P. 1
estadistica inferencial

estadistica inferencial

|Views: 446|Likes:
Publicado porletir85

More info:

Published by: letir85 on Apr 15, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

07/06/2013

pdf

text

original

Sections

  • PREFACIO
  • AGRADECIMIENTOS
  • 1.1. INTRODUCCIÓN
  • 1.2. DEFINICIÓN DE ESTADÍSTICA
  • 1.3. INVESTIGACIÓN CIENTÍFICA
  • 1.4. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA
  • 1.5. PARADIGMAS DE LA INVESTIGACIÓN
  • 1.6. CLASIFICACIÓN DE LA ESTADÍSTICA
  • 2.1. INTRODUCCIÓN
  • 2.2. POBLACIÓN
  • 2.3. MUESTRA
  • 2.4. MUESTRA ALEATORIA
  • 2.5. MUESTRA ALEATORIA APLICADA
  • 2.6. PARÁMETRO
  • 2.7. ESTADÍSTICO
  • 2.8. DISTRIBUCIÓN MUESTRAL
  • 2.9. ESTIMACIÓN
  • 2.10. PRUEBA DE HIPÓTESIS
  • 2.11. ESTADÍSTICA PARAMÉTRICA
  • 2.12. ESTADÍSTICA NO PARAMÉTRICA
  • EJERCICIOS PROPUESTOS

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

7. 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. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.1.2. de poblaciones normales independientes 2 σ2 3. 4. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. µ1 − µ 2 . 4.Capítulo 3.5.6.1.3. Usando muestras independientes 3. de poblaciones normales 3.2.7. 4.6. 3. Estimación de parámetros 3.2. 4. 3.1.5.4. π 1 − π 2 .2. 3.7. 4.3.7. Prueba de hipótesis paramétrica 4. 3. Cuando las varianzas poblacionales son conocidas 4. Usando muestras relacionadas 3. σ 12 .7.1.7. Cuando las varianzas poblacionales son desconocidas 5 . 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 3.8. Intervalo de confianza para estimar la razón de varianzas poblacionales. 3. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.4.9.

7.2.3.4. 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. 5.8. 5. Análisis de regresión lineal múltiple 5.1. 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. 6. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .10.9. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.5.7.4. Pruebas de hipótesis no parámetricas 6. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5. 6.8. Correlación lineal simple Ejercicios propuestos Capítulo 6.3. 5. 5. 5.3.1. 4.6.1. 6. 5.5. 6.4. 6. 7.9.6.2.2. 5.10. Análisis de datos categóricos 7.

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

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

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

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

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

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

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

el replantear lo ya conocido no se puede llamar investigación. 4. 5. experimentaciones. 6. y establecer generalizaciones empíricas. 1.4. Es lógica y objetiva. Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos.comprobación y verificación de un problema. 3. organizada o sistemática y exacta. leyes. 2. Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. conceptos) las propiedades y regularidades esenciales y estables de los fenómenos. Refleja mediante generalizaciones teóricas (principios. los objetivos fundamentales de una investigación científica son: 1. Describir la realidad. sino también las conclusiones y recomendaciones finales”. 2. El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. resultados. Explicar la realidad. La investigación es un trabajo de exploración profesional. En lo posible procura ofrecer resultados cuantitativos de los datos manejados. 14 . así como los factores causales que los determinan.

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

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

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

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

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

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

2. 3. La combinación de métodos de instrucción directa y enseñanza recíproca. 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. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. INTRODUCCIÓN También se le llama inferencia estadística. El método de la enseñanza recíproca.6.2 del presente libro. El método de instrucción directa. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.1. Para que la estadística inferencial proporcione buenos resultados debe: 1. 21 . 2. Veamos el siguiente ejemplo: Ejemplo 2.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. a partir de la información que proporciona una muestra representativa obtenida de dicha población.1. como son: 1. Ver sección 1.

