Variables y sus escalas
Categórica o numérica, y en cuál de las cuatro escalas de medida: la clasificación que decide qué medidas son siquiera legales.
- Clasificar una variable como categórica o numérica
- Nombrar las cuatro escalas de medida y situar una variable en una de ellas
- Decir qué medidas de centro y dispersión son válidas en cada escala
- Detectar un código numérico que en realidad es una categoría
Qué significa
Una variable es una característica que puede tomar valores distintos entre casos. Antes de resumirla necesitas saber qué tipo es, porque el tipo decide qué aritmética tiene sentido.
La primera división es categórica frente a numérica:
- Categórica: los valores nombran un grupo. Color, departamento, sí/no, tipo de dispositivo. Puedes contarlos y hallar el más frecuente, pero “color medio” no significa nada.
- Numérica: los valores son números sobre los que la aritmética tiene sentido. Tiempo, precio, recuento, temperatura.
Las variables numéricas se dividen otra vez por escala, que registra cuánta estructura llevan los números.
| Escala | Estructura | Ejemplos | Resúmenes válidos |
|---|---|---|---|
| Nominal | solo nombres, sin orden | color, ciudad, sí/no | moda, recuentos, proporciones |
| Ordinal | nombres con orden | bajo/medio/alto, satisfacción 1–5, escala de dolor | mediana, moda, rango intercuartílico |
| De intervalo | orden y huecos iguales, sin cero real | temperatura en °C, año, puntuación de CI | media, mediana, desviación típica |
| De razón | orden, huecos iguales y cero real | tiempo, precio, peso, recuento | todo, incluidos cocientes |
La regla práctica: la escala decide qué medidas son legales. Una media de una variable nominal es un error. Un cociente de dos valores de intervalo (“hoy hace el doble de calor que ayer”) no tiene sentido, porque 0 °C no es ausencia de temperatura.
Qué aporta
Casi toda historia de “las estadísticas están mal” se reduce a una variable usada en la escala equivocada. Promediar valoraciones por estrellas solo es defendible si aceptas tratar una escala ordinal como de intervalo. Citar “la temperatura subió un 50%” no significa nada sin unidades. Codificar departamentos como 1, 2, 3 y promediar los códigos produce un número que no significa nada.
Conocer la escala te dice qué pregunta tienes siquiera permiso para hacer.
Ejemplo trabajado
Un conjunto de datos de tickets de soporte:
| Columna | Valores | Tipo | Escala |
|---|---|---|---|
| ticket_id | T-1001, T-1002 | categórica | nominal |
| priority | low, medium, high | categórica | ordinal |
| response_minutes | 3, 45, 1200 | numérica | de razón |
| satisfaction | 1, 2, 3, 4, 5 | numérica | ordinal |
| agent_id | 12, 47, 3 | parece numérica | nominal |
| opened_at | 2026-03-01 | fecha | de intervalo |
Lectura de la tabla.
ticket_ides una etiqueta que casualmente contiene dígitos. Ordenarla no significa nada.prioritytiene orden, así que la mediana es válida, pero los huecos entre bajo y medio no son iguales a los de medio y alto, así que la media es forzada.response_minutestiene un cero real (respuesta instantánea) y unidades iguales, así que toda medida y todo cociente son legales. “El doble de lento” es una afirmación real.satisfactiones la trampa clásica: los números 1–5 son etiquetas ordenadas, no medidas. Muchos equipos los promedian, lo que es una convención y no un hecho; vale hacerlo a sabiendas.agent_ides la trampa más afilada. Está guardado como número, así que el software calculará su media encantado, y la respuesta no significa nada.opened_ates de intervalo: la diferencia entre dos fechas es válida, pero “2026 es el doble de 1013” no.
🧩 Reto: piensa primero y luego revela
Un conjunto de datos registra la talla de camiseta como 1, 2, 3, 4. ¿Es numérica? ¿Qué puedes calcular y qué no deberías?
