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. Usando muestras relacionadas 3. Prueba de hipótesis paramétrica 4.Capítulo 3. 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. de poblaciones normales independientes 2 σ2 3. 3.7. 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 4.3.1.1.4. Cuando las varianzas poblacionales son conocidas 4. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales.1.7. Cuando las varianzas poblacionales son desconocidas 5 . µ1 − µ 2 .6.7. 4.2. σ 12 . 3. 4.2.7.5. 4.1.7.8.4.2.5. 4. 4. Intervalo de confianza para estimar la razón de varianzas poblacionales.3. π 1 − π 2 . 3. Usando muestras independientes 3. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. 3.6.9.2. Estimación de parámetros 3. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. 3. de poblaciones normales 3.

8. 6. 5. 5. 7. Pruebas de hipótesis no parámetricas 6. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.1. 5.8. 5. Correlación lineal simple Ejercicios propuestos Capítulo 6.10.4.2. Análisis de datos categóricos 7.3.1. 6.9. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 6.2.6.1. 5.6.5. 5.7.2.3. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.5.9. 6. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7. 4. 6. 5. Introducción Modelo de regresión lineal simple Gráfico o diagrama de dispersión Modelo de regresión lineal simple poblacional Estimación de los parámetros del modelo de regresión lineal simple Evaluación del ajuste global del modelo Adecuación del modelo: Análisis de residuos Modelo de regresión lineal múltiple Prueba de la significancia de la regresión 5.10. 7. Análisis de regresión lineal múltiple 5.3.4.4. 5.

5. 7.4.7. 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 .

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

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

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

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

progresivamente crecientes. aplicando conocimientos matemáticos y estadísticos. 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. 1 12 . Para Hopkins y Glass (1997). comercialización. psicología. para desarrollar la ciencia. Abarca dos campos fundamentales la estadística descriptiva y la estadística inferencial”. salud pública.org/Careers/index.amstat. y la interpretación de los resultados. ingeniería. Muchas decisiones económicas. a la colección. respecto a las poblaciones que aquéllas representan. la técnica y la educación Traducción adaptada por las autoras del libro. de datos”. Douglas Montgmery (1985). y el análisis de datos. sociales. análisis e interpretación. inferencia o generalización de los resultados obtenidos de muestras. 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. 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”. la colección. medicina. “la estadística es un lenguaje para comunicar información basada en datos cuantitativos”.1 En nuestro medio profesional o en la sociedad en general se requiere solucionar un problema o verificar un supuesto. Irma Nocedo de León et al (2001). economía. El conocimiento estadístico se aplica a la biología. el proceso. tomada de: http://www. al análisis y a la presentación de datos numéricos.cfm?fuseaction=main (en fecha 01 de abril de 2008). educación y deportes. Contribuyen con la investigación científica diseñando pruebas y experimentos. La estadística en la investigación científica.comportamiento probabilístico de dichos datos y la estimación. dada la necesidad de manejar y tratar en ellas grandes cantidades.

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

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

esto es. Entonces la ciencia indaga su objeto de estudio utilizando de una manera sistemática y rigurosa. así como un reflejo profundo y exacto de las regularidades esenciales de la realidad. Predecir la realidad. Pero ¿cómo conocer la realidad? 1. En este caso. empleando métodos y medios especiales de conocimiento que permiten obtener datos empíricos confiables. Como función práctica y utilitaria. la ciencia transforma la realidad en correspondencia con las necesidades y demandas de la sociedad. epistemológico y metodológico. a fin de lograr un bienestar. mejorar la calidad de vida. Este último tiene que ver con las vías. por tanto el proceso de investigación científica encuentra su fundamento metodológico en la concepción científica general de la realidad objetiva. procedimientos y estrategias que se consideran apropiados para estudiar al objeto.3.5. como son: el cualitativo y el cuantitativo. PARADIGMAS DE LA INVESTIGACIÓN Un paradigma es un enfoque general que asume el investigador y es de carácter ontológico. La explicación de la realidad y las generalizaciones teóricas. formas. permiten que cumpla con el objetivo de predecir los comportamientos futuros de los fenómenos. 15 . los métodos estadísticos cumplen funciones cognoscitivas importantes como herramienta de investigación científica. establecer pronósticos dentro de un determinado límite de la probabilidad. 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.

Se limita a responder.Para sintetizar estos dos paradigmas se presenta la siguiente tabla. Se limita a preguntar. 16 . Tabla Nº 1.1 Ventajas y desventajas entre métodos cualitativos y cuantitativos Métodos cualitativos Métodos cuantitativos Propensión a “comunicarse con” los Propensión a “servirse de” los sujetos sujetos del estudio. lo que encuentran es generalizable a la población. validez externa.com/mbe/investiga/cuanti_cuali/cuanti_cuali. lo que encuentran no es que quieren medir. Comunicación más horizontal… entre el investigador y los investigados… mayor naturalidad y habilidad de estudiar los factores sociales en un escenario natural.fisterra.pero son fuertes en generalizable a la población. Son fuertes en términos de validez Son débiles en términos de validez interna. lo importante es determinar el momento adecuado para aplicarlo en el desarrollo de la investigación científica. Podemos afirmar que.asp (de fecha 22 de marzo de 2008). como todo método científico. pero son débiles en validez interna -casi nunca sabemos si miden lo externa. se debe reconocer sus ventajas y desventajas. Preguntan a los cuantitativos: ¿Cuan Preguntan a los cualitativos: ¿Son particularizables son sus hallazgos? generalizables sus hallazgos del estudio. disponible en: http://www.

