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

Prueba de hipótesis paramétrica 4. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. Usando muestras independientes 3.Capítulo 3. 4.7.2. 4. µ1 − µ 2 . 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. Intervalo de confianza para estimar la razón de varianzas poblacionales. Cuando las varianzas poblacionales son desconocidas 5 . 4. 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. π 1 − π 2 .1.7. 3.2.2. 4. σ 12 . 3.5. Usando muestras relacionadas 3.2. 4.7. 3. 3. de poblaciones normales 3.5. de poblaciones normales independientes 2 σ2 3.7. 4. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales.6.1.4.4.1.6.8. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.3.7.3.1. 3.9.7. Cuando las varianzas poblacionales son conocidas 4. Estimación de parámetros 3.

5.5. 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. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.1.1.4. 6. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.3.4. Análisis de regresión lineal múltiple 5.3. 6.2. 5. 7.10. Pruebas de hipótesis no parámetricas 6. 5.8.6.10.7. 6.2. 4.6.9. Análisis de datos categóricos 7.2. Correlación lineal simple Ejercicios propuestos Capítulo 6.1. 6. 5. 5. 5.5. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 5. 6. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7.9. 7.8.3.4. 5.

4.5.7. 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.

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

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

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

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

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

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

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

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

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. disponible en: http://www. 16 .Para sintetizar estos dos paradigmas se presenta la siguiente tabla.pero son fuertes en generalizable a la población. Tabla Nº 1.1 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. Se limita a responder. validez externa. pero son débiles en validez interna -casi nunca sabemos si miden lo externa. Se limita a preguntar. Podemos afirmar que. se debe reconocer sus ventajas y desventajas. lo importante es determinar el momento adecuado para aplicarlo en el desarrollo de la investigación científica. Son fuertes en términos de validez Son débiles en términos de validez interna.fisterra. Preguntan a los cuantitativos: ¿Cuan Preguntan a los cualitativos: ¿Son particularizables son sus hallazgos? generalizables sus hallazgos del estudio.asp (de fecha 22 de marzo de 2008). como todo método científico.com/mbe/investiga/cuanti_cuali/cuanti_cuali. lo que encuentran es generalizable a la población.

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

para resaltar las propiedades de los elementos bajo estudio.¿Cómo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo. Estadística descriptiva Rama de la estadística que trata sobre la descripción y análisis estadístico de una población. para el logro de sus objetivos y/o verificación de sus hipótesis? ¿Cómo se realizará la investigación. mediante métodos adecuados. Tiene como objetivo caracterizar los datos.6. 18 . se resuelve con el apoyo de la estadística descriptiva. 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.1.6. 1. de una prueba de compresión lectora. La siguiente pregunta: ¿En promedio el número total de respuestas correctas. CLASIFICACIÓN DE LA ESTADÍSTICA Dependiendo de cómo se analizan los datos. la Estadística se clasifica como: 1. es la misma en todas las secciones de quinto grado de primaria de Instituciones Educativas de Lima Metropolitana?. que resume y presenta datos obtenidos de la población o de una muestra. de manera gráfica o analítica.

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

RECUERDE Ningún método estadístico puede corregir los defectos por una inadecuada selección del problema que se investiga. o por una mala recolección de datos. Una investigación que empieza mal. con seguridad termina mal. Pocas materias tienen una aplicación tan amplia. 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. 20 . 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.

Veamos el siguiente ejemplo: Ejemplo 2. como son: 1.1. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio.6. INTRODUCCIÓN También se le llama inferencia estadística. 2. Ver sección 1. 3. a partir de la información que proporciona una muestra representativa obtenida de dicha población. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.1. El método de la enseñanza recíproca. 21 . 2.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 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. El método de instrucción directa. Para que la estadística inferencial proporcione buenos resultados debe: 1.2 del presente libro. La combinación de métodos de instrucción directa y enseñanza recíproca.

dará buenos resultados para el alumno Javier Hernández León. 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. 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. La segunda pregunta es un caso de toma de decisiones porque Javier Hernández León no ha participado en el estudio. 2. ¿Para el próximo año el método. pero se le aplicará el mejor método que resulte de la investigación realizada.2. 22 . por supuesto apoyada por la probabilidad. con qué confianza diremos que ese método logrará que Javier mejore su comprensión lectora en inglés. ahora bien. eligiendo a la que mejora significativamente la comprensión lectora para este tipo de alumnos. identificado como el mejor. 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.

