Camila Rosales

IBEST
o EJEMPLO: La variable es la Enfermedad. Los
valores que puede asumir es presencia o
ausencia. Podemos decir que es mejor estar
sano que enfermo…. Pero no que es mayor
Variables la enfermedad que la ausencia de la mismo,
solo es diferente
 Escala ordinal: Organiza los datos estableciendo
 Una variable es una característica que toma dife- un orden según una magnitud relativa
rentes valores en los elementos de una población o Permite establecer relaciones de igualdad,
o muestra diferencia, mayor o menor que
o También puede tomar diferentes valores o Las operaciones aritméticas carecen de sen-
en el mismo elemento en diferentes mo- tido
mentos o EJEMPLO: El orden de las categorías cobra
> Ejemplo: La variable Frecuencia importancia, por ejemplo, en el grado de in-
Cardiaca (número de latidos car- suficiencia cardiaca (de 1 a 4), sin embargo,
diacos por minuto) es diferente estar en un estadio 4 no significa que sea
en dos individuos, pero también cuatro veces más grave que el 1, pero si es
va a variar en el mismo individuo un estadio de mayor gravedad
TIPOS DE VARIABLES ESCALAS DE MEDIDA: VARIA-
 Cualitativas: Hacen referencia a una cualidad o
atributo BLES CUANTITATIVA
o Por ejemplo: Sexo, género, presencia o  Escala de intervalos: Agrega a la escala ordinal la
ausencia de una enfermedad, estadio de posibilidad de poseer valores numéricos en los
una enfermedad o nivel educativo. cuales distancias numéricas iguales representan
 Cuantitativas: Son aquellas variables que pueden distancias iguales con respecto al atributo que se
ser cuantificadas, refiriéndose a la cantidad de la mide
propiedad o atributo que se está midiendo o No existe un 0 absoluto, es decir, no existe
o Por ejemplo: La frecuencia cardiaca, la la ausencia del atributo
presión arterial, el peso, la talla, etc. o Dado que no existe el 0 absoluto no es posi-
ble establecer proporciones
> Cuantitativas discretas: Son aque-
llas variables que no admiten va- o Tienen sentido las relaciones de igualdad,
lores intermedios entre dos con- diferencia, mayor o menor, la suma, la resta
y el promedio
secutivos. Ej: Número de infartos;
o EJEMPLO: La temperatura en ºC es un buen
puedo tener uno, dos, o tal vez
más, pero no puedo tener medio ejemplo, ya que 0ºC no significa que no
infarto. haya temperatura, equivale a una tempera-
tura de 273ºK. El 0ºC fue definido arbitra-
> Cuantitativa continua: Pueden te-
riamente por el punto de solidificación del
ner infinitos valores entre dos po-
agua.
sibles. Ej: El tiempo; puede ser
años, meses, semanas, días, ho- > Así mismo la diferencia que hay entre
10 y 20ºC es la misma que hay entre 20
ras, minutos, segundos
y 30ºC, pero no podemos decir que si
ESCALAS DE MEDIDA: VARIA- estamos a una temperatura de 30ºC es
BLES CUALITATIVAS tres veces más caliente que a 10ºC.
 Escala nominal: Se limita a nombrar los valores  Escala de razón: Agrega a la de intervalo la exis-
que toma la variable tencia de un 0 absoluto, es decir, la ausencia de la
o En este caso los valores medidos caen den- característica
tro de categorías o clases o Permite establecer razones o proporciones
o A menudo se asignan números a los valo- o EJEMPLO: El peso en KG donde la diferencia
res, pero simplemente están identificando que hay entre 10 y 20Kg es la misma que
los valores que puede tomar este tipo de hay entre 20 y 30Kg, pero a diferencia de lo
variable, por lo que estos valores numéricos que pasa con la temperatura en ºC,
representan las categorías de la variable puedo decir que si algo pesa 30Kg pesa el
o En esta escala solo es posible establecer re- doble de algo que pesa 15kg.
laciones de igualdad o diferencia y calcular  Hay que ver la naturaleza de la variable para
porcentajes y la moda. clasificarla, no el uso que le damos
Camila Rosales