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

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

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

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

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. 2.1. Para que la estadística inferencial proporcione buenos resultados debe: 1. a partir de la información que proporciona una muestra representativa obtenida de dicha población. El método de instrucción directa. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 21 . 3. como son: 1.1. Ver sección 1. 2. El método de la enseñanza recíproca. INTRODUCCIÓN También se le llama inferencia estadística.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. La combinación de métodos de instrucción directa y enseñanza recíproca. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.6.2 del presente libro. Veamos el siguiente ejemplo: Ejemplo 2.

por supuesto apoyada por la probabilidad. ahora bien. POBLACIÓN Este concepto vamos a definirlo bajo diferentes enfoques. con el apoyo de la estadística inferencial absolvemos esta pregunta. 22 . identificado como el mejor. Para iniciarse en el estudio y aplicación de la estadística inferencial es necesario conocer los conceptos básicos que a continuación se van a tratar. con qué confianza diremos que ese método logrará que Javier mejore su comprensión lectora en inglés. 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. eligiendo a la que mejora significativamente la comprensión lectora para este tipo de alumnos.Las preguntas por resolver son: 1.2. ¿Cuál de los métodos mejora la comprensión lectora? 2. Los casos de incertidumbre y toma de decisiones son resueltos por la estadística inferencial. ¿Para el próximo año el método. 2. 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. pero se le aplicará el mejor método que resulte de la investigación realizada.

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

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

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

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

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

Se pueden obtener media y varianzas muéstrales. 2. 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. llamada media muestral y se representa mediante x . La media obtenida de los seis alumnos es de 11.83. por ejemplo. que se asume es constante. Para su cálculo se ha empleado la siguiente expresión.Si de estos 300 alumnos. x4 = 14 x5 = 11. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales.4. Ejemplo 2.7.2) es 198 y N toma el valor de 300. cuya expresión es: 28 . 198 son mujeres. una vez identificados los seis alumnos. x6 = 10. entonces la proporción poblacional de mujeres representada por π x = 0.6. al seleccionar una muestra aleatoria de tamaño seis. llamada proporción poblacional: N πx = ∑X i =1 i N (2. x2 = 10. Continuando con el ejemplo 2. x3 = 13. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional. se obtienen las siguientes calificaciones x1 = 13.66 (66%).

3) es la suma de los seis valores.3689 4.83 de calificación en la prueba de educación ambiental.17 2. es decir en promedio los alumnos han obtenido 11.17 -1.02* 1.4).4722.83: Tabla 2. sabiendo que x = 11. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.83 -1. La varianza de esta muestra aleatoria es 2.6889 3.1.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.3489 14. y se representa mediante S 2 .3689 3.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.3) El numerador de la expresión (2.7089 0.83 0. que dividido por 6.83 1.17 -0. disponemos de la tabla 2.8334 29 .x= ∑x i =1 n i n (2.83.4) Para su cálculo. en la que mostramos paso a paso el uso de la expresión (2. que da 71.3489 1. resulta x = 11.

usando la expresión anterior (2. de la varianza se llama desviación estándar o desviación típica. respecto a su media aritmética. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. La raíz cuadrada. la desviación estándar es S = 1.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable.5723. 2.8334. que es igual a 14.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. etc. 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. positiva.5).8. Ejemplo 2. acompañados de sus respectivas frecuencias relativas o probabilidades. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13.7.4722. varianzas. Tsokos y Milton (1998). Vamos a obtener la distribución muestral. esto es: S = + S2 (2.5) Entonces. Fijamos para una muestra 30 . X 2 = 11. X 3 = 07. de las calificaciones obtenidas en la prueba que mide la educación ambiental. que dividido por 6 es justamente 2.

11 13. 31 . de la población de tamaño 3.13 11.2 se muestran los posibles resultados de la muestra de tamaño 2.33 2/6 = 0.7 11.33 2/6 = 0.13 7. En la tabla 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.7 7.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13. 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. obtenidas de muestras de tamaño 2. de las frecuencias relativas de todas las medias muestrales posibles.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.de tamaño 2. así como su respectiva media muestral: Tabla 2.

