República Bolivariana de Venezuela

Ministerio Del Poder Popular Para La Educación

Instituto Universitario Politécnico Santiago Mariño.

Barcelona – Anzoátegui.

Escalas de
medición

Alumno:
Milagros Coello.
28.663.387
 Índice

 Introducción.
 Definición de estadística, escalas de medición.
 Como realizar una investigación estadística.
 Aplicaciones de la investigación estadística.
 Principales escalas de medición.
 Como y cuando aplicar las escalas de medición.
 Conclusión.
 Bibliografía.
 Introducción.

La Estadística se puede definir es la ciencia cuyo objetivo es reunir una

información para facilitar al hombre el estudio de datos masivos de individuos,
grupos, series de hechos, etc. y deducir de ello gracias al análisis de estos datos
unos significados precisos o unas previsiones para el futuro.

También se refiere a la importancia, métodos e importancia de la estadística ya

que está relacionada con el estudio de proceso cuyo resultado es más o menos
imprescindible y con la finalidad de obtener conclusiones para tomar decisiones
razonables de acuerdo con tales observaciones

La Estadística se ocupa de los métodos científicos para recolectar, organizar,

resumir, presentar y analizar datos, así como de sacar conclusiones válidas y tomar
decisiones con base en este análisis, así también realizar predicciones a cerca del
conjunto del cual se han seleccionado dichos datos. El empleo cuidadoso de los
métodos estadísticos permite obtener información precisa de los datos.
  Definición de estadística.

La estadística es la que recolecta, analiza y caracteriza un conjunto de datos

(peso de la población, beneficios diarios de una empresa, temperatura mensual,…)
con el objetivo de describir las características y comportamientos de este conjunto
mediante medidas de resumen, tablas o gráficos.

 Variables estadísticas: Una variable estadística es el conjunto de valores que

puede tomar cierta característica, esta variables pueden ser: la edad, el peso, las
notas de un examen, los ingresos mensuales, las horas de sueño de un paciente
en una semana, el precio medio del alquiler en las viviendas de un barrio de una
ciudad, etc.

Las variables estadísticas se pueden clasificar por diferente criterio:

1. Cualitativa o categórica: Son variables las cuales se pueden tomar como

valores, cualidades o categorías.

Ejemplo:

Sexo: hombre o mujer.

Salud: Buena, mala o regular.

2. Cuantitativas o numéricas: Son variables las cuales toman valores

numéricos.

Ejemplo:

Numero de cosas: 1, 2, 3, 4…. (Discreta)

Edad: 12,5; 24,3, 35,5… (Continua)

 Medidas de posición central.

Las medidas de posición central o de centralización son medidas que tienden a

localizar en qué punto se encuentra la parte central de un conjunto ordenado de
datos de una variable cuantitativa.
  Media.

También llamada promedio o media aritmética de un conjunto de datos

(X1, X2,…, XN) al valor característico de una serie de datos resultado de la suma
de todas las observaciones dividido por el número total de datos.

Visto desde un punto de vista más conceptual, la media aritmética es el centro

de los datos en el sentido numérico, ya que intenta equilibrarlos por exceso y por
defecto. Es decir, si sumamos todas las diferencias de los datos a la media da cero.
  Mediana.

La mediana (Me(X)) es el elemento de un conjunto de datos ordenados

(X1, X2,…, XN) que deja a izquierda y derecha la mitad de valores.

Si el conjunto de datos no está ordenado, la mediana es el valor del conjunto tal

que el 50% de los elementos son menores o iguales y el otro 50% mayor o iguales.

 Moda.

La moda (Mo(X)) es el valor más repetido del conjunto de datos, es decir, el

valor cuya frecuencia relativa es mayor. En un conjunto puede haber más de una
moda.

 Medida geométrica.

La media geométrica es un conjunto de números estrictamente positivos (X1,

X2,…,XN) es la raíz N-ésima del producto de los N elementos.

Todos los elementos del conjunto tienen que ser mayores que cero. Si algún
elemento fuese cero (Xi=0), entonces la medida geométrica sería 0 aunque todos
los demás valores estuviesen alejados del cero.
  Medida armónica.

La media armónica de un conjunto de elementos no nulos (X1, X2,…,XN) es el

recíproco de la suma de los recíprocos (donde 1/Xi es el recíproco de Xi))
multiplicado por el número de elementos del conjunto (N).

 Medida cuadrática.

