República Bolivariana de Venezuela
Ministerio del poder popular para la Educación
Instituto Universitaria Politécnico "Santiago Mariño"
Barcelona - Edo. Anzoátegui
Escalas de
medición
Profesor: Estudiante:
Pedro Beltrán Roberto Montes: 28.462.668
Cátedra: Estadística
Barcelona, Junio de 2020.
Introducción
En este trabajo se realizó una breve introducción a la estadística, su definición y
clasificación y su uso y aplicación de forma que los que lo lean puedan conocer a
cabalidad y de manera breve y concisa en que está basada la estadística.
La estadística es una disciplina científica que se ocupa de la obtención, orden y
análisis de un conjunto de datos con el fin de obtener explicaciones y predicciones
sobre fenómenos observados.
La estadística consiste en métodos, procedimientos y fórmulas que permiten
recolectar información para luego analizarla y extraer de ella conclusiones relevantes.
Se puede decir que es la Ciencia de los Datos y que su principal objetivo es mejorar la
comprensión de los hechos a partir de la información disponible.
Características fundamentales de la estadística es su transversalidad. Su metodología
es aplicable al estudio de diversas disciplinas tales como: biología, física, economía,
sociología, etc.
La estadística ayuda a obtener conclusiones relevantes para el estudio de todo tipo de
agentes como: humanos, animales, plantas, etc. Generalmente lo hace a través de
muestras estadísticas.
Ramas de la estadística
La estadística se puede subdividir en dos grandes ramas: descriptiva e inferencial.
Estadísanalizis e tégicasva: Se refiere a los métodos de recolección, organización,
resumen y presentación de un conjunto de datos. Se trata principalmente de describir
las características fundamentales de los datos y para ellos se suelen utilizar
indicadores, gráficos y tablas.
Estadística inferencial: Se trata de un paso más allá de la mera descripción. Se
refiere a los métodos utilizados para poder hacer predicciones, generalizaciones y
obtener conclusiones a partir de los datos analizados teniendo en cuenta el grado de
incertidumbre existente.
La estadística inferencial se subdivide a su vez en dos grandes tipos: estadística
paramétrica y no paramétrica.
Estadística paramétrica: Se caracteriza porque asume que los datos tienen una
determinada distribución o se especifican determinados parámetros que deberían
cumplirse. Así por ejemplo, en un análisis paramétrico podemos trabajar bajo el
supuesto de que la población se distribuye como una Normal (hay que justificar
nuestro supuesto) y luego sacar conclusiones bajo el supuesto que esta condición se
cumple.
Estadística no paramétrica: En ella no es posible asumir ningún tipo de distribución
subyacente en los datos ni tampoco un parámetro específico. Un ejemplo de este tipo
de análisis es la prueba binomial.
Una investigación estadística por su naturaleza, es fundamentalmente de tipo
descriptiva: se procura de la confiabilidad, validez y significación de los datos, de las
muestras, así como de los métodos y técnicas de recolección y análisis estadístico.
Es importante distinguir entre investigación estadística y la estadística como técnica o
ciencia auxiliar para la investigación científica, social, educativa, económica, médica,
etc. La investigación social, económica o de otro tipo estudia el fenómeno en su
totalidad, dentro de un marco teórico y conceptual con el propósito de contribuir al
conocimiento científico, por ejemplo hay que distinguir entre hecho estadístico y
hecho social, económico, educativo, etc. La investigación estadística se preocupa
fundamentalmente de la dimensión y la relación de los elementos que caracterizan al
fenómeno de estudio
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.
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.
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 continúas (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:
¿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.
¿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.
Como se realiza una investigación estadística
La estadística investigación estadística es un proceso donde se distinguen cinco
etapas:
1. planeamiento o preparación:
A) fundamentación y compresión del estudio e identificación de las variables.
B) determinación de objetivos.
C) organización de las variables, precisión de los datos e información requerida.
D) identificación y evaluación de las fuentes de información.
E) identificación y análisis similares.
F) determinación del ámbito de investigación.
. Ámbito geográfico
.población, grupo humano, o elementos que serán estudiados.
.periodo de análisis
G) preparación del plan para ejecutar la investigación.
.Fijación de la población.
.Determinación de los métodos, técnicas e instrumentos de recolección y análisis de
datos
.método de selección de las nuestras.
.elaboración de cuestionarios e instrumentos de recolección de datos.
