Scribd Logo
Upload

Welcome to Scribd!

  • ESB Cap. 3 PDF

    Uploaded by

    Marcela Avitia
    10 views19 pages

    Original Title

    ESB Cap. 3.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    10 views19 pages

    ESB Cap. 3 PDF

    Uploaded by

    Marcela Avitia

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 19
    Capitulo II. Estadistica de atributos®? Ep aconstrceon de una base o matrix de datos éfass se pone en las unidades de registro, ‘también denominadss observaciones casos de estudloo simplemente casos. A partir de elias 56 procede a identifica las propiedadeso aributas que las caracterizan. Son estas propiedades 0 tributos los que origina las variables. Cuando interesa resumiry sistematizar la informacion contenida en una base de éatos emprendemos el camine inverso. Centramos fa atencién en las variables y realizames ‘operaciones de conteo cuyo resultado primario es ei mimero de veces que se repitd un Laren y laps de ex sec to cng de Tabard Feiner y Adi Sie mel ejemplo ees socio siigo menor a slr jaye cig mas lio a cle i pice “arable: De acuerdo cm et den ia xa de mesic xr, entnce seria ii are igo a Estadisticn Sacial @dsiea [47 1a Estadistica Résica se puede divdir en dos sub-ramas: una dedicada al atamiento cestaistico dela varlabes ne-meétrias y otra dediada las variables métreas. Esta dstineion permite diferenciar con claridd los conceptosy medidas estadistcas que se emplean en ambas ‘amas ya qu la segunda hace uso pleno de todas las operaciones, mientras que ena primera so se permite emplear el nombre o el orden ée os mero En lor captulos Vy Vi desarrollaremor ls ideas cntrales dela EstadisticaDeseriptiva para variables merleas;ése y el préxima los dedicaremos a los conceptos bslcos Estates para variables no-méticas, también lamada “Estadistica de atributos”. Este capitlo lo Aediearemos a medidas univariadas de atributos entendlendo por tales aquellas que se calculan para resumir I distribucn de ura nica variable no métrca ne capitulo IV introduces ‘tema del andists de asocacgn, ‘Comenzamos fa exposiciéin examinando los concepts elementales de “propor “porcentaje" y *razén”. En las siguientes dos secciones se presentan las dos maneras de representa la distrbuclon defrecuenciae de una variable no métic: ba tabla de frecuenclas y las gras Por ilkimo se Inelye un resumen que ecaptula las principales ideas desaroliadst alolarge del capitulo, TLA-Proporciones, porcentajesyy razones En esta secrién presentaremas primero conceptos matematlcos que permitinin entender las neciones de proporcién y porcenae, y a consinuacon, resentaremos Ia idea de ran, Estas ideas son fundamentals para el andlisis de las variables no métrcas en la medida en que muchas veces slo podemos contar la cantidad de casos pertenectentes a cada una de las catogorias dela variable, Desde el punto de vista ligico la exposciin de estos conceptos debleraillarse por et concept de rz6n para lego tratar las proporciones y porcentajes como casos partculares de quella, Sin embargo, se opt6 por iiciar este capitulo con el tratamiento de esta dltimas rociones parque suelen ser bastante mis familares elas clencas sociales que las “razones y por lo tanto, son una puerta de entrada quefacilita sv comprensin y manejo. Comenzaremos a fexposicin mostrando que estas nociones se pueden aplic en una varledad de stuacones; sestacaremos aquellas en as quel Informactén ya ests tabulada, {1L1.4. Proporciones y porcentajes El concepto “proporedn’ permite medi el tamafo que corresponde a una parte cualquiera en relacién al todo. Tal ver esta nocén planteada en abstracto puede parecer escuridia a la comprensién, por lo que procederemos a dicdaria