en la década de 1940, Stanley Smith Stevens introdujo cuatro escalas de medida: nominal, ordinal, intervalo y relación. Estos siguen siendo ampliamente utilizados hoy en día como una forma de describir las características de una variable. Conocer la escala de medición de una variable es un aspecto importante a la hora de elegir el análisis estadístico adecuado.,
Nominal
Una escala nominal describe una variable con categorías que no tienen un orden natural o de clasificación. Puede codificar variables nominales con números si lo desea, pero el orden es arbitrario y cualquier cálculo, como calcular una media, mediana o desviación estándar, no tendría sentido.,
ejemplos de variables nominales incluyen:
-
genotipo, tipo de sangre, código postal, sexo, raza, color de ojos, partido político
Ordinal
una escala ordinal es aquella donde el orden importa pero no la diferencia entre los valores.
ejemplos de variables ordinales incluyen:
Nota Las diferencias entre categorías adyacentes no necesariamente tienen el mismo significado. Por ejemplo, la diferencia entre los dos niveles de Ingresos «menos de 50K» y «50K-100K» no tiene el mismo significado que la diferencia entre los dos niveles de ingresos «50K-100K» y «más de 100k».,
haga elecciones de análisis más informadas y precisas con Prism. Comience su prueba gratuita de Prism.
intervalo
una escala de intervalo es aquella en la que hay orden y la diferencia entre dos valores es significativa.
ejemplos de variables de intervalo incluyen:
-
temperatura (Farenheit), temperatura (Celcius), pH, puntuación SAT (200-800), puntuación de crédito (300-850).
Ratio
una variable de ratio, tiene todas las propiedades de una variable de intervalo, y también tiene una definición clara de 0.0. Cuando la variable es igual a 0.0, no hay ninguna de esa variable.,
ejemplos de variables de relación incluyen:
-
actividad enzimática, cantidad de dosis, velocidad de reacción, velocidad de flujo, concentración, pulso, peso, longitud, temperatura en Kelvin (0.0 Kelvin realmente significa «sin calor»), Tiempo de supervivencia.
cuando se trabaja con variables de cociente, pero no con variables de intervalo, la relación de dos mediciones tiene una interpretación significativa. Por ejemplo, debido a que el peso es una variable de Relación, un peso de 4 gramos es dos veces más pesado que un peso de 2 gramos. Sin embargo, una temperatura de 10 grados C no debe considerarse dos veces más caliente que 5 grados C., Si lo fuera, se crearía un conflicto porque 10 grados C es 50 grados F y 5 grados C es 41 grados F. claramente, 50 grados no es dos veces 41 grados. Otro ejemplo, un pH de 3 no es el doble de ácido que un pH de 6, porque el pH no es una variable de relación.
Obtenga más información sobre la diferencia entre los datos nominales, ordinales, de intervalo y de relación con este video de NurseKillam
|
OK para calcular…., |
No |
Sí |
Sí |
|
|
Media, desviación estándar, error estándar de la media |
No |
No |
Sí |
Sí |
|
Proporciones, coeficiente de variación |
No |
No |
No |
Sí |
Saber la escala de medida para las variables puede ayudar a prevenir errores como tomando el promedio de un grupo de postal (postal) de los códigos, o de la relación de dos valores de pH., Más allá de eso, conocer la escala de medición para sus variables realmente no lo ayuda a planificar sus análisis o interpretar los resultados.
tenga en cuenta que a veces, la escala de medición para una variable no está clara. ¿Qué tipo de variable es el color? En un estudio psicológico de la percepción, diferentes colores serían considerados como nominales. En un estudio de física, el color se cuantifica por longitud de onda, por lo que el color se consideraría una variable de relación. ¿Y los conteos?
hay ocasiones en las que tendrá cierto control sobre la escala de medición., Por ejemplo, con temperatura, puede elegir grados C O F y tener una escala de intervalos o elegir grados Kelvin y tener una escala de relación. Con el nivel de ingresos, en lugar de ofrecer categorías y tener una escala ordinal, puede tratar de obtener el ingreso real y tener una escala de proporción. En términos generales, desea esforzarse por tener una escala hacia el extremo de la relación en lugar del extremo nominal.
Ahorre tiempo realizando análisis estadísticos con Prism. Prueba Prism gratis.,
pruebe su comprensión de las escalas Nominal, Ordinal, de intervalo y de relación
cada escala se representa una vez en la lista a continuación.
- barra de caramelo favorita
- peso del equipaje
- Año de nacimiento
- Tamaño del huevo (pequeño, mediano, grande, extra grande, jumbo)
cada escala se representa una vez en la lista a continuación.,
- rango militar
- Número de hijos en una familia
- números de Camiseta para un equipo de fútbol
- talla de calzado
respuestas: N,R,I,O y O,R,N,i
cuantitativo (numérico) vs cualitativo (categórico)
hay otras formas de clasificar variables que son comunes en las estadísticas. Uno es de carácter cualitativo vs cuantitativo. Las variables cualitativas son descriptivas / categóricas. Muchas estadísticas, como la media y la desviación estándar, no tienen sentido para calcular con variables cualitativas., Las variables cuantitativas tienen un significado numérico, por lo que las estadísticas como las medias y las desviaciones estándar tienen sentido.
Este tipo de clasificación puede ser importante saber para elegir el tipo correcto de análisis estadístico. Por ejemplo, la elección entre regresión (cuantitativa X) Y ANOVA (cualitativa X) se basa en conocer este tipo de clasificación para la variable X en su análisis.
las variables cuantitativas pueden clasificarse en discretas y continuas., Las variables discretas pueden tomar un número finito de valores, o un número infinito, pero numerable de valores. El número de pacientes que tienen un tamaño tumoral reducido en respuesta a un tratamiento es un ejemplo de una variable aleatoria discreta que puede tomar un número finito de valores. El número de accidentes automovilísticos en una intersección es un ejemplo de una variable aleatoria discreta que puede tomar un número infinito contable de valores (no hay un límite superior fijo para el conteo).
Las variables continuas pueden tomar infinitos valores, como la presión arterial o la temperatura corporal., A pesar de que las mediciones reales podrían redondearse al número entero más cercano, en teoría, hay cierta temperatura corporal exacta que sale muchos lugares decimales que es lo que hace que variables como la presión arterial y la temperatura corporal sean continuas.
Es importante saber si tiene una variable discreta o continua al seleccionar una distribución para modelar sus datos. Las distribuciones Binomial y Poisson son opciones populares para datos discretos, mientras que la Gaussiana y Lognormal son opciones populares para datos continuos.,
pruebe su comprensión de discreto vs continuo
la lista a continuación contiene 3 variables discretas y 3 variables continuas:
- Número de pacientes de la sala de emergencias
- presión arterial de un paciente
- peso de un paciente
- pulso para un paciente
- Tiempo de espera de la sala de Emergencias redondeado al minuto más cercano
- Tamaño del Tumor
respuestas: C,D,D,C
Nota,Aunque una variable puede ser discreta,si la variable toma suficientes valores diferentes, a menudo se trata como continua., Por ejemplo, la mayoría de los analistas tratarían el número de latidos cardíacos por minuto como continuos, aunque sea un recuento. El principal beneficio de tratar una variable discreta con muchos valores únicos diferentes como continua es asumir la distribución gaussiana en un análisis.
Comience su prueba gratuita de Prism.
