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

Usando muestras independientes 3. Cuando las varianzas poblacionales son desconocidas 5 . 4. 4.9. 3.3. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.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. 3. 3.7. 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. 4.5. π 1 − π 2 . 3.2. Estimación de parámetros 3. de poblaciones normales 3.1.2. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. µ1 − µ 2 . 4.6.6.1.1. 4.2.7.2.7. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. Prueba de hipótesis paramétrica 4. Usando muestras relacionadas 3.3. σ 12 .7.7. de poblaciones normales independientes 2 σ2 3.5.4. Intervalo de confianza para estimar la razón de varianzas poblacionales.4.1.8. 3. Cuando las varianzas poblacionales son conocidas 4. 4.Capítulo 3.

3. 5.10.5. 6.6.5. 4. Análisis de regresión lineal múltiple 5.8. 6. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7.9.1. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.3. 6.2. Análisis de datos categóricos 7.6. Correlación lineal simple Ejercicios propuestos Capítulo 6.9.1.8. Pruebas de hipótesis no parámetricas 6.1. 7. 5. 5.4.4. 7. 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. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 6.7. 6.4. 5.10. 5. 5. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.3.2.2. 5.

4.5. Prueba de hipótesis de homogeneidad Prueba de hipótesis de independencia Ejercicios propuestos Anexo Uso de Excel en el cálculo de los valores de algunas variables aleatorias 7 . 7.7.

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

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

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

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

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

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

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

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

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

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

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

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

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

2. Ver sección 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.2 del presente libro. Veamos el siguiente ejemplo: Ejemplo 2. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. El método de la enseñanza recíproca.1. 21 .6. 3. como son: 1. 2.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada. Para que la estadística inferencial proporcione buenos resultados debe: 1. INTRODUCCIÓN También se le llama inferencia estadística. La combinación de métodos de instrucción directa y enseñanza recíproca.1. a partir de la información que proporciona una muestra representativa obtenida de dicha población. Se realiza un estudio para comparar tres métodos para enseñar técnicas de comprensión lectora en inglés a escolares de segundo grado de Educación Básica Secundaria. El método de instrucción directa.

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

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

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

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

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

Si al obtener las calificaciones de los 300 alumnos que conforman la población. 27 . 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. éstas se promedian.6.5. Por ejemplo. constantes o fijas respecto a una condición o situación. entonces µ x = 14. por ejemplo.1) Obviamente que N toma el valor de 300 para este ejemplo.2. la media y la desviación típica de una población (…) Son cantidades indeterminadas. Para su cálculo se ha empleado la siguiente expresión. llamada media poblacional: N µx = ∑X i =1 i N (2. PARÁMETRO Sierra Bravo (1991). Se suele representar a un parámetro mediante letras griegas. 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. Ejemplo 2. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. que caracterizan a un fenómeno en un momento dado que ocurre en una población”.78 es el parámetro correspondiente. En términos prácticos.

que se asume es constante.83. x4 = 14 x5 = 11. Para su cálculo se ha empleado la siguiente expresión. llamada proporción poblacional: N πx = ∑X i =1 i N (2. una vez identificados los seis alumnos. entonces la proporción poblacional de mujeres representada por π x = 0. x6 = 10. se obtienen las siguientes calificaciones x1 = 13. al seleccionar una muestra aleatoria de tamaño seis.Si de estos 300 alumnos. llamada media muestral y se representa mediante x . ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. por ejemplo.4. 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.7. 2.66 (66%). Se pueden obtener media y varianzas muéstrales. cuya expresión es: 28 . Continuando con el ejemplo 2.2) es 198 y N toma el valor de 300. x3 = 13. La media obtenida de los seis alumnos es de 11. Ejemplo 2. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional. x2 = 10.6. 198 son mujeres.

sabiendo que x = 11. es decir en promedio los alumnos han obtenido 11. que da 71.83 -1.3689 3. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.4) Para su cálculo. que dividido por 6.3689 4.3) El numerador de la expresión (2.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.17 -1.83 1.1.3489 14.17 -0.17 2.4722. disponemos de la tabla 2.8334 29 .4).3489 1. en la que mostramos paso a paso el uso de la expresión (2. y se representa mediante S 2 .83 de calificación en la prueba de educación ambiental.83 0.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1. resulta x = 11.83: Tabla 2.x= ∑x i =1 n i n (2. La varianza de esta muestra aleatoria es 2.3) es la suma de los seis valores.6889 3.83.02* 1.7089 0.