💡 Respuesta: Es una codificación numérica de una variable categórica ordinal. La mediana y la moda son válidas; la media (2,3, por ejemplo) no tiene interpretación porque los pasos entre tallas no son iguales. Un recuento de cuántas personas hay en cada talla es el resumen más útil.
Cómo la escala cambia el análisis
La misma pregunta —“¿la satisfacción es mayor en el equipo A?”— tiene respuestas distintas según la escala:
- en una variable nominal, comparas proporciones (“una mayor parte de los clientes de A eligió ‘muy satisfecho’”);
- en una variable ordinal, comparas medianas o distribuciones, o usas un contraste de rangos;
- en una variable de intervalo o de razón, una diferencia de medias y una prueba t son apropiadas.
Elegir la equivocada no solo cambia el número; puede invertir la conclusión. Por eso la lección de vocabulario va antes que la aritmética.
Lo mismo en Python
import pandas as pd
df = pd.DataFrame({
'priority': pd.Categorical(['low', 'high', 'medium'], categories=['low', 'medium', 'high'], ordered=True),
'response': [3, 45, 1200],
'agent_id': [12, 47, 3],
})
print(df['priority'].cat.ordered) # True — una categórica ordenada
print(df['response'].mean()) # válido: escala de razón
print(df['agent_id'].mean()) # se ejecuta, pero no significa nada: nominalpandas calculará una media para agent_id sin avisar. El sistema de tipos no te protege aquí; la escala sí, y solo si la compruebas.
Cuándo usarlo
Antes de cualquier resumen en cualquier análisis. Etiquetar el tipo y la escala de cada columna lleva un minuto y evita la mayoría de los errores del resto del curso.
Limitaciones
- Las fronteras a veces son un juicio. ¿Una puntuación de satisfacción de 1–10 es ordinal o de intervalo? Discutiblemente ordinal, tratada habitualmente como de intervalo. Declara tu elección.
- La escala puede cambiar con la pregunta. La edad en años es de razón; el tramo de edad es ordinal.
- Los datos reales a menudo mezclan tipos en una columna: una columna numérica con
"n/d"dentro es a la vez numérica y ausente. - La clasificación no te dice la calidad de los datos, solo qué aritmética es legal.
Errores frecuentes
- Promediar códigos. Los códigos postales, los números de departamento y los identificadores de agente son nominales.
- Tratar una escala ordinal como de intervalo sin decirlo.
- Calcular cocientes sobre datos de intervalo. “El doble de CI” y “el doble de temperatura” no significan nada.
- Llamar numérica a una variable porque está guardada como tal. Mira qué significan los valores, no cómo están tipados.
🧩 Retos
🧩 Reto: piensa primero y luego revela
Clasifica cada una: (a) número de hijos, (b) orden de nacimiento (1.º, 2.º, 3.º), (c) altura en cm, (d) grupo sanguíneo, (e) nota de examen A–F, (f) año natural.
💡 Respuesta: (a) de razón: cero real y pasos iguales. (b) ordinal: el orden importa, el hueco entre 1.º y 2.º no es el mismo que entre 2.º y 3.º. (c) de razón. (d) nominal. (e) ordinal. (f) de intervalo: las diferencias son válidas, los cocientes no.
🤔 Preguntas socráticas
- ¿Por qué puedes tomar la mediana de una variable ordinal pero no la media?
- ¿Por qué 0 °C no es “nada de temperatura” mientras que 0 kg sí es “nada de masa”?
- ¿Qué se rompe si promedias una puntuación de satisfacción de 1–5, y merece la pena hacerlo igualmente?
- ¿Puede una variable ser categórica y numérica a la vez?
✅ Comprobación rápida
1. ¿Qué escala tiene un orden válido pero huecos desiguales?
2. ¿Por qué es problemática una temperatura media en °C como afirmación de cociente ("el doble de calor")?