 Variable cuantitativa continúa.

Dentro de la clase de Variable Cuantitativa se distinguen las de tipo Continuas, las cuales se
definen como aquellas entidades o variables que toman valores numéricos correspondientes
a un valor fijo, perteneciente a un intervalo determinado, el cual además se encuentra
siempre entre dos valores visibles, entre los cuales siempre se encuentra un posible tercer
valor intermedio, cuya magnitud casi siempre toma la Variable Cuantitativa Continua.

De esta forma, este tipo de variables toman cifras numéricas a lo largo de un intervalo de
valores, es decir, de un continuo numérico, hecho que a su vez le confiere la cualidad de no
poder ser medida con exactitud, a diferencia por ejemplo de las variables cuantitativas
discretas, las cuales pueden ser calculadas con exactitud. Por el contrario, la medición de
las variables cuantitativas continuas siempre contará con un margen de error importante,
puesto que dependerá constantemente de la precisión de los instrumentos de medición
elegidos.

En este sentido, dentro de las muchas variables cuantitativas continuas que pueden verse
involucradas en los distintos tipos de operaciones matemáticas, se pueden nombrar algunas
de las más cotidianas o comunes. De esta forma, algunos ejemplos de variables
cuantitativas continuas serán las siguientes:

 La estatura de una persona: 1,75 cm; 1,20 cm; 1,63 cm.

 El peso de un objeto: 3,10 kg; 5,6 gr; 2,34 toneladas.
 La distancia de un lugar: 2,8 km; 3,78 millas; 1,65 hectáreas.

 Variable cuantitativa discreta.

Las variables discretas son variables numéricas que tienen un número contable de valores
entre dos valores cualesquiera. Una variable discreta siempre es numérica. Por ejemplo, el
número de quejas de los clientes o el número de fallas o defectos.

 Variable cualitativa nominal.

Una variable cualitativa nominal presenta modalidades no numéricas que no admiten

un criterio de orden. Por ejemplo:

El estado civil, con las siguientes modalidades: soltero, casado, separado, divorciado y
viudo.

 Variable cualitativa categórica.

Las variables categóricas también se denominan variables cualitativas o variables de
atributos. Los valores de una variable categórica son categorías o grupos mutuamente
excluyentes. Los datos categóricos pueden tener o no tener un orden lógico.

 Media poblacional.

La media poblacional técnicamente no es una media sino un parámetro fijo que coincide
con la esperanza matemática de una variable aleatoria. El nombre "media poblacional" se
usa para significar qué valor numérico de una media muestral es numéricamente cercano al
parámetro media poblacional, para una muestra adecuada y suficientemente grande.

 Media muestral. Mostrar la fórmula de cálculo.

La media muestral es una variable aleatoria, ya que depende de la muestra, si bien es una
variable aleatoria en general con una varianza menor que las variables originales usadas en
su cálculo. Si la muestra es grande y está bien escogida, puede tratarse la media muestral
como un valor numérico que aproxima con precisión la media poblacional, que caracteriza
una propiedad objetiva de la población. Se define como sigue, si se tiene una muestra
estadística de valores ( x 1 , x 2 ,… , x n) de valores para una variable aleatoria X con
distribución de probabilidad F(x,θ) [donde θ es un conjunto de parámetros de la
distribución] se define la media muestral n-ésima como:
n
1 x , x , … , xn
x́ n=T (x 1 , x 2 , … , x n) + ∑ x i= 1 2
n i=1 n

 Varianza poblacional.
El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos
o más poblaciones son iguales. La prueba se basa en una muestra única, obtenida a partir de
cada población. El análisis de varianza puede servir para determinar si las diferencias entre
las medias muestrales revelan las verdaderas diferencias entre los valores medios de cada
una de las poblaciones, o si las diferencias entre los valores medios de la muestra son más
indicativas de una variabilidad de muestreo. Si el valor estadístico de prueba (análisis de
varianza) nos impulsa a aceptar la hipótesis nula, se concluiría que las diferencias
observadas entre las medias de las muestras se deben a la variación casual en el muestreo (y
por tanto, que los valores medios de población son iguales). Si se rechaza la hipótesis nula,
se concluiría que las diferencias entre los valores medios de la muestra son demasiado
grandes como para deberse únicamente a la casualidad (y por ello, no todas las medias de
población son iguales). Los datos para el análisis de varianza se obtienen tomando una
muestra de cada población y calculando la media muestral y la variancia en el caso de cada
muestra

 Varianza muestral. Registrar fórmulas de cálculo.

 s2=∑ ¿ ¿¿
 ❑❑ s2 es la varianza. La varianza siempre se mide en unidades elevadas al
cuadrado.
 ❑❑ x i  representa un término de tu conjunto de datos.
 ∑, que significa "sumatoria", te indica que debes calcular los siguientes términos
para cada valor de   x i  y luego sumarlos a todos.
 x̅ es la media de la muestra.
 n es la cantidad de puntos de datos

 Desviación estándar.

