2018

Usando la Matriz NOIR

¿Que clase de variable tiene Usted?

por Jeff Lackey

¿Cuantos de ustedes han utilizado la frase "Every Good Boy Does Fine" (todo buen niño hace bien) para recordar las notas musicales de las líneas (EGBDF) o FACE para recordar las notas en los espacios en la escala musical de la clave de sol? Del mismo modo usted puede utilizar la palabra francesa NOIR, "negro" para recordar los diversos tipos de variables estadísticas.

La Tabla 1 enumera cuatro tipos variables básicos y resume los cálculos matemáticos y estadísticos aceptables para cada tipo.

Nominal

Las únicas comparaciones matemáticas apropiadas que se pueden hacer en la categoría nominal son del tipo es igual a (=) o... no es igual a (). Por ejemplo, asignando al color rojo el valor 1 y el valor 2 para el color verde, tendría poco sentido sumar matemáticamente las variables entre sí (1 + 2 = ?), o dividir matemáticamente dos códigos postales. Y aunque usted sabe que los números del código postal aumentan a medida que viaje de la costa del este a la costa oeste, la asignación de códigos postales no es algo que generalmente consideraría importante.

Ordinal

La categoría ordinal se refiere a la asignación de un ordenamiento y de clasificación. Aunque las variables ordinales a menudo se asemejan a las variables intervalares, un simple ensayo permite discernir si una variable se deba categorizar como ordinal o intervalar. Digamos que hemos asignado los valores de 2, 3, 4, 5, 13 y 14. Si puede decir que el cambio de una unidad del 2 al 3, de 4 a 5 y de 13 a 14 indica la misma cantidad de cambio en la característica de calidad intrínseca , entonces puede tratarse como una variable intervalar. Si no, entonces se trata probablemente de una variable ordinal.

Mediante las variables ordinales, es posible determinar matemáticamente no solo si dos resultados son iguales, también si un resultado es mayor que el otro. Es posible calcular estadísticamente la mediana y utilizar estadística no-paramétrica para su análisis.

Intervalo

Para distinguir entre intervalos de medición y variables racionales, pregúntese, "¿Qué significa un valor de cero como respuesta?" Si responde, "Indica la carencia o la ausencia de la característica intrínseca de calidad que representa," puede tratarse como una variable racional. Si esto no es verdad, entonces puede ser tratada como variable intervalar.

Por ejemplo, considere la medición de la temperatura. Donde cero grado (0°) en Fahrenheit o en la escala centígrada (Celsius) no indican una ausencia de calor porque puede haber medidas de temperatura mas frías en cualquiera de las escalas. Es posible registrar la temperatura como un número negativo, o bajo cero; así pues la temperatura en la escala de F o de C es una variable por intervalos. Por otro lado, usando la escala Rankine o de Kelvin, cero grado absoluto, nos indica una ausencia de calor, al menos teóricamente. Por lo que las temperaturas registradas en la escala de R o de K son variables racionales.

Razón

Como variables racionales, los valores 2 y 40 ambos son dos veces tan validos como 1 y 20, respectivamente. Esto no seria cierto en una escala intervalar.

Evite Errores Con NOIR

Los tipos de cálculos matemáticos y estadísticos que pueden realizarse con certeza dependen del tipo de variable que se este utilizando. Las siglas NOIR y la matriz asociada NOIR (ver la Tabla 1) pueden ayudarle a recordar la jerarquía de cada tipo de variable. Las variables nominales tienen una menor cantidad de herramientas matemáticas y estadísticas disponibles para su uso, mientras que las variables racionales tienen disponible un mayor numero de herramientas.

Con la proliferación de software estadístico, es fácil elegir los métodos de análisis estadístico inadecuados para la variable que se esta analizando. La matriz NOIR le ayudara a evitar estos errores.

Muchos autores han discutido que las definiciones de tipo-variable tratadas aquí son demasiado restrictivas y no siempre representan a variables del mundo real. Concuerdo con esta observación, sin embargo, la matriz es un buen punto de partida, especialmente si no esta familiarizado con las técnicas de análisis estadístico.

BIBLIOGRAFIA

Petrovich, Michael V., Ray L. Littlejohn y Lee Adanti, Experimental Design & Industrial Statistics Series, Level I, Luftig & Warren International, 1998.

Sheskin, David J., Handbook of Parametric and Nonparametric Statistical Procedures, CRC Press, 1997.


JEFFERY I. LACKEY es Ingeniero en Calidad Señor en Vistakon, una división de Johnson & Johnson Vision Care, en Jacksonville, FL. Obtuvo su maestría en ingeniería en la Universidad de Michigan y es miembro Senior de ASQ. Lackey esta certificado por ASQ como ingeniero de calidad, ingeniero de fiabilidad, auditor de calidad, ademas es auditor en sistemas de calidad calificado por RAB. También dirige la sección Jacksonville de ASQ.


Average Rating

Rating

Out of 0 Ratings
Rate this article

Add Comments

View comments
Comments FAQ


Featured advertisers