Violeta Alicia Nolberto Sifuentes María Estela Ponce Aruneri

ESTADÍSTICA INFERENCIAL APLICADA

Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos

Primera edición: Lima, 2008.

© Violeta Alicia Nolberto Sifuentes. María Estela Ponce Aruneri. © Unidad de Post Grado de la Facultad de Educación de la Universidad Nacional Mayor de San Marcos.

Serie: Textos de la Maestría en Educación.

Edición: Elena Soto Loayza.

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE EDUCACIÓN UNIDAD DE POST GRADO Rector Decano Director de la UPG Comité Directivo de la UPG : : : : Dr. Luis Izquierdo Vásquez Dr. Carlos Barriga Hernández Dr. Elías Mejía Mejía Dra. Elsa Barrientos Jiménez Dr. Kenneth Delgado Santa Gadea Mg. Rubén Mesía Maraví

2

Dedicatoria Dedicatoria Para Sandra Natalia (María Estela) Para Ernesto Alonso (Violeta Alicia)

3

ÍNDICE Prefacio Agradecimientos Capítulo 1. La estadística y su relación con la investigación científica 1.1. 1.2. 1.3. 1.4. 1.5. 1.6. Introducción Definición de estadística Investigación científica Objetivos fundamentales de la investigación científica Paradigmas de la investigación Clasificación de la estadística 010 011 013 014 015 018 008 009

Capítulo 2. Estadística inferencial 2.1. 2.2. 2.3. 2.4. 2.5. 2.6. 2.7. 2.8. 2.9. Introducción Población Muestra Muestra aleatoria Muestra aleatoria aplicada Parámetro Estadístico Distribución muestral Estimación 021 022 024 024 025 027 028 030 037 039 041 043 044

2.10. Prueba de hipótesis 2.11. Estadística paramétrica 2.12. Estadística no paramétrica Ejercicios propuestos

4

4. 4. Usando muestras independientes 3. Cuando las varianzas poblacionales son desconocidas 5 . Estimación de parámetros 3. 3. Cuando las varianzas poblacionales son conocidas 4.7. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.3. Usando muestras relacionadas 3. 3.2. 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. 4.1. de poblaciones normales independientes 2 σ2 3.5. π 1 − π 2 .4. 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. σ 12 .6. de poblaciones normales 3.7.1.7.1.3.7. 3. Intervalo de confianza para estimar la razón de varianzas poblacionales.1.2.5.7.2.9. 3.6. 4. 3.7. 4.2. µ1 − µ 2 .Capítulo 3. 4. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.8. 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.

10. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .9.8. Correlación lineal simple Ejercicios propuestos Capítulo 6. 5.3.4. 6.2. 5. 5. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4. 6.8.2.1.1.5. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5. 5.7. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7.2.5. Pruebas de hipótesis no parámetricas 6.4. 5.6. 5.9.3. Análisis de datos categóricos 7.1. Introducción Modelo de regresión lineal simple Gráfico o diagrama de dispersión Modelo de regresión lineal simple poblacional Estimación de los parámetros del modelo de regresión lineal simple Evaluación del ajuste global del modelo Adecuación del modelo: Análisis de residuos Modelo de regresión lineal múltiple Prueba de la significancia de la regresión 5. 7. 5. 6. Análisis de regresión lineal múltiple 5. 4.3. 5.10.4. 7. 6.6. 6.

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. 7.4.

