Estadística

La estadística consiste en métodos, procedimientos y fórmulas que permiten recolectar

información para luego analizarla y extraer de ella conclusiones relevantes. Se puede
decir que es la Ciencia de los Datos y que su principal objetivo es mejorar la
comprensión de los hechos a partir de la información disponible.
El origen de la palabra estadística se suele atribuir al economista Gottfried Achenwall
(prusiano, 1719-1772) que entendía la estadística como “ciencia de las cosas que
pertenecen al Estado”.
Conviene saber que la estadística NO es una rama de las matemáticas. Utiliza
herramientas de las matemáticas del mismo modo que lo hace la física, la ingeniería o la
economía, pero eso no las hace ser parte de las matemáticas. Es cierto que tienen una
relación estrecha, pero la estadística y las matemáticas son disciplinas diferentes.

 Origen e historia de la estadística

La historia de la estadística data desde antes del 3.000 antes de Cristo. Nace con el
objetivo de recolectar información que necesitaba el Estado, por ejemplo, sobre la
agricultura y el comercio.
En la antigua Asiria y en Egipto se tiene evidencia de la recolección de datos
estadísticos. Asimismo, en Roma se recogían datos demográficos de los habitantes del
imperio, como aquellos de natalidad y mortalidad.  Esto, con el propósito de tomar
mejores decisiones desde el gobierno.
Posteriormente, durante la Edad Media, la estadística no tuvo grandes avances. Sin
embargo, en la Edad Moderna se elaboraría el primer censo estadístico moderno y la
primera tabla de probabilidades de edades, ambos sucesos en el siglo XVII. Luego,
hacia el siglo XX, se comenzaron a incorporar herramientas matemáticas provenientes
de la teoría de la probabilidad a la estadística. Esto, principalmente por los aportes de
Kolmogorov y Borel.

 Tipos de estadística
Los tipos de estadística se puede subdividir en dos grandes ramas: descriptiva e
inferencial.
 Estadística descriptiva: Se refiere a los métodos de recolección, organización,
resumen y presentación de un conjunto de datos. Se trata principalmente de
describir las características fundamentales de los datos y para ellos se suelen
utilizar indicadores, gráficos y tablas.
 Estadística inferencial: Se trata de un paso más allá de la mera descripción. Se
refiere a los métodos utilizados para poder hacer predicciones, generalizaciones
y obtener conclusiones a partir de los datos analizados teniendo en cuenta el
grado de incertidumbre existente.
La estadística inferencial se subdivide a su vez en dos grandes tipos: estadística
paramétrica y no paramétrica.
  Estadística paramétrica: Se caracteriza porque asume que los datos tienen una
determinada distribución o se especifican determinados parámetros que deberían
cumplirse. Así por ejemplo, en un análisis paramétrico podemos trabajar bajo el
supuesto de que la población se distribuye como una Normal (hay que justificar
nuestro supuesto) y luego sacar conclusiones bajo el supuesto que esta condición
se cumple.
 Estadística no paramétrica: En ella no es posible asumir ningún tipo de
distribución subyacente en los datos ni tampoco un parámetro específico. Un
ejemplo de este tipo de análisis es la prueba binomial.

 Elementos de la estadística
Los principales elementos de la estadística son:
 Población: Grupo de individuos que presenta o podría presentar un rasgo
característico común que se desea investigar.
 Muestra: Es un subgrupo de datos extraídos de una población que debe
representar adecuadamente la totalidad del grupo.
 Parámetros: Son medidas que ofrecen información sobre el centro de un
conjunto de datos (medidas de tendencia central), otras sobre la dispersión o
variabilidad (medidas de dispersión) y otras sobre la posición de un valor
(medidas de posición como los percentiles).
 Experimento: Proceso o actividad llevada a cabo de forma intencional para
obtener una serie de datos o para ratificar o refutar una hipótesis.
 Variable: La característica o cualidad de una muestra o población a la cual se le
puede asignar un valor.

 Ejemplo de uso de la estadística en economía

La estadística es ampliamente utilizada en el análisis económico. Nos ayuda a
comprobar la aplicación de la teoría económica en la práctica. Algunos ejemplos del uso
de estadística en Economía son:
 Elaboración de indicadores macroeconómicos agregados.
 Predicciones acerca del comportamiento futuro de la demanda.
 Testear la validez de hipótesis basadas en la teoría económica.
 Calcular la tasa de paro.
 Organizar y presentar datos económicos como: evolución de los precios, PIB,
etc.