Medidas de tendencia
Tipo de variable Escala Operaciones posibles
central posibles
Nominal =; ≠ Moda
Cualitativa =; ≠; ≥; ≤; +; -; moda; me-
Ordinal Moda, mediana
diana
=; ≠; ≥; ≤; +; -; moda; me-
Intervalo Moda, media, mediana
diana; media
Cuantitativa (discreta o
=; ≠; ≥; ≤; +; -; moda; me-
continua)
Razón diana; media; rango; coefi- Moda, media, mediana
ciente de variación

CLASIFICACIÓN DE LAS VARIA- partes constitutivas o dimensiones para poder ser

estudiadas. A estas dimensiones les vamos a asig-
BLES POR SU ROL EN LA INVES- nar indicadores, que luego se utilizan para elabo-
TIGACIÓN rar un índice
 CAUSA – Variables independientes: Sus valores o  Indicadores: Elementos que representan un indi-
categorías influyen en el comportamiento de cio, señal o medida que permite estudiar o cuanti-
otras variables ficar cada una de las dimensiones
o También se conocen como variables “pre- o Los indicadores son propiedades observables
dictoras”, “explicativas” o “exógenas” que suponemos ligadas empíricamente (aun-
 EFECTO – Variables dependientes: Su valor de- que no necesariamente en forma causal) a
pende del valor que hayan tomado o tengan las una propiedad latente que nos interesa
variables independientes  Operacionalización: Proceso por el cual se trans-
o Se establece en las hipótesis de investiga- forma una variable referente a conceptos abstrac-
ción tos en términos concretos, medibles.
> La misma variable puede funcionar o El proceso de operacionalización implica es-
en unas hipótesis como dependiente tablecer las dimensiones en las que se va a
y en otras como independiente medir la variable, y luego definir los indicado-
o Se conocen también como variables “expli- res (valores concretos y medibles) que van a
cativas” o “endógenas”. describir cada dimensión
 CONFUSORAS – Variables intervinientes: Modifi-  Pasos para la operacionalización de variables:
can la relación entre dos variables 1) Identificar cuál es la variable
2) Cuáles son sus dimensiones y cuáles los indica-
dores de cada una de ellas
VARIABLES COMPLEJAS 3) A partir de esos indicadores se elabora un ín-
 Son aquellas variables cuyo nivel de complejidad dice.
es tal, que hace difícil su traducción a un nivel em-
pírico, por lo que es necesario descomponerlas en

Variable Definición conceptual Dimensiones Indicadores

Tiempo medido en horas y

minutos que tarda una
Accesibilidad
persona en trasladarse
geográfica desde su domicilio al centro
Mayor o menor posibilidad de salud
de Cantidad de dinero que
Accesibilidad a los servicios tomar contacto con los Accesibilidad gasta para recibir atención
de salir servicios de salud para re- económica Disponibilidad económica
cibir para cubrir ese gasto
asistencia Conocimientos sobre la
atención que se da en el
Accesibilidad centro de salud
cultural Percepción del problema de
salud
Camila Rosales