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

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

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

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

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

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

La investigación es un trabajo de exploración profesional. Describir la realidad. 14 . conceptos) las propiedades y regularidades esenciales y estables de los fenómenos. resultados. experimentaciones. organizada o sistemática y exacta. Explicar la realidad. y establecer generalizaciones empíricas. Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos. leyes. Refleja mediante generalizaciones teóricas (principios. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. 1. El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. 6. En lo posible procura ofrecer resultados cuantitativos de los datos manejados.comprobación y verificación de un problema. 4. sino también las conclusiones y recomendaciones finales”. Es lógica y objetiva. 2.4. 2. el replantear lo ya conocido no se puede llamar investigación. así como los factores causales que los determinan. Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. 3. los objetivos fundamentales de una investigación científica son: 1. 5.

mejorar la calidad de vida. los métodos estadísticos cumplen funciones cognoscitivas importantes como herramienta de investigación científica. procedimientos y estrategias que se consideran apropiados para estudiar al objeto. La explicación de la realidad y las generalizaciones teóricas. PARADIGMAS DE LA INVESTIGACIÓN Un paradigma es un enfoque general que asume el investigador y es de carácter ontológico. como son: el cualitativo y el cuantitativo. a fin de lograr un bienestar. 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. En este caso. epistemológico y metodológico. formas. así como un reflejo profundo y exacto de las regularidades esenciales de la realidad. 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. 15 .3. 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. esto es. Predecir la realidad. Este último tiene que ver con las vías. Entonces la ciencia indaga su objeto de estudio utilizando de una manera sistemática y rigurosa. Como función práctica y utilitaria. permiten que cumpla con el objetivo de predecir los comportamientos futuros de los fenómenos. Pero ¿cómo conocer la realidad? 1.5.

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

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

se resuelve con el apoyo de la estadística descriptiva. de manera gráfica o analítica.6.6.1. de una prueba de compresión lectora. La siguiente pregunta: ¿En promedio el número total de respuestas correctas. 1. CLASIFICACIÓN DE LA ESTADÍSTICA Dependiendo de cómo se analizan los datos. para resaltar las propiedades de los elementos bajo estudio. 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 Estadística se clasifica como: 1. para el logro de sus objetivos y/o verificación de sus hipótesis? ¿Cómo se realizará la investigación. que resume y presenta datos obtenidos de la población o de una muestra. mediante métodos adecuados. es la misma en todas las secciones de quinto grado de primaria de Instituciones Educativas de Lima Metropolitana?.¿Cómo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo. 18 . Estadística descriptiva Rama de la estadística que trata sobre la descripción y análisis estadístico de una población. Tiene como objetivo caracterizar los datos.

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

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. 20 . Una investigación que empieza mal. 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.

a partir de la información que proporciona una muestra representativa obtenida de dicha población. 21 . 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. Ver sección 1. INTRODUCCIÓN También se le llama inferencia estadística.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2.1. El método de la enseñanza recíproca. El método de instrucción directa. Veamos el siguiente ejemplo: Ejemplo 2. 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. La combinación de métodos de instrucción directa y enseñanza recíproca. 2. como son: 1. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada. 2.2 del presente libro. 3.6. Para que la estadística inferencial proporcione buenos resultados debe: 1.1.

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

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

Entonces: X 1 : La calificación que ha obtenido. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. X 2 . con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra.3.. 2. Esta generalización se realiza empleando la estadística inferencial. anota que “una muestra en general es toda parte representativa de la población. . La variable de interés es X. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación. Ejemplo 2. Consideremos nuevamente la población definida en el ejemplo 2. MUESTRA Sierrra Bravo (1991). No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 .. Para que sea representativa se debe seleccionar empleando el muestreo.. X n . 24 . cuyas características debe reproducir en pequeño lo más exactamente posible”. en la prueba de conocimientos sobre educación ambiental.3.2. el primer alumno seleccionado en la muestra. tópico importante de la estadística.4. 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 . Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . X 3 . cada una con la misma función de distribución de la variable aleatoria X.2.

