ESCALA DE RAZÒN

EL CERO EN LA ESCALA DE RAZÒN

En el contexto de la medición, el cero en el nivel de medición de razón es un punto de referencia fundamental y único. La escala de medición de razón tiene todas las propiedades de las escalas anteriores (nominal, ordinal y de intervalo), y además, cuenta con un punto verdadero de origen o cero absoluto. En esta escala, no solo se pueden establecer relaciones de orden y distancia entre los valores, sino que también es posible realizar operaciones matemáticas significativas, como sumar, restar, multiplicar y dividir.

Un ejemplo común de una escala de medición de razón es la escala de temperatura Kelvin. En esta escala, el cero absoluto representa la ausencia completa de energía térmica, lo que lo convierte en un punto de referencia fijo y significativo. En otras palabras, cuando se mide en Kelvin, no solo se puede decir que un objeto tiene el doble de temperatura que otro, sino que también se puede afirmar que tiene el doble de energía térmica.

Aquí tienes cinco ejemplos adicionales que ilustran la presencia del cero en la escala de medición de razón:

1. Longitud: La longitud medida en metros es una escala de razón, ya que tiene un cero absoluto, que representa la ausencia total de longitud. Por ejemplo, si tienes dos objetos de diferentes longitudes, puedes decir cuántas veces uno es más largo que el otro, y también puedes realizar operaciones matemáticas con estas medidas.
2. Peso: El peso medido en kilogramos es otra escala de razón, ya que tiene un cero absoluto que representa la ausencia total de peso o masa. Puedes comparar pesos y realizar cálculos matemáticos con las medidas de peso.
3. Tiempo (en algunas situaciones): Si utilizamos el tiempo en segundos desde un punto de referencia, como el inicio de un experimento, podemos considerarlo una escala de razón, ya que tiene un cero absoluto en el momento en que comenzó el evento. Sin embargo, es importante destacar que en la vida cotidiana, el tiempo en minutos o horas no cumple con todos los criterios de la escala de razón, ya que carece de un cero absoluto significativo.
4. Cantidad de sustancia: En química, la cantidad de sustancia medida en moles es una escala de razón. El cero absoluto en esta escala se refiere a la ausencia completa de la sustancia en cuestión.
5. Dinero (en ciertas condiciones): En situaciones específicas, el dinero puede considerarse una escala de razón. Por ejemplo, si estamos midiendo el dinero en una cuenta bancaria, el saldo cero podría considerarse un cero absoluto que representa la ausencia total de fondos.

En resumen, el cero en el nivel de medición de razón es crucial porque permite realizar operaciones matemáticas y comparaciones cuantitativas precisas entre los valores medidos, lo que lo diferencia de los niveles de medición anteriores (nominal, ordinal e intervalo).

Además de poseer las cualidades de las escalas nominal, ordinal y de intervalo, una escala de razón tiene un cero absoluto (un punto donde no existe ninguna de las cualidades que se están midiendo).

Los datos de escala de razón tienen todas las propiedades de los datos de la escala de intervalo, por ejemplo, los datos deben tener valores numéricos, la distancia entre los dos puntos es igual, etc., sin embargo, a diferencia de los datos de intervalo donde el cero es arbitrario, en los datos de una escala de razón el cero es absoluto.

La posición del cero no es arbitraria para este tipo de medida. Las variables para este nivel de medida se llaman variables racionales. La mayoría de las cantidades físicas, tales como la masa, longitud, energía, se miden en la escala racional, así como también la temperatura (en Kelvin) relativa al cero absoluto.

Por ejemplo; el ingreso; el cero representaría que no recibe ingreso en virtud de un trabajo, la velocidad; el cero significa ausencia de movimiento. Otros ejemplos de variables racionales son la edad, y otras medidas de tiempo. En otras palabras, la escala de razón comienza desde el cero y aumenta en números sucesivos iguales a cantidades del atributo que está siendo medido.

Los datos de escala de razón se definen como un tipo de datos cuantitativos que se caracterizan por un punto de cero absoluto, lo que significa que no hay ningún valor numérico negativo. Los números se comparan en múltiplos uno.

Utilizar una escala de razón permite hacer comparaciones como ser el doble de alto, o la mitad de alto de una persona. El tiempo de reacción (cuánto tiempo tarda en responder a una señal de algún tipo) utiliza una escala de medición de razón, el tiempo.

Aunque el tiempo de reacción de un individuo siempre es mayor que cero, conceptualizamos un punto cero en el tiempo y podemos afirmar que una respuesta de 24 milisegundos es dos veces más rápida que un tiempo de respuesta de 48 milisegundos.