por pasos hasta legar ejemplos que permitancaptarlaen toda suextersién, ‘Pensemos en una stuaién en que un conjunto de observaclones se puede clasicar en luna serie de partes que stisfacen, a aver, I condicion de ser (i) mutuamenteexcluventes (i) cexhaustivas, es decir, que cada case sélo puede pertenecer a una y sélo una de las partes (categoria 0 partes mutuamente excluyentes)y que no hay ninguna observacién que quede fuera de la clasifiaci (todas y cada una de las unidades que conforman la base de datos Ta clase bao ace media eae 4 Inclae i, an medina yale aa. Sin embason0 ara ninguna difculd en wre ste de goa asic oa MBfescoussticn 5. encuentra acomodo en una parte). Por lo tanto a clasificacin es tal que la suma de 1s casos clasificados en cada categoria es igual al mero total de observaciones La proporeién para una categoria genérica k(ndtese que es k miniseula) sobre un total decasosn™, se define camo: n (La) pe = k=1,23....K [En la ecoacén 11 destacamos que el umerador presents la frecuencia absolta del ndmeto de casos que clasifican ena keésima categora en tanto el numerador(N) representa el total de casos considerados. Los porcentajes se definen corn las proporciones multpicadas or 100, Esto quire dectr que el td se consider igual a 100 yno igual 1 como se hace en el ‘e380 de Ins proporciones. De acuerdo con esta definicién sl simbolizamos el poreentaj con P [> ‘mayiscula) tenemos que: (2) Pe £=1,23..K El propésivo fundamental de esta operacin consist en fata la comprensién de fos resultados, cambiando la base de comparacion de 1 a 100, Para iistrar estas ideas tomemos ‘como ejemplo la distribucion de ls poblacién de Uruguay segtn el sexo tal como lo reise eh Censo ce 2011, La tabla ILt tiene por fuente informacion publiada por el INE en 2013. S6lo estin las fecuencias absoutas, por lo que si deseamos hacer més eloovente la comunicacién «amino simple es apicar la ecuacn IL1yIL2 yas obtener las proporciones y porcentajes de Varones y mujeres, respectlvamente. Transformand asi las cifas sabemos que las 1708485 ‘mujeres son una proporcién igus 0.5199 ene toa, ole que es lo mismo, son el 51,9996 ‘asta ma, Distribucén de la poblal6n de Uruguay segin sexo. 2011 /-—_Distibucin de a poblain de Uruguay 201 Frecuencia absolula ‘Proporsn sean say Porceriajs cod 1ST Tar eae Tse Tree ost Be Ta aa ‘ wir Fei: Unigy ois, INE OTS, pi 1. No ely TO alo qe no pro one er El esquema general de cilculo de la tabla INA consstente con la definiciin de Droporciones y poreentajes se puede represestar en el exqusma tL, Disponemos de una Variable que contiene K cateporias mutuamente excluyentes y exhaustvas (simbolizadas por ‘AQ, el conteo de las freeuencas absolut en cada categoria (denotadas porn) y el total de as ‘idades (nel caso dela tabla I: las categoria son las entraas de las lneas, oo ques lo mismo, ls categories se dstribuye por los reglones. Sin embargo, ls ategoras también se podirtan presentr en columns ™ Uses limbo en miniscul Es convencin url N myc eo Music para pest ‘amo del poblacin yds dela de aes, Estedistica Social Bésice [48 ESQUEMA I -Elementos bisicos que definen una proporcin en el caso de variables no-métrica ‘lasificada por renglones. . nets Freworss Pape Paar A t Den co fe m a F100 m1 oy peo F100 i ny Denn Reo Te N i 7 resultado expresado en el rengln “Total” para la terceracolumna “proporciones” es ‘una consecuenca lca de la propia definiién de proporcion y de que se hizo una claifiaci6n ‘ehaustivayexclyente de todas as unidades.Formalmente,entonces: (L3.) Pita teste tT ‘ten lugar de las proporciones sumamos los porcentajes la suma total no ser ‘gual ala unidad sino 100. ‘Ahora bien, es importante notar que el