Mtodos Cuantitativos de Investigacin en Ciencias

Sociales
Alexander Amzquita Ochoa

Introduccin

La primera consideracin que debe ser hecha al hablar de los mtodos cuantitativos de
investigacin en ciencias sociales tiene que ver con el origen de la distincin entre
dichos mtodos cuantitativos y lo que se denominan cualitativos. En primer lugar,
cuando hacemos referencia a el origen, no pretendemos vincular la distincin con un
momento particular del tiempo y el espacio, como momento primigenio e inmutable en
el que comienza a distinguirse entre lo cuantitativo y lo cualitativo en la propia realidad,
pues dicha tarea adems de inabarcable es infructuosa. Mas bien se trata de identificar
los modos en que dicha distincin sale a escena, demostrando que no existen terrenos
mutuamente excluyentes entre ambos mbitos de la metodologa de investigacin.

Dicho esto, debemos entonces acordar que en los procesos histricos iniciales de la
configuracin de las ciencias sociales como disciplinas acadmicas, uno de los intereses
fundamentales as como estrategia de integracin, fue el de desarrollar un conocimiento
comparable y equiparable con el de las ciencias fsicas. Con el apelativo de Fsica
Social, Augusto Compte desarroll los primeros pasos de la sociologa bajo la gida de
su filosofa positiva, la cual tena por sostn los fenmenos observables, claramente
identificables, clasificables, susceptibles de organizacin y en ltimas mensurables
asociados con la vida social, y a ellos los denomina positivos, por oposicin a todo
aquello asible nicamente a travs de la especulacin.

Ese pensamiento y el tipo de accin que impona, supuso el momento primigenio de la

puesta en escena de la distincin, pues supuso a su vez que el estatus cientfico de las
nacientes ciencias sociales estaba determinado por las siguientes suposiciones:

- La unidad de la ciencia, es decir, que las ciencias (sociales o naturales) siguen

los mismos caminos de investigacin, con las siguientes consecuencias.
- La bsqueda de regularidades objetivas (dentro de los fenmenos positivos) que
dieran sustento a proposiciones similares a las leyes de la fsica dentro del
mundo social.
- La descripcin y explicacin de los hechos sociales como cosas (en su carcter
positivo), es decir, imponiendo sobre ellos el carcter exterior de los objetos del
mundo fsico, y por lo tanto susceptibles de las mismas operaciones de
ordenamiento, clasificacin y medicin.
- El nfasis en la cohesin estructural, es decir, en la existencia positiva de
estructuras sociales, distribuciones de funciones sociales y por ende la
posibilidad de explicarlas positivamente.

Evidentemente mucha ha corrido bajo este puente, particularmente la que vena de

corrientes de pensamiento supusieron algunas ideas claves para el surgimiento de otras
lneas de pensamiento: de un lado, y proveniente de corrientes ms bien romnticas,
plantnicas y nominalistas, la idea de la existencia de un mundo intermedio entre el de
los objetos fsicos y el de los enunciados sobre los mismos, denominado significacin y
sentido; de otro, que tales significados, especialmente los atribuidos a los hechos
sociales no son solamente manifestaciones positivas, sino resultado de procesos
intersubjetivos.

Esto evidentemente tuvo como consecuencias primigenias:

- La distincin de las ciencias sociales de las ciencias fsicas o naturales, a travs

de dos mbitos: el objeto de estudio, que ya no se defina por su positividad
tanto como por su carcter intersubjetivo; y el mtodo, que empez a contemplar
modos distintos a la explicacin causal como medios para la construccin de
conocimientos.
- Las regularidades empezaron a ser desplazadas por lo individual y lo concreto,
por la particularidad de las manifestaciones en vez de sus semejanzas
universales.
- La interpretacin y la comprensin desplazan en algunos escenarios a la
explicacin y la descripcin, suponiendo procesos divergentes a los de la
medicin.
- La actividad intersubjetiva reemplaza a la cohesin estructural, con lo que la
explicacin histrica la interpretacin de significados ganan ms terreno.

