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

de poblaciones normales independientes 2 σ2 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 4.7. µ1 − µ 2 . 4. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.9. 3. Prueba de hipótesis paramétrica 4.7. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. σ 12 .8.4. 3.7. 4.3. Estimación de parámetros 3.3. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. Usando muestras relacionadas 3.2.4. Usando muestras independientes 3. Cuando las varianzas poblacionales son conocidas 4.2. 4. de poblaciones normales 3. 4. 4.Capítulo 3.1. 3.5.5. 3.1.2. 4. π 1 − π 2 .1. Cuando las varianzas poblacionales son desconocidas 5 .7.6.2.7.6. Intervalo de confianza para estimar la razón de varianzas poblacionales. 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. 3.7.1.

7. 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 5.1.4. 5. 7.2. 6. Pruebas de hipótesis no parámetricas 6.1.10. 5. Análisis de regresión lineal múltiple 5. 6. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.5. 6.3. 5. 4.8.2.4.7.6.9.8.3. 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. 5.9. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5. 5. Análisis de datos categóricos 7. Correlación lineal simple Ejercicios propuestos Capítulo 6.2. 5.6. 6.1.5. 5.3. 5.10. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .4. 6.

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 .7.5.4. 7.

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

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

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

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

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

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

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

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

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

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

6. 1. 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. se resuelve con el apoyo de la estadística descriptiva. de una prueba de compresión lectora. mediante métodos adecuados. Estadística descriptiva Rama de la estadística que trata sobre la descripción y análisis estadístico de una población. CLASIFICACIÓN DE LA ESTADÍSTICA Dependiendo de cómo se analizan los datos. de manera gráfica o analítica.1. que resume y presenta datos obtenidos de la población o de una muestra. para el logro de sus objetivos y/o verificación de sus hipótesis? ¿Cómo se realizará la investigación. la Estadística se clasifica como: 1. La siguiente pregunta: ¿En promedio el número total de respuestas correctas.¿Cómo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo. para resaltar las propiedades de los elementos bajo estudio. 18 .6. Tiene como objetivo caracterizar los datos.

por su complejidad matemática en relación a la estadística descriptiva. papel que va cobrando cada vez mayor importancia”. También se le llama también estadística matemática. 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. a partir de variables de personalidad. La siguiente pregunta: ¿El instrumento “perso” clasifica y discrimina adecuadamente. desempeñan un papel fundamental en prácticamente todos los campos del saber. La siguiente pregunta: ¿Cuánto es la probabilidad de que un alumno de Educación Básica Secundaria requiera una escolarización especial. Pedro Juez Martel y Francisco Diez Vegas (1997) manifiestan que “hoy en día la probabilidad y la estadística. se basa en la probabilidad. se resuelve con el apoyo de la estadística inferencial. basado en los resultados de una muestra representativa de la población. Esta generalización de tipo inductivo. 19 . a los alumnos de Educación Básica Secundaria según requieran o no una escolarización especial?. íntimamente unidas en sí.2. Tiene como objetivo generalizar las propiedades de la población bajo estudio. En cuanto a la probabilidad. tanto en las ciencias naturales como en las ciencias humanas. y la posibilidad y límites de la generalización de los resultados obtenidos a partir de aquellas a las poblaciones que representan. Estadistica inferencial Rama de la estadística que estudia el comportamiento y propiedades de las muestras.6.1.

La estadística es una de esas ciencias cuyos adeptos deben ejercer la automoderación de un artista (George Udny Yule y Maurice Kendal). o por una mala recolección de datos. 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. ninguna requiere tal cuidado en su aplicación. Pocas materias tienen una aplicación tan amplia. 20 . con seguridad termina mal.RECUERDE Ningún método estadístico puede corregir los defectos por una inadecuada selección del problema que se investiga. Una investigación que empieza mal.