uso de frecuencas relatvas implica uns sofstiacién en el resumen estadistico dela fformacion. Esta sofisticaién es absolutament ecesara, Veremos que no solo es por una razén de elocuencia (es més sencilloretenes ue el 1206 de la pblacin del pas son mujeres que recordar que ls mujeres son 1 millnsetecientos ‘ocho mil cuatrocentos na). Debe entenderse que detrs de la definicin de proporcisn (y por Consiguiente de porcentaje) est la idea de "controlar" por el nmero total de casos. cielo ‘Stablece cual es la contrbucin de eada parte respect a total 10 que es To mismo, cuanto fepresenta una determinada cantad en un universo de 1 (en proporcin) © 100 (en porcentaje) observaiones, De esta manera la comparaciin es més aproplada al peso relatvo" fe cada categoria sobre el total, pero también, permite comparar el peso de wna misma fategoria pero en diferentes poblaciones analizadas. En la Estadstica veremos distincos instrumentos que inclayen este tipo de control por totales para proporcionar una informactén ‘que no estéafectada por el tamafo de a poblacn asi, posblitarlacomparacin. ‘En ls paginas precedentes hemos aplicado las proporcones y ls percentajes al aso en que las casa contienen frecuencias(nimero de mujeres y hombres, pero las ideas bésicas tn aque se sustentan estos conceptos no se redcen 2 esta situacén. El requsito es que It ‘lasfcacon sea mutuamente excluyentey exhaustiva, L412. Razones ta vazin, que designaremosR, se define como la relacién entre dos némeros. Sty representa un -mimero x tte entonces la relacion se define como: y (m4) R= ea cam paral, imino “contol” se fiers Is oparcn gue tne por objetivo limite ‘fest dl amano lobe osm abanuas dens clos, B0[Escadistica Secial Basica 1a definicén de razén es tan amplia que puede dar erign a una gran variedad de céleulos. En teminos generale, debe considerarse que tanto ls valores de“ como los de“ pueden representarfrecuencas de una variable (en cuyo caso suclen simbolizarse no con y 0 ‘on x sino conn" }ototales de una variables (n); se pueden construirrazones con variables definidas sobre una misma unldad o sobre unidades distnts, también se puede caleular la ‘elacién entre una misma variable desplegada en el espacio en el tiempo, asi como propaner relaciones de segundo orden construldas sobre relaciones de relaiones de ah en adelante. No fe muestra pretensién elaborar un tratamiento sistemdtion y exhaustva sabre las posibles “ralaclones” que puedan ser ites 2a investigaelén soca, sino limtarnos a exponer los pas e uso frecuente en nuestras dseipinas En el capitulo anterior vimos que una forma de generar nuevas varabls era através dela construclén de vazonesapleada por ejemplo, Variables que caracterizan un hogar. Sl)” represontaba ol ingroso del hogar y“¥'represontaba ol nimero de inegrantes del hogar, a ‘an6n entre ambos valores para una mlsma unldad,generaha una nueva varable: el ingress per cipita, Este primer tipo de razones sobre variables distintas en una misma unidad tone s splicacién mAs clara cuando trabajamos con colectves, tales como hogares, municiples, cescudlas, departamentos, pases. Farmalmente: ve LS.) Ry 3 Este tipo Involuera variables métricas y una aplicacién ta mostrames ya para Ie teneracién de nuevos variables en uns matriz de datos. in ejemplo claro es el cémputs del Ingreso per epta det hogar que obtendria cada persona si el total perebido se distrbuyera ‘qsitaivamente entre todos sus miembros. No ahondaremos mas en este capitulo al respects, En adelante, nos concentraremos en razones que invlucran operaciones sobre varables no métrcasydotSmicas. 