Pero si bien este es el contexto de la puesta en escena de la distincin, lo que las

ciencias sociales posteriores demostraron es que una adecuada comprensin de la
realidad social requiere de versiones provenientes de las dos perspectivas de
investigacin.

Metodologa, mtodos y tcnicas

Una de las principales definiciones a la hora de iniciar un trabajo alrededor de las

metodologas y las tcnicas de investigacin, es la que permite distinguir entre
metodologas, mtodos y tcnicas de investigacin. La primera regla de esa distincin
es una operacin lgica de continencia, es decir, de conjuntos que contienen a otros.

1. As, las metodologas son un conjunto de mtodos, de la misma forma que los
mtodos son conjuntos de tcnicas. Por ello, las metodologas contienen
mtodos, y los mtodos contienen tcnicas.

La segunda regla o criterio tiene que ver con su mbito de accin. Las metodologas
tienen que ver con una relacin particular entre objetos de estudio y teoras que explican
o ayudan a comprender sus funcionamientos o comportamientos. Por esta razn, las
metodologas estn profundamente relacionadas con los paradigmas o grandes modelos
explicativos de la realidad.

2. As, de determinadas modelos que explican la realidad, se desprenden

metodologas, que son un conjunto de reglas de interpretacin de los datos que
obtenemos de la realidad, con las cules construimos conocimientos.
Por su parte, los mtodos de investigacin son conjuntos de procedimientos para
recolectar, clasificar, ordenar, relacionar y tabular la informacin, que luego va a ser
interpretada (o ubicada dentro de modelos explicativos) gracias a las reglas dadas por la
metodologa.

3. As, determinadas metodologas requieren de los datos una cierta estructura, que
implica el establecimiento de procedimientos de recoleccin y clasificacin que
les otorguen dicha estructura o forma. Los mtodos son los conjuntos de tales
procedimientos, cuya lgica proviene de las metodologas.

Finalmente las tcnicas de investigacin son cada uno de los procedimientos de

recoleccin y procesamiento de las observaciones de la realidad social. Las tcnicas
tratan directamente con los fenmenos y sus manifestaciones, ya sean estas positivas o
resultados de otros procedimientos sobre los significados intersubjetivos de las mismas.

4. As, a diferencia de las metodologas y los mtodos, las tcnicas de

investigacin son las herramientas con las cules se accede de forma directa a
las observaciones.

De esta distincin debemos sacar algunas conclusiones.

- La primera de ellas, es que la distincin de entre metodologas cuantitativas y

cualitativas es compleja, particularmente porque pretender que un conocimiento
de la realidad puede producirse solo de la cuantificacin o solo desde la
calificacin es una postura insostenible. Inclusive las perspectivas que en sus
orgenes postularon esta distincin, hoy en da pueden y hacen uso de ambas
perspectivas, es decir, que las indagaciones sobre las estructuras e las funciones
sociales utilizan cotidianamente perspectivas cualitativas y otorgan amplios
espacios a los procesos de significacin entre sus objetos de estudio; y que las
perspectivas hermenuticas cada vez tambin utilizan la cuantificacin para
contrastar sus interpretacin o incluso en el proceso mismo de interpretacin.
- La segunda, y no menos importante, es que las distinciones realmente operativas,
funcionales y tiles son las de los mtodos de investigacin. As, una vez
definida una metodologa en tanto el conjunto de reglas de interpretacin,
estructuracin de los datos y horizontes polticos de la investigacin es posible
identificar mtodos cuantitativos y cualitativos que permitan acceder al
conocimiento sobre determinado fenmeno social.

Variables, valores y datos

Siguiendo con la lnea de las distinciones, pero tambin dentro de amplio espectro de la
investigacin social en general, es crucial identificar cul es la estructura de la
informacin en la investigacin en ciencias sociales. La investigacin en las ciencias
sociales se configura a travs de dos caminos que se encuentran:

1. El primer camino es aquel se va desde la teora hasta los datos.

2. El segundo camino es que recorre desde los hechos empricos hasta los datos.

Podemos ver dichos recorridos en el siguiente grfico.

