República Bolivariana de Venezuela
Ministerio De Poder Popular Para La Educación Universitaria
Universidad Nacional Experimental Simón Rodríguez
Núcleo extensión sur Upata
VARIABLES
Facilitador: Participantes:
Jorge Solano Orianjely Jiménez C.I: 30.884.035
Gabriela Carvajal C.I: 20.882.076
Marian Rodríguez C.I: 21.124.282
Madelin Torres C.I: 17.765.048
Upata, Noviembre ,2024.
INDICE
➢ Introducción……………………………………………………………………………
➢ Variables Estadísticas………………………………………………………………..
➢ Criterios para la Identificación de las Variables Estadísticas……………………
➢ Sistema Clasificatorio de las Variables Estadísticas……………………………...
➢ Conclusiones………………………………………………………………………….
➢ Referencias……………………………………………………………………………
Introducción
En el mundo natural y en las sociedades humanas existen fenómenos cuyo
comportamiento no puede establecerse mediante leyes fijas, sino que obedecen a
la conjunción de múltiples factores cuya interacción es a menudo incontrolable. En
tales casos se recurre a análisis estadísticos, que recogen datos sobre un número
elevado de manifestaciones del fenómeno y los relacionan y describen por medio
de tablas, gráficos y valores numéricos representativos.
En términos más formales, una variable estadística es una característica o atributo
que puede variar de un individuo a otro dentro de un grupo o población. Esta
variación se puede expresar numéricamente (edad, altura) o categóricamente
(color de ojos, deporte favorito).
Una variable es una característica de los elementos u objetos que se estudian.
Y los datos son los valores que se obtienen para cada variable. Al conjunto de las
mediciones obtenidas para un determinado elemento u objeto se le llama
observación.
Variables estadísticas
Una variable estadística es una herramienta o instrumento matemático que
representa una característica de estudio de un objeto observable que puede
cambiar y cuyo cambio o variación es representado por un número.
Es decir, los distintos valores numéricos que toma la variable equivalen a los
distintos comportamientos o cambios que se producen en la característica que
queremos estudiar/medir del objeto observable y que son representados/recogidos
en su observación mediante dicha variable.
Así mismo, las variables adquieren valor cuando se relacionan con otras
variables, es decir, si forman parte de una hipótesis o de una teoría. En este caso
se las denomina constructos o construcciones hipotéticas.
Cuando hablamos de una variable estadística nos referimos a algo que
podemos observar, medir o registrar en un conjunto de datos.
Por ejemplo, la altura de Juan es de 180 centímetros. La variable estadística es
la altura y está medida en centímetros.
También podríamos, por ejemplo, decir que el beneficio de una empresa ha
sido de 22.300 dólares el último año. En este caso, la variable sería el beneficio y
estaría medido en dólares.
Estos son ejemplos de variables cuantitativas, porque representan cantidades y
se expresan con números. Claro que no todas las variables estadísticas son
iguales y, por supuesto, no todas se pueden (en principio) expresar en forma de
número.
Algunas son cualitativas, lo que significa que describen una cualidad o
característica sin usar números. De hecho, otra variable podría ser el color de ojos
de una persona. Por ejemplo, Juan tiene los ojos verdes y Andrés los tiene azules.
La variable sería el color de ojos.
Criterios para la Identificación de las Variables Estadísticas
Aunque hay decenas de tipos de variables estadísticas, por norma general
podemos encontrarnos dos tipos de variables:
• Variable cuantitativa: Son variables que se expresan numéricamente.
• Variable continua: Toman un valor infinito de valores entre un intervalo de
datos. El tiempo que tarda un corredor en completar los 100 metros lisos.
• Variable discreta: Toman un valor finito de valores entre un intervalo de
datos. Número de helados vendidos.
• Variable cualitativa: Son variables que se expresan, por norma general, en
palabras.
• Variable ordinal: Expresa diferentes niveles y orden.
• Variable nominal: Expresa un nombre claramente diferenciado. Por
ejemplo el color de ojos puede ser azul, negro, castaño, verde, etc.
Es decir, como ya hemos dicho, muchos tipos de variables estadísticas. Por
ejemplo, podríamos tener una variable estadística de tipo cuantitativo, discreta y
dependiente.