'Un segundo tipo de razones refer al cociente entre las frecuencias de cada una de Jas categorias de una variable sobre el todo de la variable. Coreesponde a este tipo el cdlcule de proporcionesyporcentajes tal como las hemos presentado enlasecciéa anterior. Eltercer tipo de razones implica realizar cocentes entre las frecuencias de distintas categorias de una misma variable, por lo general tomando una de ls frecuencias como categoria de referencia comparacién. Formalmente: (6) R=" para todo j # k ‘Veamos un ejemplo al respecte. La tabla ML2 presenta informaciéa. sobre matrculacién en la Educacién Media Bésica (EMB) al afo 2011 difundida por el INE en su Dublicacion “Uruguay en cas 2013" ala que ya biciéramos alusionanteriormente (INE, 2013). ‘Ademis de transcribir las frecuencia absolutas, computamos los porcentajs y también una razon que tora como categoria de referencia a la EMB de tipo general y public, Se puede ° nu casi ous ta cd seo del Conjo de Educ Saentni (CES) Sin embrgs, exon ares y estates queaten a modsiades muy particule amin depen el CES que nen o> a [st Estodsstico Soctal 865 preciar que la raén de todas las demas categorias sobre aquella de referencia es menor Ia ‘unidad,indicando que las frecuencas son menores en todos los cass, cuestién que ya queda claro a partic de los porcentajes. Al multpicr la rezén por een, operacin que estéen la ita ‘column de la tabla se tiene una idea mas clara desu significado: se haceevidente que por cada 100 estudiantes que cursan la EME general pbc, hay 19 que hacen EMB general privada y 18 ‘que lo hacen en la EMB téenca. En cambio, solo 2 alumaos hacen la modalidad ral por cada 400 que hacen la general, ‘TABLA IL2 ‘Alumnos matriculados en los distintos sectoresinstitucionales del Educacion Media ‘Basiea (EMB) de Uruguay.2011 - Freese [Posies aii] Rar or be aT iar 0 gen ads Baal cy 7 EI i. ‘at Tai oe Ea 1385 1 ae z Tet eis =I on Tac de aaa STE TR pl 29 Un caso especial del anterlor tipo de rszones involucra aquellassituadiones en que ‘odas las categorias son reducdas a dos lases:aquela de interés (en adelante A) ylas demas tomadas como complementarias (2). Puede ser el caso en que originalmente la vavable fuera dlcotémica o que slendo pluricotbmica, toda las demas se agrupan en una complements. ‘Cuando se toma ei cociente de ia frecuencia relativa de wn categorla sobre la frecuencia relativa sobre el complemento, su resitado se denomina momlo. lla recuoncia reltiva dea categoria enters se denomina pa, ya frecuencia eeativa del complemento B se denomn ps, entonces el momio se define formalmente: pa _(it) me Mme CULT) Momios ®) Paes EI momio de una idea de competenclau oportunidad entre opciones complementaras St tomamas la Informacién extraida en la misma tabla del INE pero relative ela Educacén Superior Universitaria tenemos la tabla UL3. Se puede apreciar que en este caso este caso particular que el momio et igual 8 0,22 cuando se toma como categoria de referencia a los tatrculades en la UDELAR.Aplicando ia misma transformacion de multiplicar el momio por cen, se llega a que por cada 100 esudlantes que asisten a la UDELAR hay 22 que lo hacen al sector privado, Bn el capitulo 1, seccién 4, volveremos a examinar esta nocién y su uldad para el anlisis de asoclaion. ‘ip de psin s Auls Corvin, cargo de onpnizacones de seid Sis ets del Progra Nacional de teak Trt (PNET) ks cursos as eels, S2|fsrea/stice Social Basic TABLAS. Alumnos matriculados en la Universidad de la Repbliea (UDELAR) y en las ‘universes einsticutos unlversitarios privados correspondientes alas carreras de _gado (corts y larga) dela Educacion Superior Universitaria de Uruguay. 