Distribucion univariada

y representacion grafica

 Distribuciones univariadas: Permiten analizar la

distribución de una única variable, es decir, cómo
se reparten los valores a lo largo de su dominio.
 Representación gráfica: Permite ver la relación en-  Gráfico escalera: Dos ejes. En el eje X se colocan los
tre datos, ideas, información y conceptos, que los valores de la variable; en el eje Y la frecuencia acu-
datos crudos no muestran a simple vista mulada. Se trazan líneas horizontales para cada va-
 FRECUENCIA ABSOLUTA (ni): Cantidad de veces lor. La altura representa la frecuencia
que se repite una observación o Se utiliza para representar frecuencias acu-
 FRECUENCIA RELATIVA (fi): La proporción de veces muladas
que se repite una observación
o La suma de todas las frecuencias relativas
es 1
𝑛𝑖 (𝐹𝑟𝑒𝑐. 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑎)
𝑓𝑖 =
𝑁 (𝑇𝑜𝑡𝑎𝑙)
 FRECUENCIA RELATIVA ACUMULADA (Fi): Es el nú-
mero de observaciones que quedan por debajo de
un determinado valor o son iguales a él
o El valor máximo siempre será 1
 FRECUENCIA RELATIVA PORCENTUAL (fi%): Multi-  Histograma: Útil cuando tenemos muchos datos.
plicar la frecuencia relativa por 100 Diagrama de barras en el que al área de las barras
o La suma total debe ser igual a 100% representa la frecuencia relativa %. Barras unidas.
𝑛𝑖 (𝐹𝑟𝑒𝑐. 𝐴𝑏𝑠𝑜𝑙𝑢𝑡𝑎) En el eje X se colocan los intervalos; en el eje Y la
𝑓𝑖 = 𝑥100
𝑁 (𝑇𝑜𝑡𝑎𝑙) frecuencia relativa o la densidad de frecuencia
 FRECUENCIA RELATIVA PORCENTUAL ACUMU- o Se utiliza para representar la frecuencia re-
LADA (Ni%): Es el porcentaje de observaciones que lativa % en caso de que todos los intervalos
quedan por debajo de un determinado valor o son tengan la misma amplitud. De no ser así, se
iguales a él usa la densidad de frecuencia %
o El máximo valor siempre será 100
 DENSIDAD DE FRECUENCIA (Y): Es el cociente en-
tre la frecuencia relativa y la longitud de cada uno
de los intervalos
𝑓𝑖 (𝐹𝑟𝑒𝑐. 𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑎)
𝑌=
𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜𝑠

REPRESENTACIÓN GRÁFICA
 Gráfico de barras: En el eje X se ubican las catego-
rías de la variable; en el Y la escala de frecuencias.  Polígono de densidad: Línea que se construye a
La escala debe iniciarse en cero y coincidir con el partir del histograma. Primero se marca el punto
eje de las abscisas (X). La altura de cada barra re- medio de cada límite superior de cada barra. Luego
presentará la frecuencia. Las barras deben estar se- los puntos se unen. Debe estar cerrado. El área del
paradas polígono es igual al área del histograma
o Se usa frecuencia absoluta o frecuencia re-
lativa
 Gráficos sectoriales: Se trata de un circulo en el que
se reparten de manera proporcional los datos
o Se usa la frecuencia relativa o la frecuencia
relativa porcentual
Camila Rosales

 Ojiva: Es un gráfico que muestra la curva de una MODA

función de distribución acumulativa. Los puntos  Moda: Es el valor que corresponde a la máxima fre-
trazados son el límite de la clase superior y la fre- cuencia
cuencia acumulativa correspondiente o Se puede usar en cualquier tipo de variable:
o Se utiliza para representar las frecuencias cualitativas (escala nominal u ordinal) y cuan-
acumuladas titativas (escala de razón e intervalo)
o Puede haber más de una moda (variables
bimodales)

