Violeta Alicia Nolberto Sifuentes María Estela Ponce Aruneri

ESTADÍSTICA INFERENCIAL APLICADA

Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos

Primera edición: Lima, 2008.

© Violeta Alicia Nolberto Sifuentes. María Estela Ponce Aruneri. © Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos.

Serie: Textos de la Maestría en Educación.

Edición: Elena Soto Loayza.

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE EDUCACIÓN UNIDAD DE POST GRADO Rector Decano Director de la UPG Comité Directivo de la UPG : : : : Dr. Luis Izquierdo Vásquez Dr. Carlos Barriga Hernández Dr. Elías Mejía Mejía Dra. Elsa Barrientos Jiménez Dr. Kenneth Delgado Santa Gadea Mg. Rubén Mesía Maraví

2

Dedicatoria Dedicatoria Para Sandra Natalia (María Estela) Para Ernesto Alonso (Violeta Alicia)

3

ÍNDICE Prefacio Agradecimientos Capítulo 1. La estadística y su relación con la investigación científica 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. Introducción Definición de estadística Investigación científica Objetivos fundamentales de la investigación científica Paradigmas de la investigación Clasificación de la estadística 010 011 013 014 015 018 008 009

Capítulo 2. Estadística inferencial 2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. 2.8. 2.9. Introducción Población Muestra Muestra aleatoria Muestra aleatoria aplicada Parámetro Estadístico Distribución muestral Estimación 021 022 024 024 025 027 028 030 037 039 041 043 044

2.10. Prueba de hipótesis 2.11. Estadística paramétrica 2.12. Estadística no paramétrica Ejercicios propuestos

4

2.3. Introducción Conceptos básicos Etapas para realizar una prueba de hipótesis Prueba de para µ de una población normal Prueba para σ 2 de una población normal Para π de una población binomial Prueba para µ1 − µ 2 usando muestras independientes 4.1.1.6. 4.7.Capítulo 3. 4. Cuando las varianzas poblacionales son conocidas 4. Estimación de parámetros 3. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. µ1 − µ 2 .2.6.7. 4. 3.7. 4. π 1 − π 2 . Usando muestras relacionadas 3.8. 3. Intervalo de confianza para estimar la razón de varianzas poblacionales. Usando muestras independientes 3. σ 12 .1. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. 4. Cuando las varianzas poblacionales son desconocidas 5 .1.7.3.2. 3.9. Prueba de hipótesis paramétrica 4. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. de poblaciones normales independientes 2 σ2 3.5.2.5.7.4. Introducción Propiedades de los estimadores Estimación de parámetros mediante intervalos de confianza Intervalo de confianza para estimar la media µ de una población normal Intervalo de confianza para estimar la varianza poblacional σ 2 de una población normal 3. 3.7. 3. 4.4. de poblaciones normales 3.

5.2.2.6. Pruebas de hipótesis no parámetricas 6.1. 5.5.5. Análisis de regresión lineal múltiple 5. Introducción Modelo de regresión lineal simple Gráfico o diagrama de dispersión Modelo de regresión lineal simple poblacional Estimación de los parámetros del modelo de regresión lineal simple Evaluación del ajuste global del modelo Adecuación del modelo: Análisis de residuos Modelo de regresión lineal múltiple Prueba de la significancia de la regresión 5.9.8. 7.3. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 5. 6. Correlación lineal simple Ejercicios propuestos Capítulo 6.4. Análisis de datos categóricos 7.4.1.6.3.9. 7. 6.4. 6.10. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4. 6.3.10. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7. 5.1. 4. 5.7. 5. 5. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5. 5. 6.2.8.

7.4. Prueba de hipótesis de homogeneidad Prueba de hipótesis de independencia Ejercicios propuestos Anexo Uso de Excel en el cálculo de los valores de algunas variables aleatorias 7 .5.7.

De ahí. Dejamos bien en claro que en ningún momento se pretende “adiestrar” a lo lectores en cálculos. que brindamos en el presente libro. la interpretación de los resultados obtenidos. que es un instrumento comparable a una calculadora. El aprendizaje de estadística usando software estadístico no debe reducirse. apliquen las herramientas estadísticas (saber hacer) y desarrollen una actitud positiva hacia la estadística. que el esfuerzo de las autoras sea desarrollar paso a paso las aplicaciones que se presentan en este libro. en el sentido de que los maestristas de esta facultad son en su mayoría de la especialidad de educación. se ha escrito tomando en cuenta a un grupo heterogéneo de profesionales. que se desarrolla en el plan de estudios de la Maestría en Educación. pues éste sirve como apoyo del profesor para mostrar. asimismo. sino en que aprendan los conocimientos teóricos estadísticos de la inferencia (saber).PREFACIO El presente libro se ha elaborado a solicitud de la Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos. Violeta Alicia Nolberto Sifuentes y María Estela Ponce Aruneri Departamento Académico de Estadística de la UNMSM 8 . o el simple uso de las fórmulas o expresiones que aparecen en éste y en diversos libros de estadística. y en su quehacer profesional no emplean cotidianamente las herramientas estadísticas. que la estadística no solamente es cálculo. en forma precisa y rápida. Por tanto. Una vez que el lector haya asimilado los conocimientos estadísticos. y sus aplicaciones. sin embargo. y tiene como objetivo ser una guía en el curso de Estadística Inferencial. estará en la capacidad de usar software estadístico. sino razonamiento crítico basado en evidencias objetivas que se obtienen de la población bajo estudio (ser). Esto es. en sus diferentes menciones. los gráficos y cálculos estadísticos. a manipulaciones mecánicas. Los cálculos que se presentan para aplicar las herramientas de la inferencia estadística son para que los lectores entiendan sus cómo y porqué y.