Adicionalmente, también debemos aclarar que el hecho que las variables
cualitativas se expresen con nombre no quiere decir que no puedan ser parte de
un modelo matemático. Así pues, podríamos crear una variable cuantitativa a
partir de una variable cualitativa. Por ejemplo, para el color de ojos podríamos
asignar un 1 si tiene los ojos azules, un 2 si tiene los ojos verdes y un 3 si tiene los
ojos marrones. O, en otros casos, podríamos también convertir variables
dicotómicas que indica SI o NO, en 1 o 0.
Ejemplos de variable estadística
- Ejemplo variable cuantitativa: Un ejemplo de variable cuantitativa serían las
horas que trabaja un empleado a lo largo de la semana. Otro ejemplo podría
ser el número de kilómetros que realiza un ciclista profesional a lo largo de la
temporada.
- Ejemplo de variable continua: Las variables continuas son aquellas que
toman valores infinitos dentro de un intervalo como puede ser el tiempo que un
corredor tarda en recorrer los 100 metros lisos. Un ejemplo más puede ser el
peso de un paquete de espaguetis.
- Ejemplo de variable discreta: Podríamos mencionar el número de helados
vendidos en una heladería o el número de clases que da un profesor a lo largo
del curso lectivo.
- Ejemplo de variable cualitativa: Los asistentes a un concierto que tienen
entradas diferenciadas por la zona en la que se ubiquen como pista, grada o
zona VIP sería una variable cualitativa.
- Ejemplo de variable ordinal: El resultado obtenido por los diferentes pilotos
en una carrera de coches de Fórmula 1 sería una variable ordinal. Otro ejemplo
podría ser la calificación otorgada por los jueces de un campeonato de
gimnasia rítmica.
- Ejemplo de variable nominal: El color de ojos de una persona, azules,
marrones o verdes es un ejemplo de este tipo de variable. Un ejemplo más
sería el estado civil de una persona o su sexo.
Sistema Clasificatorio de las Variables Estadísticas
En estadísticas trabajamos esencialmente con cantidades variables. En
estadística definimos variable como: Una característica medida u observada al
hacer un experimento u observación. Si, por ejemplo, estamos investigando el
clima en Buenos Aires, podemos hacer medidas de temperatura, humedad,
dirección e intensidad del viento etcétera.
Las variables pueden ser clasificadas de diferentes maneras:
- Por su relación con otras variables
En la mayoría de investigaciones cuantitativas variamos una o más conjuntos
de condiciones y medimos los efectos sobre una o más propiedades que son de
nuestro interés. Las condiciones que cambiamos nosotros se denominan variables
independientes6 y los cuya respuesta a las condiciones cambiantes medimos se
llaman variables dependientes.
- Por su nivel de medición
Cuando hacemos una medición o observación o «recogemos un dato»
debemos fijarnos en su nivel de medición, también llamado escala de medición.
Distinguimos cuatro niveles o escalas:
- Nivel 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.
- Nivel ordinal
Cuando los datos muestran las propiedades de los datos nominales, pero
además tiene sentido el orden (o jerarquía) de estos, se dice que se mide en
escala ordinal. Ejemplo:
Una variable que mide la calidad del café en la cafetería de la universidad. Le
podemos asignar de uno a cinco estrellas.
En esta variable sigue sin tener sentido las operaciones aritméticas, pero ahora
sí tiene sentido el orden. Cuatro estrellas es mejor que dos.
- Nivel 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. Por ejemplo: La temperatura (en grados centígrados) medida de una
ciudad, puede ser cero sin que tenga sentido decir que «no hay temperatura».
En este nivel de medición, los número mayores corresponden a temperaturas
mayores. Es decir, el orden importa, pero a la vez la diferencia entre las
temperaturas importa. La diferencia entre 10 grados y veinte grados es igual que
la diferencia entre 20 y 30. El nivel de medida de intervalo también se conoce
como el nivel intervalar.
- Nivel de razón
En una escala de razón –también llamado de ratio o racional, 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 y el salario de una persona. 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).
- Por su precisión
Cuando hablamos de precisión en matemáticas y estadísticas nos referimos
al numero de decimales que tiene una variable. Esto es distinto de exactitud que
significaría la medida en que la medición, o predicción corresponde a la realidad.