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

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

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

Si el segundo alumno seleccionado ha obtenido 10 en la prueba de educación ambiental. X 3 . Una vez identificados los seis alumnos. x5 . quinta y sexta selección. Para el caso del ejemplo 2. X 4 . Como un conjunto de unidades seleccionadas que son sometidas al estudio. Como un conjunto de valores numéricos tomados por las variables. Como un conjunto de variables aleatorias teóricas asociadas con esas unidades 3. x2 . cuarta.Ejemplo 2.4. De igual forma. X 2 . 26 . sino a los seis valores numéricos x1 . Ahora estamos utilizando el término “muestra aleatoria”.3. X 6 tomarán valores numéricos que van a depender de las calificaciones que obtengan los alumnos seleccionados en la tercera. X 5 . Por tanto hay tres formas de considerar a una muestra aleatoria: 1. X 4 . la variable aleatoria X 1 toma el valor x1 = 13. en este caso la variable aleatoria X 2 toma el valor x2 = 10. las variables aleatorias X 3 . 2. En este caso. Las definiciones no son equivalentes pero están estrechamente relacionadas. Supongamos que el primer alumno seleccionado ha obtenido 13 en la prueba de educación ambiental. x4 . x6 que toman respectivamente cada una de las seis variables aleatorias. X 5 . x3 . X 6 . 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 .

PARÁMETRO Sierra Bravo (1991).2. llamada media poblacional: N µx = ∑X i =1 i N (2. que caracterizan a un fenómeno en un momento dado que ocurre en una población”.6. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. entonces µ x = 14. 27 . Ejemplo 2. Para su cálculo se ha empleado la siguiente expresión. por ejemplo. Se suele representar a un parámetro mediante letras griegas. constantes o fijas respecto a una condición o situación. éstas se promedian.5.78 es el parámetro correspondiente.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. Por ejemplo. 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. En términos prácticos. 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.

x6 = 10. Ejemplo 2. Para su cálculo se ha empleado la siguiente expresión. cuya expresión es: 28 . al seleccionar una muestra aleatoria de tamaño seis. una vez identificados los seis alumnos. Se pueden obtener media y varianzas muéstrales. se obtienen las siguientes calificaciones x1 = 13.6. que se asume es constante. llamada media muestral y se representa mediante x . La media obtenida de los seis alumnos es de 11.66 (66%). 198 son mujeres.2) es 198 y N toma el valor de 300. entonces la proporción poblacional de mujeres representada por π x = 0. llamada proporción poblacional: N πx = ∑X i =1 i N (2. x3 = 13. x4 = 14 x5 = 11. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2.7.Si de estos 300 alumnos. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales.83. Continuando con el ejemplo 2. 2. x2 = 10. por ejemplo.4.2) Pero. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.

02* 1.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1. sabiendo que x = 11. es decir en promedio los alumnos han obtenido 11.83 de calificación en la prueba de educación ambiental. que da 71.7089 0.17 2. y se representa mediante S 2 .17 -0.3489 1.17 -1.4722. disponemos de la tabla 2. en la que mostramos paso a paso el uso de la expresión (2.6889 3.4) Para su cálculo.3689 3.3489 14.3689 4.83 0.83: Tabla 2.4).x= ∑x i =1 n i n (2. La varianza de esta muestra aleatoria es 2.3) El numerador de la expresión (2. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.8334 29 . resulta x = 11.83 -1.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.83 1. que dividido por 6.83.1.3) es la suma de los seis valores.