Datos agrupados Datos sin agrupar

Será la marca de clase
del intervalo con mayor
Densidad de frecuencia Va a ser el valor o los va-
Si TODOS los intervalos lores que sean más fre-
tienen la misma ampli- cuentes
tud, podemos fijarnos
en la frecuencia relativa
 Gráfico de caja y línea (box-plot): Se trata de un
gráfico basado en los MEDIA
cuartiles, que pro-  Es la suma de todos los valores dividido el N. Lo co-
porciona informa- nocemos como promedio
ción sobre la sime- o Cuantos más valores, más estable es pero es
tría y la concentra- muy sensible a valores extremos
ción de la distribu- o Buena medida cuando la distribución es uni-
ción. Otra caracterís- modal y simétrica
tica del gráfico de
caja y línea es que PARA DATOS NO AGRUPADOS
pone en evidencia si 𝑥𝑖
𝑀𝑒𝑑𝑖𝑎 (𝑥̅ ) = ∑
la distribución tiene 𝑁
valores extremada- Ejemplo:
mente altos o bajos, por lo que resulta muy útil Sujeto 1 2 3 4 5
para detectar valores atípicos.
Litros 2,30 2,15 3,50 2,60 2,75
Variable cualitativa 2,30 + 2,15 + 3,50 + 2,60 + 2,75
Solo diagrama de barras
ordinal 𝑥̅ = = 2,66 𝑙𝑖𝑡𝑟𝑜𝑠
5
Diagrama de barras
Variable cualitativa PARA DATOS AGRUPADOS
nominal Grafico sectorial o de torta
𝑥̅ = ∑ 𝑥̇ 𝑖 . 𝑓𝑟𝑒𝑐. 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎𝑖
Variable cuantitativa dis- Diagrama de barras  Marca de clase (𝑥̇ ): Punto medio del intervalo
creta Gráfico de escaleras Ejemplo:
Marca de clase
Histograma Edad (Años) Frec. Relativa
Variable cuantitativa con- 𝒙̇
Polígono de densidad [10; 20) 15 0,2
tinua
Ojiva [20; 30) 25 0,4
[30;50) 40 0,3
[50; 90) 70 0,1
Medidas de resumen 𝑥̅ = (15 × 0,2) + (25 × 0,4) + (40 × 0,3) + (70
× 0,1)
𝑥̅ = 32 𝑎ñ𝑜𝑠
MEDIDAS DE TENDENCIA CEN-
MEDIANA
TRAL  Es el valor de la variable que divide la distribución
 Describen la disposición de la distribución de fre- en 2 partes iguales, con sus valores ordenados de
cuencias en torno a un valor central mayor a menor
Camila Rosales

o Es decir, que es el valor tal que quedan tantas RANGO

observaciones de un conjunto de datos con un  Para datos SIN AGRUPAR
valor superior a él como inferior 𝑅𝑎𝑛𝑔𝑜 = 𝑉𝑎𝑙𝑜𝑟 𝑚á𝑥𝑖𝑚𝑜 − 𝑉𝑎𝑙𝑜𝑟 𝑚í𝑛𝑖𝑚𝑜
o Se puede usar en variables cualitativas (solo
escala ordinal) y cuantitativas (escalas de ra- Ejemplo: 𝑅𝑎𝑛𝑔𝑜 = 4,20 − 2,15 = 2,05
zón e intervalo) Su-
1 2 3 4 5 6
 Si el N° de datos es impar: El valor en la posición jeto
𝑛+1 Litros 2,15 2,30 2,60 2,75 3,50 4,20
𝑀𝑒𝑑𝑖𝑎𝑛𝑎 (𝑀𝑑) = 𝑉𝑎𝑙𝑜𝑟 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 ( )
2
 Para datos AGRUPADOS
Ejemplo1: Cómo el número de datos es par (6)
(5 + 1)
=3
2
Sujeto 1 2 3 4 5 VARIANZA (S2)
Litros 2,15 2,30 2,60 2,75 3,50  La varianza cuantifica la cantidad de variabilidad o
Por lo tanto: 𝑀𝑑 = 2,60 𝑙𝑖𝑡𝑟𝑜𝑠 dispersión alrededor de la media de un conjunto
de datos
Ejemplo2: En caso de que se trate de una variable cua- o Las unidades de la varianza son las de la va-
litativa ordinal riable elevadas al cuadrado
(5 + 1)
=3  Para datos SIN AGRUPAR
2
Sujeto 1 2 3 4 5
2
∑(𝑥𝑖 − 𝑥̅ )2
Litros Bajo Medio Medio Alto Alto 𝑆 =
(𝑛 − 1)
Por lo tanto: 𝑀𝑑 = 𝑅𝑖𝑒𝑠𝑔𝑜 𝑚𝑒𝑑𝑖𝑜
Ejemplo: 𝑥̅ = 2,15 𝑙𝑖𝑡𝑟𝑜𝑠
 Si el N° de datos es par: El promedio de los valores
en las posiciones Sujeto 1 2 3
𝑛 𝑛+ 1 Litros 2,30 2,15 3,50
𝑀𝑑 = 𝑉𝑎𝑙𝑜𝑟 𝑒𝑛 𝑙𝑎 𝑝𝑜𝑠𝑖𝑐𝑖ó𝑛 ( ) 𝑦 ( )
2 2
𝑠 2 = [(2,30 − 2,15)2 + (2,15 − 2,15)2 + (3,50 − 2,15)2 ]
Ejemplo1: Como el número de datos es impar (5)
6 6 3−1
( ) = 3 𝑦 ( + 1) = 4
2 2 [0,023 + 0 + 1,823]
Su- 𝑠2 =
1 2 3 4 5 6 2
jeto
Litros 2,15 2,30 2,60 2,75 3,50 4,20 1,846
(2,60+ 2,75) 𝑠2 = = 0,923 𝑙𝑖𝑡𝑟𝑜𝑠 2
Por lo tanto: 𝑀𝑑 = = 2,68 𝑙𝑖𝑡𝑟𝑜𝑠 2
2