1,000 (uno coma cero cero cero), tiene más precisión que 1 (uno) si bien miden la
misma cantidad. Esto lleva a la distinción que hacemos entre
variables discretas y continuas. Las discretas por su naturaleza tienen precisión
cero (no lleva decimales) y las continuas pueden tener la cantidad de decimales
que queramos. Para ilustrar la diferencia consideramos dos
variables: edad y número de hijos. En cuanto a la edad se puede tener diez años,
diez años y medio o si queremos agregar más precisión: 20,45 años. En
cambio número de hijos es una variable discreta. Se puede tener cero, uno o más,
pero no se puede tener 1,45 hijos.
Por su naturaleza vemos que las variables de escala nominal y ordinal son
siempre discretas. Las de escala de intervalo y de escala de razón, en cambio
pueden ser tanto discretas como continuas.
La mayoría de variables de interés en las ciencias duras se miden por escala de
razón o de intervalo, mientras las escalas ordinal y nominal son más importantes
en ciencias humanas. El nivel de medición de una variable es de suma
importancia cuando decidimos qué medidas de tendencia central, variabilidad y
dispersión elegimos para nuestro análisis, y qué test de hipótesis son adecuados.
Es un error muy común entre investigadores, particularmente en las ciencias
sociales, asumir una escala superior a lo teóricamente sostenible.
Usamos diferentes tipos de variables en matemáticas, estadística y en la
investigación científica.
1. Variable cuantitativa continua
La temperatura es una variable cuantitativa continua que puede tomar
diferentes valores.
Una variable cuantitativa continua es toda variable representada por números
que pueden ser expresados por fracciones o decimales como la temperatura,
donde encontramos valores como 37 ºC, 37.5ºC o 38.5ºC.
Otros ejemplos de variables son:
• Los niveles de un compuesto en la sangre: los niveles de azúcar en la sangre
de una persona con diabetes durante un día puede ser 7.5 mM, 8.3 mM o 5.0 mM.
• La medida de la presión atmosférica: a 0 metros sobre el nivel del mar la
presión atmosférica es igual a 1 atm y a 1000 metros sobre el nivel del mar es
igual a 0.887 atm.
• La masa de un objeto: los aguacates de un árbol pueden medir 200.5 gramos,
201 gramos o 205.2 gramos.
• La longitud de un objeto: la altura de los árboles en un parque.
2. Variable cuantitativa discreta
La cantidad de sillas en un salón de clases es una variable cuantitativa discreta.
Una variable cuantitativa discreta solamente puede tomar valores integrales, es
decir 1, 2 o 555, pero no 1.5 o 2.25.
Ejemplos de este tipo de variables son:
• El número de veces que algo sucede: las veces que llovió cada mes en el año
2020
• El número de veces que alguien asume un determinado comportamiento: las
veces que personas mayores de 50 años participan en un maratón.
• La cantidad de personas o seres en un grupo: el número de estudiantes en un
salón de clases solo pueden ser un valor integral, no puede haber una fracción de
un estudiante.
• La cantidad de objetos en un lugar: el número de sillas o de libros en cada salón
de clases de una escuela.
3. Variable cualitativa dicotómica
El sexo es una variable cualitativa que puede tomar dos valores: masculino o
femenino.
La variable cualitativa dicotómica es un dato no numérico que presenta una
cualidad, propiedad o condición observable, que nada más presenta dos valores.
Por ejemplo:
• El veredicto de un jurado: "culpable" o "no culpable".
• El sexo: "masculino" o "femenino".
• El resultado de un examen de antígeno: "positivo" o "negativo".
• Presencia de una condición: "presente" o "ausente".
• El tipo de hospital: "público" o "privado".
4. Variable cualitativa categórica o nominal
Es la variable no numérica que presenta tres o más categorías. Por ejemplo:
• La afinidad por un equipo: en el futbol mexicano puedes ser fanático de "el Atlas
Fútbol Club", "el Club América" o "el club León".
• Los deportes olímpicos: "natación", "voleibol", "atletismo", "esgrima" o
"gimnasia".
• Los estados de la materia: "sólido", "líquido" o "gaseoso".
• Carreras universitarias: "biología", "derecho", "medicina", "enfermería" o
"economía".
5. Variables ordinales
Los valores pueden ordenarse, de menor a mayor, de más importante a menos
importante, de primero a último, etc. Este tipo de variable la observamos en:
• Clase social: "clase baja", "clase media" o "clase alta".
• Nivel socioeconómico: A/B (clase rica), C+ (clase media alta), C (clase media),
D+ (clase media baja), D (clase pobre), E (pobreza extrema).
• Competencia en un idioma: "básico", "intermedio" o "avanzado".