Ejemplos de niveles de medición de razón:

Aquí tienes algunos ejemplos de variables que se pueden medir en un nivel de medición de razón:

1. Edad: La edad se mide en una escala de razón, ya que tiene un punto de referencia absoluto (cero años) y se pueden realizar operaciones matemáticas significativas, como sumar, restar, multiplicar y dividir edades.

2. Altura: La altura es una variable que se mide en una escala de razón, ya que tiene un punto de referencia absoluto (cero altura) y las operaciones matemáticas son significativas. Se pueden comparar alturas y realizar cálculos como promedio o diferencia de alturas.

3. Ingresos: Los ingresos pueden medirse en una escala de razón, ya que tienen un punto de referencia absoluto (cero ingresos) y se pueden realizar operaciones matemáticas significativas, como sumar o promediar ingresos.

4. Tiempo transcurrido: El tiempo transcurrido en minutos, horas, días, etc., se mide en una escala de razón, ya que tiene un punto de referencia absoluto (cero tiempo) y se pueden realizar operaciones matemáticas válidas, como sumar, restar y calcular tasas.

5. Peso: El peso se mide en una escala de razón, ya que tiene un punto de referencia absoluto (cero peso) y se pueden realizar operaciones matemáticas significativas, como sumar, restar y calcular promedios de pesos.

6. Distancia: La distancia se mide en una escala de razón, ya que tiene un punto de referencia absoluto (cero distancia) y se pueden realizar operaciones matemáticas significativas, como sumar distancias y calcular velocidades.

7. Cantidad de productos: La cantidad de productos es una variable de escala de razón, ya que tiene un punto de referencia absoluto (cero cantidad) y se pueden realizar operaciones matemáticas, como sumar o restar cantidades.

En resumen, en los niveles de medición de razón, se pueden realizar una amplia gama de operaciones matemáticas y las comparaciones entre valores tienen un sentido absoluto y relativo.

Cuatro personas son seleccionadas al azar y se les pregunta cuánto dinero traen. Estos son los resultados: $21, $50, $65 y $300.

¿Existe un orden para estos datos? Si, $21 < $50 < $65 < $300.

¿Las diferencias entre los valores de datos son significativas? Claro, la persona que tiene $50 tiene $29 más que la persona con $21.

¿Podemos calcular razones en función a estos datos? Sí, porque $0 es la cantidad mínima absoluta de dinero que una persona podría traer con ella.

La persona con $300 tienen 6 veces más que la persona con $50.

Un excelente ejemplo de los datos de escala de razón es la medición de alturas. La altura puede medirse en centímetros, metros, pulgadas o pies. No es posible tener una altura negativa.

Si los comparamos con los datos de una escala de intervalo, por ejemplo, la temperatura puede ser de -10 grados centígrados, sin embargo, la altura no puede ser negativa, como se mencionó anteriormente.

Los datos de escala de razón pueden ser multiplicados y divididos, esta es una de las principales diferencias entre los datos de escala de razón y los datos de una escala de intervalo, los cuales solo pueden ser sumados y restados.

En los datos de escala de razón, la diferencia entre 1 y 2 es la misma que la diferencia entre 3 y 4, pero también aquí 4 es el doble que 2. Esta comparación es imposible en los datos de escala de intervalo.

Los datos de escala de razón son fundamentalmente un método de captura de datos cuantitativos. Lo que significa que se pueden aplicar todos los tipos de técnicas de análisis estadístico a los datos de razón.

Las siguientes son algunas de las técnicas de análisis de datos de razón más populares:

Análisis de tendencias
El análisis de tendencias es una técnica popular de análisis de datos de razón, utilizada para extraer tendencias e insights capturando los datos de encuestas durante un período de tiempo determinado.

El análisis de tendencias también juega un papel crítico en la análisis predictivo, en el que se compara y analiza un conjunto de datos con plazos determinados para predecir tendencias futuras.

El análisis de tendencias es un proceso en el que se examinan datos históricos o información relevante para identificar patrones, direcciones o cambios a lo largo del tiempo. Se utiliza en una variedad de campos, incluyendo negocios, economía, ciencias sociales y, en este caso, medicina.

En el contexto del análisis de tendencias en medicina, si estás trabajando con variables de nivel de razón, podrías realizar análisis más avanzados y precisos, como cálculos de tasas de cambio, promedios, desviaciones estándar, correlaciones, regresiones y más. Esto permite una comprensión más profunda de las tendencias en los datos y posiblemente una toma de decisiones más informada en el ámbito médico.