alumnos. los mismos que contribuirán con la enseñanza y la difusión de la estadística. en el plan de estudios vigente. a nuestras familias por el apoyo. A todos los lectores docentes. por sus comentarios y sugerencias para con nuestro desempeño docente. en particular de la información estadística. en general. que nos formaron en tan importante especialidad. en concordancia con el mundo en que vivimos. no solamente en el ámbito sanmarquino. y cuyas enseñanzas y exigencias académicas para con nuestra preparación profesional en estadística han permitido que podamos seguir enseñando y difundiendo la estadística. sino en otros. A nuestros profesores de pregrado del Departamento Académico de Estadística de la Universidad Nacional Mayor de San Marcos. caracterizado por el constante aprendizaje y el manejo adecuado de la información. aquellos que toman decisiones basadas en evidencias objetivas. Asimismo. en particular a los maestristas de la mencionada facultad que lo usaran como guía para el aprendizaje del curso de Estadística Inferencial. Finalmente. También por considerarnos como docentes de tan prestigiada unidad de post grado. A nuestros alumnos.AGRADECIMIENTOS A Elías Mejía. a los que nos hagan llegar sus comentarios. observaciones y dudas respecto a lo tratado en el presente libro. Director de la Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos. por brindarnos la oportunidad de entregar al mundo académico el presente libro. la comprensión y el aliento. para con el desarrollo del presente libro. 9 . empresarios y. por la paciencia e interés en aprender estadística.

CAPÍTULO 1 LA ESTADÍSTICA Y SU RELACIÓN CON LA INVESTIGACIÓN CIENTÍFICA 1. Las evaluaciones muestrales realizadas por la UMC son representativas de la población objetivo planteadas en los distintos estudios (p.1. La selección de una muestra representativa de estudiantes permite hacer inferencias de las poblaciones a partir de la información recogida”. evaluar “es el acto de valorar una realidad que forma parte de un proceso cuyos momentos previos son la fijación de las características de la realidad a valorar y la recogida de información sobre las misma. sobre evaluaciones muestrales. fecha 23 de marzo de 2008). e. A la fecha la UMC ha realizado cuatro evaluaciones muestrales y dos evaluaciones censales. como fuente general de información. someten a prueba diferentes métodos de comprensión lectora. Para Castillo Arredondo (2003). que contamos con Internet. que permite disponer de información educativa. estudian problemas del aprendizaje.gob.). que a la letra dice: “Dentro de las evaluaciones nacionales que ha realizado la Unidad de Medición de la Calidad (UMC) podemos distinguir dos tipos: las muestrales y las censales. En una evaluación muestral se selecciona a un conjunto de estudiantes de una población (objetivo). INTRODUCCIÓN Los profesionales de la educación.php?v_codigo=47&v_plantilla=2. realizan investigación científica: evaluación de la calidad de la educación. Es así. y cuyas etapas posteriores son la información y/o toma de decisiones en función del juicio de de valor emitido”.minedu. 10 (de . por ejemplo. etc.pe/umc/index2. estudiantes peruanos de sexto grado de primaria. como parte de su quehacer profesional. estudiantes peruanos de Instituciones Educativas Estatales de quinto grado de secundaria. entre otros. que realiza el Ministerio de Educación y que está disponible en la página web: http://www2.

en particular de la estadística inferencial. a partir de los datos muestrales. es necesario conocer las características de esta realidad escolar llamada. población. obtenidos de poblaciones en su conjunto de individuos o fenómenos o bien de muestras que representan las poblaciones estudiadas. empleamos los métodos que ofrece la estadística inferencial. si toma o selecciona un grupo de escolares. o por el contrario. Cuando se trabaja con una muestra probabilística y queremos conocer la población. Pero antes es necesario que se conozca la naturaleza de la estadística. así como el estudio de su variación.Por tanto. presentación. se denomina una muestra representativa (muestra probabilística o aleatoria) de escolares. resumen y comparación de conjuntos de datos numéricos. Amigable en el sentido que obviaremos las demostraciones matemático-estadísticas. Este libro es a nivel básico. veamos algunas: Para Sierra Bravo (1991). y a través de la muestra intentará conocer la realidad de la población escolar. la estadística es “la ciencia formada por un conjunto de teorías y técnicas cuantitativas. si el educador desea evaluar el rendimiento escolar.2. Si está en condiciones de recolectar los datos de toda la población se denomina censo. estadísticamente. 11 . que en el presente libro nos ocupará varios capítulos. relaciones. descripción. que tiene por objeto la organización. pero si será necesario tomar en cuenta las definiciones de la estadística así como la rigurosidad para aplicar los métodos estadísticos de la inferencia. es decir datos de todos y cada uno de los escolares para lograr los objetivos propuestos. tratando de ser lo más amigable posible. tomando en cuenta que nos dirigimos a profesionales no estadísticos. en particular de la educación. propiedades. DEFINICIÓN DE ESTADÍSTICA Existen diversas definiciones. 1.

1 En nuestro medio profesional o en la sociedad en general se requiere solucionar un problema o verificar un supuesto. aplicando conocimientos matemáticos y estadísticos. inferencia o generalización de los resultados obtenidos de muestras. medicina. progresivamente crecientes. Abarca dos campos fundamentales la estadística descriptiva y la estadística inferencial”. a la colección. sociales. psicología. la colección. define a la estadística como “el arte de tomar decisiones acerca de un proceso o una población con base en un análisis de la información contenida en una muestra tomada de la población”. ingeniería. respecto a las poblaciones que aquéllas representan. la técnica y la educación Traducción adaptada por las autoras del libro. el proceso. análisis e interpretación. economía. políticas y militares no se pueden tomar objetivamente sin el empleo adecuado de la estadística.org/Careers/index. Douglas Montgmery (1985). “la estadística es un lenguaje para comunicar información basada en datos cuantitativos”. y la interpretación de los resultados. Para Hopkins y Glass (1997). comercialización. 1 12 . Muchas decisiones económicas. al análisis y a la presentación de datos numéricos.cfm?fuseaction=main (en fecha 01 de abril de 2008). Contribuyen con la investigación científica diseñando pruebas y experimentos. El conocimiento estadístico se aplica a la biología. anotan que “la estadística es la ciencia encargada de suministrar las diferentes técnicas y procedimientos que permiten desde organizar la recolección de datos hasta su elaboración. para desarrollar la ciencia. dada la necesidad de manejar y tratar en ellas grandes cantidades. de datos”. Irma Nocedo de León et al (2001). educación y deportes.comportamiento probabilístico de dichos datos y la estimación. La estadística en la investigación científica.amstat. tomada de: http://www. Otra definición de la estadística que lo vincula al uso científico de principios matemáticos. salud pública. y el análisis de datos.

