La diferencia entre las variables nominales y ordinales parece pequeña, pero cambia por completo cómo se interpretan los datos y qué operaciones estadísticas tienen sentido. No es lo mismo clasificar personas por provincia que ordenar respuestas según nivel de satisfacción: en un caso solo nombras categorías; en el otro, además, existe una jerarquía. Aquí verás cómo reconocerlas, qué ejemplos aparecen con más frecuencia y qué errores conviene evitar en clase o en un examen.
Lo esencial para no confundirlas en un ejercicio
- Las categorías nominales solo identifican grupos; no existe un orden natural entre ellas.
- Las ordinales sí tienen orden, pero no garantizan que la distancia entre niveles sea igual.
- Un número escrito como código no convierte una variable en cuantitativa.
- Con las nominales suelen usarse frecuencias, porcentajes y la moda.
- Con las ordinales también tiene sentido hablar de orden, mediana y percentiles.
- El error más común es tratar una escala ordinal como si fuera una medida exacta.
Qué significa que una variable sea nominal
Cuando hablo de variables nominales y ordinales, me refiero a dos formas de clasificar datos categóricos. La nominal es la más simple: solo sirve para nombrar grupos. No hay jerarquía, no hay “más” o “menos”, y tampoco tiene sentido sumar, restar o promediar sus valores.
Yo suelo explicarlo con una pregunta muy concreta: ¿puedo ordenar las categorías de forma natural sin inventarme un criterio? Si la respuesta es no, la variable es nominal. El color de ojos, la provincia de residencia, el grupo sanguíneo o el tipo de contrato son ejemplos clásicos. También lo son variables como “sí/no” o “presencia/ausencia”, que en la práctica se tratan como nominales binarias.- Provincia o comunidad autónoma
- Color de ojos
- Grupo sanguíneo
- Tipo de contrato
- Respuesta sí/no
Lo importante aquí no es cómo se codifiquen los datos en una hoja de cálculo. Que “Madrid” aparezca como 1 y “Sevilla” como 2 no significa que Madrid sea “menos” o “más” que Sevilla. Ese código solo ayuda a registrar la información, no a medirla. La clave aparece cuando la categoría deja de ser un simple nombre y empieza a reflejar un orden real; ahí pasamos al siguiente nivel.
Qué cambia cuando la variable es ordinal
La variable ordinal sí permite ordenar las categorías, pero no convierte esos niveles en números exactos. Dicho de forma simple: hay jerarquía, pero no distancia garantizada. Saber que “alto” va antes que “muy alto” es útil; asumir que la diferencia entre “bajo” y “medio” es igual a la de “medio” y “alto” ya es otra historia.
Este detalle se ve mucho en encuestas y escalas de valoración. Satisfacción baja, media o alta; nivel de dolor leve, moderado o intenso; estudios primarios, secundarios o universitarios. También las escalas tipo Likert de 1 a 5 suelen interpretarse como ordinales en un contexto escolar o básico, porque expresan una progresión, pero no aseguran saltos idénticos entre puntos.
- Nivel de satisfacción
- Grado de dolor
- Nivel educativo
- Talla en una escala S/M/L
- Prioridad baja, media o alta
Por eso las ordinales exigen más cuidado que las nominales. El orden te deja comparar, clasificar y resumir por posición, pero no te autoriza a tratar las distancias como si fueran exactas. Esa frontera es justo donde muchos estudiantes se confunden, así que merece la pena ver ambas lado a lado.
Cómo distinguirlas de un vistazo
| Criterio | Nominal | Ordinal |
|---|---|---|
| ¿Hay orden natural? | No | Sí |
| ¿Las categorías representan grupos o niveles? | Grupos | Niveles |
| Ejemplos | Provincia, color, grupo sanguíneo, tipo de contrato | Nivel de satisfacción, talla, dolor, nivel educativo |
| ¿Se puede hablar de media? | No | Normalmente no, salvo supuestos muy justificados |
| ¿Qué resumen suele funcionar mejor? | Frecuencias, porcentajes, moda | Frecuencias, porcentajes, moda, mediana y percentiles |
| Error típico | Creer que un código numérico añade significado | Suponer que los saltos entre categorías son iguales |
Si prefieres una regla rápida, quédate con esta: nominal nombra, ordinal ordena. Yo la uso mucho porque evita una buena parte de los fallos en exámenes. Primero miro si existe jerarquía; después compruebo si esa jerarquía implica o no una medida exacta. Con eso ya puedo decidir con bastante seguridad qué estoy analizando.
