estadistica inferencial

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

4.7. 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 3.2. de poblaciones normales 3. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. Estimación de parámetros 3. π 1 − π 2 .7. 3. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. 4.3. Usando muestras relacionadas 3.5.2. 4. Intervalo de confianza para estimar la razón de varianzas poblacionales.1.1.Capítulo 3. 4. 3.5.9.7.6.1.8. Cuando las varianzas poblacionales son desconocidas 5 . 4.1.4. σ 12 . de poblaciones normales independientes 2 σ2 3. µ1 − µ 2 . 3.6. Usando muestras independientes 3. 3. 4. Cuando las varianzas poblacionales son conocidas 4.2. Prueba de hipótesis paramétrica 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 4.7.4. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. 3.2.7.3.7.

5. 7.3.10.5. 6.2. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.9.4. 5. 6. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.4.8.3.1.1. Correlación lineal simple Ejercicios propuestos Capítulo 6.1.3. 5.2.6. 5.4.7.8. 5.10. 5. 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. Pruebas de hipótesis no parámetricas 6.9. 6. 5.6. 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. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 7. 6. 4. Análisis de datos categóricos 7. 5.2. Análisis de regresión lineal múltiple 5.5. 6.

4. 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 .5.7.

sino en que aprendan los conocimientos teóricos estadísticos de la inferencia (saber). El aprendizaje de estadística usando software estadístico no debe reducirse. se ha escrito tomando en cuenta a un grupo heterogéneo de profesionales. Por tanto. que se desarrolla en el plan de estudios de la Maestría en Educación. apliquen las herramientas estadísticas (saber hacer) y desarrollen una actitud positiva hacia la estadística. Esto es. y tiene como objetivo ser una guía en el curso de Estadística Inferencial. y en su quehacer profesional no emplean cotidianamente las herramientas estadísticas. que brindamos en el presente libro. que es un instrumento comparable a una calculadora. Dejamos bien en claro que en ningún momento se pretende “adiestrar” a lo lectores en cálculos. en forma precisa y rápida. Una vez que el lector haya asimilado los conocimientos estadísticos. asimismo. sino razonamiento crítico basado en evidencias objetivas que se obtienen de la población bajo estudio (ser).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. De ahí. que el esfuerzo de las autoras sea desarrollar paso a paso las aplicaciones que se presentan en este libro. sin embargo. la interpretación de los resultados obtenidos. en el sentido de que los maestristas de esta facultad son en su mayoría de la especialidad de educación. Violeta Alicia Nolberto Sifuentes y María Estela Ponce Aruneri Departamento Académico de Estadística de la UNMSM 8 . en sus diferentes menciones. o el simple uso de las fórmulas o expresiones que aparecen en éste y en diversos libros de estadística. a manipulaciones mecánicas. los gráficos y cálculos estadísticos. estará en la capacidad de usar software estadístico. pues éste sirve como apoyo del profesor para mostrar. que la estadística no solamente es cálculo. y sus aplicaciones. 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. no solamente en el ámbito sanmarquino. que nos formaron en tan importante especialidad. la comprensión y el aliento. a los que nos hagan llegar sus comentarios. y cuyas enseñanzas y exigencias académicas para con nuestra preparación profesional en estadística han permitido que podamos seguir enseñando y difundiendo la estadística. Director de la Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos. los mismos que contribuirán con la enseñanza y la difusión de la estadística. por sus comentarios y sugerencias para con nuestro desempeño docente. A todos los lectores docentes. observaciones y dudas respecto a lo tratado en el presente libro. para con el desarrollo del presente libro. 9 . Finalmente. por brindarnos la oportunidad de entregar al mundo académico el presente libro. en general. en particular a los maestristas de la mencionada facultad que lo usaran como guía para el aprendizaje del curso de Estadística Inferencial. a nuestras familias por el apoyo. aquellos que toman decisiones basadas en evidencias objetivas. sino en otros. en concordancia con el mundo en que vivimos. A nuestros profesores de pregrado del Departamento Académico de Estadística de la Universidad Nacional Mayor de San Marcos. empresarios y. También por considerarnos como docentes de tan prestigiada unidad de post grado. en particular de la información estadística. A nuestros alumnos. en el plan de estudios vigente. por la paciencia e interés en aprender estadística. caracterizado por el constante aprendizaje y el manejo adecuado de la información.AGRADECIMIENTOS A Elías Mejía. alumnos.