El ltimo criterio a tener en cuenta, especfico de los mtodos cuantitativos, es el de
definir dos caractersticas de los datos: los niveles y las escalas de medicin.

Las escalas de medicin hacen referencia dos tipos particulares de datos: los continuos y
los discretos. Los datos discretos son aquellos en los que no se puede conocer la
distancia entre un dato y otro, ya sea porque no existe como en el caso del sexo o
porque se trata de jerarquas en las que las distancias varan como entre ser gerente,
contable o conserje, pues sabemos su ubicacin pero no las distancias exactas que los
separan en la escala laboral.

Los datos continuos por su parte, son aquellos en los que conocemos claramente las
distancias, como por ejemplo los ingresos, los datos econmicos, los gastos, etc.

Los niveles de medicin distinguen en cambio caractersticas especficas de los datos:

- Nivel nominal: son datos en los que todos los valores son iguales, como el color
de ojos, el sexo o el estado civil.
- Nivel ordinal: son datos en los que hay jerarquas entre los valores, como por
ejemplo en el nivel educativo.
 - Nivel de intervalo: son datos donde se puede conocer claramente la distancia
entre un valor y otro, como por ejemplo entre intervalos de edad.
- Nivel de razn: son aquellos en los que adems de las distancias conocemos el
punto cero o aquel en el que hay ausencia de la variable, como por ejemplo los
gastos de una familia medidos en dlares.

Diseo de investigacin

Tres fines de la investigacin

1. Descripcin
Informacin bsica sobre un rea de inters.
Conozca la gama de la conducta.
Aprenda la necesidad de posibles programas aplicados.

2. Exploracin

Revisin de una nueva rea de inters.

Necesidad de una mejor comprensin de un rea.
Probar la viabilidad de futuras investigaciones
Desarrollar medidas y mtodos.
NO es una excusa para investigaciones descuidadas.

3. Explicacin

Explicar por qu ocurren ciertos eventos.

Predecir eventos futuros.
La capacidad de explicar y predecir da credibilidad a la elaboracin de
programas concebidos para el cambio social.
Dado que la ciencia se distingue de otras formas de conocimiento debido a su
dependencia de la teora, la explicacin puede ser considerada como el objetivo
de la ciencia.

La lgica de la explicacin nomottica

1. Explicacin Nomottica

Explicacin de causa y efecto.

Enfoque sobre los factores determinantes de un evento.

2. Criterios de causalidad nomottica

Correlacin: Correspondencia emprica entre dos variables (por ejemplo,

mientras una variable incrementa la otra tambin).
Orden de Tiempo: La variable independiente precede a la dependiente en el
tiempo.
No-espuria: La relacin entre dos variables no es causada por una tercera
variable.

3. Criterios falso de la explicacin nomottica

 La explicacin nomottica es probabilstica, no completa (sin excepciones)
Casos excepcionales no refutan la explicacin nomottica.

4. Causas necesarias y suficientes

Necesarias: Condicin que debe presentarse para que el evento ocurra.

Suficientes: Condicin que garantiza que un evento va a ocurrir.

5. Unidad de anlisis

Qu o quin est siendo estudiado.

No es necesariamente la unidad desde la que se recopilan los datos, porque uno
puede querer agregar los datos individualmente.
Por ejemplo: Uno puede examinar la cohesin social comunitaria a travs de 100
comunidades preguntndole a 150 personas en cada comunidad acerca de su
sentido de pertenencia a sus barrios y a la comunidad. En este caso la unidad de
anlisis es la comunidad (n=100).

Diseo de investigacin

1. Estudios transversales

Observaciones realizadas en un momento en el tiempo.

La explicacin se produce examinando diferencias entre unidades de anlisis.
Por ejemplo: Autoestima y satisfaccin marital es medido para 100 individuos
en un punto del tiempo. La hiptesis: a mayor autoestima, mayor es la
satisfaccin marital, y esto es probado en los 100 individuos.