La desviación estándar es comúnmente utilizada para identificar valores extremos o para

establecer valores que se consideran extremos. Datos que se encuentran muy por encima o
por debajo de la Media+4*DE o la Media-4*DE son considerados como valores extremos o
“outliers”, para cualquier tipo de distribución.

 Mediana.

Hay valores que se ubican en el centro de la distribución, o cercanos a éste, y otros que se
encuentran en los extremos. Aquel valor que ocupa exactamente el centro de la
distribución, de modo que la mitad de los datos son valores menores o iguales que éste y la
otra mitad son valores que lo superan, se denomina mediana.
La mediana del número de flores por planta en el ejemplo también es 6

 Moda.

Todos los valores de una variable no están igualmente distribuidos dentro del rango de
variación; esto es, los valores se presentan con diferentes frecuencias. Al valor que aparece
con mayor frecuencia se lo denomina modo o moda. Una distribución puede tener más de
un valor modal.

La moda del número de flores por planta, en el ejemplo, es 6.

 Cuartiles

En la distribución de los valores de una variable, los cuantiles son medidas de posición. Un
cuantil es un valor de la variable cuya ubicación en la distribución, deja por debajo una
proporción del total de los datos. El nombre del cuantil hace referencia a dicha proporción.
De otro modo, en la distribución de una variable hay una proporción de valores, en relación
al total de datos, menores o iguales a un valor determinado.

Asociados a la obtención de cuantiles, se suelen obtener los llamados cuartiles. Estos no

son más que los cuantiles 0,25; 0,50 y 0,75 (denotados como Q1, Q2 y Q3,
respectivamente). Es decir, se divide la distribución en cuartos y se calcula el primer,
segundo y tercer cuartil.

 Percentiles.

El nombre percentil se usa si en el eje de las FRA la escala se expresa en porcentaje. Así, el
cuantil 0,30 se corresponde con el percentil 30 y el cuantil 0,70 es sinónimo de percentil 70.

 Regla de Sturges ¿para qué sirve?

La regla de Sturges es un criterio utilizado para determinar el número de clases o intervalos

que son necesarios para representar gráficamente un conjunto de datos estadísticos. Esta
regla fue enunciada en 1926 por el matemático alemán Herbert Sturges.

Sturges propuso un método sencillo, basado en el número de muestras x que permitiesen

encontrar el número de clases y su amplitud de rango. La regla de Sturges es muy utilizada
sobre todo en el área de la estadística, específicamente para construir histogramas de
frecuencia,  para así poder clasificar un conjunto de datos que representan una muestra o
población.
  Frecuencia absoluta

FA es la frecuencia absoluta e indica las veces que se registró cada valor de la variable
discreta, o la cantidad de datos que hay en cada intervalo de clase de la variable continua.
Las FA responden a preguntas del tipo: ¿qué cantidad de unidades de análisis asumieron un
valor o valores en un intervalo de clase determinado? (respuesta: 1 unidad, 5 unidades,
etc.), ¿qué cantidad de cabezas de ajo tienen un peso aproximado entre 36 g y 49 g?
(respuesta: 182 cabezas). La suma de todas las FA debe coincidir con el total de datos, es
decir con el tamaño poblacional si se está analizando una población entera o con el tamaño
muestral si el estudio se realiza a partir de una muestra.

 Frecuencia relativa

Con FR se obtienen las frecuencias relativas al total de datos, es decir, el cociente entre la
correspondiente FA y el total de datos. Estas FR nos remiten a la idea de proporciones, que
multiplicadas por 100 pueden ser interpretadas como porcentajes. Brindan respuestas a
preguntas tales como ¿qué proporción o porcentaje de lotes tuvieron 10 años de agricultura
continua? (respuesta: 4 lotes en un total de 50 lotes, o 0,08 u 8%), ¿qué proporción o
porcentaje representan las cabezas de ajo con pesos entre 36 g y 49 g? (respuesta: 182/707,
0,26 ó 26%). La suma de las FR debe ser igual a 1

 Frecuencia absoluta acumulada

Para una fila de la tabla, corresponden a la suma de las frecuencias absolutas de las filas
anteriores hasta la fila actual, respectivamente.