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

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

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

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

El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. 4. conceptos) las propiedades y regularidades esenciales y estables de los fenómenos. 5. 2. los objetivos fundamentales de una investigación científica son: 1. 6.4. y establecer generalizaciones empíricas. resultados. sino también las conclusiones y recomendaciones finales”. 3. el replantear lo ya conocido no se puede llamar investigación. La investigación es un trabajo de exploración profesional.comprobación y verificación de un problema. 2. así como los factores causales que los determinan. Refleja mediante generalizaciones teóricas (principios. 14 . organizada o sistemática y exacta. Explicar la realidad. En lo posible procura ofrecer resultados cuantitativos de los datos manejados. Describir la realidad. Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. Es lógica y objetiva. experimentaciones. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. leyes. Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos. 1.

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

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

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

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

y la posibilidad y límites de la generalización de los resultados obtenidos a partir de aquellas a las poblaciones que representan. También se le llama también estadística matemática. papel que va cobrando cada vez mayor importancia”. a partir de variables de personalidad. En cuanto a la probabilidad. se resuelve con el apoyo de la estadística inferencial. Esta generalización de tipo inductivo. a los alumnos de Educación Básica Secundaria según requieran o no una escolarización especial?. tanto en las ciencias naturales como en las ciencias humanas. 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.1.2. Estadistica inferencial Rama de la estadística que estudia el comportamiento y propiedades de las muestras.6. íntimamente unidas en sí. 19 . Pedro Juez Martel y Francisco Diez Vegas (1997) manifiestan que “hoy en día la probabilidad y la estadística. Tiene como objetivo generalizar las propiedades de la población bajo estudio. se basa en la probabilidad. basado en los resultados de una muestra representativa de la población. desempeñan un papel fundamental en prácticamente todos los campos del saber. por su complejidad matemática en relación a la estadística descriptiva. La siguiente pregunta: ¿Cuánto es la probabilidad de que un alumno de Educación Básica Secundaria requiera una escolarización especial. La siguiente pregunta: ¿El instrumento “perso” clasifica y discrimina adecuadamente.

ninguna requiere tal cuidado en su aplicación. La estadística es una de esas ciencias cuyos adeptos deben ejercer la automoderación de un artista (George Udny Yule y Maurice Kendal). Pocas materias tienen una aplicación tan amplia. o por una mala recolección de datos. Una investigación que empieza mal. 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.

2. El método de instrucción directa. 3. 2.1. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. 21 . Para que la estadística inferencial proporcione buenos resultados debe: 1. como son: 1. INTRODUCCIÓN También se le llama inferencia estadística. La combinación de métodos de instrucción directa y enseñanza recíproca. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.6.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. a partir de la información que proporciona una muestra representativa obtenida de dicha población. El método de la enseñanza recíproca.1. Veamos el siguiente ejemplo: Ejemplo 2.2 del presente libro. Ver sección 1. 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.

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

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

tópico importante de la estadística. X 2 . Esta generalización se realiza empleando la estadística inferencial.3. el primer alumno seleccionado en la muestra.2. X 3 . . MUESTRA Sierrra Bravo (1991). Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. 2. cuyas características debe reproducir en pequeño lo más exactamente posible”. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación..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 . con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. Para que sea representativa se debe seleccionar empleando el muestreo. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos.2. 24 . No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . en la prueba de conocimientos sobre educación ambiental. Ejemplo 2.. cada una con la misma función de distribución de la variable aleatoria X. anota que “una muestra en general es toda parte representativa de la población. X n . Entonces: X 1 : La calificación que ha obtenido. Consideremos nuevamente la población definida en el ejemplo 2.4. La variable de interés es X.

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

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

Ejemplo 2.1) Obviamente que N toma el valor de 300 para este ejemplo. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. 27 . Se suele representar a un parámetro mediante letras griegas. que caracterizan a un fenómeno en un momento dado que ocurre en una población”. En términos prácticos. Para su cálculo se ha empleado la siguiente expresión. la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X. Si al obtener las calificaciones de los 300 alumnos que conforman la población. éstas se promedian. PARÁMETRO Sierra Bravo (1991). entonces µ x = 14. constantes o fijas respecto a una condición o situación.5. la media y la desviación típica de una población (…) Son cantidades indeterminadas. 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.2. Por ejemplo.78 es el parámetro correspondiente. llamada media poblacional: N µx = ∑X i =1 i N (2. por ejemplo. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X.6.