• Grados de un colegio: primer grado, segundo grado, tercer grado, etc.
6. Variable independiente
La variable independiente es una variable que se presenta sin necesidad de
otra. En ciencia, es la variable manipulada o controlada por el investigador. Es
decir, se le puede atribuir valores a voluntad dentro de ciertos límites. Por ejemplo,
en el estudio de los efectos de una droga, la variable independiente puede ser
cualitativa si hay un grupo control sin droga y un grupo con tratamiento.
Por lo general, los estudios científicos se enfocan en examinar los efectos de
una variable independiente. En un estudio se analizó el impacto de cinco
intensidades de un campo magnético sobre plantas de cebada. En este caso, la
variable independiente fue la intensidad del campo magnético.
7. Variable dependiente
La variable dependiente es una variable que es consecuencia de otra. Por
ejemplo, la altura de los niños es una variable dependiente de la edad. Un niño de
10 años es más alto que un niño de 5 años.
La variable dependiente es la medida del efecto de la variable independiente.
En un estudio se midió la circunferencia de la cintura en dos grupos de mujeres,
un grupo control y otro grupo que practicó danza terapia por ocho semanas. La
variable dependiente es la circunferencia de la cintura, mientras el régimen de
baile es la variable independiente.
La forma más fácil de identificar una variable dependiente es detectando el
efecto o la consecuencia de algo, es decir, la variable independiente que es la
causa. Como en el caso anterior, la práctica de baile es la causa o variable
independiente y la consecuencia es sobre la medida de la cintura o variable
dependiente.
Mientras la variable independiente se manipula o fija, la variable dependiente se
mide o registra.
8. Variable independiente extraña
Son aquellas variables independientes que no están relacionadas con el
propósito del estudio, pero que pueden afectar las variables dependientes.
Un ejemplo de una variable extraña es la inteligencia en un estudio de los
efectos de tomar desayuno y los resultados de un examen de matemática en un
grupo de estudiantes. Se supone que la variable independiente es tomar o no
tomar desayuno antes de realizar un examen de matemáticas. Los resultados del
examen serian la variable dependiente, sin embargo, en este caso, la inteligencia
de cada niño podría influenciar en el resultado.
Conclusión
En resumen las variables estadísticas son herramientas esenciales en la
estadística. Al comprender los diferentes tipos de variables y sus características,
podemos realizar análisis de datos más precisos y extraer conclusiones
significativas.
Las variables estadísticas son el pilar fundamental sobre el cual se construye
toda la estadística. Son las unidades de información que se recolectan, analizan e
interpretan para obtener conclusiones significativas.
Existen una amplia variedad de tipos de variables, cada una con sus propias
características y métodos de análisis. Esta diversidad permite adaptar el análisis
estadístico a una gran variedad de situaciones y disciplinas.
Las variables estadísticas nos permiten explorar y comprender fenómenos
complejos. A través de su análisis, podemos identificar patrones, tendencias y
relaciones entre diferentes variables.
La información obtenida a partir del análisis de variables estadísticas es
esencial para tomar decisiones informadas en diversos ámbitos, desde la
investigación científica hasta la gestión empresarial.
Aunque las variables estadísticas son poderosas herramientas, es importante
reconocer sus limitaciones. Los resultados obtenidos dependen de la calidad de
los datos recolectados y de la elección de las técnicas estadísticas adecuadas.
Referencias
1. «Variable cuantitativa - ¿Qué es?, características, ejemplos y más». Enciclopedia
Económica. 4 de enero de 2019.
2. ↑ Saltar a:a b c d e f g h i Leonardo Paredes (2009). «Las Variables de la
Investigación».
3. ↑ Arnal et al. (1992). «3 "Proceso general de investigación"». Investigación
educativa. Barcelona: Labor. p. 72.
4. Ercan, I, et al (2021) Magnetic field effects on the magnetic properties,
germination, chlorophyll fluorescence, and nutrient content of barley
(Hordeum vulgare L.) Plant Physiol. Biochem. 170:36-48. doi:
10.1016/j.plaphy.2021.11.033.
5. Hernández-Sampieri, R., Fernández Collado, C., Baptista Lucio, P. (2014)
Metodología de la investigación 6ta ed. McGraw-Hill. México.
6. Marczyk, G., DeMatteo, D., Festinger, D. (2005) Essentials of research
design and methodology. Jon Wiley & Sons. New Jersey.
