ciencias sociales, una variable que se
denomina interviniente, porque se supone que tiene un efecto determinado sobre
la variable dependiente, que puede ser controlado o modificado por la variable
independiente. (García Ferrando, 1992; 42)

6- Escalas o niveles de medición de las variables

Definimos a la "medición" como la asignación de números a las

características de las unidades de análisis u objetos según determinadas
condiciones. Las variables se clasifican generalmente en cuatro tipos de escalas
o niveles de medición, basadas en las propiedades de orden y distancia.

Si la variable está bien definida utilizaremos uno de estos niveles y para

cada uno hay distintos modelos estadísticos apropiados.
La escala de nivel más elevada es la de razón o cociente y emplea
condiciones más restrictivas, y la escala de menor nivel es la nominal y a la vez la
menos restrictiva. Cada nivel de medición cumple las propiedades del anterior y

una más.
6.1- Escala nominal o de clasificación: es la escala de nivel más sencilla.
Consiste en aplicar números, letras u otros símbolos para clasificar algunas
características de las unidades de análisis. Estos números, letras o símbolos son
como etiquetas que identifican particularidades de las unidades de análisis. Sólo
nombran particularidades, de ahí su denominación de escala nominal.
Ejemplos:

- los colores de los uniformes que se emplean para distinguir al

personal de un centro médico,
- los números que llevan en la espalda los jugadores de fútbol (con
estos números no se pueden hacer operaciones matemáticas)

15
 Lidia C. Diblasi

- la clasificación de las Profesiones según el título universitario de

los profesionales: ingenieros, sociólogos, sicólogos, arquitectos, trabajadores
sociales, otros;
- la clasificación de los delitos cometidos por los reclusos de una
cárcel: contra la propiedad, contra las personas, contra la honestidad, otros.
Entre las unidades de análisis de cada clase o categoría se puede aplicar la
relación matemática de equivalencia en el sentido de pertenecer a la misma
categoría. Por ejemplo: para pertenecer a la clase de los ingenieros la única

condición requerida es poseer el título de ingeniero. Se pertenece a esa clase o

no se pertenece, pero no podemos presuponer que unos sean "mayores que" o

"mejores que" los otros. Esta escala permite una clasificación, pero no una
medición (se habla de un sistema de medición propiamente dicho cuando se
pueden ordenar las categorías del sistema de clasificación).
En ella se pueden hacer sólo algunas operaciones estadísticas: podemos
contar cuántos elementos hay en cada categorías (frecuencia), ver cuál categoría

tiene la mayor frecuencia (llamada clase modal). En estas escalas no se pueden

aplicar las operaciones aritméticas que se realizan generalmente con los
números como son, suma, resta multiplicación y división. Se pueden obtener
medidas de asociación como el coeficiente Q de Yule, el coeficiente “phi”, el
coeficiente de contingencia, el coeficiente Lambda. En algunos caos se puede
aplicar la prueba estadística no paramétrica x² (chi cuadrado)
Bajo ciertas condiciones que pueden crear variables ficticias y aplicar

números a las distintas categorías, por ejemplo el nº 1 a una categoría y el 0 a

todas las demás. Volveremos sobre este tema al estudiar análisis multivariado.

6.2- Escala ordinal o de rango: en esta escala las unidades de análisis de cada
categoría deben cumplir la relación de equivalencia, y además, las categorías no

16
 Lidia C. Diblasi

sólo se diferencian unas de otras, sino que mantienen entre sí una relación de
orden para poder indicar cuál es la superior. Tal relación se expresa con el
signo > (leer "mayor que") o por el signo < (leer “menor que").
Esta escala nos permite ordenar a las categorías en estadios, pero no nos
dice nada acerca de la magnitud de las diferencias o distancias entre esas
categorías.
En las Ciencias Sociales son muy comunes estas escalas, como por ejemplo la
que divide a los sujetos según el nivel socioeconómico o en clases sociales; nivel

de religiosidad, opiniones, actitudes, etc. A las distintas respuestas del estilo alto
medio, bajo ó muy de cuerdo, bastante de acuerdo, poco de acuerdo, en