Vamos a simular un ejemplo relacionado con la salud utilizando variables de nivel de razón y realizando los cálculos paso a paso. Supongamos que estamos analizando los datos de peso y altura de un grupo de pacientes para entender la relación entre ambas variables y cómo podrían influir en la salud cardiovascular.

Datos de los pacientes:

Paciente 1: Peso (kg) = 70, Altura (cm) = 170 Paciente 2: Peso (kg) = 65, Altura (cm) = 160 Paciente 3: Peso (kg) = 80, Altura (cm) = 175 Paciente 4: Peso (kg) = 90, Altura (cm) = 180 Paciente 5: Peso (kg) = 75, Altura (cm) = 165

Paso 1: Calcular la Tasa de Cambio En este caso, no calcularemos una tasa de cambio, ya que estamos analizando la relación entre dos variables, no su cambio a lo largo del tiempo.

Paso 2: Calcular el Promedio Calcularemos el promedio del peso y la altura de los pacientes.

Promedio del Peso = (70 + 65 + 80 + 90 + 75) / 5 = 76 kg Promedio de la Altura = (170 + 160 + 175 + 180 + 165) / 5 = 170 cm

Interpretación: El promedio del peso de los pacientes es de 76 kg, mientras que el promedio de la altura es de 170 cm.

Paso 3: Calcular la Desviación Estándar Calcularemos la desviación estándar del peso y la altura para comprender la dispersión de los datos.

Para calcular la desviación estándar, primero calculamos la diferencia entre cada valor y el promedio, luego elevamos al cuadrado, sumamos los cuadrados y dividimos por el número de valores menos 1 (n-1), y finalmente tomamos la raíz cuadrada.

Desviación Estándar del Peso:

1. (70 – 76)^2 = 36
2. (65 – 76)^2 = 121
3. (80 – 76)^2 = 16
4. (90 – 76)^2 = 196
5. (75 – 76)^2 = 1

Suma de los cuadrados = 36 + 121 + 16 + 196 + 1 = 370 Desviación Estándar = √(370 / 4) ≈ 9.64 kg

Desviación Estándar de la Altura:

1. (170 – 170)^2 = 0
2. (160 – 170)^2 = 100
3. (175 – 170)^2 = 25
4. (180 – 170)^2 = 100
5. (165 – 170)^2 = 25

Suma de los cuadrados = 250 Desviación Estándar = √(250 / 4) ≈ 7.91 cm

Interpretación: La desviación estándar del peso es aproximadamente 9.64 kg, lo que indica que los valores están relativamente dispersos alrededor del promedio. La desviación estándar de la altura es aproximadamente 7.91 cm, lo que también sugiere una dispersión moderada.

Paso 4: Calcular la Correlación Vamos a calcular la correlación entre el peso y la altura utilizando el coeficiente de correlación de Pearson.

Coeficiente de Correlación = Σ[(x – x̄)(y – ȳ)] / [√Σ(x – x̄)² √Σ(y – ȳ)²]

Donde x̄ y ȳ son los promedios del peso y la altura respectivamente.

Cálculos:

1. (70 – 76)(170 – 170) = 0
2. (65 – 76)(160 – 170) = -1100
3. (80 – 76)(175 – 170) = 20
4. (90 – 76)(180 – 170) = 140
5. (75 – 76)(165 – 170) = -5

Σ[(x – x̄)(y – ȳ)] = -945 Σ(x – x̄)² = 196 + 121 + 16 + 36 + 1 = 370 Σ(y – ȳ)² = 0 + 100 + 25 + 100 + 25 = 250

Coeficiente de Correlación = -945 / (√370 * √250) ≈ -0.724

Interpretación: La correlación entre el peso y la altura es aproximadamente -0.724. Esto sugiere una correlación negativa moderada entre estas dos variables, lo que significa que a medida que el peso tiende a aumentar, la altura tiende a disminuir y viceversa.

Paso 5: Realizar una Regresión Lineal Vamos a realizar una regresión lineal para predecir el peso basado en la altura. La ecuación de la regresión lineal es y = mx + b, donde y es el peso, x es la altura, m es la pendiente y b es la intersección en y.

Para calcular m y b, utilizamos las siguientes fórmulas:

m = Σ[(x – x̄)(y – ȳ)] / Σ(x – x̄)² b = ȳ – m * x̄

Cálculos: m = -945 / 370 ≈ -2.554 b = 76 – (-2.554) * 170 ≈ 469.388

Ecuación de la Regresión Lineal: Peso ≈ -2.554 * Altura + 469.388

Interpretación: La ecuación de la regresión lineal sugiere que por cada centímetro de aumento en la altura, se espera una disminución de aproximadamente 2.554 kg en el peso. El valor de la intersección en y (469.388) indica que, en promedio, un paciente con altura cero tendría un peso de alrededor de 469.388 kg, lo cual no tiene un significado práctico en este contexto.