La combinación de métodos de instrucción directa y enseñanza recíproca. INTRODUCCIÓN También se le llama inferencia estadística. Ver sección 1.1. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2.1. 2. a partir de la información que proporciona una muestra representativa obtenida de dicha población. 21 . El método de la enseñanza recíproca. Veamos el siguiente ejemplo: Ejemplo 2. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. 3. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 2. 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. como son: 1.6.2 del presente libro. Para que la estadística inferencial proporcione buenos resultados debe: 1. El método de instrucción directa.

eligiendo a la que mejora significativamente la comprensión lectora para este tipo de alumnos. por supuesto apoyada por la probabilidad. 22 . dará buenos resultados para el alumno Javier Hernández León. pero se le aplicará el mejor método que resulte de la investigación realizada. ¿Para el próximo año el método.2. identificado como el mejor. 2. con el apoyo de la estadística inferencial absolvemos esta pregunta.Las preguntas por resolver son: 1. ¿Cuál de los métodos mejora la comprensión lectora? 2. con qué confianza diremos que ese método logrará que Javier mejore su comprensión lectora en inglés. Los casos de incertidumbre y toma de decisiones son resueltos por la estadística inferencial. 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. La segunda pregunta es un caso de toma de decisiones porque Javier Hernández León no ha participado en el estudio. ahora bien. 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.

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

Para que sea representativa se debe seleccionar empleando el muestreo. X 2 . X 3 . Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . Esta generalización se realiza empleando la estadística inferencial. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación.4. en la prueba de conocimientos sobre educación ambiental.. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población.3.. La variable de interés es X. el primer alumno seleccionado en la muestra. 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 . con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra.. cuyas características debe reproducir en pequeño lo más exactamente posible”.2. MUESTRA Sierrra Bravo (1991).3. cada una con la misma función de distribución de la variable aleatoria X. No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . . 2. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. anota que “una muestra en general es toda parte representativa de la población. tópico importante de la estadística. X n . 24 . Ejemplo 2. Entonces: X 1 : La calificación que ha obtenido. Consideremos nuevamente la población definida en el ejemplo 2.2.

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

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

6. que caracterizan a un fenómeno en un momento dado que ocurre en una población”. Para su cálculo se ha empleado la siguiente expresión. entonces µ x = 14. llamada media poblacional: N µx = ∑X i =1 i N (2. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. Ejemplo 2.2. 27 .78 es el parámetro correspondiente.5. por ejemplo. Por ejemplo. constantes o fijas respecto a una condición o situación. PARÁMETRO Sierra Bravo (1991). éstas se promedian. 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.1) Obviamente que N toma el valor de 300 para este ejemplo. Si al obtener las calificaciones de los 300 alumnos que conforman la población. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X. Se suele representar a un parámetro mediante letras griegas. En términos prácticos. la media y la desviación típica de una población (…) Son cantidades indeterminadas. la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X.

4. x3 = 13.2) es 198 y N toma el valor de 300. 2. entonces la proporción poblacional de mujeres representada por π x = 0. 198 son mujeres. por ejemplo. al seleccionar una muestra aleatoria de tamaño seis. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales.2) Pero. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. una vez identificados los seis alumnos.Si de estos 300 alumnos.6.7. se obtienen las siguientes calificaciones x1 = 13. llamada proporción poblacional: N πx = ∑X i =1 i N (2. Para su cálculo se ha empleado la siguiente expresión. x6 = 10.66 (66%). Se pueden obtener media y varianzas muéstrales. llamada media muestral y se representa mediante x . Continuando con el ejemplo 2. x2 = 10. Ejemplo 2. La media obtenida de los seis alumnos es de 11. cuya expresión es: 28 . que se asume es constante. x4 = 14 x5 = 11.83. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.

es decir en promedio los alumnos han obtenido 11.83.3) es la suma de los seis valores.83 de calificación en la prueba de educación ambiental.17 2. disponemos de la tabla 2.83 1.4).17 -1.3489 14.02* 1.1. resulta x = 11.83 0. La varianza de esta muestra aleatoria es 2.3489 1.8334 29 . y se representa mediante S 2 .83 -1. que dividido por 6.7089 0.6889 3. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.4722.4) Para su cálculo.3689 3.83: 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. en la que mostramos paso a paso el uso de la expresión (2.3) El numerador de la expresión (2.3689 4.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.17 -0. sabiendo que x = 11. que da 71.