Una vez que identificas el tipo de variable, toca pensar en el tratamiento estadístico que de verdad encaja con ella.
Qué análisis y gráficos tienen sentido
Con las nominales, el foco está en contar y comparar categorías. Funcionan bien las tablas de frecuencias, los porcentajes y la moda. También son muy útiles los gráficos de barras y los diagramas circulares cuando quieres mostrar reparto por grupos. En cambio, un histograma no suele ser la mejor opción, porque ese tipo de gráfico está pensado para variables numéricas continuas.
Con las ordinales puedes hacer casi lo mismo, pero añades el valor del orden. Por eso, además de frecuencias y moda, suele tener sentido usar la mediana o los percentiles. En análisis más avanzados, el orden permite trabajar con métodos por rangos, que respetan mejor la naturaleza de los datos cuando no quieres forzar supuestos demasiado fuertes.
Yo sería prudente con la media en una ordinal. A veces se calcula por costumbre, sobre todo en escalas amplias, pero eso no significa que siempre represente bien la realidad. Si las categorías no están separadas por distancias equivalentes, la interpretación de esa media se vuelve frágil. En examen, la respuesta segura suele ser pensar primero en orden, no en cantidad.
Si la representas en barras, el orden de las categorías debe respetar la jerarquía; en una nominal, ese orden es libre. Con esto claro, ya solo falta revisar los errores que más suelen aparecer y una forma simple de estudiarlo sin memorizar de manera mecánica.
Errores frecuentes que veo en exámenes
El primer fallo es confundir el número con la medición. Un código “1, 2, 3” no convierte una variable en cuantitativa si solo está etiquetando categorías. Esto pasa muchísimo con sexo, provincias, tipos de centro o niveles de satisfacción. El dato puede estar escrito con cifras y seguir siendo categórico.
El segundo error es tratar una ordinal como si fuese una escala de distancia exacta. Cuando alguien afirma que la diferencia entre “satisfacción media” y “satisfacción alta” es exactamente la misma que entre “baja” y “media”, está dando un salto que los datos no garantizan. El orden existe; la separación exacta, no necesariamente.
El tercer fallo es elegir mal el resumen o el gráfico. A una nominal no le pidas media; a una ordinal no la conviertas automáticamente en continua. Si el ejercicio solo pide clasificar, muchas veces basta con justificar con una frase: “es nominal porque sus categorías no tienen orden” o “es ordinal porque sus categorías sí siguen una jerarquía”. Esa explicación corta suele valer más que una respuesta larga pero imprecisa.
Yo me quedo con una regla de estudio muy simple: si la variable solo nombra, piensa en nominal; si además ordena, piensa en ordinal. Esa idea te ahorra dudas en tablas, test y ejercicios de repaso, y además se recuerda fácil cuando el examen aprieta.
Lo que conviene recordar antes de clasificar datos categóricos
La distinción entre nominal y ordinal no es un detalle de vocabulario: determina cómo lees el dato y hasta dónde puedes llegar con él. Si no hay orden, no fuerces interpretaciones; si sí lo hay, aprovéchalo, pero sin inventar distancias que no están en la variable. Esa prudencia es la que más ayuda a acertar en estadística básica.
Si estudias este tema para un examen, yo te recomendaría practicar con ejemplos cotidianos: provincia, grupo sanguíneo, satisfacción, nivel educativo, dolor, talla. En pocos minutos verás que la clave casi siempre está en la misma pregunta: ¿esto clasifica o también jerarquiza? Cuando respondes bien a eso, la mayoría de los ejercicios se vuelven mucho más sencillos.
Un truco que me funciona al corregir o estudiar es escribir al margen dos palabras: “nombre” u “orden”. Si la variable solo etiqueta, va a la izquierda; si añade jerarquía, va a la derecha. Ese gesto evita respuestas precipitadas y te ayuda a elegir mejor el gráfico, el resumen y la interpretación.