2010, fom | Foran | ona | ‘Tied de Ropibea, UOELAR TT aa 706 20 Uitesosre ras ents peter eae a | — ane Foeres Tondo G6 Ta ia TNE, OTS" pg 29° (Hy lw dow de UDELAR sored aT Coa Unveniaro de estes del ata 2007, (2) Se couesende cow: Universidad Cuttin det Usipy, Universid ORT, Universidad de Moni, Universi del Empress Universite Autron® kl Sat, nso Universitario ACI, tat Universitio CLAEH, Instto Uniesiona Marine Sole, Insti Univestaro Metadista Cranon,Instive Unverstatio BIOS, Into Univertrio Francisco de ‘Ase sino Univesre CEDEAP. Un cuarto tipo de razones que nos interesaagulrefere a coctentes construidos sobre dos variables tomadas para las mismas unidades,tenlendo la categoria de wna de as ‘variables como referencia. Sean dos variables dlstitas, tal que "4° representa aquella que se Aefin como variable y categoria de referencia y por otro lado sea", categoria do otra variable ‘que se deses compara, a relacién se expresa formalmente: ame.) Ry =2 % Este po derazones ape, por ejemplo, aa compara entre variables diols ue eresanatenenciao arena delete acivos En elnfrme "Uraguay en fas 2009" oe ‘enor infrmaciinacees ela tenencn de dltntos Bienes de conor en for Bogarer ruguayes. La aba IL reredice et nformacn. dvriase que eta abla tene ages Aierencas importantes respect de ls anteriores que ames vito Par emer, aude de Briss aque hogan el ndvdun En segundo gar, aa renglén catalan em 4e confor tins. Sin ebarg, et no debe contnd Se ttn de una abla qu presets uh ‘resumen esac ualvarado pero lo hace simultnesmeste para an gopo de variables que ‘eferen «ua mismo concept equpalene de confor: el hoga™ Entrega e ta de variables dcotiicas dao qu 6a hay ds postblidaes ges l ha tee ono ene litem de confrt ye porcentj cata sobre el ota de hares de nod qu ol 97596 de ls hears tenenbeladersy el 25H no tienen ete ben En cart ig fable so report feciencia ables de todos os hopes que teen este em. No est Inca a Informactin dequenesotenen elem de confor, es decide acategvia complements en ‘ta variable: Ea qulntolge, el porcentaje mts computa sobre el teal de hogaes un alr {ue tampoc extinct natal sino en pede pina Dehacoeneleapuo I, sen 3, popusinos un adie simsorio de equine, Estadistico Sacial Bésica [$3 TABLA Tenenca de benes de confor nos hogaresuruguayos. 2012 ait de att Facarat | pcan | fan | Rip | ras aon] 7a iz a Tse ener eat] e608 rr m1 ote saa] son] rm wm como rat son] 75 ‘ot 0 re nin aa) ars] 118 oss = ras ze] as om a TET HTN acral Er 7 a cnn Tors mse] ere on 75 ernest ete, Wen) | aae| ae ox 3 ceacorearserin sl ma al a oes maa eas] | oa a pets sacl] ae ca Ei Fase Toad 2 aia INE BUTS pe 6 olde gas sabre Ties compa Tos pormes tee 43.890 se comeponden on os encusads ena ECH 2012 ‘También en este caso y sobre informactén publicada, podemos eperar apicando él cémputo de razones.Defniremas que la varable de referencia seré la tenenea de calef6n 0 termofén para calentar agua para la higene persona. Se trata de un ftem de confore sobre el taal existe reciente consenso respecto de su impertancia para valorar la satisfaclin de ‘ecesidades bisicas de los miembros del hogar. Se observa que un 754% de los hogares ‘iruguayos cuenta con este elemento, una magnitud importante, aunque noes el més extend, Para el céleulo de la aabn, dividicemos la fecuenclaabsoluta de la tenencia de todos los dems ‘lementos sobre la frecuencia de termofones, Solo tes ftems muestran razones superiores: a heladera Gene una razén de 1,22, la TV con 1,21 y la radio 1,14. Ocho ftems tienen razones ‘menores algunas bastante menores tales como la tenencia de vefeulos. ‘A mulipiar por 100 cada razén ex posible comunicar mejor los resutados: Por cada 100 hogares que tienen termofén, hay 122 que tienen heladera, 121 con TV, 114 que fienen una radio y 93 que tenen lavartopas, Lego estas magnitudes bajan un