Población
Quizá, la definición teórica de población estadística sea un poco abstracta. Por eso, sin
renunciar a la rigurosidad y precisión que requieren las variables cuantitativas, vamos a
intentar abordar el concepto de población estadística de la forma más sencilla posible.
Empezaremos por la palabra población. ¿En qué piensas cuando lees o escuchas la
palabra población? Muy probablemente en un número de personas. Por ejemplo, la
población de Argentina, la población de Chile, la población de Nueva York o la
población mundial. Y dirás, ¿qué tiene que ver la población con la estadística? Pues
tiene que ver mucho. Todo se remonta a los orígenes de la palabra estadística.
Con esto en mente, seguiremos la siguiente secuencia para entender el concepto: origen
de la palabra, principales tipos de población y un ejemplo de población estadística.

 Origen del concepto

Tal como indicamos en nuestro diccionario económico, la estadística nace con el
objetivo de medir y cuantificar características de la vida cotidiana. Así, los gobiernos
comienzan a elaborar censos de población, tablas de mortalidad y natalidad e incluso en
Roma se registraban las tierras y propiedades que tenían los ciudadanos.
De ahí que la palabra que se utilizase y se utilice sea la de población. Pues, inicialmente,
se cuantifican cosas sobre la población de un territorio.

 Tipos de población estadística

Dentro de las poblaciones estadísticas, fundamentalmente dos tipos de poblaciones:
1. Población estadística finita: Es aquella en la que el número de valores que la
componen tiene un fin. Por ejemplo, la población estadística que nos indica la
cantidad de árboles de una ciudad es finita. Es cierto que puede variar con el
tiempo, pero en un instante determinado es finita, tiene fin.
2. Población estadística infinita: Se trata de aquella población que no tiene fin.
Por ejemplo, el número de planetas que existen en el universo. Aunque puede
que sea finito, el número es tan grande y desconocido que estadísticamente se
asume como infinito.
Adicionalmente, dentro de esta gran clasificación, existen otros tipos de poblaciones.
Poblaciones según la distribución de los datos, según el tipo de dato (cualitativo o
cuantitativo), etc.

 Ejemplo de población estadística

A continuación, vamos a ver un ejemplo gráfico de una población estadística. No hay
mejor manera que entender algo de una manera gráfica y aplicable a la práctica.
Como vemos en la imagen, tenemos una población estadística de 150 individuos. Los
150 individuos son estudiantes de economía de un instituto. Cuando el número de
individuos de una población es reducido, es recomendable utilizar los datos del total de
población, pero en casos más grandes es imposible. Para explicar este caso, imaginemos
que nosotros somos uno de esos 100 estudiante de economía. Nos encargan que
realicemos un estudio sobre qué porcentaje de los alumnos considera que la economía
es interesante y nos dan 10 minutos.
En 10 minutos no podemos buscar a todos los alumnos, ir preguntando a las distintas
clases, en distintos cursos. Así lo que haremos será preguntar a unos cuantos, por
ejemplo a 13. Esos datos no pueden representar de forma 100% fiable a la opinión de
los 150 individuos, pero sí podrían ofrecernos una idea aproximada. A estos 13 alumnos
es lo que llamamos muestra.
 Muestra
Una muestra estadística es un subconjunto de datos perteneciente a una población de
datos. Estadísticamente hablando, debe estar constituido por un cierto número de
observaciones que representen adecuadamente el total de los datos.
La estadística, como rama de las matemáticas, se encarga de recoger datos, ordenarlos y
analizarlos. Es decir, cuando queremos estudiar un determinado fenómeno recurrimos a
la estadística. Un buen ejemplo de fenómeno que estudia la estadística, es el salario
medio de los ciudadanos de un país
En este sentido, por cuestiones de tiempo y coste, no podemos recoger la totalidad de
los datos. Esta totalidad de los datos es lo que se conoce como población de datos o,
simplemente, población.
¿Por qué se trabaja con muestras estadísticas?
Para explicar por qué se utiliza una muestra estadística en lugar de la población total,
vamos a recurrir al ejemplo planteado anteriormente.
Supongamos que queremos estudiar un fenómeno cualquiera. En nuestro caso, ese
fenómeno es el salario medio de los ciudadanos de un país. La población de datos está
formada por todos y cada uno de los trabajadores del país. Claro que por razones de
tiempo y coste sería imposible ir preguntando a cada trabajador cual es su salario anual.
Tardaríamos mucho tiempo o necesitaríamos muchos recursos.
En este punto aparece el concepto de muestra estadística. En lugar de preguntar a los
millones de trabajadores de un país o región, tan solo recogemos una pequeña cantidad
de datos. Por ejemplo, preguntamos a 100.000 personas. Esta tarea sigue siendo
complicada, pero es mucho más asequible preguntar a 100.000 personas que preguntar a
30 millones.
Esta pequeña cantidad de datos ha de ser representativa. Es decir, debe representar
adecuadamente a la población. Si las 100.000 personas a las que preguntamos se
concentran en barrios ricos, obtendremos datos que no son representativos. El salario
medio nos saldría mucho más alto de lo que es en realidad.
 Características de una muestra estadística representativa
Si se quiere hacer una buena investigación, la calidad de la muestra estadística es
esencial. De nada sirve realizar las métricas estadísticas más complejas con los modelos
más sofisticados si la muestra estadística está sesgada. Es decir, si la muestra no es
representativa.
A la hora de obtener una muestra representativa existen ciertos aspectos que el
investigador debe conocer de antemano. Entre esos aspectos se encuentran las
características de una muestra representativa. Las características de una muestra
representativa son las siguientes:
 Tamaño suficientemente grande: Cuando trabajamos con muestras estamos,
normalmente, trabajando con una cantidad de datos inferior a la población.
Ahora bien, para que una muestra estadística sea representativa deberá ser lo
suficientemente grande como para considerarse representativa. Por ejemplo, si
nuestra población está formada por 10 millones de datos y escogemos 10, es
difícil que sea representativa. Eso sí, no siempre a mayor tamaño la muestra es
más representativa.
 Aleatoriedad: La selección de los datos de una muestra estadística debe ser
aleatoria. Es decir, debe ser totalmente al azar. Si en lugar de realizarlo al azar,
realizamos un proceso de selección de datos planificado, estamos introduciendo
un sesgo a la obtención de datos. Por tanto, para evitar que la muestra sea
sesgada y, por tanto, conseguir que sea una muestra representativa, debemos
hacer una selección aleatoria.