8. 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. Fijamos para una muestra 30 . anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. respecto a su media aritmética. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). X 3 = 07. de las calificaciones obtenidas en la prueba que mide la educación ambiental. De manera más formal. que es igual a 14. Ejemplo 2. de la varianza se llama desviación estándar o desviación típica. La raíz cuadrada. positiva. esto es: S = + S2 (2.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2.8334.7. varianzas. que dividido por 6 es justamente 2.5723. Tsokos y Milton (1998).5). 2. la desviación estándar es S = 1.4722. etc.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”.5) Entonces. Vamos a obtener la distribución muestral. X 2 = 11. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. usando la expresión anterior (2.

así como su respectiva media muestral: Tabla 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 = 0.11 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 2.2 se muestran los posibles resultados de la muestra de tamaño 2. 31 .13 11. obtenidas de muestras de tamaño 2. En la tabla 2.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.13 7. de las frecuencias relativas de todas las medias muestrales posibles.7 7. En este caso. de la población de tamaño 3.7 11.33 2/6 = 0.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.11 13.de tamaño 2.

La desviación estándar de x . .1. De este modo.6) Se distribuye aproximadamente como una normal estandarizada N (0. 1) . para n grande. E (x ) = µ 2.. 2. V x = σ 2 / n 3. 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 . conocida también como error estándar de la media muestral es igual a σ / n 4.. X n una muestra aleatoria de tamaño n. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). 32 . Sea X 1 . X 3 . la variable aleatoria: () x−µ σ/ n (2. Entonces. entonces la media muestral x tiene las siguientes propiedades: 1.8. X 2 . que se representa mediante σ x .. de una distribución con media poblacional µ y varianza poblacional σ 2 .3). 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.

entonces para la varianza muestral de tamaño n se cumple que: 1. x2 . 2. 33 . xn .3.. podemos aplicarla en la inferencia estadística. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 .2.8.. que algunos autores la llaman cuasivarianza. 2.7) Cabe precisar. 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 ). E (s 2 ) = σ 2 2. . Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2.8. aún cuando la variable aleatoria X no está normalmente distribuida. Si X tiene distribución de probabilidad normal.. (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad.incluso.

Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . 34 .1) . Propiedades de la proporción muestral 1. la variable aleatoria: Z= p −π (2.8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. entonces: p= nA n (2. E ( p ) = π 2. V ( p ) = π (1 − π ) / n La desviación estándar. Para n suficientemente grande. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). ¿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. se denota como σ p y es igual a π (1 − π ) / n 3.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra. Esta proporción muestral corresponde a una variable aleatoria. o error estándar de la proporción muestral. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.

(2) La profesión de investigador es profesión atractiva para: 1. 1. 35 (3) El investigador educativo debe ser bien remunerado: . 2. Docentes maduros. de la Institución Educativa Martín Adán. Se presenta la respuesta de 3 preguntas.8. No. de un total de 27: Tabla 2.Ejemplo 2.4 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. 2. En una muestra aleatoria de 15 docentes de educación secundaria. Docentes jóvenes. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo. Sí.

7 se obtiene s 2 = 33. y al usar la expresión 2.42 años. es: σx = σ n = 5.71) .87 Proporción muestral Para la segunda variable. empleando la propiedad 3.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.76. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.3 se obtiene x = 40. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).21 = 5.21 años2. 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. 15 3. La muestra aleatoria es igual a 15 docentes (n = 15) . 36 .48 = = 1. µ = 38. Usando la expresión 2. En cambio el error estándar del estadístico media muestral. Media muestral La edad en años cumplidos tiene distribución con media poblacional.5 años y varianza poblacional. σ 2 = 30 años2.73 años.48 5.71 (π = 0.

