Ir al contenido principal

DEFINICIONES DE GRAN USO

CLASIFICACIÓN DE DATOS Y VARIABLES
Por extensión las variables reciben el mismo nombre de los datos:

CATEGÓRICAS O CUALITATIVAS
Son las variables cuyos posibles valores son únicamente categorías o nombres, los cuales denotan cualidades o atributos, como sexo, afiliación política, color de los ojos, etc. Por lo general, estas características no se pueden describir por medio de números.

NUMÉRICAS O CUANTITATIVAS
Son aquellas variables que toman valores numéricos como resultado de un proceso de conteo o medición. Las preguntas que se hacen sobre estas variables se pueden responder con un número. ¿Cuánto pesas? ¿Cuánto mides? ¿Cuánto dinero ganas? ¿Cuántos hijos tienes? Además, las variables numéricas pueden ser Discretas o Continuas.

UNA VARIABLE CONTINUA es aquella que puede tomar un número infinito de valores entre dos valores cualesquiera de una característica.
La altura de los 5 amigos: 1.73, 1.82, 1.77, 1.69, 1.75.

UNA VARIABLE DISCRETA es aquella que solo puede tomar un número finito de valores entre dos valores cualesquiera de una característica. El número de hermanos de 5 amigos: 2, 1, 0, 1, 3

ESCALAS DE MEDICIÓN
El tipo de análisis estadístico que se lleva a cabo sobre los datos depende del nivel o escala de medición de las variables de la investigación. La importancia de esta clasificación por niveles reside en el hecho de que mientras más complejo o alto es el nivel de medición, más efectivos son los métodos estadísticos que se pueden utilizar.

Medir es más que determinar las dimensiones de un objeto. Medir en Estadística significa observar el valor que toma la variable en cada elemento de la población o de la muestra.
Por ejemplo en una población de personas, se mide cuando se determina: la religión, el color de ojos, el ingreso anual, el género, el peso, la puntuación en un examen, etc. En una población de perros, se mide cuando se observa: la raza, el tamaño, el número de crías, el color de pelo, la edad, las enfermedades comunes, etc.

ESCALA NOMINAL
Se utiliza cuando los datos están clasificados en categorías en las que no es posible establecer una relación de orden. Se refiere a atributos de los sujetos, no a cantidades. Ejemplos: tez, religión, partido político, raza, etc.


ESCALA ORDINAL
Además de agruparse en categorías, se muestra un orden o secuencia de los datos de acuerdo al grado de posesión de cierto atributo. Sin embargo, no hay un sentido numérico para este orden. La diferencia entre dos rangos no es una cantidad exacta. Ejemplo: preescolar, primaria, secundaria, bachillerato, licenciatura, maestría, doctorado; soldado raso, cabo, sargento, teniente, capitán, mayor, general, coronel.
Como puedes observar las escalas nominal y ordinal corresponden a variables de tipo Cualitativo o Categórico

ESCALA INTERVALAR
Los valores de las variables son datos numéricos, sin embargo no son proporcionales. por ejemplo un temblor de 8º es veinte veces más intenso que uno de 6º, y no dos veces además el cero es arbitrario y no implica ausencia del fenómeno, por ejemplo: la temperatura cero, en grados Celsius es diferente al cero en grados Fahrenheit y ninguno implica ausencia de temperatura.

ESCALA DE RAZÓN
Los valores de la variables son datos numéricos proporcionales y tiene un cero real. Las operaciones aritméticas de producto y de cociente toman una interpretación válida. Por ejemplo: peso, altura, edad, etc. Tiene sentido hablar de que una persona de 80 años tiene el doble de años que otra de 40 años.
Las escalas intervalar y de razón corresponden a variables de tipo Cuantitativo o Numérico.


Comentarios

Publicar un comentario

Entradas populares de este blog

Variable Aleatorias Discretas

VARIABLE ALEATORIA: Es una función que asocia a cada resultado del espacio muestral un número real. A su vez puede ser continua o discreta. Las variables aleatorias se representan con letras Mayúsculas y los valores que pueden tomar las variables aleatorias se representan con la letra minúscula.  X= variable aleatoria (v.a) X= valores de la v.a Ejemplos: a) Al arrojar una moneda y observar el lado que queda hacia arriba: X={ x1 = 1 (águila), x2 = 0 (sol) } b) Arrojar dos dados y anotar la suma de los puntos que caen hacia arriba. X= la suma de los dos dados X={ x1 = 2, x2 = 3, … xn=12) } VARIABLE ALEATORIA CONTINUA: Toma valores de un conjunto infinito no numerable. VARIABLE ALEATORIA DISCRETA: Toma valores de un conjunto numerable y finito. FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA P[ X = x i ]= pi Se define la función de probabilidad de la variable aleatoria. X, como la Probabilidad de que la variable aleatoria X, ...
Publicar un comentario
Leer más

UNIDAD 4

MODELOS PROBABILÍSTICOS COMUNES DISTRIBUCIONES DE PROBABILIDAD DISCRETAS ENSAYO DE BERNOULLI Consiste en realizar un sólo experimento (ensayo) en el cual existen únicamente dos posibles resultados: S= { Éxitos, Fracasos } Por ejemplo: observar un artículo y ver si es defectuoso Definimos a la variable aleatoria de Bernoulli de la siguiente forma: I= O , si el resultado del ensayo es “fracaso”, o  I=1 Si el resultado del ensayo es “éxito”. A ésta última se le conoce como “función indicadora” DISTRIBUCIÓN DE BERNULLI  Supongamos que en un ensayo de Bernoulli la probabilidad de obtener éxito es p . Como el ensayo tiene únicamente dos resultados posibles, entonces la probabilidad de obtener un fracaso es 1-p . llamaremos q a la probabilidad de fracaso . p = Probabilidad de éxito q = (1-p) = Probabilidad de fracaso Con esto, la distribución de probabilidad de la variable aleatoria de Bernoulli es: P(I)= { q; si I=0, p; si I=1 y 0; otro...
Publicar un comentario
Leer más

Distribución de Frecuencias

DISTRIBUCIÓN DE FRECUENCIAS Como recordarás la Estadística Descriptiva se encarga de la organización, presentación y descripción de los datos recolectados, y de obtener información a partir de ellos. El objetivo de la organización de datos es acomodarlos en forma útil para revelar sus características esenciales y simplificar ciertos análisis. Cuando el tamaño de muestra es menor a 30, los datos pueden tratarse individualmente, y en este caso se les llama Datos no agrupados. Sin embargo, cuando la muestra es grande (n >30), es laborioso hacerlo de esta forma, por lo que se lleva a cabo algún tipo de agrupación preliminar para realizar el tratamiento adecuado a los datos. En este último caso, se les llama Datos Agrupados. DATOS NO AGRUPADOS Si los datos están en una escala por lo menos ordinal, lo primero que podemos hacer es ordenarlos, en forma ascendente o descendente. Una vez ordenados los datos de la muestra se organizan en una tabla de frecuencias. Una Tabla...
Publicar un comentario
Leer más