desacuerdo, se le pueden asignar rangos:

a) rango clase social
1 alta
2 media alta
3 media
4 media baja
5 baja

b) rango actividad religiosa

1 muy religioso
2 moderadamente religioso
3 no religioso

Este tipo de medición es de más alto nivel que el de la escala nominal ya

que no sólo se puede distribuir a los sujetos u objetos en categorías diferentes,
sino que además se las puede ordenar.
En esta escala tampoco se pueden utilizar las operaciones aritméticas
comunes como suma, resta, multiplicación y división.
En las escalas ordinales se puede hallar la clase mediana, percentiles y
aplicar los coeficientes de correlación basados en los rangos, tales como el
coeficiente “rho” de Sperman, y el coeficiente “tau” de Kendall.
Para probar hipótesis y tomar decisiones debe recurrirse a las pruebas
estadísticas no paramétricas que emplean datos medidos en la escala ordinal.

17
 Lidia C. Diblasi

6.3- Escala de intervalos iguales o intervalar: estas escalas se caracterizan

porque poseen una unidad de medida y un origen (cero) arbitrario. En estas
escalas se puede medir la distancia o la diferencia numérica entre dos medidas
cualesquiera.
Ejemplos: a) Escalas termométricas: en un día determinado en una
ciudad A la temperatura alcanza un valor de 20º C y en una ciudad B es de 40º
C. Podemos deducir:
- en A la temperatura es diferente a la de B (información nominal).

- en B la temperatura es más elevada que en A (información ordinal).

- que la temperatura en B sobrepasa a la de A en 20º C (información

intervalar). No podemos decir que la temperatura en B es doble a la de A
porque el cero de la escala termométrica es arbitrario.

CI (coeficiente intelectual: edad mental /edad cronológica). En un test no

podemos decir que un puntaje de 100 puntos equivale al doble de uno de 50
puntos porque no se parte de un cero que indique falta total de capacidad. No

podemos decir que una persona con un coeficiente intelectual doble que otro, es
doblemente inteligente.
En las escalas de intervalos iguales se pueden hallar el (Mo) modo, la
(Me) mediana, la media aritmética (x ), la varianza (s²), el desvío tipo (s). Se
puede aplicar coeficiente r de correlación de Pearson.
No se puede aplicar el coeficiente de variación, ya que éste sólo se debe calcular
con los datos de una escala de razón, o sea en aquellas que poseen un cero
absoluto.
Se pueden aplicar las pruebas estadísticos paramétricas comunes como el
test "t" de Student, test "F" de Fisher, siempre que se cumplan las exigencias
requeridas en los supuestos de la población.

18
 Lidia C. Diblasi

Hay ciertos casos especiales que surgen cuando en la escala de orden

existe cierto acuerdo respecto a la distancia que separa una categoría de otra.
Por ejemplo al considerar el grado de conformidad de un individuo respecto a
alguna situación en particular y la variable de respuesta se mide como “muy
conforme, conforme, indiferente, disconforme, muy disconforme”, algunos autores
consideran a esta escala de medición como ordinal y otras como intervalar, dado
el punto cero convencional (indiferente) Blanch, N. y Joekes, S (II Módulo pag.
11)

6.4- Escala de razón o cociente o proporción: esta escala posee Un cero

absoluto por origen. El cero absoluto significa ausencia de la variable. Las
medidas del Sistema Métrico Decimal son ejemplos de medidas de esta escala.
Ejemplos: Longitudes. Un camino A tiene una longitud de 600 km y
un camino B tiene una longitud de 100 km. Podemos deducir:
- el camino A es diferente al camino B ( información nominal)
- el camino A es más largo que el camino B (información ordinal)
- el camino A es 500 km más largo que el camino B (información intervalar).
- el camino A es 6 veces más largo que el camino B.
El cociente entre dos valores de una escala de razón tiene un significado que
puede interpretarse correctamente, en cambio, el cociente entre dos valores de
una escala intervalar no tiene significado.
Con los datos de una escala de razón pueden hacerse todas las operaciones
estadísticas usuales. Se calcula el coeficiente de variación = s/x porque para
calcularlo se necesita el cero verdadero o absoluto de la escala.
s
CV =
x