Decisión basada en el análisis: El análisis de estos datos sugiere que existe una correlación negativa moderada entre el peso y la altura de los pacientes. Esto podría tener implicaciones en la salud cardiovascular, ya que una mayor correlación entre peso y altura podría indicar un riesgo potencialmente mayor de problemas cardíacos en pacientes con una altura más baja y un peso más alto.

Sin embargo, es importante recordar que la correlación no implica causalidad, por lo que se necesitarían estudios adicionales y consideraciones médicas más profundas para tomar decisiones clínicas o recomendaciones específicas para los pacientes.

Nota: Este es un ejemplo hipotético y simplificado con fines ilustrativos. En situaciones reales, se deben tener en cuenta muchos más factores y realizar análisis más rigurosos antes de tomar decisiones médicas o de salud.

Análisis FODA o SWOT

Al análisis realizado para evaluar las fortalezas, debilidades, oportunidades y amenazas de una organización se le denomina análisis FODA y es ampliamente utilizado para evaluar los datos de escala de razón.

Las fortalezas y debilidades son aspectos internos de una organización, mientras que las oportunidades y amenazas son externas a una organización.

Una empresa puede medir los datos de escala de razón para evaluar la competencia de mercado, así como para planificar futuras actividades de marketing utilizando los resultados del análisis FODA.

Análisis Conjoint

El análisis conjoint es una técnica de investigación de mercado de nivel avanzado implementada generalmente para analizar cómo los individuos toman decisiones complicadas en una escala de razón.

Qué factores son importantes para los clientes antes de tomar decisiones en las que tienen múltiples opciones a su disposición. Los mercadólogos pueden probar sus sitios web, realizar investigaciones de precios o mejorar las características o funciones del producto utilizando el análisis conjoint o análisis conjunto.

Tablas cruzadas o de contingencia

El análisis de tablas cruzadas es un método para comprender la relación entre múltiples variables. Esta se utiliza para establecer una correlación entre múltiples variables de datos de escala de razón en un formato tabular.

Se pueden tomar decisiones informadas después de analizar los datos de una tabla cruzada. Los investigadores de mercado generalmente analizan la intención del cliente y el rendimiento del producto utilizando la tabulación cruzada, ya que proporciona una comparación entre dos o más variables.

Análisis TURF

El Análisis TURF que significa Análisis de Frecuencia y Alcance Total No Duplicado, es un método que le permite a un mercadólogo analizar el potencial de la investigación de mercado para una combinación de productos y servicios.

Evalúa los datos de razón de los clientes abordados mediante una determinada fuente de comunicación y su frecuencia. Esta técnica de análisis es utilizada por los investigadores para comprender si un nuevo producto o servicio será o no bien recibido en el mercado objetivo.

Este método de análisis se utilizaba principalmente para diseñar campañas en los medios, pero su uso se ha ampliado para la distribución de productos y el análisis de líneas.

Características de los datos de escala de razón

1. Punto de cero absoluto: Una de las características distintivas de los datos de análisis de razón es el verdadero punto de cero absoluto, el cual hace que los datos sean relevantes y significativos de una manera que es correcto decir “un objeto es dos veces más largo que el otro” o 4 tiene el doble del valor que 2.
2. Sin valor numérico negativo: Los datos de escala de razón no tienen ningún valor numérico negativo. Por ejemplo, el peso no puede ser negativo, -20 Kgs no existe.
3. Cálculo: Los valores de datos de una escala de razón se pueden sumar, restar, multiplicar y dividir. Se puede realizar un análisis estadístico único para los datos de razón.

Ejemplos de datos de escala de razón

Los siguientes son los ejemplos de datos de escala de razón más utilizados que pueden usarse en encuestas:

¿Cuál es tu peso en kgs?

• Menos de 50 kgs
• 51-60 kgs
• 61-70 kgs
• 71-80 kgs
• 81-90 kgs
• Más de 90 kgs

¿Cuál es tu altura en pies y pulgadas?

• Menos de 5 pies.
• 5 pies 1 pulgada – 5 pies 5 pulgadas
• 5 pies 6 pulgadas- 6 pies
• Más de 6 pies

¿Cuántos tacos puedes comer diariamente?

• 1-2
• 2-3
• 3-4
• 4-5
• 5-6
• Más de 6

RESUMEN