Este documento describe las principales escalas de medición utilizadas en estadística: nominal, ordinal, de intervalo y de razón. También clasifica las variables en cualitativas y cuantitativas, y estas últimas en continuas y discretas. Explica que la escala de medición depende de la naturaleza de la variable a medir y es importante para elegir los métodos de análisis.

1. Escalas de Medición
Carlos Naveda Profesor: Pedro Beltrán
24,984,940
Ing Industrial
Materia: Estadística I I.U.P Santiago Mariño

2. Introducción:
• En estadística se estudian datos. 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.

3. Escalas de Medición:

4. Principales Escalas de Medición:
• Como hemos dicho, para que los datos tengan sentido
es necesario compararlos. Y para poder compararlos
debemos utilizar escalas de medición. Dichas escalas
tendrán diferentes propiedades en función de las
características de los datos que se compararán.

5. 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.

6. 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.

7. 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.

8. 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.

9. 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 número mayores corresponden a
temperaturas mayores. Es decir, el orden importa, pero a
la vez la diferencias entre las temperaturas importa.

10. 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).

11. Datos de sección transversal y de series
de tiempo:
• Por último, otra clasificación típica que se suele
realizar sobre los datos es respecto del tiempo en que
estos son adquiridos.
• Los datos de sección transversal son los obtenidos en
el mismo (o aproximadamente) momento.
• En un mismo periodo, cual es el PBI de un grupo de
paises

12. Importancia de las escalas de medición:
• Anteriormente hemos escrito acerca del problema, objetivo e
hipótesis en una investigación o tesis. A continuación vamos a
seguir avanzando en el desarrollo de este tema para eso debemos
definir la escala de medición a utilizar para los datos de las variables
que se van a recoger, ya que será de vital importancia para escoger
los instrumentos estadísticos a utilizar para el análisis de datos.
• Para Sanchez y Reyes (2009), una escala de medición es la forma en
que una variable va a ser medida o cuantificada; por otro lado Tafur
(1995), considera a la escala como un instrumento de medición.
Además es preciso tener en cuenta que la escala a utilizar depende
de la naturaleza de los hechos o del fenómeno que se está
estudiando. En otras palabras, es la naturaleza de la variable la que
determina la escala a utilizar.

13. Aplicación de las escalas de medición:
• En el contexto de la investigación científica, la medición es un asunto
relevante. En general, los investigadores no se dedican a estudiar los aspectos
relacionados con la medición, sin embargo, es necesario precisar este concepto
para poder alcanzar los objetivos de la investigación. Los académicos reconocen
que la aplicación de un enfoque inadecuado de la medición en su estudio puede
generar datos inapropiados. De esta manera, es importante que el investigador
desarrolle instrumentos de medición adecuados.
En el proceso de generación de conocimiento la medición es una
actividad fundamental, que busca que el proceso de observación de personas,
objetos, entre otros aspectos de la realidad, tenga sentido. Para lograr ésto, es
necesario medir y cuantificar los aspectos de interés científico. La medición se
define como la asignación de números a objetos o eventos, es decir, a las
unidades de análisis, de acuerdo a ciertas reglas. A esta caracterización se ha
incorporado la importancia de que dicha asignación corresponda a diferentes
niveles de calidad, en la representación del concepto a medir (Abrahamson,
1983; DeVellis, 1991).

14. Conclusión:
• Recolectar los datos implica seleccionar un instrumento de medición disponible o
desarrollar uno propio, aplicar el instrumento de medición y preparar las mediciones
obtenidas para que puedan analizarse correctamente.
• Medir es el proceso de vincular conceptos abstractos con indicadores empíricos, mediante
clasificación y/o cuantificación. Un instrumento de medición debe cubrir dos requisitos:
confiabilidad y validez.
• La confiabilidad se refiere al grado en que la aplicación repetida de un instrumento de
medición al mismo sujeto u objeto, produce iguales resultados. La validez refiere al grado
en que un instrumento de medición mide realmente la(s) variable(s) que pretende medir.
Se pueden aportar tres tipos de evidencia para la validez: evidencia relacionada con el
contenido, evidencia relacionada con el criterio y evidencia relacionada con el constructo.
• Los factores que principalmente pueden afectar la validez son: improvisación, utilizar
instrumentos desarrollados en el extranjero y que no han sido validados a nuestro
contexto, poca o nula empatía, factores de aplicación.
• No hay medición perfecta, pero el error de medición debe reducirse a límites tolerables.

15. Bibliografía:
• www.monografias.com
• https://mauricioanderson.com/escalas-de-
medicion-estadistica/
• Sánchez H. y Reyes C. (2009). Metodología y
Diseños en la Investigación Científica. Lima:
Visión Universitaria.
• Tafur R. (1995). La tesis universitaria. Lima:
Mantaro.