La media cuadrática es de un conjunto de valores (X1, X2,…,XN) es una

medida de posición central. Esta se define como la raíz cuadrada del promedio de
los elementos al cuadrado.

 Medida ponderada.

La media ponderada es una medida de centralización. Consiste en otorgar a

cada observación del conjunto de datos (X1,X2,…,XN) unos pesos (p1,p2,…,pN)
según la importancia de cada elemento.

Cuanto más grande sea el peso de un elemento, más importante se considera que es
éste.
  Medidas de posición no centrada.

Las medidas de posición no central o medidas de tendencia no central permiten

conocer puntos característicos de una serie de valores, que no necesariamente
tienen que ser centrales. La intención de estas medidas es dividir el conjunto de
observaciones en grupos con el mismo número de valores.

 Cuartiles.

Los cuartiles son los tres valores que dividen una serie de datos ordenada en
cuatro porciones iguales. El primer cuartil (Q1) deja a la izquierda el 25% de los
datos. El segundo (Q2) deja a izquierda y derecha el 50% y coincide con la
mediana. El tercero (Q3) deja a la derecha el 25% de valores. Los tres cuartiles
son:

 Percentiles.

El percentil es una medida de posición no central. Los percentiles Pi son los 99

puntos que dividen una serie de datos ordenada en 100 partes iguales, es decir, que
contienen el mismo número de elementos cada una. El percentil 50 es la mediana.

Sea (X1, X2,…,XN) una muestra de N elementos. El percentil Pi es:

Donde Pi es la posición del percentil buscado en la serie ordenada de datos.

Los percentiles están pensados para conjuntos de elementos de más de cien

elementos.

 Medidas de dispersión.

Las medidas de dispersión o medidas de variabilidad muestran la variabilidad

de un conjunto de datos, indicando la mayor o menor concentración de datos
respecto a las medias de centralización.

 Rango.

El rango (R) o recorrido estadístico es la diferencia entre el valor máximo y el

mínimo de un conjunto de elementos.

 Rango intercuartílico.

El rango intercuartílico (IQR) o rango intercuartil es una estimación estadística

de la dispersión de una distribución de datos. Consiste en la diferencia entre el
tercer y el primer cuartil. Mediante esta medida se eliminan los valores
extremadamente alejados. El rango intercuartílico es altamente recomendable
cuando la medida de tendencia central utilizada es la mediana (ya que este
estadístico es insensible a posibles irregularidades en los extremos).

En una distribución, encontramos la mitad de los datos, el 50 %, ubicados

dentro del rango intercuartílico. Conforme aumente el IQR, indicará que la
dispersión será mayor.
  Varianza.

La varianza (S2) mide la dispersión de los datos de una muestra respecto a la

media, calculando la media de los cuadrados de las distancias de todos los datos.

Al elevar las diferencias al cuadrado se garantiza que las diferencias absolutas

respecto a la media no se anulan entre sí. Además, resaltan los valores alejados.

 Desviación típica.

La desviación típica es la medida de dispersión (S) asociada a la media. Mide el

promedio de las desviaciones de los datos respecto a la media en las mismas
unidades de los datos.
  Investigación Estadística.

Una investigación se puede denominar “estadística” cuando las hipótesis son del
tipo definido más arriba: afirmaciones relativas a la distribución de una o más
variables aleatorias. En estas investigaciones pueden identificarse, entre otros, los
siguientes componentes:

• un universo: un conjunto de entidades (personas, seres vivos, objetos inanimados)

respecto de los cuales se desea conocer alguna o algunas de sus características

• Variables: características medibles que poseen todas las unidades del universo

• Objeto de la investigación: no consiste en identificar las entidades del Universo

con ciertas características, sino que se trata de resumir

La investigación estadística exige la participación de diferentes especialistas

(estadísticos, informáticos, especialistas en la materia investigada) en un conjunto
de actividades que deben seguir una secuencia lógica, aunque con variantes que la
pueden hacer más o menos eficiente, más o menos exitosa.

Una investigación estadística puede fracasar cuando no ha sido adecuadamente

planificada, cuando el presupuesto es insuficiente o no se asigna en forma
equilibrada entre las diferentes actividades, cuando no se dispone de personal
capacitado o cuando se cometen errores graves en la ejecución de las tareas o en el
procesamiento de la información. La materia prima de la investigación estadística
son los datos.