define investigación como “un procedimiento reflexivo.3. su formación académico-profesional. sistemático. que permite descubrir nuevos hechos o datos. 1. INVESTIGACIÓN CIENTÍFICA Es una forma especial de buscar el conocimiento. en cualquier campo del conocimiento humano. entre otros.entre otros ámbitos. Todos estos problemas no pueden ser resueltos por iniciativas subjetivas. Para resolver estos problemas se debe seguir de manera organizada. relación o leyes. gestión académica. en particular respecto a los alumnos sobre rendimiento académico. una investigación existe cuando se ha pasado por el proceso de 13 . tener información lo más próxima a la realidad bajo estudio. es decir debemos realizar investigación científica. entre otros. Indudablemente esto se logra empleando la ciencia llamada estadística. Para entender qué se asume por investigación científica debemos conocer su naturaleza. A continuaciones se presentan algunas definiciones: Ezequiel Ander-Egg (1995). informática educativa y modelos educativos. aptitud científica. los recursos didácticos que emplea y la producción científica. sino en base a información válida y confiable. Es un procedimiento mediante el cual se recogen nuevos conceptos de fuentes primarias. presenta toda una serie de características que la diferencian de otras formas de abordar la realidad. sus aspectos o características. desarrollo social y la deserción entre otros. como son el conocimiento empírico espontáneo y el razonamiento especulativo. sistemática y planificada. Respecto al sistema educativo. como son: 1. por pareceres o lluvia de ideas. controlado y crítico. También respecto al docente sobre su desempeño en aula. esto es. financiamiento de la educación.

Explicar la realidad. 2. 1. los objetivos fundamentales de una investigación científica son: 1. Refleja mediante generalizaciones teóricas (principios. experimentaciones. 3. conceptos) las propiedades y regularidades esenciales y estables de los fenómenos. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. 14 . Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial.comprobación y verificación de un problema. En lo posible procura ofrecer resultados cuantitativos de los datos manejados. 2. sino también las conclusiones y recomendaciones finales”. 6. leyes. La investigación es un trabajo de exploración profesional.4. El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. organizada o sistemática y exacta. así como los factores causales que los determinan. Describir la realidad. Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos. Es lógica y objetiva. 5. el replantear lo ya conocido no se puede llamar investigación. 4. resultados. y establecer generalizaciones empíricas.

Pero ¿cómo conocer la realidad? 1. La explicación de la realidad y las generalizaciones teóricas. esto es. Como función práctica y utilitaria. como son: el cualitativo y el cuantitativo. Este último tiene que ver con las vías. empleando métodos y medios especiales de conocimiento que permiten obtener datos empíricos confiables. procedimientos y estrategias que se consideran apropiados para estudiar al objeto. establecer pronósticos dentro de un determinado límite de la probabilidad. los métodos estadísticos cumplen funciones cognoscitivas importantes como herramienta de investigación científica. PARADIGMAS DE LA INVESTIGACIÓN Un paradigma es un enfoque general que asume el investigador y es de carácter ontológico. mejorar la calidad de vida. así como un reflejo profundo y exacto de las regularidades esenciales de la realidad. formas. permiten que cumpla con el objetivo de predecir los comportamientos futuros de los fenómenos. la ciencia transforma la realidad en correspondencia con las necesidades y demandas de la sociedad. a fin de lograr un bienestar. En este caso.5. Predecir la realidad. 15 . Entonces la ciencia indaga su objeto de estudio utilizando de una manera sistemática y rigurosa. epistemológico y metodológico. Responde a la pregunta ¿cómo se conoce a la realidad? En la literatura del método científico se habla con frecuencia de dos paradigmas de la investigación científica.3. por tanto el proceso de investigación científica encuentra su fundamento metodológico en la concepción científica general de la realidad objetiva.

1 Ventajas y desventajas entre métodos cualitativos y cuantitativos Métodos cualitativos Métodos cuantitativos Propensión a “comunicarse con” los Propensión a “servirse de” los sujetos sujetos del estudio.com/mbe/investiga/cuanti_cuali/cuanti_cuali. Se limita a responder. Se limita a preguntar. validez externa. Son fuertes en términos de validez Son débiles en términos de validez interna.fisterra. 16 . Comunicación más horizontal… entre el investigador y los investigados… mayor naturalidad y habilidad de estudiar los factores sociales en un escenario natural. lo que encuentran no es que quieren medir. lo importante es determinar el momento adecuado para aplicarlo en el desarrollo de la investigación científica. se debe reconocer sus ventajas y desventajas. pero son débiles en validez interna -casi nunca sabemos si miden lo externa.asp (de fecha 22 de marzo de 2008). como todo método científico. disponible en: http://www. Tabla Nº 1. lo que encuentran es generalizable a la población.pero son fuertes en generalizable a la población. Podemos afirmar que.Para sintetizar estos dos paradigmas se presenta la siguiente tabla. Preguntan a los cuantitativos: ¿Cuan Preguntan a los cualitativos: ¿Son particularizables son sus hallazgos? generalizables sus hallazgos del estudio.