Cuanto más se avanza en la escala de medida, éstas incorporan las

propiedades de las escalas menos avanzadas. Un nivel de medición es más
avanzado en cuanto más propiedades cumple. Cada nivel de medición cumple
las propiedades del anterior y una más, por eso es posible tratar las escalas

19
 Lidia C. Diblasi

ordinales como nominales; a los de intervalo como ordinales y nominales; a las

de razón como de intervalo, ordinales o nominales.
Diremos que, en general, las variables se definen dentro del contexto
específico de investigación que integran. Por ejemplo: La variable “coeficiente
intelectual” puede ser:

d) una variable nominal, si decimos que un niño es normal o anormal;

e) una variable ordinal, si decimos que un niño es:

Débil mental
Normal
Superdotado

c) una variable intervalar si decimos que tiene un coeficiente intelectual entre:

Hasta 69 debilidad mental bien definida

70 - 89 inteligencia lenta
90 - 109 inteligencia normal o media
110-119 inteligencia superior
120-139 inteligencia muy superior
140-149 casi genialidad
150 y más genialidad
Con los datos de una escala de razón se pueden aplicar pruebas

estadísticas paramétricas y no paramétricas.

La diferencia entre prueba estadística paramétrica y no partamétrica reside
en las exigencias que se requieren en las suposiciones de la población.

En las Ciencias Sociales y de la Educación son muy comunes las

mediciones nominales y ordinales que, en general, deben analizarse por
pruebas estadísticas no paramétricas.

Los datos medidos con escalas intervalares o de razón deben analizarse

por pruebas estadísticas paramétricas, si los supuestos de la población así lo
requieren. Si con estos datos se aplican pruebas estadísticas no paramétricas
se obtienen resultados que no reflejan en su totalidad la información contenida
en los mismos.

20
 Lidia C. Diblasi

Al utilizar cualquier técnica estadística hay que tener en cuenta

correctamente cuáles son los supuestos que hay que adoptar. Por ello, una de
las primeras cosas que hay que considerar acerca de los datos es el nivel de
medición que pueden adoptar legítimamente.

En el siguiente esquema podemos observar el tipo de variable en que se

pueden medir los datos y los niveles de medición asociados a los tipos de
variables:

Escala Nominal
Variable categórica
o cualitativa
Escala Ordinal

DATOS

Escala de Intervalo
Variable numérica
o cuantitativa
Escala de razón

7- LOS MODOS DE OPERAR EN ESTADÍSTICA

Algunos autores no aceptan la división de la Estadística en descriptiva e

inferencial. Pero al solo efecto de la enseñanza me parece importante distinguir
los procedimientos descriptivos de los específicamente inferenciales. El análisis
estadístico es uno solo, donde se combinan las metodologías descriptivas y las
inferenciales, por ello hablamos de ambos procedimientos. Es importante aclarar
que la sistematización y descripción de los datos es un paso previo para poder
realizar, la operación fundamental de la Estadística, la inferencia.

21
 Lidia C. Diblasi

7.1- Estadística Descriptiva – Análisis exploratorio

La primera función de la estadística al servicio de la investigación es la de
proveer descripciones y sistematizaciones de conjuntos numerosos de datos que
permiten una exploración de características numerables o mensurables de las
unidades de análisis.
A los métodos estadísticos por medio de los cuales se logra esta función se
los denomina “estadística descriptiva simple”. Las medidas generalmente usadas
son: razones tasas, porcentajes, distribuciones de frecuencias, medidas de

tendencia central, medidas de dispersión, medidas de asimetría y

apuntalamiento. Estas medidas reunidas condensan masas de datos y

proporcionan una información eficiente. A menudo, un conjunto numeroso de

valores referidos a un conjunto numeroso de unidades de análisis, en una
variable, pueden ser sistematizados en unas pocas medidas condensadas que
conservan toda la información esencial. Una extensión de los métodos
descriptivos más simples es la descripción de una característica en diferentes

momentos. Otra extensión es la construcción de medidas indirectas

compuestas, llamadas números índices.
La descripción de la distribución de una variable no satisface en muchos
casos los propósitos de la investigación. Otra función de la estadística consiste
en medir la asociación que existe entre dos o más variables. Si para cualquier
grupo de unidades de análisis se tienen dos o más conjuntos de enumeraciones
o mediciones, existen métodos mediante los cuales se puede averiguar y

describir concisamente la existencia, dirección y grado de la asociación entre dos

o más variables.
7.2 - Estadística Inductiva o Inferencial - Análisis confirmatorio
A causa de consideraciones prácticas, muy frecuentemente resulta
imposible analizar la totalidad de las unidades de análisis que componen una