7.4. 2.Si de estos 300 alumnos.66 (66%). al seleccionar una muestra aleatoria de tamaño seis. una vez identificados los seis alumnos. que se asume es constante. llamada media muestral y se representa mediante x . La media obtenida de los seis alumnos es de 11. 198 son mujeres. Continuando con el ejemplo 2. cuya expresión es: 28 . se obtienen las siguientes calificaciones x1 = 13. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional. llamada proporción poblacional: N πx = ∑X i =1 i N (2. por ejemplo. Para su cálculo se ha empleado la siguiente expresión.6. x2 = 10. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2.2) Pero. x6 = 10. x4 = 14 x5 = 11.2) es 198 y N toma el valor de 300. Se pueden obtener media y varianzas muéstrales. entonces la proporción poblacional de mujeres representada por π x = 0. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. x3 = 13. Ejemplo 2.83.

17 2. sabiendo que x = 11. que dividido por 6. que da 71.3489 14.6889 3.3689 4.83 0.83 1.83.4).17 -1. en la que mostramos paso a paso el uso de la expresión (2. es decir en promedio los alumnos han obtenido 11.83 -1.17 -0.83 de calificación en la prueba de educación ambiental.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.4) Para su cálculo. y se representa mediante S 2 . La varianza de esta muestra aleatoria es 2.3) El numerador de la expresión (2.7089 0. resulta x = 11.02* 1. disponemos de la tabla 2.1. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.3489 1.3) es la suma de los seis valores.4722.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.8334 29 .3689 3.83: Tabla 2.x= ∑x i =1 n i n (2.

anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. Ejemplo 2.5723.5). o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. varianzas. X 2 = 11. esto es: S = + S2 (2.5) Entonces. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. La raíz cuadrada. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. la desviación estándar es S = 1. De manera más formal.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. Vamos a obtener la distribución muestral. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). etc. 2. acompañados de sus respectivas frecuencias relativas o probabilidades. Fijamos para una muestra 30 . usando la expresión anterior (2. de las calificaciones obtenidas en la prueba que mide la educación ambiental. que es igual a 14.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable.8334. respecto a su media aritmética.4722.8. positiva.7. Tsokos y Milton (1998). que dividido por 6 es justamente 2. X 3 = 07. de la varianza se llama desviación estándar o desviación típica.

de las frecuencias relativas de todas las medias muestrales posibles. En este caso.11 Medias muestrales (media para cada muestra) 12 10 12 9 10 9 Ahora se muestra la distribución de frecuencias para los valores de la media muestral: Tabla 2.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.7 7.2 se muestran los posibles resultados de la muestra de tamaño 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad. obtenidas de muestras de tamaño 2. 31 .33 2/6 = 0.13 11.de tamaño 2.11 13.13 7.7 11. En la tabla 2.33 2/6 = 0.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0. de la población de tamaño 3. así como su respectiva media muestral: Tabla 2.

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

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

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

se aplicó un cuestionario para recoger su opinión sobre el investigador educativo. de un total de 27: Tabla 2. 2. No. En una muestra aleatoria de 15 docentes de educación secundaria. 35 (3) El investigador educativo debe ser bien remunerado: . 2. Sí. de la Institución Educativa Martín Adán.Ejemplo 2. Se presenta la respuesta de 3 preguntas.8.4 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. Docentes maduros. (2) La profesión de investigador es profesión atractiva para: 1. 1. Docentes jóvenes.

