Variables cuantitativas (variables numéricas) en estadística: definición, ejemplos

Actualizado el 25 de abril de 2022, por Luis Benites.

Ejemplos de Variables Cuantitativas / Variables Numéricas:

• Promedio de calificaciones de la escuela secundaria (por ejemplo, 4.0, 3.2, 2.1).
• Número de mascotas que posee (por ejemplo, 1, 2, 4).
• Saldo de la cuenta bancaria (por ejemplo, $100, $987, $-42.
• Número de estrellas en una galaxia (por ejemplo, 100, 2301, 1 billón) .
• Número promedio de boletos de lotería vendidos (por ejemplo, 25, 2,789, 2 millones).
• Cuántos primos tienes (por ejemplo, 0, 12, 22).
• La cantidad en su cheque de pago (por ejemplo, $200, $1,457, $2,222).

Regla general : si puede agregarlo, es cuantitativo. Por ejemplo, se pueden sumar un GPA de 3.3 y un GPA de 4.0 (3.3 + 4.0 = 7.3), lo que significa que es cuantitativo. Por otro lado, las calificaciones de A, B o C no se pueden sumar a menos que las convierta en números, por lo que A, B y C no son cuantitativas.

Ejemplos de variables categóricas:

• Clase en la universidad (por ejemplo, estudiante de primer año, segundo año, tercer año, último año).
• Afiliación partidista (por ejemplo, Republicano, Demócrata, Independiente).
• Tipo de mascota que se posee (por ejemplo, perro, gato, roedor, pez).
• Autor favorito (por ejemplo, Stephen King, James Patterson, Charles Dickens).
• Línea aérea preferida (por ejemplo, Southwest, Virgin, Quantas).
• Color de cabello (por ejemplo, rubio, moreno, negro).
• Su raza (por ejemplo, asiática, latina, negra).
• Tipos de sombreros (por ejemplo, sombrero, beanie, fedora).

Como regla general, si no puede agregar algo , entonces es categórico. Por ejemplo, no puede agregar gato + perro o republicano + demócrata.

Categórico vs Cuantitativo

Mire este video sobre la diferencia entre variables categóricas (cualitativas) y cuantitativas.

Cualitativo vs Cuantitativo Mira este video en YouTube .

¿Qué es una condición de datos cuantitativos?

Cuando grafique o trace datos estadísticos, asegúrese de tener datos cuantitativos de unidades conocidas . Si no tiene unidades conocidas, entonces no podrá graficarlo. Por ejemplo, la primera lista anterior establece que «GPA» son datos cuantitativos. Sin embargo, no podrá graficar el GPA frente a otra variable (por ejemplo, raza o sexo) a menos que tenga una unidad, como 3.1 o 2.9. Esto suena obvio, pero con datos más complejos, siempre debe verificar la condición de datos cuantitativos en busca de información faltante o sin sentido antes de comenzar un gráfico.

Los histogramas , los diagramas de caja y los diagramas de dispersión requieren que tenga datos cuantitativos (numéricos). Si intenta graficar datos categóricos con un histograma, diagrama de caja o diagrama de dispersión, se encontrará con el mismo tipo de problema que si intenta graficar datos numéricos con gráficos circulares : sus gráficos no tendrán ningún sentido . El siguiente diagrama de dispersión ilustra este punto. Hice un diagrama de dispersión en Microsoft Excel de datos categóricos (nombres) junto con sus edades en Excel. Excel no reconoció los datos categóricos y asignó números en su lugar. El diagrama de dispersión no tiene sentido; nadie sabrá que «1», «2», «3», «4» y «5» se refieren a nombres e incluso si lo hacen… ¡el gráfico será un desastre si tienes 100 nombres!:

Una solución a este problema podría ser asignar números a los nombres (por ejemplo, John = 1, Jan = 2…) e incluir una clave en el gráfico. Sin embargo, en este ejemplo en particular, un diagrama de dispersión no es realmente la mejor opción para un gráfico; elija el gráfico de barras en su lugar. Un gráfico de barras le permite trazar categorías en un eje, por lo que no es necesario cumplir la condición de datos cuantitativos para un eje.

Visite nuestro canal de YouTube para obtener más ayuda y consejos.

Referencias

Beyer, WH CRC Standard Mathematical Tables, 31ª ed. Boca Raton, FL: CRC Press, págs. 536 y 571, 2002.
Agresti A. (1990) Análisis de datos categóricos. John Wiley and Sons, Nueva York.
Kotz, S.; et al., editores. (2006), Enciclopedia de Ciencias Estadísticas , Wiley.
Lindström, D. (2010). Schaum’s Easy Outline of Statistics , segunda edición (Schaum’s Easy Outlines) 2ª edición. Educación McGraw-Hill