Entonces. Media muestral La expresión (2..3). V x = σ 2 / n 3.6) Se distribuye aproximadamente como una normal estandarizada N (0. Sea X 1 .Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral). . la variable aleatoria: () x−µ σ/ n (2.. X 2 . de una distribución con media poblacional µ y varianza poblacional σ 2 . X n una muestra aleatoria de tamaño n. entonces la media muestral x tiene las siguientes propiedades: 1. La desviación estándar de x . De este modo.8. nos indica cómo se obtiene una media muestral. 32 . Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). 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. que se representa mediante σ x . E (x ) = µ 2. 2. conocida también como error estándar de la media muestral es igual a σ / n 4..1. X 3 . 1) .

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

V ( p ) = π (1 − π ) / n La desviación estándar. E ( p ) = π 2. Esta proporción muestral corresponde a una variable aleatoria. Para n suficientemente grande.8) π (1 − π ) / n Se distribuye aproximadamente como una N (0.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra.1) . o error estándar de la proporción muestral. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). ¿CUÁL ES LA DIFERENCIA ENTRE DESVIACIÓN ESTÁNDAR Y ERROR ESTÁNDAR? La diferencia es que la DESVIACIÓN ESTÁNDAR describe la variabilidad de los valores de una variable. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . se denota como σ p y es igual a π (1 − π ) / n 3. entonces: p= nA n (2. Propiedades de la proporción muestral 1. 34 . la variable aleatoria: Z= p −π (2.

(2) La profesión de investigador es profesión atractiva para: 1. Docentes maduros. 35 (3) El investigador educativo debe ser bien remunerado: . 2. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo. No.Ejemplo 2. 1. de un total de 27: Tabla 2. Sí. 2.4 Muestra aleatoria de 15 docentes de la Institución Educativa Martín Adán (Lima) Docente 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Edad(1) 34 38 49 42 35 44 30 36 43 47 39 46 48 36 44 Investigador(2) Remuneración(3) 1 1 2 1 1 2 1 1 2 2 1 2 2 1 1 1 1 1 1 2 1 2 1 1 1 2 1 1 2 1 (1) Edad en años cumplidos del docente.8. Docentes jóvenes. Se presenta la respuesta de 3 preguntas. de la Institución Educativa Martín Adán. En una muestra aleatoria de 15 docentes de educación secundaria.

interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.21 = 5.48 5. µ = 38. Media muestral La edad en años cumplidos tiene distribución con media poblacional. En cambio el error estándar del estadístico media muestral. La muestra aleatoria es igual a 15 docentes (n = 15) . es: σx = σ n = 5. y al usar la expresión 2.3 se obtiene x = 40.5 años y varianza poblacional. empleando la propiedad 3. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.48 = = 1. 15 3.42 años. 36 . Usando la expresión 2.73 años.87 Proporción muestral Para la segunda variable. 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. σ 2 = 30 años2.71 (π = 0.76.71) .21 años2.7 se obtiene s 2 = 33.

71(0. En estadística es la operación que mediante la inferencia un parámetro. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. se obtiene: p= 9 = 0. El error estándar del estadístico p es: σp = π (1 − π ) n = 0.0137 = 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. Sierra Bravo (1991). se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos.71) 0.8. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. precio y valor que se da a una cosa. nA =9.De la tabla contamos que. entonces empleando la expresión 2.29) 0.6 (60%) 15 Esto es.71(1 − 0. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población.9. Cuando no se tiene una noción preconcebida sobre el valor de θ . al que vamos a representar mediante la letra griega θ . anota que “estimación proviene del latín estimatio y significa estimación. utilizando datos incompletos procedentes de una 37 .2059 = = = 0.1170 15 15 15 2.

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

73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40. 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.7333 (73. 39 . En cierta investigación.10. que asisten a Instituciones Educativas estatales y privadas. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. Se pretenden lograr los siguientes objetivos: 1.33%) 2.10.21 años2 Y π p= nA n ˆ π = p = 0. PRUEBA DE HIPÓTESIS Proceso mediante el cual. pero con cierta probabilidad de error (riesgo) por tomar una decisión. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. a partir de los valores de una muestra aleatoria. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE). Ejemplo 2.

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

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

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

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

Vol. objetivo fundamental del presente trabajo. se realizó un análisis integrador para valorar los datos obtenidos. en relación con las competencias docentes básicas propias de una gestión formativa pertinente. 44 . 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. del artículo de investigación titulado: Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo2 Resumen Para la identificación de un grupo de competencias docentes básicas en los profesores que se desempeñan en la licenciatura en medicina en la Facultad de Medicina “Dr. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos. Ignacio Chávez”. en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. Natacha y RODRIGUEZ OROZCO. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. RIVERA MICHELENA.EJERCICIOS PROPUESTOS 2.1. Leer atentamente el siguiente resumen. 2 MANZO RODRIGUEZ. ISSN 0864-2141. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. se utilizaron métodos teóricos y empíricos. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. Alain. Revista Cubana de Educación Médica Superior. lo que permitió la caracterización de los docentes objeto de investigación. Lidia.

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

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

47 .

Sign up to vote on this title
UsefulNot useful