La clave del éxito de la investigación está relacionada con los procedimientos

que se siguen para la selección, la recolección y el tratamiento de los datos. Las
actividades que involucra una investigación estadística pueden clasificarse con
arreglo a diversos criterios. Uno de ellos se relaciona con el orden cronológico en
que deben ser realizadas. En este sentido, puede hablarse de tres grandes etapas o
fases:

-Planificación.

-Ejecución y procesamiento.

-Análisis y dibulgamient.
 Las actividades que se incluyen en estas fases siguen un orden temporal, en
algunos casos, con actividades que requieren para su iniciación la finalización
previa de otras. En otros casos, en cambio, las actividades pueden ir en paralelo o
con un importante período de solapamiento

. Algunas veces, el orden temporal de las actividades está condicionado más por
los recursos humanos disponibles que por la lógica de las previa turas. En estos
casos se vuelve clave la tarea de planificación para evitar una prolongación
innecesaria de la investigación, y así ganar en oportunidad en la presentación de
los resultados.

La división en tres fases es totalmente convencional. En muchas

investigaciones estadísticas las mismas personas trabajan en todas o la mayor parte
de las actividades, las cuales se solapan tanto como es posible para ganar en
oportunidad. La división en fases se realiza exclusivamente para facilitar la
presentación de los conceptos involucrados.

 Escalas de Medición.

En estadística los datos son la representación de atributos o variables que

describen hechos, y al analizarlos y procesarlos, estos se transforman en
Información. Para poder hacer esto, es necesario comparar los datos entre sí y
respecto de referencias. Este proceso de comparación requiere de escalas de
medición donde situar cada posible valor que tomen los datos, y por las diferentes
características de estos, existen diferentes tipos de escalas. En la primera parte del
post hablaremos sobre las escalas de medición en estadística.

Luego, tenemos a las variables. En general, en la mayoría de las materias que

tuvimos en el colegio o en la facultad, utilizamos variables para representar las
características de elementos que deseamos estudiar cuando estas cambian según
algún parámetro. En la segunda parte del post veremos cómo se clasifican a las
variables que utilizamos en estadística.

En estadística existen cuatro escalas de medición: nominal, ordinal, de intervalo y

de razón.
  Escala nominal

Cuando un dato identifica una etiqueta (o el nombre de un atributo) de un

elemento, se considera que la escala de medición es una escala nominal. En esta
carecen de sentido el orden de las etiquetas, así como la comparación y las
operaciones aritméticas. La única finalidad de este tipo de datos es clasificar a las
observaciones. Ejemplo:

Una variable que indica si el visitante de este post es «hombre» o «mujer».

En esta variable se tienen dos etiquetas para clasificar a los visitantes. El orden
carece de sentido, así como la comparación u operaciones aritméticas.

 Escala ordinal

Cuando los datos muestran las propiedades de los datos nominales, pero además
tiene sentido el orden (o jerarquía) de estos, se utiliza una escala ordinal. Ejemplo:

Una variable que mide la calidad de un post. La variable puede tomar valores
enteros del 1 al 5, donde el valor 1 es el peor y el 5 el mejor.

En esta variable sigue sin tener sentido las operaciones aritméticas, pero ahora
sí tiene sentido el orden. Si un post tiene valor 4 y otro tiene valor 2, el primero se
entiende que es mejor que es segundo.

 Escala de intervalo

En una escala de intervalo, los datos tienen las propiedades de los datos
ordinales, pero a su vez la separación entre las variables tiene sentido. Este tipo de
datos siempre es numérico, y el valor cero no indica la ausencia de la propiedad.
Veamos un ejemplo:

La temperatura (en grados centígrados) media de una ciudad.

En esta escala, los números mayores corresponden a temperaturas mayores. Es

decir, el orden importa, pero a la vez la diferencia entre las temperaturas importa.
  Escala de razón

En una escala de razón, los datos tienen todas las propiedades de los datos de
intervalo, y la proporción entre ellos tiene sentido. Para esto se requiere que el
valor cero de la escala indique la ausencia de la propiedad a medir. Ejemplos de
este tipo de variables son el peso de una persona a el tiempo utilizado para una
tarea. Ejemplo:

Una variable que mide el salario de una persona.

En esta variable, si una persona gana 100, y otra 10, la primera gana más que la
segunda (comparación). También tiene sentido decir que la primera gana 90 más
que la segunda (diferencia), o que gana 10 veces más (proporción).

 Variables en estadística

Las variables se las suele dividir según distintos criterios, en función las
características de los valores que estas puedan tomar.