 Tipos de muestra estadística

A continuación te explicamos los diferentes tipos de muestra estadística que hay. Antes
de nada cabe destacar que se pueden dividir en dos grandes grupos, muestra
probabilística y muestra no probabilística:
 Muestra probabilística: En este tipo de muestras todos los sujetos disponibles
tienen las mismas probabilidades de ser incluidos.
 Muestra aleatoria simple: Es un conjunto de variables aleatorias
independientes e idénticamente distribuidas, obtenidas a partir de la variable
aleatoria X y que se distribuyen igual que la misma.
 Muestra aleatoria sistemática: En este caso la población se enumera y se
agrupa en grupos de 10 personas. Posteriormente, se selecciona a un miembro de
cada grupo para elaborar la muestra.
  Muestra aleatoria por conglomerados: La población se encuentra ya agrupada
previamente y de estos grupos se extraen los individuos para conformar la
muestra.
 Muestra estratificada: En este caso la población se divide en subgrupos o
estratos con base en las variables de estratificación.
 Muestra no probabilística: En este tipo de selección de muestra todos los
elementos no tienen la misma probabilidad de ser elegidos, ya que depende del
procedimiento escogido para seleccionarlos.
 Bola de nieve: En primer lugar se seleccionan a diferentes sujetos. A partir de
ahí estos sujetos colaboran para encontrar a más sujetos que tengan relación con
ellos.
 Muestra por cuotas: La población es elegida en función a unas características
determinadas.
 Muestra discrecional: La selección de la población la realizan los
investigadores en función a su propio criterio.
 Muestra por conveniencia: Es una muestra elegida por los propios
investigadores según su interés o cercanía.

 Inferencia estadística

Una vez obtenidos tenemos la muestra representativa, entonces toca inferir ciertas
métricas. A menudo, lo que nos interesa es saber cierta medida de una variable. En el
ejemplo inicial, la variable sería el salario de los ciudadanos de un país. En este sentido,
la métrica que queremos analizar es la media del salario de los ciudadanos de un país.

Es decir, tenemos una población de datos formada por todos los trabajadores de México.