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. 22 .Las preguntas por resolver son: 1. 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. eligiendo a la que mejora significativamente la comprensión lectora para este tipo de alumnos. ¿Para el próximo año el método. Para iniciarse en el estudio y aplicación de la estadística inferencial es necesario conocer los conceptos básicos que a continuación se van a tratar. 2. pero se le aplicará el mejor método que resulte de la investigación realizada. ¿Cuál de los métodos mejora la comprensión lectora? 2. ahora bien. identificado como el mejor.2. con el apoyo de la estadística inferencial absolvemos esta pregunta. 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. dará buenos resultados para el alumno Javier Hernández León. por supuesto apoyada por la probabilidad.

a ésta se le observa o se le somete a una experimentación. o por razones de ética. al estudiar a ésta variable en la población. . A cada elemento se le llama unidad estadística. X 300 Es una población en términos de variable aleatoria. que se lee así: La calificación que ha obtenido el alumno 1 en la prueba de conocimientos sobre educación ambiental. entonces se debe trabajar con una muestra extraída de la población bajo estudio. 23 .. la calificación que ha obtenido el alumno 2 en la prueba de conocimientos sobre educación ambiental. metodológicos u otros no será posible. X 3 . X 2 .En investigación científica se le define como la totalidad de elementos sobre los cuales recae la investigación. X N Donde N es el total de elementos de la población. como resultado tendremos los valores: X 1 . Ejemplo 2.2. si la población consta de 300 alumnos. pero resulta que las poblaciones son grandes. X 3 .. Si representamos mediante X una variable aleatoria bajo investigación. . 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. El propósito de un estudio estadístico es extraer conclusiones acerca de la naturaleza de la población.. X 2 .. estas unidades son medidas pertinentemente. y así sucesivamente hasta la calificación que ha obtenido el alumno 300 en la prueba de conocimientos sobre educación ambiental. recursos financieros. entonces: X 1 .. la calificación que ha obtenido el alumno 3 en la prueba de conocimientos sobre educación ambiental..

en la prueba de conocimientos sobre educación ambiental.2.3. con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. X 3 . 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 .. Ejemplo 2. X n . cuyas características debe reproducir en pequeño lo más exactamente posible”. La variable de interés es X. Consideremos nuevamente la población definida en el ejemplo 2. 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. el primer alumno seleccionado en la muestra. Entonces: X 1 : La calificación que ha obtenido..4. anota que “una muestra en general es toda parte representativa de la población. cada una con la misma función de distribución de la variable aleatoria X.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.3. X 2 . Para que sea representativa se debe seleccionar empleando el muestreo.. MUESTRA Sierrra Bravo (1991). 2. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . 24 . No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 .

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

Una vez identificados los seis alumnos. 26 . X 4 . Supongamos que el primer alumno seleccionado ha obtenido 13 en la prueba de educación ambiental. De igual forma. Para el caso del ejemplo 2. Como un conjunto de valores numéricos tomados por las variables. x3 . Las definiciones no son equivalentes pero están estrechamente relacionadas. x2 . x4 . x6 que toman respectivamente cada una de las seis variables aleatorias. X 2 . Por tanto hay tres formas de considerar a una muestra aleatoria: 1. quinta y sexta selección.4. 2.3. en este caso la variable aleatoria X 2 toma el valor x2 = 10. Como un conjunto de variables aleatorias teóricas asociadas con esas unidades 3. la variable aleatoria X 1 toma el valor x1 = 13. sino a los seis valores numéricos x1 . X 5 . las variables aleatorias X 3 . X 6 . Como un conjunto de unidades seleccionadas que son sometidas al estudio. Si el segundo alumno seleccionado ha obtenido 10 en la prueba de educación ambiental. X 5 . x5 . no para referirnos a los alumnos seleccionados o a las variables aleatorias asociados con ellos. En este caso. X 4 . X 3 .Ejemplo 2. Ahora estamos utilizando el término “muestra aleatoria”. podemos determinar los valores numéricos de las seis variables aleatorias X 1 . X 6 tomarán valores numéricos que van a depender de las calificaciones que obtengan los alumnos seleccionados en la tercera. cuarta.

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

ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. Para su cálculo se ha empleado la siguiente expresión.66 (66%). x4 = 14 x5 = 11.83. Ejemplo 2.7.Si de estos 300 alumnos. por ejemplo. llamada media muestral y se representa mediante x . Se pueden obtener media y varianzas muéstrales. x6 = 10.4. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. La media obtenida de los seis alumnos es de 11. que se asume es constante. Continuando con el ejemplo 2. llamada proporción poblacional: N πx = ∑X i =1 i N (2. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.2) es 198 y N toma el valor de 300.2) Pero.6. x3 = 13. entonces la proporción poblacional de mujeres representada por π x = 0. 2. una vez identificados los seis alumnos. cuya expresión es: 28 . al seleccionar una muestra aleatoria de tamaño seis. 198 son mujeres. x2 = 10. se obtienen las siguientes calificaciones x1 = 13.