22
 Lidia C. Diblasi

población, razón por la cual sólo se estudia un pequeño subconjunto. Cuando

este es el caso, un número limitado de unidades, o sea una muestra, se escoge
del conjunto total. El método de la elección de la muestra para el estudio debe
ser cuidadosamente planeado, a fin de que la muestra sea representativa del
conjunto respecto de la característica o características que se investigan. El
estudio de los métodos estadísticos usados en función inductiva, se suele
denominar Estadística inductiva o más comúnmente Estadística Inferencial.
Estos métodos permiten calcular a partir de los valores obtenidos para la muestra

estimaciones de medidas resumidas para todo el conjunto (población o universo)

Si el procedimiento utilizado para seleccionar la muestra ha sido el azar, se está

en condiciones de ofrecer una estimación de precisión fijando dos valores, uno

por encima y otro por debajo del valor estimado, que encierren al valor
correspondiente al universo o población, teniendo confianza que a la larga
habremos dado una estimación correcta en el 95% de los casos.
Por lo tanto, y sintetizando, se pueden enunciar las siguientes funciones

estadísticas básicas:

1 Describir cuantitativamente un sector de la realidad.

2 Relacionar dos o más variables y medir su dependencia
3 Dada una o más variables predecir el comportamiento probable de las
unidades de análisis en términos de otra u otras variables.
4 Estimar ciertas características de un conjunto conociendo tan solo los
valores correspondientes a una muestra.
5 Probar hipótesis respecto a diferencias significativas o no entre dos o
más conjuntos de datos provenientes de muestras aleatorias.

23
 Lidia C. Diblasi

NIVELES DE MEDICION Y ESTADÍSTICAS APROPIADAS A CADA NIVEL

Técnicas Pruebas
Estadísticas Estadísticas
Escalas Propiedades Apropiadas Apropiadas
(ejemplos) (ejemplos)

Nominal Equivalencia Modo

Frecuencia
Coeficiente de Pruebas
contingencia
Lambda*
Q** Phi**χ² no
Ordinal Equivalencia Mediana
-Mayor que Percentil paramétricas
Spearman
Kendall(Tau)
Gamma
G** Phi** χ²
Intervalar Equivalencia Media aritmética
-Mayor que Desviación estándar
- Razón Correlación de
entre dos Pearson*
intervalos Correlación Pruebas
calculable múltiple no
Phi**χ² paramétricas

y
De razón Equivalencia Media aritmética
Mayor que Media geométrica Pruebas
Razón entre dos Desviación estándar paramétricas
Intervalos Correlación de
Calculable Pearson*
Razón entre dos
valores de la Correlación
escala múltiple
calculable Phi** χ²

* variables del mismo nivel de medición

** Para dicotomías en tablas de 2 x 2

24
 Lidia C. Diblasi

EJERCICIOS PROPUESTOS

!- Diga cuál es el nivel de medición en el cuál está expresada la variable ingreso

diario promedio de las familias compuestas por cuatro miembros de la Provincia
de Mendoza, y diferencie, en la información suministrada, la estructura tripartita
del dato, definiendo cada uno de sus componentes.

El ingreso diario promedio de un grupo de familias de un barrio urbano es de entre

45 y 85 pesos (información suministrada por un equipo interdisciplinario perteneciente a
la SeCyT).