2. Estudios longitudinales

Observaciones son hechas ms de una vez.

La explicacin se produce examinando diferencia a lo largo del tiempo.
Por ejemplo: Autoestima y satisfaccin marital son medidas para 100 individuos
en dos punto en el tiempo. La hiptesis: a mayor autoestima, mayor satisfaccin
marital, y esto es probado examinando cambios en la autoestima y cambios en la
satisfaccin marital a lo largo del tiempo.

3. Estudios de tendencias

Un estudio longitudinal que examina cambios es una poblacin a lo largo del

tiempo.
Cada estudio recolecta datos de diferentes individuos.
Por ejemplo: en 1997, 1000 personas fueron interrogadas acerca de su apoyo a
matrimonios del mismo sexo. En 2007, a un conjunto diferentes de personas
fueron interrogadas en el mismo tpico. La diferencia en opiniones es la
tendencia del apoyo a matrimonios del mismo sexo.

4. Estudios de cohortes
 Un estudio longitudinal que examina cambios es un cohorte a lo largo del tiempo.
Cada estudio recolecta datos de diferentes individuos al interior del mismo
cohorte.
Por ejemplo: en 1997, 100 personas, de 18 a 37, fueron interrogadas sobre su
apoyo a matrimonios del mismo sexo. En 2007, 1000 personas, de 18 a 37,
fueron interrogadas sobre su apoyo a matrimonios del mismo sexo. La diferencia
de opiniones es el apoyo dentro del cohorte a matrimonios del mismo sexo.

5. Estudios de panel

Un estudio longitudinal que examina cambios en individuos a lo largo del

tiempo.
Cada estudio recolecta datos de los mismos individuos.
Por ejemplo: en 1997, 1000 personas fueron interrogadas sobre su apoyo a
matrimonios del mismo sexo. En 2007, las mismas 1000 personas son
interrogadas acerca de su apoyo a matrimonios del mismo sexo. La diferencia en
opiniones es el cambio en el apoyo a matrimonios del mismo sexo.
Los estudios de panel dan la oportunidad de ms anlisis en profundidad.
Por ejemplo, uno puede examinar los determinantes de los cambios en las
opiniones en tanto recolecta datos de los mismos individuos.
Los estudios longitudinales de panel son muy costosos, pero una fuente muy
profunda de investigacin.
Uno debe dar cuenta del desgaste, en la medida en que cada ola de datos es
recogida del mismo panel de sujetos.

6. Estudios longitudinales aproximados

Algunas veces, la explicacin longitudinal puede ser inferida a partir de un

estudio de corte transversal.
Por ejemplo, las preguntas podran ser hechas acerca de la historia del uso de
alcohol y drogas. Se puede encontrar, por ejemplo, que todas las personas que
consumen cocana tambin fuman marihuana y beben alcohol. Y, algunas
personas pueden fumar marihuana y no consumir cocana, pero todas estas
personas beben alcohol. Uno podra inferir una progresin en la conducta de
beber alcohol a fumar marihuana a la cocana.

Resumen

Un estudio transversal es el menos costoso de implementar, pero presenta a

mayor dificultad para determinar causa y efecto.
Los estudios longitudinales son mas costosos de implementar, pero proveen un
mejor sentido de causa y efecto.
Un estudio de tendencia, tal como el anlisis de censos decenales, provee
informacin acerca de los cambios en la poblacin a lo largo del tiempo. Puede
ser difcil comprender por qu los cambios ocurren, a causa de no colectar
informacin sobre los mismos individuos.
Un estudio de cohorte provee mas detalles de lo que hace un estudio de
tendencias, pero an presenta problemas para determinar causa y efecto.
 Un estudio de panel recolecta informacin de las mismas personas a lo largo del
tiempo, por lo que provee el mejor diseo de investigacin para determinar
causa y efecto.
Un estudio de panel, de todas formas, es difcil y muy costoso de implementar.