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

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

la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X. la media y la desviación típica de una población (…) Son cantidades indeterminadas. entonces µ x = 14.1) Obviamente que N toma el valor de 300 para este ejemplo. Se suele representar a un parámetro mediante letras griegas. la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X. PARÁMETRO Sierra Bravo (1991). constantes o fijas respecto a una condición o situación. Ejemplo 2. éstas se promedian.78 es el parámetro correspondiente.2. En términos prácticos. que caracterizan a un fenómeno en un momento dado que ocurre en una población”.6. llamada media poblacional: N µx = ∑X i =1 i N (2. Para su cálculo se ha empleado la siguiente expresión. 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. Por ejemplo. Si al obtener las calificaciones de los 300 alumnos que conforman la población. por ejemplo. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. 27 .5.

Se pueden obtener media y varianzas muéstrales. entonces la proporción poblacional de mujeres representada por π x = 0. llamada media muestral y se representa mediante x . Para su cálculo se ha empleado la siguiente expresión. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.83. 198 son mujeres. 2. La media obtenida de los seis alumnos es de 11. por ejemplo. x3 = 13. x4 = 14 x5 = 11. cuya expresión es: 28 . llamada proporción poblacional: N πx = ∑X i =1 i N (2.66 (66%). x2 = 10. al seleccionar una muestra aleatoria de tamaño seis.2) es 198 y N toma el valor de 300. se obtienen las siguientes calificaciones x1 = 13. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2.4.7. una vez identificados los seis alumnos. x6 = 10. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales.6. Ejemplo 2. que se asume es constante.2) Pero. Continuando con el ejemplo 2.Si de estos 300 alumnos.

7089 0.4) Para su cálculo.8334 29 .1.4). disponemos de la tabla 2.17 2. en la que mostramos paso a paso el uso de la expresión (2.6) 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. sabiendo que x = 11. es decir en promedio los alumnos han obtenido 11. que dividido por 6.83 -1. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.83 0.6889 3.3) es la suma de los seis valores.83.17 -0. que da 71.3) El numerador de la expresión (2.3689 4.83: Tabla 2. y se representa mediante S 2 .x= ∑x i =1 n i n (2.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.83 de calificación en la prueba de educación ambiental.3689 3.3489 1.17 -1. La varianza de esta muestra aleatoria es 2.83 1.4722.3489 14.02* 1.

Tsokos y Milton (1998). varianzas. esto es: S = + S2 (2. la desviación estándar es S = 1.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. acompañados de sus respectivas frecuencias relativas o probabilidades. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”.5723.4722.7. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. de la varianza se llama desviación estándar o desviación típica. usando la expresión anterior (2. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). Vamos a obtener la distribución muestral. que dividido por 6 es justamente 2. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. X 2 = 11. Ejemplo 2. positiva. que es igual a 14. respecto a su media aritmética. La raíz cuadrada. 2. de las calificaciones obtenidas en la prueba que mide la educación ambiental.8334. Fijamos para una muestra 30 .4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable.5) Entonces. X 3 = 07. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. De manera más formal.5). etc.8.

33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad. así como su respectiva media muestral: Tabla 2.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 = 0.33 2/6 = 0.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.7 7.7 11. En la tabla 2. En este caso.13 7. 31 .13 11.2 se muestran los posibles resultados de la muestra de tamaño 2.33 2/6 = 0.11 13. de la población de tamaño 3. obtenidas de muestras de tamaño 2.11 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.

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

.3. .. podemos aplicarla en la inferencia estadística. 33 .8.2. (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad. 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 ). entonces para la varianza muestral de tamaño n se cumple que: 1.. 2. que algunos autores la llaman cuasivarianza.incluso.8. xn . Si X tiene distribución de probabilidad normal.7) Cabe precisar. E (s 2 ) = σ 2 2. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. 2. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 . x2 . aún cuando la variable aleatoria X no está normalmente distribuida.

¿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. se denota como σ p y es igual a π (1 − π ) / n 3.8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. 34 . V ( p ) = π (1 − π ) / n La desviación estándar.Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . la variable aleatoria: Z= p −π (2.1) . Esta proporción muestral corresponde a una variable aleatoria. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico. Propiedades de la proporción muestral 1. o error estándar de la proporción muestral. entonces: p= nA n (2. E ( p ) = π 2.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra.