 Frecuencia relativa acumulada

Para una fila de la tabla, corresponden a la suma de las frecuencias relativas de las filas
anteriores hasta la fila actual, respectivamente.

 Tabla de frecuencias

otra forma alternativa de presentar estos resultados es mediante las tablas de frecuencias y
los histogramas. Para ello en el menú Estadísticas seleccionamos el submenú Tabla de
frecuencias y elegimos las variables analizadas anteriormente. Accionamos el botón
Aceptar y en la siguiente ventana los campos activados por defecto son los límites
inferiores (LI) y superiores (LS) de los intervalos de clase, marca de clase (MC),
frecuencias absolutas (FA) y frecuencias relativas (FR). Para este ejemplo activamos
también frecuencias absolutas acumuladas (FAA) y frecuencias relativas acumuladas
(FRA). Modificamos el número de clases en 10 y el resto de las opciones mostradas en la
ventana se dejan por defecto. Accionamos Aceptar y obtenemos como salidas las tablas de
frecuencias para cada variable.

 ¿Cómo es la tabla de frecuencias de una variable continua y de una discreta?

¿cuál tiene intervalos?

 Las frecuencias de variables discretas se grafican utilizando gráficos de barras. En el eje X

se representan los valores de la variable y en el eje Y, la frecuencia. Cada barra se levanta
sobre un punto del eje X que representa a un valor de la variable y la altura de la barra
señala la frecuencia para dicho valor.

Las frecuencias de variables continuas se grafican más comúnmente utilizando

histogramas y polígonos de frecuencias. En el eje X se representan los valores de la
variable y en el eje Y, la frecuencia. En un histograma se observan “clases” sucesivas. Cada
barra se levanta sobre un conjunto de puntos del eje X (una clase o un intervalo de clase).
La altura de la “barra” señala la frecuencia relevada para la clase. Las barras se dibujan
pegadas, y no separadas como en las variables discretas, para indicar que la variable
continua puede asumir cualquiera de los valores comprendidos entre la primera y la última
clase. El polígono de frecuencias es una gráfica construida a partir de segmentos de línea
que unen las marcas de clase (MC) de los intervalos de clase si se usan FA o FR, o los
límites superiores de cada clase en el caso de usarse FAA o FRA. Los polígonos de
frecuencias relativas acumuladas también se conocen como ojivas.
  Boxplot o diagrama de cajas

Representa a una distribución señalando, además de los cuantiles y la presencia de valores

extremos o aberrantes, la posición de la media y de la mediana.

Este gráfico permite también visualizar la forma de la distribución de frecuencias de cada

variable analizada. En un mismo elemento gráfico se representa la información acerca de la
mediana, la media, los cuantiles 0,25, 0,75 y la presencia, si los hubiere, de valores
extremos. El “bigote inferior” indica el menor valor observado que es mayor o igual a la
diferencia Q1-1,5RI, donde RI es el recorrido intercuartílico. Dicho valor observado
coincide con el mínimo si no hay valores atípicos o extremos. El “bigote superior” coincide
con el mayor valor observado que es menor o igual que Q3+1,5RI (coincide con el máximo
si no hay valores atípicos o extremos). Los valores atípicos inferiores están entre Q1-1,5RI
y Q1-3RI y los superiores entre Q3 + 1,5RI y Q3 + 3RI. Los valores extremos aparecen por
debajo de Q1-3RI y por encima de Q3 + 3RI. La especificación de las variables en el
selector de variables de este tipo de gráfico es idéntica a la realizada con los histogramas.
Para este ejemplo hacemos un gráfico de cajas para cada variable, aunque es posible incluir
en un mismo gráfico varias variables y será necesario, entonces, agregar los
correspondientes ejes Y para mostrar cada variable en la escala apropiada

 Histograma y en qué tipo de variables se usa.

Se usa en las variables continuas, En un histograma se observan “clases” sucesivas. Cada

barra se levanta sobre un conjunto de puntos del eje X (una clase o un intervalo de clase).
La altura de la “barra” señala la frecuencia relevada para la clase. Las barras se dibujan
pegadas, y no separadas como en las variables discretas, para indicar que la variable
continua puede asumir cualquiera de los valores comprendidos entre la primera y la última
clase.

 Gráfico de barras y en qué tipo de variables se usa.

Se usan en las variables discretas, En estos gráficos puede leerse la misma información que
observamos en las columnas FA y FR de una tabla de frecuencias. Observemos que la
distribución de los datos es la misma en ambos gráficos, solo que se encuentra representada
en diferentes escalas. Otro gráfico que podría utilizarse para observar frecuencias absolutas
de una variable es el gráfico de densidad de puntos o dispersograma.