en particular la educación superior. Entonces la estadística es la herramienta que ayuda a tener la seguridad. de la realidad investigada. para realizar investigación vía el paradigma cuantitativo. dinámica. Es indudable que la estadística es una poderosa herramienta para planificar y desarrollar el diseño metodológico. Los datos obtenidos. donde se define el proceso de recolección de datos. ésta debe reunir ciertas características. Una vez establecido el objeto de estudio en base a los conocimientos teóricos. que permitan contestar las preguntas formuladas. por lo tanto. en términos de estadística aplicada. En otros casos será necesario emplear ambos paradigmas. no es suficiente uno de ellos se deben emplear ambas. como también para efectuar generalizaciones a partir de los resultados de estas muestras representativas. como por ejemplo cuando se trata de evaluar la calidad de la educación. delimitando las unidades bajo estudio y las variables a medirse. se inicia la etapa de diseño metodológico (diseño). pero lo importante es tener la certeza de su aplicación para solucionar problemas de una investigación científica.Pero destacamos que el paradigma cuantitativo se vale de la estadística para garantizar el estudio de muestras representativas y para el análisis de los datos. se analizan aplicando los métodos y técnicas estadísticas para contrastar sus posibles divergencias con las consecuencias que se deducen de las hipótesis. certeza y confianza. ambos paradigmas se complementan. en el proyecto de investigación científica. se ha empleado previamente el paradigma cualitativo. multifactorial. La realidad es muy compleja. También. no son excluyentes. de que los datos recogidos respondan a la realidad que se pretende investigar. Por tanto nos preguntamos: 17 .

para el logro de sus objetivos y/o verificación de sus hipótesis? ¿Cómo se realizará la investigación.1. se resuelve con el apoyo de la estadística descriptiva. de manera gráfica o analítica. que resume y presenta datos obtenidos de la población o de una muestra. la Estadística se clasifica como: 1. CLASIFICACIÓN DE LA ESTADÍSTICA Dependiendo de cómo se analizan los datos. para resaltar las propiedades de los elementos bajo estudio.6.¿Cómo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo.6. de una prueba de compresión lectora. es la misma en todas las secciones de quinto grado de primaria de Instituciones Educativas de Lima Metropolitana?. a fin de maximizar la validez y confiabilidad de la información y reducir errores en los resultados? Las respuestas que ustedes proporcionen dejan notar la relación que existe entre estadística e investigación científica. 18 . La siguiente pregunta: ¿En promedio el número total de respuestas correctas. 1. mediante métodos adecuados. Tiene como objetivo caracterizar los datos. Estadística descriptiva Rama de la estadística que trata sobre la descripción y análisis estadístico de una población.

La siguiente pregunta: ¿El instrumento “perso” clasifica y discrimina adecuadamente.2. Tiene como objetivo generalizar las propiedades de la población bajo estudio. También se le llama también estadística matemática. 19 . a los alumnos de Educación Básica Secundaria según requieran o no una escolarización especial?. y la posibilidad y límites de la generalización de los resultados obtenidos a partir de aquellas a las poblaciones que representan.1. En cuanto a la probabilidad.6. tanto en las ciencias naturales como en las ciencias humanas. Pedro Juez Martel y Francisco Diez Vegas (1997) manifiestan que “hoy en día la probabilidad y la estadística. La siguiente pregunta: ¿Cuánto es la probabilidad de que un alumno de Educación Básica Secundaria requiera una escolarización especial. Esta generalización de tipo inductivo. íntimamente unidas en sí. papel que va cobrando cada vez mayor importancia”. por su complejidad matemática en relación a la estadística descriptiva. Estadistica inferencial Rama de la estadística que estudia el comportamiento y propiedades de las muestras. desempeñan un papel fundamental en prácticamente todos los campos del saber. se basa en la probabilidad. a partir de variables de personalidad. basado en los resultados de una muestra representativa de la población. a partir de las variables de su personalidad? es un caso típico que se resuelve con el apoyo de la probabilidad y se logra empleando modelos probabilísticos. se resuelve con el apoyo de la estadística inferencial.

Pocas materias tienen una aplicación tan amplia. CON DATOS DE MALA CALIDAD NO SERA POSIBLE DAR RESPUESTA ADECUADA A UN PROBLEMA CIENTIFICO Nosotros recordamos al estudiante que los métodos estadísticos son las herramientas más peligrosas en manos de gente inexperta. La estadística es una de esas ciencias cuyos adeptos deben ejercer la automoderación de un artista (George Udny Yule y Maurice Kendal). ninguna requiere tal cuidado en su aplicación. Una investigación que empieza mal. con seguridad termina mal.RECUERDE Ningún método estadístico puede corregir los defectos por una inadecuada selección del problema que se investiga. o por una mala recolección de datos. 20 .

como son: 1.2 del presente libro. La combinación de métodos de instrucción directa y enseñanza recíproca. 21 . a partir de la información que proporciona una muestra representativa obtenida de dicha población. 3. Se realiza un estudio para comparar tres métodos para enseñar técnicas de comprensión lectora en inglés a escolares de segundo grado de Educación Básica Secundaria. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. El método de la enseñanza recíproca. 2. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. Ver sección 1.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. INTRODUCCIÓN También se le llama inferencia estadística.1. 2.1. Veamos el siguiente ejemplo: Ejemplo 2. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada. Para que la estadística inferencial proporcione buenos resultados debe: 1. El método de instrucción directa.6.

con qué confianza diremos que ese método logrará que Javier mejore su comprensión lectora en inglés. identificado como el mejor. Para iniciarse en el estudio y aplicación de la estadística inferencial es necesario conocer los conceptos básicos que a continuación se van a tratar. POBLACIÓN Este concepto vamos a definirlo bajo diferentes enfoques. 2. 22 . con el apoyo de la estadística inferencial absolvemos esta pregunta. pero se le aplicará el mejor método que resulte de la investigación realizada. eligiendo a la que mejora significativamente la comprensión lectora para este tipo de alumnos. por supuesto apoyada por la probabilidad. ahora bien. dará buenos resultados para el alumno Javier Hernández León.Las preguntas por resolver son: 1. ¿Cuál de los métodos mejora la comprensión lectora? 2.2. La segunda pregunta es un caso de toma de decisiones porque Javier Hernández León no ha participado en el estudio. quién realizará el segundo grado de Educación Básica Secundaria? La primera pregunta es un caso de incertidumbre porque basándonos en el estudio de tres muestras independientes y en igualdad de condiciones se aplicará uno de los tres métodos a cada muestra de manera independiente. ¿Para el próximo año el método. Los casos de incertidumbre y toma de decisiones son resueltos por la estadística inferencial.