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

42 años.71 (π = 0.73 años. En esta población se asume que la proporción poblacional de docentes que consideran que la profesión de investigador es una profesión atractiva para docentes jóvenes es igual a 0.87 Proporción muestral Para la segunda variable.71) .21 años2. y al usar la expresión 2. µ = 38.48 5. La muestra aleatoria es igual a 15 docentes (n = 15) .76. 36 .48 = = 1. Usando la expresión 2. En cambio el error estándar del estadístico media muestral. empleando la propiedad 3.21 = 5. Media muestral La edad en años cumplidos tiene distribución con media poblacional.5 años y varianza poblacional.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar. 15 3. σ 2 = 30 años2. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.7 se obtiene s 2 = 33.3 se obtiene x = 40. es: σx = σ n = 5. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).

6 (60%) 15 Esto es. El error estándar del estadístico p es: σp = π (1 − π ) n = 0. se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos.8. anota que “estimación proviene del latín estimatio y significa estimación.1170 15 15 15 2. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos. entonces empleando la expresión 2.De la tabla contamos que.71) 0. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.71(1 − 0.2059 = = = 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. nA =9.9. Sierra Bravo (1991). En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. al que vamos a representar mediante la letra griega θ . Cuando no se tiene una noción preconcebida sobre el valor de θ . utilizando datos incompletos procedentes de una 37 .0137 = 0.71(0. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos.29) 0. precio y valor que se da a una cosa. En estadística es la operación que mediante la inferencia un parámetro. se obtiene: p= 9 = 0.

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

Ejemplo 2.7333 (73.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. En cierta investigación. pero con cierta probabilidad de error (riesgo) por tomar una decisión.21 años2 Y π p= nA n ˆ π = p = 0. Se pretenden lograr los siguientes objetivos: 1. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad.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. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).33%) 2. PRUEBA DE HIPÓTESIS Proceso mediante el cual. que asisten a Instituciones Educativas estatales y privadas.10. 39 . a partir de los valores de una muestra aleatoria.10.

Verificar si el nivel promedio poblacional del puntaje de la prueba de comprensión lectora en niños de IE estatal es diferente de los niños de IE privados. que asisten a Instituciones Educativas estatales. Niños de 8 años de edad. Solución Previamente se requiere identificar: Población. Se trata de dos poblaciones bajo estudio: 1. Variable aleatoria. Muestra. Explicar cuál rama de la inferencia estadística empleará para lograr cada objetivo.2. Niños de 8 años de edad. µ 2 = Nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños de 8 años de edad que asisten a IE privados. 2. que asisten a Instituciones Educativas privadas. Está representada mediante X y se define como: Puntaje de comprensión lectora obtenida mediante una prueba especial. 40 . Parámetros: En relación a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE. Niños de 8 años de edad seleccionados aleatoriamente e independiente de cada población. 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.

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

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

Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad. en minutos. asimismo estos métodos se basan en el análisis de los rangos de los datos que en las propias observaciones. cuya verificación se realiza con herramientas estadísticas pertinentes.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. es decir. ESTADÍSTICA NO PARAMÉTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas. y que se tratará en el capítulo 6. y la segunda alternativa es emplear los métodos de la estadística no paramétrica. Y que son excelentes cuando los tamaños muestrales son pequeños ( n ≤ 10 ). entonces se recurrirá a la estadística no paramétrica.tiempo. La estadística inferencial nos da la herramienta llamada estadística para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas. 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. 43 . métodos que no suponen nada acerca de la distribución población muestreada por eso también a los métodos de la estadística no paramétrica se le llama de distribución libre. Ejemplo 2. En este caso se está empleando la estadística paramétrica debido a que debe cumplir con el supuesto de normalidad 2.12.

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

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

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

47 .