2- Defina dato y sus componentes. Identifique en el siguiente ejemplo los

componentes de la estructura del dato:

Camilo tiene 4 hermanos

3- Defina Estadística y diga qué diferencia hay entre Estadística Descriptiva e

Inferencial

4- Diga cuál es el nivel de medición en el cuál está expresada la variable

Coeficiente Intelectual y diferencie, en la información suministrada, la estructura
tripartita del dato, definiendo cada uno de sus componentes.

El C. I. de un grupo de niños de una escuela urbana es de entre 95 y 105

puntos. (información suministrada por un equipo interdisciplinario perteneciente al
Ministerio de Cultura y Educación).

5- Defina dato y sus componentes. Identifique los componentes de la estructura

del dato en los siguientes ejemplos:
Camilo es mayor que sus hermanos
La familia de Camilo tiene un ingreso menor a la de los demás compañeros
de escuela

6- Diga cuándo un dato es confiable, objetivo y válido.

7- En los siguientes ejemplos determine el nivel de medición de las variables:

Mariana es empleada pública
Mariana tiene 15 materias rendidas

8- Explique los niveles de medición de las variables y de dos ejemplos de cada

uno.

9- Explique los conceptos : exhaustivos y excluyentes. De dos ejemplos de

variables aplicando estos conceptos.

25
 Lidia C. Diblasi

10- Exprese cómo trabajaría para determinar el nivel de deserción en las

diferentes unidades académicas de la UNCuyo, con una muestra o con una
población ?Justifique su respuesta

11- Defina con sus palabras lo que entendió por medición.

12- Determine el nivel de medición de las siguientes variables:

- cantidad de población desocupada por departamentos.
- Ingreso per cápita de las personas ocupadas en un área determinada
- Nivel de influencia de una secta en un área determinada.
- Nivel de instrucción de las personas asistentes a una charla sobre
temáticas de salud
- Nombre otorgado a los diversos partidos políticos
- Porcentaje de mujeres analfabetas por departamentos
- Costo de la canasta básica de alimentos por provincia
- Edades de los niños vacunados en una escuela primaria
- Número de integrantes por familia en distintos sectores del Gran Mza.
- Clasificación de los centros deportivos según la cantidad de afiliados

13- De dos ejemplos de variables:

- cualitativas
- dicotómicas
- policotómicas
- cuantitativas
- discretas
- continuas

14- Proponga tres ejemplos de cada una de las clasificaciones de las variables
según su nivel de medición, asociadas a un tema de su interés.

26
 Lidia C. Diblasi

BIBLIOGRAFIA CONSULTADA

Ambrosi, Hugo O. “La verdad de las Estadísticas. Aprender con los datos”
Ediciones Lumier S.A., Buenos Aires, 2008.
Briones, Guillermo.- "Métodos y Técnicas de Investigación para las Ciencias
Sociales" México, Trillas, 1982.
Blalock, Hubert: "Estadística Social", México, Fondo de Cultura Económica, 1966.
Blanch, Nidia, Joekes, Silvia, “Estadística Aplicada a la Investigación” Ed.
Cooperadora Fac.Cs. Económicas, Unv. Nac. Córdoba, 1994.
Cortada de Kohan Carro. "Estadística Aplicada", EUDEBA, 1978
Daniel, Waine W.: "Estadística con Aplicaciones a las Ciencias Sociales y a la
Educación", Ed. Mc Grau Hill, 1981.
García Ferrando, Manuel, “Sociolestadística. Introducción a la Estadística en
Sociología”, Alianza Universidad Textos, Madrid, 1992
Haber Runyon: "Estadística General" Ed. Fondo Educativo Interamericano, 1973.
Pérez Juste, R. “Pedagogía Experimental” 1989, Pág. 12, Madrid, UNED
Sidney Siegel., "Estadística no paramétrica", Ed. T'rillas, 1976.
Sierra Bravo R.: "Técnicas de Investigación Social" Ed. Paraninfo, 1979.
Yule. G. U. y Kendal, M. G.: "Introducción a la Estadística Matemática", Madrid,
1962.
Diblasi, Lidia y Romagnili, E. R.. “Conceptos introductorios” , mimeo “Apuntes de
cátedra” Fac. de Ciencias Políticas y Sociales, UNCuyo, 1º edidión 1991 y 2º
edición 2001.

27