17 -0. que da 71.4722.83: Tabla 2.4). disponemos de la tabla 2. es decir en promedio los alumnos han obtenido 11.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.3489 1.83 -1.8334 29 . resulta x = 11.17 2. en la que mostramos paso a paso el uso de la expresión (2.3) El numerador de la expresión (2.6889 3. que dividido por 6. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.17 -1.3489 14.3689 4. y se representa mediante S 2 .83 0.83 1.83 de calificación en la prueba de educación ambiental. sabiendo que x = 11.1.3689 3.4) Para su cálculo.1 Cálculos para obtener el valor de la varianza (Ejemplo 2. La varianza de esta muestra aleatoria es 2.3) es la suma de los seis valores.x= ∑x i =1 n i n (2.02* 1.7089 0.83.

respecto a su media aritmética.5723.5) Entonces.8334. usando la expresión anterior (2. Ejemplo 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”. De manera más formal. Fijamos para una muestra 30 .7. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). positiva.8. varianzas. 2. etc. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. X 2 = 11.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. de la varianza se llama desviación estándar o desviación típica. Vamos a obtener la distribución muestral. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. X 3 = 07. de las calificaciones obtenidas en la prueba que mide la educación ambiental. Tsokos y Milton (1998). que dividido por 6 es justamente 2.4722. acompañados de sus respectivas frecuencias relativas o probabilidades.5). La raíz cuadrada. que es igual a 14.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. la desviación estándar es S = 1. esto es: S = + S2 (2.

33 2/6 = 0. de la población de tamaño 3.11 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 2.13 7. En la tabla 2.2 se muestran los posibles resultados de la muestra de tamaño 2. obtenidas de muestras de tamaño 2.13 11.33 2/6 = 0.de tamaño 2. En este caso. 31 . de las frecuencias relativas de todas las medias muestrales posibles.11 13. así como su respectiva media muestral: Tabla 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.7 11.7 7.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.

. de una distribución con media poblacional µ y varianza poblacional σ 2 . E (x ) = µ 2. la variable aleatoria: () x−µ σ/ n (2.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral). nos indica cómo se obtiene una media muestral. Entonces.. De este modo. Media muestral La expresión (2. La desviación estándar de x .8. X 2 . 32 . . 2.3).6) Se distribuye aproximadamente como una normal estandarizada N (0. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). entonces la media muestral x tiene las siguientes propiedades: 1. que se representa mediante σ x .1. Sea X 1 . X n una muestra aleatoria de tamaño n. X 3 . conocida también como error estándar de la media muestral es igual a σ / n 4. 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 . para n grande. V x = σ 2 / n 3. 1) ..

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

Esta proporción muestral corresponde a una variable aleatoria.Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . Para n suficientemente grande. ¿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.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra. 34 .8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. entonces: p= nA n (2.1) . Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). Propiedades de la proporción muestral 1. V ( p ) = π (1 − π ) / n La desviación estándar. se denota como σ p y es igual a π (1 − π ) / n 3. la variable aleatoria: Z= p −π (2. E ( p ) = π 2. o error estándar de la proporción muestral. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.

No. En una muestra aleatoria de 15 docentes de educación secundaria. Docentes jóvenes.Ejemplo 2. Se presenta la respuesta de 3 preguntas. 35 (3) El investigador educativo debe ser bien remunerado: . 1.4 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. (2) La profesión de investigador es profesión atractiva para: 1. Sí. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo. de la Institución Educativa Martín Adán. 2. de un total de 27: Tabla 2. Docentes maduros.8.

73 años. 15 3. µ = 38. En cambio el error estándar del estadístico media muestral. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.5 años y varianza poblacional.21 = 5.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.3 se obtiene x = 40. Usando la expresión 2.7 se obtiene s 2 = 33. empleando la propiedad 3. Media muestral La edad en años cumplidos tiene distribución con media poblacional.21 años2. es: σx = σ n = 5.48 = = 1.71) . interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).76.48 5. La muestra aleatoria es igual a 15 docentes (n = 15) . σ 2 = 30 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 0.87 Proporción muestral Para la segunda variable. y al usar la expresión 2.42 años. 36 .71 (π = 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. se obtiene: p= 9 = 0.De la tabla contamos que.1170 15 15 15 2. anota que “estimación proviene del latín estimatio y significa estimación.9.0137 = 0. 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. utilizando datos incompletos procedentes de una 37 .8. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. Sierra Bravo (1991). al que vamos a representar mediante la letra griega θ . Cuando no se tiene una noción preconcebida sobre el valor de θ .71(1 − 0.2059 = = = 0. En estadística es la operación que mediante la inferencia un parámetro.29) 0.71) 0. precio y valor que se da a una cosa.71(0.6 (60%) 15 Esto es. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. entonces empleando la expresión 2. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. nA =9.