5). de la varianza se llama desviación estándar o desviación típica. Fijamos para una muestra 30 . varianzas.5723.8334.5) Entonces. que es igual a 14.4722. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). respecto a su media aritmética. Tsokos y Milton (1998). que dividido por 6 es justamente 2. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. de las calificaciones obtenidas en la prueba que mide la educación ambiental. etc. Vamos a obtener la distribución muestral. Ejemplo 2. positiva. X 3 = 07. esto es: S = + S2 (2. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”.7. 2. la desviación estándar es S = 1.8.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. usando la expresión anterior (2. De manera más formal.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. X 2 = 11. La raíz cuadrada. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. acompañados de sus respectivas frecuencias relativas o probabilidades.

2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13. así como su respectiva media muestral: Tabla 2.11 13.13 7.11 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 2.33 2/6 = 0.7 11.33 2/6 = 0. En la tabla 2.7 7. de las frecuencias relativas de todas las medias muestrales posibles. obtenidas de muestras de tamaño 2.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.2 se muestran los posibles resultados de la muestra de tamaño 2. de la población de tamaño 3.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad. En este caso.13 11. 31 .de tamaño 2.

3). Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). De este modo. Entonces. ..8. 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 . de una distribución con media poblacional µ y varianza poblacional σ 2 . la variable aleatoria: () x−µ σ/ n (2.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral).. entonces la media muestral x tiene las siguientes propiedades: 1. nos indica cómo se obtiene una media muestral.6) Se distribuye aproximadamente como una normal estandarizada N (0. para n grande.1. E (x ) = µ 2. X 2 . 1) . 32 . X 3 . Sea X 1 . conocida también como error estándar de la media muestral es igual a σ / n 4. V x = σ 2 / n 3. X n una muestra aleatoria de tamaño n. 2. La desviación estándar de x . Media muestral La expresión (2.. que se representa mediante σ x .

E (s 2 ) = σ 2 2.8. Si X tiene distribución de probabilidad normal. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 .incluso.3.. 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 ). que algunos autores la llaman cuasivarianza. .8.. 33 . 2. podemos aplicarla en la inferencia estadística. entonces para la varianza muestral de tamaño n se cumple que: 1. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2.7) Cabe precisar. xn . x2 . Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad.2. 2.. aún cuando la variable aleatoria X no está normalmente distribuida.

34 . o error estándar de la proporción muestral. se denota como σ p y es igual a π (1 − π ) / n 3. ¿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. Esta proporción muestral corresponde a una variable aleatoria. Para n suficientemente grande.1) . E ( p ) = π 2. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A .8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. V ( p ) = π (1 − π ) / n La desviación estándar. Propiedades de la proporción muestral 1. entonces: p= nA n (2. la variable aleatoria: Z= p −π (2.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra.

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

73 años.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.3 se obtiene x = 40. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. es: σx = σ n = 5. 15 3. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).87 Proporción muestral Para la segunda variable. Media muestral La edad en años cumplidos tiene distribución con media poblacional.48 = = 1. σ 2 = 30 años2. empleando la propiedad 3. 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 0.7 se obtiene s 2 = 33. En cambio el error estándar del estadístico media muestral. La muestra aleatoria es igual a 15 docentes (n = 15) . µ = 38. y al usar la expresión 2.71) . 36 .21 = 5.48 5.71 (π = 0.5 años y varianza poblacional.76.42 años.21 años2. Usando la expresión 2.

se obtiene: p= 9 = 0.1170 15 15 15 2.9.8. Cuando no se tiene una noción preconcebida sobre el valor de θ . estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. anota que “estimación proviene del latín estimatio y significa estimación. Sierra Bravo (1991). entonces empleando la expresión 2.6 (60%) 15 Esto es.29) 0.0137 = 0.71) 0.2059 = = = 0. En estadística es la operación que mediante la inferencia un parámetro. utilizando datos incompletos procedentes de una 37 .71(0.De la tabla contamos que. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. El error estándar del estadístico p es: σp = π (1 − π ) n = 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. precio y valor que se da a una cosa. 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.71(1 − 0. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. al que vamos a representar mediante la letra griega θ . nA =9.

