Tipos de Escalas de Medición y Distribuciones de Probabilidad

Escalas de Medición

Escala Nominal

Escala nominal. Es la escala más básica, que sitúa a las entidades en diferentes clases o categorías asignando al atributo un nombre. Estadísticas asociadas: la moda y la distribución de frecuencias.

Escala Ordinal

Escala ordinal. Con esta escala, los atributos de la entidad pueden ser ordenados en rangos, pero se debe tener presente que la distancia entre los mismos no tiene significado. Estadísticas asociadas: mediana, moda y distribución de frecuencias.

Escala de Intervalo

Escala de intervalo. Este tipo de escala es como la ordinal, pero con la diferencia de que la distancia entre los atributos sí tiene sentido. Estadísticas asociadas: media y desviación.

Escala de Ratio o Razón

Escala de ratio o razón. En este tipo de escala se preserva el orden, el tamaño de los intervalos y también los ratios entre entidades. Cabe indicar que esta escala es la más útil en la medición de software.

Escala Absoluta

Escala absoluta. Es utilizada únicamente cuando solo hay una forma posible de medir el atributo: el conteo.

Distribuciones de Probabilidad

• Uniforme. Resulta adecuada cuando la entrada toma con igual probabilidad cualquier valor de cierto intervalo. Se usa como primera aproximación para una variable que se supone que varía aleatoriamente en determinado intervalo, y de la que no se sabe nada más.

• Triangular. Se usa como primera aproximación en ausencia de datos, cuando se pretende representar un proceso para el cual pueden establecerse unos límites, mínimo y máximo, así como el valor más probable (moda).

• Gamma. Suele emplearse para modelar el tiempo necesario para completar una tarea. Esta distribución puede tomar una gran variedad de formas, en función del valor de su parámetro de forma.

• Exponencial. Se usa para representar el intervalo de tiempo entre eventos independientes, por ejemplo, la llegada de entidades al sistema.

• Weibull. Se usa en los modelos de fiabilidad, para representar los tiempos de vida (tiempo hasta el fallo) de dispositivos en los cuales el uso afecta a su tiempo esperado de vida (dispositivos eléctricos, muelles, etc.).

• Normal. Se emplea para describir fenómenos que son suma o promedio de una gran cantidad de variables aleatorias independientes entre sí, tales que cada una de ellas realiza una pequeña contribución a la suma.

• Bernoulli. La variable aleatoria representa el resultado de un experimento con dos únicos posibles resultados.

• Uniforme Discreta. La variable aleatoria es el resultado de un experimento aleatorio con varios posibles resultados, pero con la condición de que todos ellos son igualmente probables.

• Binomial. Es adecuada cuando se pretende estudiar el número de miembros de un grupo de individuos que poseen cierta característica. El grupo de individuos ha sido escogido aleatoriamente, y posee un tamaño fijo, conocido a priori.

• Geométrica. Es aplicable cuando se pretende estudiar el número de repeticiones de un experimento de Bernoulli que deben hacerse hasta que se produce uno determinado de los dos posibles resultados.

• Negativa Binomial. Es adecuada para describir el número de experimentos de Bernoulli “fallidos” antes de que se dé, un determinado número de veces, uno determinado de los dos posibles resultados.

• Poisson. Es adecuada para modelizar el número de eventos aleatorios que suceden en un intervalo de tiempo fijo.