la desviación estándar es S = 1. Tsokos y Milton (1998). X 2 = 11. varianzas.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. Ejemplo 2.4722. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. respecto a su media aritmética. de las calificaciones obtenidas en la prueba que mide la educación ambiental. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). X 3 = 07. que es igual a 14. acompañados de sus respectivas frecuencias relativas o probabilidades. positiva.5723.8.8334.5). etc. De manera más formal. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. La raíz cuadrada. que dividido por 6 es justamente 2. Vamos a obtener la distribución muestral. usando la expresión anterior (2. esto es: S = + S2 (2. 2.5) Entonces. Fijamos para una muestra 30 .7. de la varianza se llama desviación estándar o desviación típica.

7 11.13 7. obtenidas de muestras de tamaño 2. 31 .2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.7 7. En este caso.33 2/6 = 0.11 Medias muestrales (media para cada muestra) 12 10 12 9 10 9 Ahora se muestra la distribución de frecuencias para los valores de la media muestral: Tabla 2.33 2/6 = 0.13 11.11 13. En la tabla 2.de tamaño 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.2 se muestran los posibles resultados de la muestra de tamaño 2.3 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. de las frecuencias relativas de todas las medias muestrales posibles. así como su respectiva media muestral: Tabla 2.

3). X 2 . entonces la media muestral x tiene las siguientes propiedades: 1... E (x ) = µ 2. La desviación estándar de x . . la variable aleatoria: () x−µ σ/ n (2.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral). Entonces. X 3 . X n una muestra aleatoria de tamaño n. de una distribución con media poblacional µ y varianza poblacional σ 2 . 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 . 2. De este modo.1.. Sea X 1 . conocida también como error estándar de la media muestral es igual a σ / n 4.8. Media muestral La expresión (2.6) Se distribuye aproximadamente como una normal estandarizada N (0. para n grande. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). 1) . 32 . V x = σ 2 / n 3. nos indica cómo se obtiene una media muestral. que se representa mediante σ x .

8. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. que algunos autores la llaman cuasivarianza. .8. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 . 2. entonces para la varianza muestral de tamaño n se cumple que: 1.2. E (s 2 ) = σ 2 2.. aún cuando la variable aleatoria X no está normalmente distribuida. 2. 33 . (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad.3.incluso. x2 . xn . Si X tiene distribución de probabilidad normal.. podemos aplicarla en la inferencia estadística. 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. 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 )..

Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A .1) .8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. V ( p ) = π (1 − π ) / n La desviación estándar. Propiedades de la proporción muestral 1.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra. se denota como σ p y es igual a π (1 − π ) / n 3. o error estándar de la proporción muestral. entonces: p= nA n (2. 34 . E ( p ) = π 2. la variable aleatoria: Z= p −π (2. Esta proporción muestral corresponde a una variable aleatoria. ¿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 considera una buena aproximación cuando n ≥ 30 (teorema del límite central). Para n suficientemente grande. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.

No. Docentes jóvenes. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo.Ejemplo 2. Sí. de un total de 27: Tabla 2. de la Institución Educativa Martín Adán. (2) La profesión de investigador es profesión atractiva para: 1.8. 2. Se presenta la respuesta de 3 preguntas. 35 (3) El investigador educativo debe ser bien remunerado: . 1. Docentes maduros.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. En una muestra aleatoria de 15 docentes de educación secundaria. 2.

71 (π = 0. empleando la propiedad 3. 15 3.48 = = 1.7 se obtiene s 2 = 33.48 5.5 años y varianza poblacional. En cambio el error estándar del estadístico media muestral.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.73 años. 36 . σ 2 = 30 años2.21 años2.42 años.3 se obtiene x = 40. Usando la expresión 2. La muestra aleatoria es igual a 15 docentes (n = 15) . Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. 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 0.76.71) . Media muestral La edad en años cumplidos tiene distribución con media poblacional.21 = 5. 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. µ = 38. es: σx = σ n = 5. y al usar la expresión 2.