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

En cierta investigación.10.7333 (73. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. Se pretenden lograr los siguientes objetivos: 1.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40. Ejemplo 2.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. que asisten a Instituciones Educativas estatales y privadas.10. a partir de los valores de una muestra aleatoria. 39 . para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE). PRUEBA DE HIPÓTESIS Proceso mediante el cual. 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 = 0.33%) 2. pero con cierta probabilidad de error (riesgo) por tomar una decisión.

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

Ejemplo 2. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991). 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. o aproximadamente normal.µ 2 = 0. Por tanto se empleara la prueba de hipótesis estadística. 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. 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. Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias. 41 .σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas.11.11. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . Para el logro del objetivo 2. Para lograr el objetivo 1. 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.µ 2 = 0. mediante el cual se somete a prueba µ1 . 2.

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

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. En este caso se está empleando la estadística paramétrica debido a que debe cumplir con el supuesto de normalidad 2. entonces se recurrirá a la estadística no paramétrica.12.12. ESTADÍSTICA NO PARAMÉTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas.tiempo. promedio poblacional requerido para resolver un problema sencillo µ1 < µ 2 o equivalentemente µ1 . cuya verificación se realiza con herramientas estadísticas pertinentes. 43 .µ 2 < 0. y la segunda alternativa es emplear los métodos de la estadística no paramétrica. Ejemplo 2. es decir. Y que son excelentes cuando los tamaños muestrales son pequeños ( n ≤ 10 ). 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 se tratará en el capítulo 6. asimismo estos métodos se basan en el análisis de los rangos de los datos que en las propias observaciones. Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad. una de ellas es aproximar los valores de los datos a una distribución normal para la cual hay una serie de métodos. en minutos. La estadística inferencial nos da la herramienta llamada estadística para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas.

Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. 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. objetivo fundamental del presente trabajo. 20. ISSN 0864-2141. RIVERA MICHELENA. Vol. Lidia. Revista Cubana de Educación Médica Superior.EJERCICIOS PROPUESTOS 2. Leer atentamente el siguiente resumen. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos. 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.1. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. 2 MANZO RODRIGUEZ. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. Alain. Abril-Junio 2006. 44 . en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. en relación con las competencias docentes básicas propias de una gestión formativa pertinente. se utilizaron métodos teóricos y empíricos. se realizó un análisis integrador para valorar los datos obtenidos. Ignacio Chávez”. Natacha y RODRIGUEZ OROZCO. lo que permitió la caracterización de los docentes objeto de investigación.

3% hombres.mx.usb. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. merivera@bolivar.edu. entre ellos. 4. Ciencias Humanas. Defina la(s) variable(s) aleatoria(s). y Educación. 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. Defina la muestra. 2.8% de postgrado. ambiental@bolivar. Ciencias Económico-Administrativas. TORRES VILLASEÑOR. www.9557).usb. Universidad Simón Bolívar. 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. Torres. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =. Defina la población.2% se encontraba realizando estudios de licenciatura y el 11. Arango. García Gil de Muñoz.7% fueron mujeres y 26. Participaron 119 estudiantes de los cuales 73. RIVERA HEREDIA. Plantear un parámetro. 3.A partir de este resumen: 1. María Elena y Mtra. 2005). el 88.mx/investigacion/cif/proyectos/proyecto3/habilidades.doc 3 45 .2. 2. Caña y Valentín.mx. Claudia Karina.usb. y su respectivo estadístico. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. Salgado. según respuesta 3.

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

47 .

Sign up to vote on this title
UsefulNot useful