. X 3 . si la población consta de 300 alumnos.2. la calificación que ha obtenido el alumno 2 en la prueba de conocimientos sobre educación ambiental. El propósito de un estudio estadístico es extraer conclusiones acerca de la naturaleza de la población.En investigación científica se le define como la totalidad de elementos sobre los cuales recae la investigación.. que se lee así: La calificación que ha obtenido el alumno 1 en la prueba de conocimientos sobre educación ambiental. X 3 . y así sucesivamente hasta la calificación que ha obtenido el alumno 300 en la prueba de conocimientos sobre educación ambiental. X 2 . entonces se debe trabajar con una muestra extraída de la población bajo estudio. a ésta se le observa o se le somete a una experimentación. X N Donde N es el total de elementos de la población. X 300 Es una población en términos de variable aleatoria. como resultado tendremos los valores: X 1 . Sea X una variable aleatoria que representa la calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación. entonces: X 1 .. 23 . la calificación que ha obtenido el alumno 3 en la prueba de conocimientos sobre educación ambiental. pero resulta que las poblaciones son grandes.. o por razones de ética. estas unidades son medidas pertinentemente. . al estudiar a ésta variable en la población. X 2 .. recursos financieros. Si representamos mediante X una variable aleatoria bajo investigación. Ejemplo 2. . metodológicos u otros no será posible.. A cada elemento se le llama unidad estadística.

Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . 24 . Consideremos nuevamente la población definida en el ejemplo 2.3. Para que sea representativa se debe seleccionar empleando el muestreo.2. Esta generalización se realiza empleando la estadística inferencial. MUESTRA Sierrra Bravo (1991). . con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. Ejemplo 2... el primer alumno seleccionado en la muestra. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. 2. anota que “una muestra en general es toda parte representativa de la población. cada una con la misma función de distribución de la variable aleatoria X. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. Entonces: X 1 : La calificación que ha obtenido. en la prueba de conocimientos sobre educación ambiental.2.. tópico importante de la estadística. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación. La variable de interés es X.3. cuyas características debe reproducir en pequeño lo más exactamente posible”. X 2 . X n . MUESTRA ALEATORIA Una muestra aleatoria de tamaño n de la función de distribución de la variable aleatoria X es una colección de n variables aleatorias independientes X 1 .4. No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . X 3 .

La definición matemática de variable aleatoria es teórica. xn sobre las variables X 1 .. X 2 . ... x3 . x3 . sino a las seis variables aleatorias X 1 . en la prueba de conocimientos sobre educación ambiental.. X 2 . en la prueba de conocimientos sobre educación ambiental.. . X 3 . . X 2 . . xn . . No estamos tratando con un conjunto de unidades estadísticas seleccionadas. es decir x1 . el sexto alumno seleccionado en la muestra... X 4 .. X 2 . ni con un grupo de variables teóricas. En un sentido matemático.. X 4 .X 2 : La calificación que ha obtenido. X 3 . X 5 . x2 . x2 . X n . Se admite que son independientes y cada una con la misma distribución que la variable aleatoria X. X 2 .. X 6 : La calificación que ha obtenido. X 3 . Estos números son los valores observados de las variables X 1 . X 6 asociadas con los alumnos. . Puesto que la selección de los alumnos (en este caso. independientes e idénticamente distribuidas. X n respectivamente. X 5 . . . X 6 Constituye variables aleatorias. Esto conduce a la siguiente definición. X 3 . el término muestra aleatoria se refiere no a seis alumnos seleccionados para este estudio. 2. MUESTRA ALEATORIA APLICADA Una muestra aleatoria de tamaño n es un conjunto de n observaciones x1 .. seis) es aleatoria o al azar: X1. 25 . para extraer conclusiones prácticas acerca de la población en base a la muestra seleccionada deben determinarse los valores numéricos de las variables X 1 . para una determinada muestra aleatoria extraída de la población. X 3 . sino con un conjunto de n números reales. el segundo alumno seleccionado en la muestra. X n .5.....

x2 . Como un conjunto de variables aleatorias teóricas asociadas con esas unidades 3. Ahora estamos utilizando el término “muestra aleatoria”. Supongamos que el primer alumno seleccionado ha obtenido 13 en la prueba de educación ambiental. X 4 . X 4 . Una vez identificados los seis alumnos. x5 . x3 .3. X 6 . las variables aleatorias X 3 . X 5 . En este caso. sino a los seis valores numéricos x1 . Las definiciones no son equivalentes pero están estrechamente relacionadas. Como un conjunto de unidades seleccionadas que son sometidas al estudio. 26 . Como un conjunto de valores numéricos tomados por las variables. X 5 . X 2 .Ejemplo 2. De igual forma. no para referirnos a los alumnos seleccionados o a las variables aleatorias asociados con ellos. podemos determinar los valores numéricos de las seis variables aleatorias X 1 . la variable aleatoria X 1 toma el valor x1 = 13. cuarta. Si el segundo alumno seleccionado ha obtenido 10 en la prueba de educación ambiental. en este caso la variable aleatoria X 2 toma el valor x2 = 10. Para el caso del ejemplo 2. X 6 tomarán valores numéricos que van a depender de las calificaciones que obtengan los alumnos seleccionados en la tercera. 2. x4 .4. x6 que toman respectivamente cada una de las seis variables aleatorias. X 3 . quinta y sexta selección. Por tanto hay tres formas de considerar a una muestra aleatoria: 1.