se trata de determinar el valor del parámetro. 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 . Ejemplo 2. Pero los valores de la muestra están sujetos al error muestral esto es a las fluctuaciones de la muestra”. se puede obtener el valor numérico del estadístico θˆ . Estimación mediante intervalos de confianza. Para cualquiera de estas dos situaciones empleamos el estadístico que. para distinguir entre estimador y estimación: 38 . Una vez que la muestra ha sido tomada y se han hecho algunas observaciones. La estimación de un parámetro puede ser mediante una: 1.9. es una variable aleatoria. Estimación puntual. ESTIMADOR: Es el estadístico utilizado para generar una estimación y es una variable aleatoria. al estimador de la media µ .muestra. De este modo por ejemplo. como ya se ha mencionado. Consideremos las variables edad en años cumplidos ( X ) y el docente considera que el investigador educativo debe ser bien remunerado (Y ) . se ˆ le denotara por µ . ESTIMACIÓN: Es el valor que toma el estimador. La aproximación se hace utilizando estadísticos apropiados. 2. Nótese que hay una diferencia entre los términos estimador y estimación. A tal número se le denomina una estimación puntual de θ .

Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. a partir de los valores de una muestra aleatoria.7333 (73.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. pero con cierta probabilidad de error (riesgo) por tomar una decisión. Ejemplo 2. En cierta investigación.21 años2 Y π p= nA n ˆ π = p = 0. PRUEBA DE HIPÓTESIS Proceso mediante el cual.10. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).33%) 2. que asisten a Instituciones Educativas estatales y privadas. 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. Se pretenden lograr los siguientes objetivos: 1.10.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40. 39 . se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad.

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

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

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

En este caso se está empleando la estadística paramétrica debido a que debe cumplir con el supuesto de normalidad 2. en minutos. entonces se recurrirá a la estadística no paramétrica. es decir. cuya verificación se realiza con herramientas estadísticas pertinentes.µ 2 < 0. asimismo estos métodos se basan en el análisis de los rangos de los datos que en las propias observaciones. y que se tratará en el capítulo 6. La estadística inferencial nos da la herramienta llamada estadística para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas. Ejemplo 2.12. una de ellas es aproximar los valores de los datos a una distribución normal para la cual hay una serie de métodos. Y que son excelentes cuando los tamaños muestrales son pequeños ( n ≤ 10 ). 43 . 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.12. promedio poblacional requerido para resolver un problema sencillo µ1 < µ 2 o equivalentemente µ1 . 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. Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad.tiempo. y la segunda alternativa es emplear los métodos de la estadística no paramétrica. ESTADÍSTICA NO PARAMÉTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas.

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

mx. y su respectivo estadístico. 4. Salgado. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. García Gil de Muñoz. 2.mx/investigacion/cif/proyectos/proyecto3/habilidades.2% se encontraba realizando estudios de licenciatura y el 11. Claudia Karina. RIVERA HEREDIA. 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.A partir de este resumen: 1. ambiental@bolivar. el 88. Ciencias Económico-Administrativas.7% fueron mujeres y 26. 3. 2005). entre ellos. Defina la(s) variable(s) aleatoria(s). TORRES VILLASEÑOR. 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.usb. según respuesta 3.9557).8% de postgrado. Defina la población.mx.edu. Ciencias Humanas. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. Arango. y Educación. www. Defina la muestra.3% hombres. 2. Universidad Simón Bolívar.2.usb. María Elena y Mtra.usb.doc 3 45 . merivera@bolivar. Participaron 119 estudiantes de los cuales 73. Torres. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =. Caña y Valentín. Plantear un parámetro.

son los hombres quienes se asignan puntajes más altos. 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. Los capítulos faltantes del presente libro se estarán publicando en los siguientes días. Disculpen la molestia. cuando aparecen diferencias significativas. 46 . 2. En base a este resumen plantear como sería la aplicación de la inferencia estadística bajo el enfoque de: 1.semejante.

47 .

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->