Medicin de conceptos abstractos

Tipos de estudio

1. Investigacin exploratoria

Las definiciones son muy importantes pues este tipo de estudio definir el tpico
de investigacin y cmo debe ser medido.

2. Investigacin explicativa

Las definiciones son importantes tambin.

Pero si los resultados empricos varan poco usando diferentes definiciones,
entonces la definicin usada en la investigacin puede no ser crtica para la
comprensin de causas y efectos.

Midiendo lo que no existe:

1. La naturaleza de la realidad

Realismo: Creer que los conceptos abstractos son reales en sus consecuencias.
As, aunque no se puede observar directamente a la familia, el prejuicio, la
anomia, la autoestima o la satisfaccin marital, una ciencia de la sociedad puede
lograr un gran conjunto de explicaciones y predicciones asumiendo que tales
conceptos tienen una realidad y que esta realidad puede ser medida.
Nominalismo: Un recordatorio de que los conceptos son abstracciones, no una
realidad inmutable que es independiente de nuestras construcciones de ellos.

2. Conceptos como constructos

Observables directos: Informacin sensorial.

Observables indirectos: Informacin abstracta.
Constructos: Creaciones tericas, trminos abstractos usados en la teora.
Conceptos: Los trminos conceptos y constructos son usados como sinnimos en
la literatura sociolgica. Algunas veces, las personas usarn conceptos para
referirse a medidas sobre un solo tema (p. ej. Edad, educacin, ingresos) y
constructos para referirse a medidas de mltiples temas (p. ej. Escalas de
ndices de autoestima o satisfaccin marital).

Conceptualizacin

1. Definir lo que queremos decir

Una cuidados especificacin de trminos es importantes para todas las ciencias.

 En tanto las ciencias sociales estudian el comportamiento humano, usan
trminos cotidianos para expresarlo. Por ejemplo, en psicologa social los
trminos creencia, actitud y opinin significan diferentes cosas, aunque en el
lenguaje comn ellas pueden ser pensadas como significados de la misma cosa.

2. Definiciones real, nominal y operacional

Real: una declaracin acerca de la naturaleza esencial de alguna entidad.

Ejemplo: asumimos que las personas tienen un sentido de la autoestima que
influye en su comportamiento.
Nominal: Nombre que se da a un trmino sin ningn tipo de reclamo acerca de
que dicha definicin representa una "verdadera" entidad. Ejemplo: "La
autoestima.
Operacional: La descripcin de cmo el concepto ser medido. Ejemplo: El
puntaje en una escala de autoestima de Rosenberg.

Escala de Rosenberg (Cada pregunta tiene opciones de respuesta, y cada opcin

otorga un puntaje entre 0 y 5)

1. Siento que soy una persona digna, al menos tanto como las dems.
2. Estoy convencido de que tengo buenas cualidades.
3. Soy capaz de hacer las cosas tan bien como la mayora de gente.
4. Tengo una actitud positiva hacia m mismo/a.
5. En general, estoy satisfecho conmigo mismo/a.
6. Siento que no tengo mucho de lo que estar orgulloso.
7. En general, me inclino a pensar que soy un fracasado/a.
8. Me gustara poder sentir ms respeto por m mismo.
9. Hay veces que realmente pienso que soy un intil.
10. A menudo creo que no soy una buena persona.

Puntuacin entre 0 y 25 : Tu autoestima es baja

Puntuacin entre 26 y 29: Tu autoestima es normal.
Puntuacin entre 30 y 40: Tu autoestima es buena, incluso excesiva.

3. Intercambiabilidad de los indicadores

Se sume tpicamente que los constructos tienen mltiples indicadores, cada uno
con validez de contenido.
Por ejemplo, la escala de autoestima de Rosenberg contienen 10 proposiciones
para medir la autoestima. Cada proposicin se asume para medir con precisin la
autoestima como un indicador de ella.

ndices, escalas y tipologas

ndices versus Escalas

1. ndices
 Una medida compuesta basada en mltiples indicadores de nivel nominal.
Esta composicin puede ser la suma de respuestas a indicadores o algn tipo de
clculo, como la media.
Un ejemplo de ndice puede ser el puntaje total (0-5) de si uno particip en cinco
actividades fsicas en la semana pasada.
En este ejemplo, queremos saber nicamente si uno particip en la actividad
fsica durante la semana anterior.