Ejemplo2: En caso de que se trate de una variable 𝑠 = √0,923 𝑙𝑖𝑡𝑟𝑜𝑠 2 = 0,961 𝑙𝑖𝑡𝑟𝑜𝑠 Desvío
cualitativa ordinal Estándar
6 6  Para datos AGRUPADOS
( ) = 3 𝑦 ( + 1) = 4
2 2 𝑠 2 = ∑[(𝑥̇ 𝑖 − 𝑥̅ )2 . 𝑓𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎𝑖 ]
Su-
1 2 3 4 5 6
jeto
Me- Me- Ejemplo: 𝑥̅ = 32 𝑎ñ𝑜𝑠
Litros Bajo Alto Alto Alto Marca de clase
dio dio Edad (Años) Frec. Relativa
Por lo tanto: 𝑀𝑑 = “La mediana se encuentra en- 𝒙̇
tre riesgo medio y alto” [10; 20) 15 0,2
[20; 30) 25 0,4
[30;50) 40 0,3
MEDIDAS DE DISPERSIÓN [50; 90) 70 0,1
 Nos da idea de cómo se distribuyen los datos,
cuantifica la variabilidad
o Podemos saber si los datos están muy con-
centrados o si los datos están muy dispersos
Camila Rosales

𝑠 2 = ((15 − 32)2 × 0,2) + ((25 − 32)2 × 0,4)

+ ((40 − 32)2 × 0,3)
+ ((70 − 32)2 × 0,1)

𝑠 2 = 241𝑎ñ𝑜𝑠 2

Desvío
𝑠 = √241 𝑎ñ𝑜𝑠 2 = 15,5 𝑎ñ𝑜𝑠
Estándar
DESVÍO ESTÁNDAR
 Es la raíz cuadrada de la varianza
o Las unidades del desvío estándar, coinciden
con las de la variable

𝑠 = √𝑠 2

COEFICIENTE DE VARIACIÓN
 Es la relación entre el desvío estándar y la media
de un conjunto de datos
o Ya que el desvío estándar y la media tienen
las mismas unidades, el coeficiente de va-
riación es adimensionado, no tiene unida-
des.
𝑠
𝐶𝑉 = × 100%
𝑥̅