Tipos de Datos

Tipos de Datos

Datos Nominales o en escala nominal:

La escala de medida nominal, puede considerarse la escala de nivel más bajo, la que menos información proporciona. Consiste en la asignación arbitraria de números o símbolos a cada una de las diferentes categorías en las cuales podemos dividir los datos, sin que puedan establecerse relaciones entre dichas categorías. Las categorías son valores diferentes por una
cualidad, no por una cantidad y en ningún caso se puede decir que un “valor” sea mayor o menor que otro.

Se trata de agrupar objetos en clases, de modo que todos los que pertenezcan a la misma sean equivalentes respecto del atributo o propiedad en estudio, después de lo cual se asignan nombres a tales clases. A veces, en lugar de designar las clases con símbolos o palabras, se hace mediante números, lo que resulta realmente peligroso por la ligereza con la que pueden ser posteriormente tratados. Por ello, se ha de tener presente, que los números asignados a cada categoría sirven única y exclusivamente par identificar la categoría y no poseen propiedades cuantitativas.

A este tipo de datos también se les suele llamar datos por atributos.

Un ejemplo de este tipo de datos podría ser el tipo de superficie en la que se juega un torneo de tenis. Y así podemos decir que Roger Federer ha jugado en esta temporada, 11 partidos en tierra, 19 en pista dura, 6 en pista cubierta y 5 en hierba.

Datos Ordinales o escala ordinal:

En este caso entre los datos recogidos se puede detectar diversos grados de la característica observada y se puede establecer un "orden" de los mismos, aunque, por regla general, no existe una distancia o intervalo definido entre ellos. En este caso la asignación de números tiene dos propiedades, la de identificar y la de ordenar las diferentes clases. En este caso, como en el anterior, los números tampoco poseen propiedades cuantitativas, son solo símbolos de orden, con lo que, la asignación de números a las distintas categorías no puede ser completamente arbitraria, debe hacerse atendiendo al orden existente entre éstas. Por ejemplo, Valentino Rosi en esta temporada ha obtenido los siguientes resultados: 5-2-3-1-1-1

Datos cuantitativos discretos o variables discretas:

Las variables discretas serán aquellas que pueden tomar solo un número limitado de valores separados y no continuos. Estas variables provienen normalmente de conteos y suelen tomar valores enteros exclusivamente, por ejemplo el número de goles en un partido de fútbol

Datos cuantitativos continuos o variables continuas:

Las variables continuas, a diferencia de las discretas, se caracterizan por el hecho de que para todo par de valores consecutivos siempre se podría encontrar en valor intermedio. Se suelen obtener en base a mediciones de alguna característica continua (tiempo, dimensión, peso...)

Un ejemplo claro de esto puede ser los minutos jugados por un jugador de baloncesto en un partido o la duración de un frame de snooker.

La mayoría de las estadísticas deportivas, las variables continuas se convierten en discretas al redondear o evitar trabajar con decimales, por ejemplo el minuto en que se marca un gol en un partido de fútbol.

Esta distinción entre variables se ha hecho en orden de menor a mayor información transmitida por los datos y es conveniente hacerla ya que dependiendo de ello deberemos utilizar un método estadístico u otro para manejar y resumir nuestros datos. Por ejemplo para datos nominales no podemos aplicar nunca métodos utilizados para datos cuantitativos como puede ser la media. Es decir si asignasemos un número correlativo a cada superficie de tenis, no podríamos decir que Roger Federer ha jugado en una superficie media de 2.1, porque no tendría ningún sentido.

Al revés si se puede hacer, se pueden utilizar métodos de datos ordinales o nominales a datos cuantitativos, ya que siempre se pueden transformar estos datos en otros de menor nivel, por ello siempre que sea posible se aconseja trabajar con tipos de datos de mayor nivel que se pueda, para obtener la mejor información posible de la variable a analizar.