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.0137 = 0. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. Sierra Bravo (1991).6 (60%) 15 Esto es. precio y valor que se da a una cosa. anota que “estimación proviene del latín estimatio y significa estimación. entonces empleando la expresión 2.2059 = = = 0.71) 0. se obtiene: p= 9 = 0. Cuando no se tiene una noción preconcebida sobre el valor de θ .29) 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. En estadística es la operación que mediante la inferencia un parámetro. nA =9.8.71(0.71(1 − 0. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. utilizando datos incompletos procedentes de una 37 .1170 15 15 15 2.9.De la tabla contamos que. El error estándar del estadístico p es: σp = π (1 − π ) n = 0. al que vamos a representar mediante la letra griega θ .

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

Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40. 39 .7333 (73. PRUEBA DE HIPÓTESIS Proceso mediante el cual. Se pretenden lograr los siguientes objetivos: 1.10. 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.10. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).33%) 2. se decide si se rechaza o no el supuesto que plantea el investigador para el parámetro o parámetros de la población o poblaciones bajo estudio.21 años2 Y π p= nA n ˆ π = p = 0. Ejemplo 2. a partir de los valores de una muestra aleatoria. que asisten a Instituciones Educativas estatales y privadas. En cierta investigación.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33.

Está representada mediante X y se define como: Puntaje de comprensión lectora obtenida mediante una prueba especial. Explicar cuál rama de la inferencia estadística empleará para lograr cada objetivo. 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. Parámetros: En relación a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE. Solución Previamente se requiere identificar: Población. que asisten a Instituciones Educativas privadas. 2.2. que asisten a Instituciones Educativas estatales. Variable aleatoria. Se trata de dos poblaciones bajo estudio: 1. 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. 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. Niños de 8 años de edad. Niños de 8 años de edad seleccionados aleatoriamente e independiente de cada población. Muestra. 40 . Niños de 8 años de edad.

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. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . Para lograr el objetivo 1. o aproximadamente normal. En este caso se parte del supuesto que no existe diferencias entre el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales y privados. Se 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.σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales.µ 2 = 0. mediante el cual se somete a prueba µ1 . Ejemplo 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).11.11. 41 . es parte de la estadística que exige determinados requisitos para emplear en la inferencia estadística generalmente requiere para su uso el supuesto de normalidad es decir que las muestras aleatorias se extraen de poblaciones que están normalmente distribuidas. Para el logro del objetivo 2. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. 2.µ 2 = 0. Por tanto se empleara la prueba de hipótesis estadística.

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

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

Ignacio Chávez”. 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.EJERCICIOS PROPUESTOS 2. Vol. RIVERA MICHELENA. Leer atentamente el siguiente resumen. 20. Se tomaron en consideración los principios metodológicos más actuales acerca de la formación de recursos humanos en la educación superior en sentido general y en particular en la educación médica superior. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. Natacha y RODRIGUEZ OROZCO. Revista Cubana de Educación Médica Superior. 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. 2 MANZO RODRIGUEZ. Abril-Junio 2006. objetivo fundamental del presente trabajo. se utilizaron métodos teóricos y empíricos. 44 . en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. en relación con las competencias docentes básicas propias de una gestión formativa pertinente. Alain. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos.1. ISSN 0864-2141. se realizó un análisis integrador para valorar los datos obtenidos. Lidia.

RIVERA HEREDIA. Participaron 119 estudiantes de los cuales 73. www.mx.A partir de este resumen: 1. ambiental@bolivar. Universidad Simón Bolívar. María Elena y Mtra. Defina la(s) variable(s) aleatoria(s). García Gil de Muñoz. y su respectivo estadístico.2. Caña y Valentín. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. 2. merivera@bolivar. Arango. 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. Plantear un parámetro.usb. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. Ciencias Humanas. 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.7% fueron mujeres y 26.8% de postgrado.3% hombres. el 88. Defina la población. entre ellos.doc 3 45 .usb. Claudia Karina. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =.2% se encontraba realizando estudios de licenciatura y el 11. según respuesta 3. Ciencias Económico-Administrativas. y Educación.mx/investigacion/cif/proyectos/proyecto3/habilidades.mx. 2005). 4.edu.usb. Defina la muestra. Salgado. 3. TORRES VILLASEÑOR.9557). 2. Torres.

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

47 .

Sign up to vote on this title
UsefulNot useful