la media y la desviación típica de una población (…) Son cantidades indeterminadas. Por ejemplo.6. entonces µ x = 14. Ejemplo 2. que caracterizan a un fenómeno en un momento dado que ocurre en una población”. indica que parámetro deriva del vocablo griego parámetreo que significa medir una cosa con otra: “En estadística se refiere a los valores o medidas que caracterizan a una población como. la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X.1) Obviamente que N toma el valor de 300 para este ejemplo. PARÁMETRO Sierra Bravo (1991).78 es el parámetro correspondiente. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X. por ejemplo. Si al obtener las calificaciones de los 300 alumnos que conforman la población. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. Para su cálculo se ha empleado la siguiente expresión. llamada media poblacional: N µx = ∑X i =1 i N (2. 27 . Se suele representar a un parámetro mediante letras griegas. constantes o fijas respecto a una condición o situación. En términos prácticos.2. éstas se promedian.5.

Si de estos 300 alumnos. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. llamada media muestral y se representa mediante x .6.7.2) Pero. una vez identificados los seis alumnos. x2 = 10. por ejemplo. Se pueden obtener media y varianzas muéstrales. Continuando con el ejemplo 2. entonces la proporción poblacional de mujeres representada por π x = 0. x3 = 13. La media obtenida de los seis alumnos es de 11. 198 son mujeres. cuya expresión es: 28 .2) es 198 y N toma el valor de 300. 2. se obtienen las siguientes calificaciones x1 = 13. llamada proporción poblacional: N πx = ∑X i =1 i N (2.83.4. Ejemplo 2. x4 = 14 x5 = 11. al seleccionar una muestra aleatoria de tamaño seis.66 (66%). que se asume es constante. Para su cálculo se ha empleado la siguiente expresión. x6 = 10. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2.

17 -1.83 -1. que da 71.17 2. que dividido por 6.8334 29 . cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.17 -0. es decir en promedio los alumnos han obtenido 11. y se representa mediante S 2 .3489 1. en la que mostramos paso a paso el uso de la expresión (2.83 0.3689 3. sabiendo que x = 11.3) es la suma de los seis valores.83.3) El numerador de la expresión (2.4722. resulta x = 11. La varianza de esta muestra aleatoria es 2.3689 4.02* 1.1.4).3489 14.83: Tabla 2.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.83 1.4) Para su cálculo.6889 3.7089 0.83 de calificación en la prueba de educación ambiental. disponemos de la tabla 2.x= ∑x i =1 n i n (2.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.

Tsokos y Milton (1998).5). positiva. esto es: S = + S2 (2.5) Entonces. varianzas. Ejemplo 2.8334. de las calificaciones obtenidas en la prueba que mide la educación ambiental. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. etc. 2. Fijamos para una muestra 30 .7.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2.4722.8. La raíz cuadrada. X 2 = 11. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). respecto a su media aritmética. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. acompañados de sus respectivas frecuencias relativas o probabilidades. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. De manera más formal. X 3 = 07. la desviación estándar es S = 1. usando la expresión anterior (2. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. que es igual a 14.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable.5723. que dividido por 6 es justamente 2. Vamos a obtener la distribución muestral. de la varianza se llama desviación estándar o desviación típica.

2 se muestran los posibles resultados de la muestra de tamaño 2. En este caso.11 Medias muestrales (media para cada muestra) 12 10 12 9 10 9 Ahora se muestra la distribución de frecuencias para los valores de la media muestral: Tabla 2.7 7. obtenidas de muestras de tamaño 2.13 7. En la tabla 2. 31 . de la población de tamaño 3.13 11. de las frecuencias relativas de todas las medias muestrales posibles. así como su respectiva media muestral: Tabla 2.7 11.11 13.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.de tamaño 2.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.33 2/6 = 0.33 2/6 = 0.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.

32 . nos indica cómo se obtiene una media muestral.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral).. Media muestral La expresión (2. De este modo. entonces la media muestral x tiene las siguientes propiedades: 1. 1) . para n grande. X 2 . . Veamos sus propiedades: Propiedades de la media muestral Si X es una variable aleatoria con esperanza o media poblacional µ y varianza poblacional σ 2 .3). Sea X 1 . Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). X 3 .1. conocida también como error estándar de la media muestral es igual a σ / n 4.. Entonces. de una distribución con media poblacional µ y varianza poblacional σ 2 . V x = σ 2 / n 3. la variable aleatoria: () x−µ σ/ n (2.8. X n una muestra aleatoria de tamaño n. La desviación estándar de x .6) Se distribuye aproximadamente como una normal estandarizada N (0. E (x ) = µ 2.. que se representa mediante σ x . 2.

.. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2. xn . x2 . Si X tiene distribución de probabilidad normal.2. Proporción muestral Consideremos una población en la que existe una proporción π de elementos que tienen el atributo A (o pertenecen a la categoría A ). Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente.. 2. . 33 . E (s 2 ) = σ 2 2. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 .7) Cabe precisar. (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad.3. aún cuando la variable aleatoria X no está normalmente distribuida. que algunos autores la llaman cuasivarianza. podemos aplicarla en la inferencia estadística.8.incluso. 2.8. entonces para la varianza muestral de tamaño n se cumple que: 1.

entonces: p= nA n (2.8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. V ( p ) = π (1 − π ) / n La desviación estándar. Esta proporción muestral corresponde a una variable aleatoria. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico. o error estándar de la proporción muestral. Para n suficientemente grande.Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . E ( p ) = π 2. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central).1) . la variable aleatoria: Z= p −π (2.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra. ¿CUÁL ES LA DIFERENCIA ENTRE DESVIACIÓN ESTÁNDAR Y ERROR ESTÁNDAR? La diferencia es que la DESVIACIÓN ESTÁNDAR describe la variabilidad de los valores de una variable. 34 . se denota como σ p y es igual a π (1 − π ) / n 3. Propiedades de la proporción muestral 1.