2. Escalas

Una medida compuesta basada en mltiples indicadores de nivel continuo.

Esta composicin puede ser la suma de respuestas a unos indicadores o algn
otro tipo de clculo, como la media.
Las respuestas a cada indicador varan en su peso y por lo tanto en su
contribucin al puntaje total para el constructo.
Un ejemplo de escala puede ser el total de veces (0-35) que uno ha tomado parte
en cinco actividades fsicas diferentes en la ltima semana.
En este ejemplo, queremos saber cuntas veces una persona tom parte en cada
una de las cinco actividades en cada da de la semana.

3. Ponderacin

Tanto los ndices como las escalas pueden estar ponderados o sin ponderar.
En un ndice o escala sin ponderar, cada tem es tratado igualmente en el clculo
de la medida.
En un ndice o escala ponderado, a algunos tems se les otorga ms peso que a
otros.
Podemos decidir, por ejemplo, que a correr se le debe dar ms peso que a estirar
en nuestra medida de ejercicio.

Construccin de ndices

1. Seleccin de tems

Valides de apariencia: La medida en cual los tems parecen corresponder a la

definicin del constructo (en cuanto a contenido o lgica por ejemplo).
Dimensionalidad: tems destinados a medir un constructo deben ser exclusivos a
ese constructo.
Varianza: Los tems tienen que tener una fuerte correlacin con el constructo
que est siendo medido.

2. Examen de las relaciones empricas

Relaciones bivariadas: Esta relacin directa entre el tem y el constructo indica

el grado en el cual el tem mide al constructo.
Relaciones multivariadas: algunas veces, una vez que una relacin bivariada es
calculada para un tem y un constructo, la relacin entre un segundo tem y el
constructo es vista como dbil.

3. Puntuacin de ndices
 Rango: es una decisin conflictiva entre un rango de medidas para el ndice y un
adecuado nmero de casos para cada punto.
Asignacin de puntajes: en general la norma es que se le otorgue pesos igual a
los diferentes tems.

4. Validacin de ndices

Anlisis de tems: Examen de la contribucin emprica de cada tem para la

medicin del constructo.
Validacin externa: Examen del grado al cual el constructo est relacionado con
los constructos vinculados.
Malos ndices o malos validadores?: Una carencia de validacin externa puede
ocurrir a causa de que la validacin del constructo no fue bien medida.

Construccin de Escalas

1. Similitudes con la construccin de ndices

As como en la primera, la construccin de escalas debe llegar a la seleccin de

tems, el examen de los datos, puntuacin, ponderacin y validacin.
Central a la construccin de escalas es el desarrollo de tems con un rango de
respuestas que puedan reflejar con precisin los diferentes niveles de
correspondencia con el constructo que est siendo medido.

Tipologas

1. Definicin

Una variable de nivel nominal que resume dos o ms variables.

Por ejemplo, se puede crear una tipologa de hombres:
o 1.Hombre del hombre: extrovertido, fuerte, bebedor.
o 2.Mujeriego: suave, apuesto, tomador de vino.
o Etc.

Cuantificacin de datos

1. Introduccin

Para llevar a cabo un anlisis cuantitativo, las respuestas a preguntas abiertas en

las encuestas y los datos brutos recogidos mediante mtodos cualitativos deben
ser codificadas numricamente.

2. Caractersticas de las Codificacin

Exhaustiva respecto al rango total de respuestas

Los categoras deben ser mutuamente excluyentes.
 Codificar, por ejemplo, las respuestas a la pregunta Cul es el mayor problema
de asistir a la universidad hoy en da?, puede empezar con 5 categoras, pasar a
8 y volver a 7 luego de una evaluacin.
Se debe mantener un solo esquema de codificacin.