71(1 − 0. se obtiene: p= 9 = 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. al que vamos a representar mediante la letra griega θ . En estadística es la operación que mediante la inferencia un parámetro. anota que “estimación proviene del latín estimatio y significa estimación. entonces empleando la expresión 2.71) 0. Sierra Bravo (1991).2059 = = = 0. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población.1170 15 15 15 2.9. utilizando datos incompletos procedentes de una 37 . El error estándar del estadístico p es: σp = π (1 − π ) n = 0.6 (60%) 15 Esto es. nA =9.8. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. precio y valor que se da a una cosa. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.0137 = 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.29) 0. Cuando no se tiene una noción preconcebida sobre el valor de θ .71(0. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos.De la tabla contamos que.

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

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. pero con cierta probabilidad de error (riesgo) por tomar una decisión. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).33%) 2. Se pretenden lograr los siguientes objetivos: 1.10. Ejemplo 2. 39 . a partir de los valores de una muestra aleatoria. que asisten a Instituciones Educativas estatales y privadas. PRUEBA DE HIPÓTESIS Proceso mediante el cual.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.7333 (73. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE.10. En cierta investigación.

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. que asisten a Instituciones Educativas privadas. que asisten a Instituciones Educativas estatales. Variable aleatoria. 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. Parámetros: En relación a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE. Solución Previamente se requiere identificar: Población. Se trata de dos poblaciones bajo estudio: 1. 40 . 2. Muestra. Explicar cuál rama de la inferencia estadística empleará para lograr cada objetivo. Niños de 8 años de edad. Niños de 8 años de edad seleccionados aleatoriamente e independiente de cada población. Está representada mediante X y se define como: Puntaje de comprensión lectora obtenida mediante una prueba especial. Niños de 8 años de edad. 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.

2. Ejemplo 2. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . 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. 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. mediante el cual se somete a prueba µ1 . 41 . o aproximadamente normal. Por tanto se empleara la prueba de hipótesis estadística.11. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).11. Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias. Para el logro del objetivo 2. Para lograr el objetivo 1.σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales.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 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas.µ 2 = 0. 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.

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

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

Ignacio Chávez”. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. se utilizaron métodos teóricos y empíricos. Abril-Junio 2006. Revista Cubana de Educación Médica Superior. 44 . RIVERA MICHELENA. objetivo fundamental del presente trabajo. 20. Alain. Vol. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. 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. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. en relación con las competencias docentes básicas propias de una gestión formativa pertinente. Natacha y RODRIGUEZ OROZCO. en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. Lidia. 2 MANZO RODRIGUEZ.EJERCICIOS PROPUESTOS 2. se realizó un análisis integrador para valorar los datos obtenidos. Leer atentamente el siguiente resumen. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos. ISSN 0864-2141.1. 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. lo que permitió la caracterización de los docentes objeto de investigación.

entre ellos.A partir de este resumen: 1.7% fueron mujeres y 26.8% de postgrado. Caña y Valentín. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =. el 88. Defina la población. y Educación.3% hombres.usb. Arango. 3. 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.2. María Elena y Mtra. 2005). para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. según respuesta 3. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. Salgado.usb. 2. Torres. 4.doc 3 45 .9557). Plantear un parámetro.mx. 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. ambiental@bolivar.mx.2% se encontraba realizando estudios de licenciatura y el 11. y su respectivo estadístico. Claudia Karina. 2. Defina la(s) variable(s) aleatoria(s). www. Participaron 119 estudiantes de los cuales 73.mx/investigacion/cif/proyectos/proyecto3/habilidades. Ciencias Humanas. RIVERA HEREDIA. Universidad Simón Bolívar. TORRES VILLASEÑOR.usb. Defina la muestra. merivera@bolivar. Ciencias Económico-Administrativas.edu. García Gil de Muñoz.

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

47 .