Docentes jóvenes.4 Muestra aleatoria de 15 docentes de la Institución Educativa Martín Adán (Lima) Docente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Edad(1) 34 38 49 42 35 44 30 36 43 47 39 46 48 36 44 Investigador(2) Remuneración(3) 1 1 2 1 1 2 1 1 2 2 1 2 2 1 1 1 1 1 1 2 1 2 1 1 1 2 1 1 2 1 (1) Edad en años cumplidos del docente. Se presenta la respuesta de 3 preguntas. 2. de un total de 27: Tabla 2. Docentes maduros. En una muestra aleatoria de 15 docentes de educación secundaria.8. 2. (2) La profesión de investigador es profesión atractiva para: 1. 1. de la Institución Educativa Martín Adán. 35 (3) El investigador educativo debe ser bien remunerado: . No. Sí. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo.Ejemplo 2.

es: σx = σ n = 5. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. Media muestral La edad en años cumplidos tiene distribución con media poblacional.7 se obtiene s 2 = 33. µ = 38.48 = = 1.48 5. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ). 15 3.73 años. y al usar la expresión 2.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.42 años.71 (π = 0.21 = 5. σ 2 = 30 años2.3 se obtiene x = 40. Usando la expresión 2. En esta población se asume que la proporción poblacional de docentes que consideran que la profesión de investigador es una profesión atractiva para docentes jóvenes es igual a 0.76.21 años2.71) . empleando la propiedad 3. 36 . La muestra aleatoria es igual a 15 docentes (n = 15) .87 Proporción muestral Para la segunda variable. En cambio el error estándar del estadístico media muestral.5 años y varianza poblacional.

6 (60%) 15 Esto es. El error estándar del estadístico p es: σp = π (1 − π ) n = 0.1170 15 15 15 2.De la tabla contamos que. nA =9. precio y valor que se da a una cosa. entonces empleando la expresión 2.71(1 − 0. se obtiene: p= 9 = 0. se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos.9.71(0.29) 0.0137 = 0. utilizando datos incompletos procedentes de una 37 . Sierra Bravo (1991). al que vamos a representar mediante la letra griega θ . anota que “estimación proviene del latín estimatio y significa estimación.8. Cuando no se tiene una noción preconcebida sobre el valor de θ . el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos.71) 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. En estadística es la operación que mediante la inferencia un parámetro. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población.2059 = = = 0.

se ˆ le denotara por µ . se trata de determinar el valor del parámetro. para distinguir entre estimador y estimación: 38 . Nótese que hay una diferencia entre los términos estimador y estimación. como ya se ha mencionado. Para cualquiera de estas dos situaciones empleamos el estadístico que. 2. es una variable aleatoria. se puede obtener el valor numérico del estadístico θˆ . Estimación puntual. al estimador de la media µ .9. Estimación mediante intervalos de confianza. A tal número se le denomina una estimación puntual de θ . Pero los valores de la muestra están sujetos al error muestral esto es a las fluctuaciones de la muestra”. De este modo por ejemplo. A un estadístico empleado para aproximar o estimar un parámetro de la población θ se le llama estimador puntual de θ y se denota mediante θˆ . ESTIMACIÓN: Es el valor que toma el estimador. ESTIMADOR: Es el estadístico utilizado para generar una estimación y es una variable aleatoria. Ejemplo 2. La estimación de un parámetro puede ser mediante una: 1. Una vez que la muestra ha sido tomada y se han hecho algunas observaciones. La aproximación se hace utilizando estadísticos apropiados. Consideremos las variables edad en años cumplidos ( X ) y el docente considera que el investigador educativo debe ser bien remunerado (Y ) .muestra.

se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. PRUEBA DE HIPÓTESIS Proceso mediante el cual. a partir de los valores de una muestra aleatoria.33%) 2.7333 (73.10. En cierta investigación.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.10. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE). que asisten a Instituciones Educativas estatales y privadas. 39 . Se pretenden lograr los siguientes objetivos: 1. Ejemplo 2. pero con cierta probabilidad de error (riesgo) por tomar una decisión. se decide si se rechaza o no el supuesto que plantea el investigador para el parámetro o parámetros de la población o poblaciones bajo estudio.21 años2 Y π p= nA n ˆ π = p = 0.

Niños de 8 años de edad seleccionados aleatoriamente e independiente de cada población. Explicar cuál rama de la inferencia estadística empleará para lograr cada objetivo. Parámetros: En relación a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE. que asisten a Instituciones Educativas privadas. Niños de 8 años de edad. los parámetros son: µ1 = Nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños de 8 años de edad que asisten a IE estatales. Muestra. Niños de 8 años de edad.2. µ 2 = Nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños de 8 años de edad que asisten a IE privados. Verificar si el nivel promedio poblacional del puntaje de la prueba de comprensión lectora en niños de IE estatal es diferente de los niños de IE privados. 2. Se trata de dos poblaciones bajo estudio: 1. Variable aleatoria. que asisten a Instituciones Educativas estatales. Solución Previamente se requiere identificar: Población. 40 . Está representada mediante X y se define como: Puntaje de comprensión lectora obtenida mediante una prueba especial.