De dicha población obtenemos una variable, es decir, el salario anual. Utilizando las
técnicas adecuadas obtenemos una muestra representativa. Y, por último, una vez
tenemos un conjunto de datos con el que podemos trabajar utilizamos técnicas
de inferencia estadística para calcular el salario medio.
Por supuesto, una vez tenemos el conjunto de datos, podríamos inferir otras medidas.
Por ejemplo, cómo se distribuye el salario, qué porcentaje de trabajadores se encuentra
por debajo de cierto salario o de qué tamaño es la brecha salarial.
 Ejemplo de muestra estadística
Supongamos que queremos realizar un estudio sobre el gasto medio de las familias de
Colombia en el mes de enero. Para ello tenemos dos opciones:
-Entrar en las cuentas bancarias de todas las familias de Colombia
-Preguntar a una cantidad de personas representativa
La primera opción no es viable por varias razones. Primero que las familias no van a
ceder sus datos y segundo que tampoco podíamos ir familia por familia mirando los
datos. Principalmente, porque la población de Colombia se encuentra cerca de los 50
millones. Mientras, la segunda es la opción para recoger una muestra estadística.
Lo que haremos, siguiendo las características mencionadas anteriormente, será
preguntar a 100.000 familias. Es algo complicado pero mucho más fácil que preguntar a
50 millones de colombianos. La diferencia es considerable. Así pues, a partir de esa
muestra de 100.000 familias, intentaremos calcular el gasto medio de las familias en
enero.
Los datos extraídos serán más o menos fiables según una serie de métricas que se tienen
en cuenta en las investigaciones estadísticas. Claro que, ese tipo de métricas son más
avanzadas y, por ello, no las trataremos aquí.
Otro ejemplo de muestra estadística podría ser conocer la opinión de la gente de un
determinado barrio acerca de que se cree un restaurante de comida mexicana en la zona
en la que residen. Las opciones para realizar este muestreo pueden ser consultarle a la
gente en la calle para saber si irían a comer o cenar a este nuevo restaurante.
En cambio, otra opción sería que nuestro grupo de amigos enviase entre sus grupos de
conocidos un cuestionario consultando esta información. La gente que respondiese sería
la muestra.

Parámetro
En estadística, el parámetro estadístico es un valor, un número, que resume y permite
interpretar los datos extraídos en el estudio de una muestra estadística. Imaginemos que
hablamos de una población determinada que queremos analizar. En este caso, el
parámetro estadístico podría ser la edad media de la población en cuestión.
También, es conveniente señalar que a los parámetros estadísticos también se les conoce
como estadísticos descriptivos.

El cálculo de este parámetro, está definido mediante una fórmula aritmética. En el caso

de la población, la media presenta una fórmula que se utiliza para calcular y extraer
dicho parámetro.

El parámetro estadístico es un pilar fundamental de la estadística. Gracias a los

parámetros podemos conocer la situación de la realidad, pues permite interpretar y
resumir un gran número de datos que se extraen al analizar una determinada muestra
estadística.
La media, la moda, la mediana, así como las principales medidas de tendencia central,
por ejemplo, son parámetros estadísticos. Permiten interpretar unos datos que se extraen
de una determinada población. Asimismo, las medidas de posición no central, como
serían los deciles, los percentiles o los cuartiles, también son parámetros estadísticos.
Clasificando a la población en grupos, nos permite interpretar datos y analizar la
población.
En resumen, hablamos de un valor que representa la realidad sobre un determinado
estudio estadístico, resumiendo y exponiendo esa gran cantidad de datos en un solo
valor. Ello, mediante el uso de fórmulas previamente definidas que permiten su cálculo.
 Principales parámetros estadísticos
Dicho esto, entre los principales parámetros estadísticos que existen, los principales son
los siguientes:
 Medidas de posición
Las medidas de posición son indicadores que permiten resumir los datos en uno solo, o
dividir su distribución en intervalos del mismo tamaño.
Dentro de las medidas de posición, podemos encontrar las medidas de tendencia central
y las medidas de posición no central.
Veamos, a continuación, las dos.
 Medidas de tendencia central
Las medidas de tendencia central son parámetros estadísticos que tratan de informar
sobre el centro de una distribución de la muestra estadística o población estadística.
Así, hablamos de un parámetro utilizado para, entre otras muchas cosas, conocer en qué
lugar se encuentra el elemento promedio, o típico del grupo. Imaginemos que queremos
saber qué asignatura es la preferida por los alumnos de una clase. Para ello, podemos
utilizar la moda.
Las principales medidas de tendencia central son las siguientes:
 Media: Es el valor promedio de un conjunto de datos numéricos.
 Moda: Es el valor que más se repite en una muestra estadística.
 Mediana: La mediana parte la distribución en dos, es decir, deja la misma
cantidad de valores a un lado que a otro.