.preparación del plan de tabulaciones y de los cuadros de análisis.
H) formación y capacitación del equipo de trabajo.
I) elaboración del calendario de actividades.
J) formulación del presupuesto y fuentes de financiamiento.
K) diseño y ejecución de una prueba piloto o experimental.
2. recopilación de los datos: la recopilación o recolección de los datos es el momento
en el cual el investigador se pone en contacto con los objetos o elementos sometidos a
estudio, con el propósito de obtener los datos o respuesta a las variables analizando.
Los métodos de recolección son y dependen de las posibilidades de acceso o
contactos con la población o muestras de la oportunidad de obtener datos y del
presupuestó y de las exigencias del tiempo
3. organización y presentación de datos: después de la recolección de los datos, se
procede a su organización, clasificación y tabulación de modo que se facilite la
presentación en tablas, cuadros o gráficos.
Como tarea previa a la organización es indispensable realizar una evaluación, critica,
corrección y ajuste de los datos, el propósito es superar las omisiones, inconsistencias
y desechar las respuestas no significativas o erróneas, téngase presente que la validez
de sus resultados y conclusiones depende en gran medida de la fidelidad de los datos
utilizados. No existen computadoras que por sí, corrijan los errores de recopilación.
Realizados las correcciones o ajustes, se puede proceder a la clasificación o
establecimiento de categorías o intervalos, para la agrupación de los datos.
Finamente se procede a la tabulación o procesamiento de los datos, de acuerdo a un
plan de tabulación previamente definido
Los cuadros y tablas estadísticas como primera fase de la reducción de datos, facilita
el cálculo de los indicadores (porcentaje, promedios, proporciones índices, tasas,
etc...)Con las cuales se inicia la descripción, análisis e interpretación de los datos,
variables e información e información estadística.
4. análisis e identificación de los datos: en esta etapa los argumentos matemáticos y
teóricos de la estadística. atreves de métodos estadísticos se calculan indicadores y
medidas de resumen , se establecen relaciones entre variables , se estiman valores , se
ejecutan pruebas estadísticas ,etc. , como elementos de referencia para la descripción ,
análisis e interpretación del comportamiento de los datos , hacer inferencias válidas y
obtener información de los elementos o unidades estudiadas
Los métodos de análisis de estos datos estadísticos son numerosos y pueden consistir
en una simple observación, hasta recurrir a métodos más elaborados o sofisticados
matemáticamente. La interpretación de los datos y resultados se hacen en el contexto
de los objetivos.
5. formulación de conclusiones y preparación del informé: en toda investigación debe
analizarse el cumplimiento de los objetivos, en función de los resultados
fundamentales .esta contratación permite elaborar un resumen de los aspectos
substantivos que luego se efectuaran en forma de conclusiones y sugerencias
orientadas en la toma de decisiones y sugerencias con el propósito de ofrecer
información actualizada, oportuna y novedosa
Aplicaciones de las investigaciones en la estadística:
La estadística es una potente auxiliar de muchas ciencias y actividades humanas
-educación
-sociología
-geográfica humana
-económica, etc.
- es una herramienta indeseables para la toma de daciones
- también es ampliamente empleada para mostrar aspecto cuantitativos de una
situación
Un ejemplo seria: hacer un censo de población para obtener información que podamos
utilizar con fines sociales, educativos y científicos
Aplicaciones de la estadística: se asocia a estudios demográficos, económicos,
sociológicos. Casi todos los campos de la ciencia emplean instrumentos estadísticos
de importancia fundamental para el desarrollo de su modelo de trabajo
Campos de aplicaciones: es una ciencia de aplicaciones práctica casi universal en
todos los campos científicos
-ciencias naturales: se emplea con profuncion en la descripción de modelos
termodinámicos complejos en física cuántica, en la teoría cinética de los gases
- ciencias sociales y económicas: es un pilar básico del desarrollo de la demográfica y
la sociología aplicada
-económica: suministra los valores que ayudan a descubrir interrelaciones entre
múltiples parámetros macro y micro
-ciencia medicas: permite establecer pautas sobre la evolución de las enfermedades y
los enfermos, el grado de eficacia de un medicamento
Conclusión
Concluimos este trabajo con un conocimiento mayor, de que es la estadística,
para así llegar a conocer sin dificulta todas las ramas que desglosan de ella y poder
entenderla mejor además de tener una mejor idea de cómo se desarrolla.