Se desea verificar si el tiempo promedio requerido para resolver un problema sencillo en niños de 10 años de edad con secuelas neurológicas derivadas de hiperbilirubenia al nacer. Ejemplo 2. Para lograr el objetivo 1. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas.µ 2 = 0. En este caso se parte del supuesto que no existe diferencias entre el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales y privados.σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. Para el logro del objetivo 2. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . Por tanto se empleara la prueba de hipótesis estadística. o aproximadamente normal. es parte de la estadística que exige determinados requisitos para emplear en la inferencia estadística generalmente requiere para su uso el supuesto de normalidad es decir que las muestras aleatorias se extraen de poblaciones que están normalmente distribuidas. 2.11. 41 . Se debe emplear la estimación debido a que se requiere tener un valor aproximado de µ1 y µ 2 empleando muestras aleatorias que se han obtenido de manera independiente de cada tipo de institución educativa. mediante el cual se somete a prueba µ1 .11.µ 2 = 0. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991). Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias.

en minutos. requerido para resolver un problema sencillo. para resolver un problema sencillo. porque a cada unidad de la muestra se le evalúa bajo dos condiciones. se aplica una prueba de hipótesis para someter a prueba: µ1 = 42 . cuyo parámetro se define como: µ = Tiempo promedio poblacional. En este caso se debe elegir una muestra aleatoria de la población conformada por niños de esta población. es el tiempo. es decir. requerido para resolver un problema sencillo antes de la capacitación. sujetos a estudio estadístico son: µ1 = Tiempo promedio poblacional. requerido para resolver un problema sencillo antes de la capacitación. en minutos. Para verificar el supuesto propuesto. es decir los parámetros para este esquema. µ 2 = Tiempo promedio poblacional. Para estudiar a este parámetro se requiere evaluar a la muestra aleatoria de esta población antes de la capacitación especial y después de la capacitación especial.se incrementa después de haber recibido una capacitación especial para resolver problemas de ese tipo. La capacitación especial incrementa el tiempo promedio requerido para resolver problemas sencillos en niños de esta población a partir de muestras relacionadas. La variable aleatoria bajo estudio X. en minutos. niños de 10 años de edad con secuelas neurológicas derivadas de hiperbilirubenia al nacer. en minutos. antes y después de la capacitación especial. En este caso la muestra aleatoria es relacionada.

en minutos.12. 43 .12. asimismo estos métodos se basan en el análisis de los rangos de los datos que en las propias observaciones. entonces se recurrirá a la estadística no paramétrica. promedio poblacional requerido para resolver un problema sencillo µ1 < µ 2 o equivalentemente µ1 .µ 2 < 0. métodos que no suponen nada acerca de la distribución población muestreada por eso también a los métodos de la estadística no paramétrica se le llama de distribución libre. Y que son excelentes cuando los tamaños muestrales son pequeños ( n ≤ 10 ). y que se tratará en el capítulo 6. Ejemplo 2. y la segunda alternativa es emplear los métodos de la estadística no paramétrica. La estadística inferencial nos da la herramienta llamada estadística para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas. En este caso se está empleando la estadística paramétrica debido a que debe cumplir con el supuesto de normalidad 2. es decir. Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad. cuya verificación se realiza con herramientas estadísticas pertinentes. una de ellas es aproximar los valores de los datos a una distribución normal para la cual hay una serie de métodos. cuya aplicación requiere que las diferencias de cada par de observaciones (tiempo empleado para resolver un problema sencillo antes y después de la capacitación especial) debe tener distribución normal de probabilidad.tiempo. ESTADÍSTICA NO PARAMÉTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas.

en relación con las competencias docentes básicas propias de una gestión formativa pertinente. Natacha y RODRIGUEZ OROZCO. Vol. Alain.EJERCICIOS PROPUESTOS 2. en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. Revista Cubana de Educación Médica Superior. del artículo de investigación titulado: Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo2 Resumen Para la identificación de un grupo de competencias docentes básicas en los profesores que se desempeñan en la licenciatura en medicina en la Facultad de Medicina “Dr. Se tomaron en consideración los principios metodológicos más actuales acerca de la formación de recursos humanos en la educación superior en sentido general y en particular en la educación médica superior. objetivo fundamental del presente trabajo. Lidia. lo que permitió la caracterización de los docentes objeto de investigación. Ignacio Chávez”. 20. se utilizaron métodos teóricos y empíricos. 2 MANZO RODRIGUEZ. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. Leer atentamente el siguiente resumen. ISSN 0864-2141. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. RIVERA MICHELENA. se realizó un análisis integrador para valorar los datos obtenidos. Abril-Junio 2006.1. 44 . Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas.

García Gil de Muñoz. y Educación. Participaron 119 estudiantes de los cuales 73.9557). Plantear un parámetro.A partir de este resumen: 1.usb. Se encontró que la mayoría de los estudiantes asignan calificaciones altas a sus habilidades de investigación y que por lo general los hombres y las mujeres evalúan sus habilidades de investigación de manera Mtra. según respuesta 3. Ciencias Económico-Administrativas.2. Defina la(s) variable(s) aleatoria(s). Defina la muestra. Salgado. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología.2% se encontraba realizando estudios de licenciatura y el 11. y su respectivo estadístico. el 88. 2005). Claudia Karina. www. Ciencias Humanas. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. Torres. ambiental@bolivar. 4.3% hombres.edu.doc 3 45 .8% de postgrado. 2.mx/investigacion/cif/proyectos/proyecto3/habilidades. Caña y Valentín.usb. Defina la población. merivera@bolivar. Leer atentamente el siguiente resumen del artículo de investigación titulado: Percepción de los estudiantes universitarios de sus propias habilidades de investigación3 Resumen El objetivo de esta investigación fue identificar la percepción que tienen los estudiantes universitarios respecto a sus habilidades de investigación. María Elena y Mtra.7% fueron mujeres y 26. entre ellos. 3. Arango.mx.mx.usb. RIVERA HEREDIA. TORRES VILLASEÑOR. 2. Universidad Simón Bolívar. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =.

cuando aparecen diferencias significativas.semejante. Los capítulos faltantes del presente libro se estarán publicando en los siguientes días. Se discuten las diferencias entre los resultados arrojados por este cuestionario con los de otras estrategias de evaluación. En base a este resumen plantear como sería la aplicación de la inferencia estadística bajo el enfoque de: 1. Prueba de hipótesis de parámetros. son los hombres quienes se asignan puntajes más altos. Disculpen la molestia. Estimación de parámetros. 2. 46 .

47 .