 Medidas de posición no central

Las medidas de posición no centrales son los cuantiles.
Los cuantiles, para hacernos una idea, realizan una serie de divisiones iguales en la
distribución ordenada de los datos. De esta forma, reflejan los valores superiores,
medios e inferiores.
Imaginemos que queremos dividir una población en grupos, atendiendo a su salario. De
esta forma, podríamos utilizar los cuartiles, permitiéndonos analizar aquellos cuartiles
que presentan un salario más bajo.
Los más habituales son:
  Cuartil: Es uno de los más utilizados. Divide la distribución en cuatro partes
iguales.
 Quintil: Este divide la distribución en cinco partes.
 Decil: Estamos ante un cuantil que divide los datos en diez partes iguales.
 Percentil: Por último, este cuantil divide la distribución en cien partes.

 Medidas de dispersión
Las medidas de dispersión son, en esencia, un valor numérico que ofrece información
sobre el grado de variabilidad de una variable.
Dentro de las medidas de dispersión, podemos encontrar las medidas de dispersión
absoluta y las medidas de dispersión relativas.
Veamos, a continuación, las dos.
 Medidas de dispersión absolutas
Las medidas de dispersión absolutas vienen dadas en las mismas unidades en las que se
mide la variable.
En este sentido, hablamos de medidas como las desviaciones medias, la varianza, o
la desviación típica.
En el caso de la desviación típica, por ejemplo, esta ofrece información de la dispersión
respecto a la media. De la misma forma, la varianza representa la variabilidad de una
serie de datos respecto a su media.
 Medidas de dispersión relativas
Las medidas de dispersión relativas nos informan de la dispersión, como las de
dispersión absolutas, pero lo hacen en términos relativos, es decir, como un porcentaje.
Entre las principales medidas de dispersión relativas que conocemos, destacan
el coeficiente de variación, el índice de desviación respecto de la mediana, entre otras.
En el caso del coeficiente de variación, este nos informa sobre si una variable se mueve
mucho o poco, aunque ello, con relación a otra variable. Mientras la varianza nos indica
la variación absoluta de una serie de datos, el coeficiente de variación nos indica dicha
variación, pero con relación a otra variable, por lo que hablamos de términos relativos.

Variable
Una variable estadística es una característica de una muestra o población de datos que
puede adoptar diferentes valores.
Cuando hablamos de variable estadística estamos hablando de una cualidad que,
generalmente adopta forma numérica. Por ejemplo, la altura de Juan es de 180
centímetros. La variable estadística es la altura y está medida en centímetros.
También podríamos, por ejemplo, decir que el beneficio de una empresa ha sido de
22.300 dólares el último año. En este caso, la variable sería el beneficio y estaría
medido en dólares. Ambas variables son del tipo cuantitativo (se expresan con un
número)
Claro que no todas las variables estadísticas son iguales y, por supuesto, no todas se
pueden (en principio) expresar en forma de número. Así, otra variable que podríamos
encontrarnos es el color de ojos de una persona. Por ejemplo, Juan tiene los ojos verdes
y Andrés los tiene azules. La variable sería el color de ojos y sería una variable
cualitativa. Es decir, no se expresa con número
 Tipos de variables estadísticas
Aunque hay decenas de tipos de variables estadísticas, por norma general podemos
encontrarnos dos tipos de variables:
 Variable cuantitativa: Son variables que se expresan numéricamente.
 Variable continua: Toman un valor infinito de valores entre un intervalo de
datos. El tiempo que tarda un corredor en completar los 100 metros lisos.
 Variable discreta: Toman un valor finito de valores entre un intervalo de datos.
Número de helados vendidos.
 Variable cualitativa: Son variables que se expresan, por norma general, en
palabras.
 Variable ordinal: Expresa diferentes niveles y orden.
 Variable nominal: Expresa un nombre claramente diferenciado. Por ejemplo el
color de ojos puede ser azul, negro, castaño, verde, etc.
Además cada una de estas variables podría tener más subtipos, ya que tenemos variables
de tipo económico, categóricas, dicotómicas, dependientes, independientes y cardinales.
Es decir, como ya hemos dicho, muchos tipos de variables estadísticas. Por ejemplo,
podríamos tener una variable estadística de tipo cuantitativo, discreta y dependiente.
Adicionalmente, también debemos aclarar que el hecho que las variables cualitativas se
expresen con nombre no quiere decir que no puedan ser parte de un modelo matemático.
Así pues, podríamos crear una variable cuantitativa a partir de una variable cualitativa.
Por ejemplo, para el color de ojos podríamos asignar un 1 si tiene los ojos azules, un 2
si tiene los ojos verdes y un 3 si tiene los ojos marrones. O, en otros casos, podríamos
también convertir variables dicotómicas que indica SI o NO, en 1 o 0.
 Ejemplos de variable estadística
A continuación, mostramos un ejemplo de cada una de los tipos de variable estadística:
 Ejemplo variable cuantitativa
Un ejemplo de variable cuantitativa serían las horas que trabaja un empleado a lo largo
de la semana. Otro ejemplo podría ser el número de kilómetros que realiza un ciclista
profesional a lo largo de la temporada.
 Ejemplo de variable continua
Las variables continuas son aquellas que toman valores infinitos dentro de un intervalo
como puede ser el tiempo que un corredor tarda en recorrer los 100 metros lisos. Un
ejemplo más puede ser el peso de un paquete de espaguetis.
  Ejemplo de variable discreta
Podríamos mencionar el número de helados vendidos en una heladería o el número de
clases que da un profesor a lo largo del curso lectivo.
 Ejemplo de variable cualitativa
Los asistentes a un concierto que tienen entradas diferenciadas por la zona en la que se
ubiquen como pista, grada o zona VIP sería una variable cualitativa.
 Ejemplo de variable ordinal