escalén notorio para la {enencia de ftemes de informactin y comnicacin: telefono con 81 hogares por cada 100 con termofdn, 76 para la computadora yl couesin a TV Cable El transporte personal mediante un ‘vehicula privado alcanza a 41 hogares cada 100 que tienen calefén, mostrando que es una Inversion fuera de arestrccin presupuestal en materia de equipamients ‘Un quinta tipo de razones pueden ser constrldas para comparar valores de uns misma variable medida sobre las mismas unidades pero lo lango del tempo. Formalmente se presenta dela sigulente forma: cus) ay=BE paracodoe SAlEscadistica Social Bésica Expliquemos ia ecuacin anterior. Se rata de la misma varlabe, "medida sobre la misma unidad, "EI numerador, x, simboliza el valor de avaiable en la nldad fen el empo {ye denominador, x9, e5 ol valor que alcanzé en lz misma unidad # pero en el tiempo cero, La ‘singularidad es que las medidas se han hecho en tiempos, ditintes, De aqui que necestemos lun segundo subindice para identiicar cade medicién el tiempo, Una de estar medidos, ‘generalmente ia primera cronoldgicamente, se toma como base de la comparacén. Este quinto tipo de razinsuele comunicarse también muliplicado por 100y se denomina ‘nimero indice” & simplemente “indice” de a variable. Cadaver que secalcule un fadice es necesarioexplctar la ‘base de comparacén para saber cud es la base de comparacién. YVeamos el ejemplo tomado esta vez del informe publicado por el INE titulado “Estimaci6n de a pobreza por ef método del Ingres aio 2013" (INE, 2014), Simplemente como ‘observacion y nota de eautela téngase presente que en este ejemplo, la unidad de andlisis ya n0 el hogar, 1 tampoco lo es la persona, a pesar de que el uso del término “persona” pueda Inductra eta condlusién La unidd es elf, disponiéndose para cada uno una medida sobre a Incidencia dela pobreza En su oigen esta infermacién ha requeride realizar operaciones sobre Jas matrices de datos generadas por las ECH de los afos respectives y constrir wna niet rmatriz de datos donde cada renglén es un afo, Replicamos aqui una parte de Ia matriz publicads, MATREZIIL Evolueton de ta pobreza de ingresos en personas. Uruguay 2006 al 2013. E io | Pere is 28 oH = aw 0 nas Fc iar foie i a His Fase INE, 2014 ead 7 we Se puede apreciar en la matric IL qu la pobreza ha disminuldo en su inldencia entre los habitants del pals en los times 6 aos que se extlenden deste 2006 & 2013. AL ‘comienco de esta serie, un 32,59 de los uruguay era pobre de igresos, en tanto que en 2033 les un 1.5%. Hluso de una razén, o mejor adn de un indie con base 100 en 2006, eontebuye 4 formarse una ides mis precisa de fa reduccién de Ia pobreza en el pats, La pobreza cayé de 410035 en8 af, es decir se redujoen 68 puntos. 12, Elaboracién de una tabla de frecuenclas {Ura ver entendids los instrumentos mateméticos bésicos ullzables en el aaliss de varables ‘no mrieas,corresponde ahora ponerse en la situaién de quien produciré la informacion a partirde los datos disponibles directamente en la matrz, Recordemos que una disribuelén de fecuencis es, en su definilén mis slmple, la agrupaciin de datos en las categorias de la variable, indicando el némero de observacones en cada una de elas Su representacén se realiza por medio de tablas de frecuenciasy gras, Pstadier cial Basico [35 Comencemos por presentar las caractersticas de las tablas y en la siguiente seccién Profundizaremos en las formas gréficas de mostar la dlstribucén de variables no-mria. la tabla de frecuencas es ala ver un instrumenta compeo dela estadistca y una forma visual de presentar un resumen de la matriz de datos. Este resumen podré estar ‘organtzado indistintamente por las o cluranas Como