Original article: https://www.freecodecamp.org/news/types-of-data-in-statistics-nominal-ordinal-interval-and-ratio-data-types-explained-with-examples/

Si estás estudiando para un examen de estadística y necesitas revisar las diferentes categorías de datos, este artículo te brindará una breve descripción general con algunos ejemplos simples.

Porque seamos realistas: No muchas personas estudian los tipos de datos por diversión o en su vida cotidiana real.

Así que vamos a sumergirnos.

Datos cuantitativos vs. cualitativos: ¿Cuál es la diferencia?

En resumen: cuantitativo significa que puedes contarlo y es numérico (piensa en cantidad, algo que puedes contar). Cualitativo significa que no puede, y no es numérico (piensa en calidad, en cambio, datos categóricos).

¡Boom! Sencillo, ¿verdad?

Hay una distinción más que debemos aclarar antes de pasar a los tipos de datos reales, y tiene que ver con los datos cuantitativos (números): datos discretos frente a datos continuos.

Los datos discretos involucran números enteros (enteros, como 1, 356 o 9) que no tiene sentido dividirlos debido a su propia naturaleza.

Como la cantidad de personas en una clase, la cantidad de dedos en las manos o la cantidad de hijos que tiene alguien. No se puede tener 1.9 hijos en una familia (a pesar de lo que diga el censo).

Los datos continuos, por otro lado, son lo contrario. Se pueden dividir tanto como quieras y medir hasta muchos lugares decimales y aun así cobran sentido en el mundo real.

Como el peso de un automóvil (se puede calcular con muchos decimales), la temperatura (32,543 grados, etc.) o la velocidad de un avión.

Ahora para las cosas divertidas.

Tipos de datos cualitativos

Datos nominales

Los datos nominales se utilizan para etiquetar variables sin ningún valor cuantitativo. Los ejemplos comunes incluyen hombre/mujer (aunque algo anticuado), color de cabello, nacionalidades, nombres de personas, etc.

En lenguaje sencillo: básicamente, son etiquetas (y nominal proviene de "nombre" para ayudarte a recordarlo). Tienes cabello castaño (u ojos marrones). Eres americano. Tu nombre es Jane.

Ejemplos:

¿Qué color de pelo tienes?

Marrón
Rubio
Negro
Unicornio arco iris

¿Cuál es tu nacionalidad?

Americana
Alemana
Keniana
Japonesa
Ten en cuenta que estas variables no se superponen. De todos modos, a los efectos de las estadísticas, no puedes tener el cabello castaño a la vez que el color del unicornio del arcoíris. Es decir, solo están realmente relacionados por la categoría principal de la que forman parte.

image-11
Una anomalía estadística... Tal vez el color de los ojos hubiera sido un mejor ejemplo. Excluyendo la heterocromía. Simplemente no puedo ganar aquí.

Datos ordinales

La clave con los datos ordinales es recordar qué ordinal suena como orden. Y es el orden de las variables lo que importa. No tanto así las diferencias entre esos valores.
Las escalas ordinales se utilizan a menudo para medir la satisfacción, la felicidad, etc.

¿Alguna vez has tomado una de esas encuestas, cómo está?

"¿Qué tan probable es que recomiendes nuestros servicios a tus amigos?"

  • Muy probable
  • Probable
  • Neutral
  • Improbable
  • Muy improbable

Mira, realmente no sabemos cuál es la diferencia entre muy improbable e improbable, o si es la misma cantidad de probabilidad (o improbabilidad) que la que existe entre probable y muy probable. Pero eso está bien.

Solo sabemos que probable es más que neutral. Asimismo, improbable es más que muy improbable. Todo está en el orden. En otras palabras, hablamos de una Jerarquía.

Tipos de datos cualitativos

Datos de Intervalo

Los datos de intervalo son divertidos (y útiles) porque se refieren tanto al orden como a la diferencia entre las variables. Esto nos permite medir la desviación estándar (también conocida como desviación típica) y las medidas de tendencia central.

El ejemplo favorito de todos de datos de intervalo son las temperaturas en grados centígrados. 20 grados C es más cálido que 10, y la diferencia entre 20 y 10 grados es de 10 grados.

La diferencia entre 10 y 0 es también de 10 grados. Si necesitas ayuda para recordar qué son las escalas de intervalo, solo piensa en el significado de intervalo: La distancia entre ellas. Esto se refiere a la diferencia entre dos valores, siempre y cuando la misma no sea un cero absoluto.

Entonces, no solo te importa el orden de las variables, sino también los valores entre ellas.

Sin embargo, hay un pequeño problema con los intervalos: no hay un "cero verdadero". Un cero absoluto no tiene valor, no existe nada de eso, pero 0 grados C definitivamente tiene un valor: hace bastante frío. También puede tener números negativos.

Si no tienes un cero absoluto, no puedes calcular proporciones. Esto significa que con ellos puedes trabajar operaciones de suma y resta, pero no de división y multiplicación.

Ratios o datos de razón

Gracias a Dios que existen los ratios. Resuelve todos nuestros problemas.
Los ratios nos informan sobre el orden de las variables, las diferencias entre ellas y tienen ese cero absoluto. Esta estructura matemática permite realizar y extraer todo tipo de cálculos e inferencias.

Los datos de razón son datos de intervalo muy similares, excepto que cero significa ninguno. Para datos de razón, no es posible tener valores negativos. Por ejemplo, la altura es un dato de razón.

No es posible tener altura negativa. Si la altura de un objeto es cero, entonces no hay objeto. Esto es diferente a algo como la temperatura. Tanto 0 grados como -5 grados son temperaturas completamente válidas y significativas.

¡Muy bien! Ahora que tienes un manejo básico de estos tipos de datos, deberías tener una mayor y mejor preparación para abordar ese examen de estadísticas. Muchas gracias por leer y.... ¡Éxitos!