El resultado obtenido por los diferentes pilotos en una carrera de coches de

Fórmula 1 seria una variable ordinal. Otro ejemplo podría ser la calificación
otorgada por los jueces de un campeonato de gimnasia rítmica.

 Ejemplo de variable nominal

El color de ojos de una persona, azules, marrones o verdes es un ejemplo de este tipo de
variable. Un ejemplo más sería el estado civil de una persona o su sexo.

Escalas de medición
 ¿Qué tipos de escalas de medición existen?
En estadística, existen cuatro tipos de escalas de medición de datos: nominal, ordinal, de
intervalo y de razón.  A continuación te detallaremos cada una:
 Escala nominal
La escala nominal se utiliza para etiquetar variables sin ningún valor cuantitativo, son
mutuamente excluyentes (no se superponen) y ninguna de ellas tiene significado
numérico.  
Una buena manera de recordar todo esto es que «nominal» suena mucho como
«nombre» y las escalas nominales son algo así como «nombres» o etiquetas.
 Escala ordinal
En la escala ordinal, lo importante y significativo es el orden de los valores, pero no se
conocen realmente las diferencias entre cada uno de ellos.  
«Ordinal» es fácil de recordar porque suena como «orden» y esa es la clave que hay que
recordar con las «escalas ordinales»: lo que importa es el orden, pero eso es todo lo que
se obtiene de ellas.
 Escala de Intervalo
La escala de intervalo es una escala numérica en la que conocemos tanto el orden como
las diferencias exactas entre los valores. 
El ejemplo clásico de una escala de intervalo es la temperatura Celsius debido a que la
diferencia entre cada valor es la misma. 
Las escalas de intervalo son agradables porque se abre el ámbito del análisis
estadístico de estos conjuntos de datos.  Por ejemplo, la tendencia central puede medirse
mediante la media, la mediana y la moda; también puede calcularse la desviación
estándar.
Al igual que los demás, puedes recordar los puntos clave de una escala de intervalo con
bastante facilidad. «Intervalo» significa en sí mismo «espacio intermedio», que es lo
importante a recordar: las escalas de intervalo no sólo nos hablan del orden, sino
también del valor entre cada elemento.
 Escalas de razón
La escala de razón arroja el valor exacto entre las unidades y también tienen un cero
absoluto, lo que permite aplicar una amplia gama de estadísticas tanto descriptivas
como inferenciales. 
Todo lo anterior sobre los datos de intervalo se aplica a las escalas de razón, y además
las escalas de razón tienen una clara definición de cero. 
La escala de razón o escala proporcional ofrece una gran cantidad de posibilidades en lo
que respecta al análisis estadístico. Estas variables pueden sumarse, restarse,
multiplicarse y dividirse de forma significativa.