En cambio el error estándar del estadístico media muestral. 15 3.71) . Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.21 = 5. La muestra aleatoria es igual a 15 docentes (n = 15) .76. 36 .5 años y varianza poblacional.73 años. 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 0.21 años2. empleando la propiedad 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.42 años.48 = = 1.3 se obtiene x = 40.71 (π = 0. σ 2 = 30 años2. es: σx = σ n = 5.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar. Media muestral La edad en años cumplidos tiene distribución con media poblacional.48 5. µ = 38. y al usar la expresión 2.7 se obtiene s 2 = 33. Usando la expresión 2.

entonces empleando la expresión 2.6 (60%) 15 Esto es.9. El error estándar del estadístico p es: σp = π (1 − π ) n = 0.71(1 − 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.0137 = 0. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. En estadística es la operación que mediante la inferencia un parámetro.71) 0. se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos.29) 0. utilizando datos incompletos procedentes de una 37 . En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. se obtiene: p= 9 = 0. Sierra Bravo (1991).2059 = = = 0. precio y valor que se da a una cosa. anota que “estimación proviene del latín estimatio y significa estimación. Cuando no se tiene una noción preconcebida sobre el valor de θ .8.1170 15 15 15 2. nA =9. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. al que vamos a representar mediante la letra griega θ .71(0.De la tabla contamos que.

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

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 requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. Ejemplo 2. Se pretenden lograr los siguientes objetivos: 1. pero con cierta probabilidad de error (riesgo) por tomar una decisión. a partir de los valores de una muestra aleatoria.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.33%) 2.7333 (73. En cierta investigación. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE.10. que asisten a Instituciones Educativas estatales y privadas. 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.10.21 años2 Y π p= nA n ˆ π = p = 0.

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. Variable aleatoria. 2.2. Niños de 8 años de edad. Se trata de dos poblaciones bajo estudio: 1. 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. Muestra. 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. que asisten a Instituciones Educativas privadas. Explicar cuál rama de la inferencia estadística empleará para lograr cada objetivo. que asisten a Instituciones Educativas estatales. Parámetros: En relación a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE. Niños de 8 años de edad. Niños de 8 años de edad seleccionados aleatoriamente e independiente de cada población. Está representada mediante X y se define como: Puntaje de comprensión lectora obtenida mediante una prueba especial.

11.µ 2 = 0.µ 2 = 0. Por tanto se empleara la prueba de hipótesis estadística. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. Para el logro del objetivo 2. 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. 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. 41 . ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. 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. Ejemplo 2. 2. mediante el cual se somete a prueba µ1 . Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias. o aproximadamente normal.11. Para lograr el objetivo 1. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . 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 el tiempo. niños de 10 años de edad con secuelas neurológicas derivadas de hiperbilirubenia al nacer. La variable aleatoria bajo estudio X. requerido para resolver un problema sencillo. 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. requerido para resolver un problema sencillo antes de la capacitación. requerido para resolver un problema sencillo antes de la capacitación. 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. sujetos a estudio estadístico son: µ1 = Tiempo promedio poblacional. en minutos. porque a cada unidad de la muestra se le evalúa bajo dos condiciones. en minutos. En este caso la muestra aleatoria es relacionada. en minutos. µ 2 = Tiempo promedio poblacional. para resolver un problema sencillo.se incrementa después de haber recibido una capacitación especial para resolver problemas de ese tipo. Para verificar el supuesto propuesto. antes y después de la capacitación especial. Para estudiar a este parámetro se requiere evaluar a la muestra aleatoria de esta población antes de la capacitación especial y después de la capacitación especial. se aplica una prueba de hipótesis para someter a prueba: µ1 = 42 . en minutos. es decir.

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

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

RIVERA HEREDIA. www. 2. ambiental@bolivar. 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. Universidad Simón Bolívar.usb. Caña y Valentín. Claudia Karina. TORRES VILLASEÑOR. García Gil de Muñoz. María Elena y Mtra. y su respectivo estadístico.3% hombres. 2. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología.7% fueron mujeres y 26. 3. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =.edu. Participaron 119 estudiantes de los cuales 73. Torres.mx/investigacion/cif/proyectos/proyecto3/habilidades. el 88.A partir de este resumen: 1. Ciencias Humanas. Arango. 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.doc 3 45 .usb. 2005). según respuesta 3. Defina la población. 4. y Educación.usb. Defina la muestra. Salgado.2.2% se encontraba realizando estudios de licenciatura y el 11. Ciencias Económico-Administrativas.mx. entre ellos.mx.8% de postgrado. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. merivera@bolivar. Plantear un parámetro.9557). Defina la(s) variable(s) aleatoria(s).

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

47 .

Sign up to vote on this title
UsefulNot useful