veremos 2 continuacién, son vires los elementos que integran una tabla de Aistribucién de fecuencia, sin embargo, su operacién fundamental esa de contr el nimero de «eases que lasifican en cada una de las categorias de a variable no métriea de interés. Esto es, fo aque denominamos frecuencia absoluta, En su aspecto mis general, puede legarse a confundir una tala de frecuencia con una matriz de datos; sn embargo, esta confuién debe ser disipada en forma razonada y lara, ecordando que una tabla es un resumen de una colurana de Ia atria, en el cso de Ia tablas "ntvatiadas que veremos en esta secién el resumen involuera una sola variable de dicha matia de datos. El “dibujo" dea tabla de frecvencias estindar require respetar certs convenciones ‘isicas como ser I ubicacion de las eategorias de a variable en los renglones, los ditintos cestaistics en las columnas:frecuenciasabsolutas y frecuencia relativas, Etim renglén de Ja tabla se titla "otal «informa dea suma dels frecuenciasabsolutasy eatvas. Finalmente, también existen convenciones respect del ttle y fuente de una tabla que revisamos aqui 112.1. Esquema general para una tabla con una varlable nominal ‘Una tabla de frecuencia tiene por objetivo resumir a aistrbucién da a variable tomada de una ratrz de datos, n todos los casos que trabajaremosagul, l resumen aplicé slo sobre una alumna de la matriz. Dado que ademés, ls variables som no métrcas, el resumen tendrd por ‘objeto informar sobre el “peso” que tlene cada catgoria dela variable, Pararesumir se pueden usar uno o varies dels instrumentosestadisticos que hemos presentado ena secci anterior. La eleceié de cules susan dependen tanto de los obetivos planteados en el anilisis como tambign de la estrategla que se ja para comunlea os resultados a pblico destinataro, fn oasiones basta con presenta un nia estadistica el porcentale. Ea otras, se requlere las frecuencia absoluta,porcentajesy agin ipo de azn, ‘Adoptaremos ls convencién de que una tabla esténdar para una varlable nominal Aebiera tener por lo menos dos tpos de informacion la frecuencia absoluta y la frecuencia relat (sea proporcion o porcentje). El exquema I. introduce la dispsicin en una tabla de os distintos elementos que puede ser aplicadaa una variable nominal ‘Une tabla contiene, en su primera columna, alas categoria deta variable reportada, ‘una por cada renga, a modo delstado. Ntese que al tratarse de una variable nominal, es Indistito realizar algin ordenamiento de las categoras. A continuacin del renglén que presenta la time categoria, se anade un rengln que se titlaré "Totaly en el cual se inelird ‘oportunamentela sum para cada columna de las frecuencia corsespondlietes. ‘En Ja segunda columna de la taba presentaremos la frecuencia absolute, que como ‘mendlonamos anteriormente, corresponde al almero de veces que se repite wn determina valor deta categoria. S6[Estoulerica Secial Rasicw ESQUEMA. 2. -lemeatos bisicos que definen una dstribucion de frecuencias de una variable no métrea nominal Gaara Troseis seus [Fic nas BORNE] % een , Sat [— ano Se . “peal Teal w To La tercera column muestra las frecuenclasrelativas, que como vinos esa proporcion e cada frecuencia absoluta en e total de las observaciones, También podré expresarse coma porcentaje, es decir, la proporcién multiplicada por 100. Como vimos en lat pginas precedentes, esta es una medida posiblemente més coerente¢ intutivay en términos de so comunicacién, més efetva a a hora de expresar una nocién de particpacion de una eateporia nel total 1012.2. Tabla de frecuencias para una varlable ordinal En este apart presentaremos la vaiacones que requlee el esquema que diseRamos parse

    You might also like