Variables cuantitativas y cualitativas

De acuerdo al tipo de escala que se utilizan se puede clasificar en cualitativas o

cuantitativas.

Las variables cualitativas son aquellas que se usan para identificar un atributo
de un elemento. Se emplean con la escala nominal o la ordinal, y pueden ser
numéricos o no. Los datos contenidos en estas variables se resumen contando el
número de observaciones de cada valor que toma la variable, o la proporción en
entre estos. Un hecho importante a tener en cuenta es que, aun cuando para los
datos cualitativos se use un código numérico, las operaciones aritméticas como la
suma o la multiplicación no tienen sentido. Ejemplo:

El color de un auto.

Luego, las variables cuantitativas son aquellas que requieren valores numéricos
para definir los datos. Se emplean con las escalas de medición de intervalo o de
razón. En estas sí tienen sentido las operaciones aritméticas. Ejemplo:
La altura de una persona.

En general hay más alternativas para el análisis estadístico cuando se tienen

variables cuantitativas que con las variables cualitativas.

 Variables continuas y discretas

El siguiente criterio de clasificación (solo para variables cuantitativas) es según

como es el conjunto de valores sobre el cual estas pueden tomar valores.

Una variable continua puede tomar valores dentro de un intervalo continuo, es

decir, dado dos puntos de un intervalo, la variable siempre podrá tomar infinitos
valores entre ambos puntos. Ejemplo:

La temperatura en una habitación.

En cambio, una variable discreta solo puede tomar valores sobre un conjunto
finito de valores o un conjunto infinito numerable (un conjunto infinito, pero cuyos
elementos se pueden contar). En otras palabras, no puede tomar valores sobre
cualquier punto del intervalo, sino solamente sobre aquellos incluidos en el
conjunto al que pertenece. Esto hace que surja el concepto de valores observados
sucesivos, lo cual significa que, dado una observación, puede existir una
observación previa y otra posterior. Ejemplo:

Cantidad de años de vida de una persona.

 ¿Cómo realizar una investigación estadística?

El proceso de aplicación de la estadística implica una serie de pasos:

1. Selección y determinación de la población o muestra y las características

contenidas que se desean estudiar. En el caso de que se desee tomar una
muestra, es necesario determinar el tamaño de la misma y el tipo de
muestreo a realizar (probabilístico o no probabilístico).

2. Obtención de los datos. Esta puede ser realizada mediante la observación

directa de los elementos, la aplicación de encuestas y entrevistas, y la
realización de experimentos.
3. Clasificación, tabulación y organización de los datos. La clasificación
incluye el tratamiento de los datos considerados anómalos que pueden en un
momento dado, falsear un análisis de los indicadores estadísticos. La
tabulación implica el resumen de los datos en tablas y gráficos estadísticos.

4. Análisis descriptivo de los datos. El análisis se complementa con la

obtención de indicadores estadísticos como las medidas: de tendencia
central, dispersión, posición y forma.

5. Análisis inferencial de los datos. Se aplican técnicas de tratamiento de datos

que involucran elementos probabilísticos que permiten inferir conclusiones
de una muestra hacia la población (opcional).

6. Elaboración de conclusiones. Se construye el informe final.

 Conclusión.

La Estadística es una ciencia matemática que se utiliza para describir, analizar e

interpretar ciertas características de un conjunto de individuos llamado población.
Cuando nos referimos a muestra y población hablamos de conceptos relativos pero
estrechamente ligados. Una población es un todo y una muestra es una fracción o
segmento de ese todo.

Podemos dividir la estadística en dos ramas; la estadística descriptiva, que se

dedica a los métodos de recolección, descripción, visualización y resumen de datos
originados a partir de los fenómenos en estudio; y la estadística inferencial, que se
dedica a la generación de los modelos, inferencias y predicciones asociadas a los
fenómenos en cuestión.

La estadística trata en primer lugar, de acumular la masa de datos numéricos

provenientes de la observación de multitud de fenómenos, procesándolos de forma
razonable. Mediante la teoría de la probabilidad analiza y explora la estructura
matemática subyacente al fenómeno del que estos datos provienen y, trata de sacar
conclusiones y predicciones que ayuden al mejor aprovechamiento del fenómeno.
 Bibliografía.

https://www.dgeec.gov.py/convocatoria/document/etapas_invest_estadistica.pdf

https://www.universoformulas.com/estadistica/descriptiva/