3. Desarrollo de la Codificacin

Supongamos que queremos codificar un dato cualitativo complejo como la

videograbacin de una interaccin entre esposo y esposa, para llevarlo a
categoras numricas.
Cmo codificar tantos aspectos, expresiones faciales, lenguaje corporal,
palabras?
Podemos darnos cuenta en este ejemplo, que establecer esquemas de medicin
se puede volver algo altamente complejo.
Esquemas complejos de codificacin pueden tomar varios intentos para
desarrollarse.
Una vez desarrollados, se someten a una evaluacin continua.
Las revisiones importantes, sin embargo, son poco probables.
Se requiere aprender el sistema de codificacin existente y someterlo a una
evaluacin permanente de su capacidad.

4. Colapsar Categoras de Respuesta

Algunas veces el investigador querr analizar una variable usando menos

categoras de respuesta de las que fueron usadas para medirla.
En estos casos, el investigador querr colapsar una o ms categoras en una
sola.
El investigador querr colapsar categoras para simplificar la presentacin de los
resultados o porque una categora presenta muy pocas observaciones.

Ejemplo

Respuesta Frecuencia

Fuertemente en desacuerdo 2
Desacuerdo 22
Neutral 45
De acuerdo 31
Fuertemente de acuerdo 1

Despus de colapsar

Respuesta Frecuencia

Desacuerdo 24
Neutral 45
De acuerdo 32
Estadsticas

Las estadsticas descriptivas intentan explicar o predecir los valores de una

variable dependiente dados ciertos valores de una o ms variables
independientes.
Las estadsticas inferenciales intentan generalizar los resultados de las
estadsticas descriptivas para una mayor poblacin de inters.

1. Tipos de Anlisis

Existen principalmente 3 tipos de anlisis: univariable, bivariable y

multivariable.

Anlisis Univariable:

Media.

Mediana.

Moda.

Desviacin Estndar.

Anlisis Univariables

1. Distribuciones

El anlisis de datos comienza examinando distribuciones.

Uno puede comenzar, por ejemplo, examinando la distribucin de respuestas a
una pregunta acerca de la educacin formal, alrededor de 6 categoras.
Una distribucin de frecuencias mostrar el nmero y porcentaje de respuestas
en cada categora de una variable.

2. Tendencia Central

Una medida comn de tendencia central es el promedio o media de las

respuestas.
La mediana es el valor de la mitad cuando todas las respuestas estn ordenadas.
La moda es la respuesta ms comn.
Cuando los datos estn altamente sesgados, es decir, desbalanceados hacia un
extremo de la distribucin, la mediana o la moda puede representa mejor la
respuesta ms comn o centrada.

3. Dispersin

La dispersin se refiere a la forma en la que los valores estn distribuidos

alrededor de algn valor central, tpicamente la media.
El rango es la distancia que separa el valor meas bajo del ms alto.
La desviacin estndar es un ndice de la magnitud de variabilidad en un
conjunto de datos.

Criterios de anlisis univariable:

Cuando analizamos variables nominales u ordinales, la nica medida que

 podemos usar es la moda.
En variables de intervalo o de razn, utilizamos las medidas de tendencia
central, como el promedio o la mediana.
En general, la tendencia central es solo una indicacin referencial del punto
alrededor del cual con mayor probabilidad varan los datos.
La mediana nos dice el punto medio de los datos una vez que los ordenamos.
Una distancia muy grande entre la mediana y el promedio nos dice que los datos
se agrupan hacia uno u otro extremo de los datos.
Una distancia muy pequea entre la mediana y el promedio nos dice que los
datos se agrupan alrededor del promedio.
Despus, utilizamos medidas de dispersin: particularmente la desviacin
estndar y el rango.
Una medida de la desviacin estndar muy grande con respecto al rango quiere
decir que la variacin es muy alta y que el promedio no es representativo de los
datos.
Una medida de la desviacin estndar muy pequea con respecto al rango quiere
decir que hay poca variacin y que el promedio es representativo de los datos.