P. 1
estadistica inferencial

estadistica inferencial

|Views: 686|Likes:
Publicado porletir85

More info:

Published by: letir85 on Apr 24, 2011
Copyright:Attribution Non-commercial

Availability:

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

11/15/2012

pdf

text

original

Sections

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

Violeta Alicia Nolberto Sifuentes María Estela Ponce Aruneri

ESTADÍSTICA INFERENCIAL APLICADA

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

Primera edición: Lima, 2008.

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

Serie: Textos de la Maestría en Educación.

Edición: Elena Soto Loayza.

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

2

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

3

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

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

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

4

3.7.1.6. 4.1. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4. Cuando las varianzas poblacionales son desconocidas 5 .Capítulo 3.5.9.3.7. de poblaciones normales independientes 2 σ2 3. 4.1.2. 4.7. 3. 3.6. σ 12 . 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. π 1 − π 2 . Intervalo de confianza para estimar la razón de varianzas poblacionales.5.3. de poblaciones normales 3.7.4. Estimación de parámetros 3.1. 3. µ1 − µ 2 .2.8. 4. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. Usando muestras independientes 3.2. Usando muestras relacionadas 3. 4.7. 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 4.7.2. Prueba de hipótesis paramétrica 4. Cuando las varianzas poblacionales son conocidas 4. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. 3. 4.4.

Introducción Modelo de regresión lineal simple Gráfico o diagrama de dispersión Modelo de regresión lineal simple poblacional Estimación de los parámetros del modelo de regresión lineal simple Evaluación del ajuste global del modelo Adecuación del modelo: Análisis de residuos Modelo de regresión lineal múltiple Prueba de la significancia de la regresión 5.10. 6.4. 7. 5. Análisis de datos categóricos 7. 6. 7. 5.5. 5. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.2. Pruebas de hipótesis no parámetricas 6.10.8.8.7.2. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.6.5. 6.3.4. 6. Análisis de regresión lineal múltiple 5.2.9. 6. 5. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . 5. 5.9.6.1.1.4. 5.3.1. 5. Correlación lineal simple Ejercicios propuestos Capítulo 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 7.3. 4.

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

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

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

someten a prueba diferentes métodos de comprensión lectora.minedu. Es así. realizan investigación científica: evaluación de la calidad de la educación.gob. En una evaluación muestral se selecciona a un conjunto de estudiantes de una población (objetivo).pe/umc/index2. INTRODUCCIÓN Los profesionales de la educación. como fuente general de información. sobre evaluaciones muestrales. 10 (de . como parte de su quehacer profesional.php?v_codigo=47&v_plantilla=2.1.CAPÍTULO 1 LA ESTADÍSTICA Y SU RELACIÓN CON LA INVESTIGACIÓN CIENTÍFICA 1. 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. que realiza el Ministerio de Educación y que está disponible en la página web: http://www2. A la fecha la UMC ha realizado cuatro evaluaciones muestrales y dos evaluaciones censales. Las evaluaciones muestrales realizadas por la UMC son representativas de la población objetivo planteadas en los distintos estudios (p. fecha 23 de marzo de 2008). por ejemplo. entre otros. que contamos con Internet. 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”. 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”.). que permite disponer de información educativa. e. Para Castillo Arredondo (2003). estudian problemas del aprendizaje. 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. etc.

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

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

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

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

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

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

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

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

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

ninguna requiere tal cuidado en su aplicación. 20 .RECUERDE Ningún método estadístico puede corregir los defectos por una inadecuada selección del problema que se investiga. o por una mala recolección de datos. La estadística es una de esas ciencias cuyos adeptos deben ejercer la automoderación de un artista (George Udny Yule y Maurice Kendal). 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. Pocas materias tienen una aplicación tan amplia. con seguridad termina mal. Una investigación que empieza mal.

Ver sección 1.6.1. El método de la enseñanza recíproca. 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. Veamos el siguiente ejemplo: Ejemplo 2. a partir de la información que proporciona una muestra representativa obtenida de dicha población. como son: 1. La combinación de métodos de instrucción directa y enseñanza recíproca. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 3. Para que la estadística inferencial proporcione buenos resultados debe: 1. INTRODUCCIÓN También se le llama inferencia estadística. El método de instrucción directa.2 del presente libro. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. 21 .1. 2.

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

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

el primer alumno seleccionado en la muestra. 2.2.. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación.2. . X 3 . anota que “una muestra en general es toda parte representativa de la población. MUESTRA Sierrra Bravo (1991). Entonces: X 1 : La calificación que ha obtenido.. Consideremos nuevamente la población definida en el ejemplo 2. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población.. cuyas características debe reproducir en pequeño lo más exactamente posible”. Esta generalización se realiza empleando la estadística inferencial. cada una con la misma función de distribución de la variable aleatoria X. X n . La variable de interés es X. en la prueba de conocimientos sobre educación ambiental. Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . 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 .4. tópico importante de la estadística. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. 24 . X 2 .3. con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. Para que sea representativa se debe seleccionar empleando el muestreo.3.

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

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

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

Continuando con el ejemplo 2.7. La media obtenida de los seis alumnos es de 11. x6 = 10.6. una vez identificados los seis alumnos. 198 son mujeres. Ejemplo 2. Se pueden obtener media y varianzas muéstrales. x4 = 14 x5 = 11.4. entonces la proporción poblacional de mujeres representada por π x = 0. x3 = 13.83. al seleccionar una muestra aleatoria de tamaño seis. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. por ejemplo. Para su cálculo se ha empleado la siguiente expresión. que se asume es constante. llamada proporción poblacional: N πx = ∑X i =1 i N (2. cuya expresión es: 28 . llamada media muestral y se representa mediante x . ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. 2. se obtienen las siguientes calificaciones x1 = 13.66 (66%). Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.2) Pero. x2 = 10.Si de estos 300 alumnos.2) es 198 y N toma el valor de 300.

que da 71.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.1.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1. que dividido por 6.4722.83 -1.x= ∑x i =1 n i n (2. disponemos de la tabla 2.7089 0.8334 29 .17 2.17 -0. La varianza de esta muestra aleatoria es 2. en la que mostramos paso a paso el uso de la expresión (2.02* 1.83: Tabla 2. resulta x = 11.83 1.3689 4.3) El numerador de la expresión (2. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.83 de calificación en la prueba de educación ambiental.3489 1.83.4).4) Para su cálculo. y se representa mediante S 2 . sabiendo que x = 11.3689 3.3) es la suma de los seis valores.6889 3.83 0.3489 14. es decir en promedio los alumnos han obtenido 11.17 -1.

acompañados de sus respectivas frecuencias relativas o probabilidades.8. Fijamos para una muestra 30 .8334. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. la desviación estándar es S = 1. Vamos a obtener la distribución muestral.5723. de la varianza se llama desviación estándar o desviación típica. de las calificaciones obtenidas en la prueba que mide la educación ambiental. La raíz cuadrada. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. esto es: S = + S2 (2. etc. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). Tsokos y Milton (1998). anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. 2. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. De manera más formal. X 3 = 07. positiva.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable.5) Entonces. que es igual a 14.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. respecto a su media aritmética. varianzas. que dividido por 6 es justamente 2.7. usando la expresión anterior (2.4722. Ejemplo 2. X 2 = 11.5).

11 13.13 7.de tamaño 2. de las frecuencias relativas de todas las medias muestrales posibles.33 2/6 = 0.7 7.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.7 11.33 2/6 = 0.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.2 se muestran los posibles resultados de la muestra de tamaño 2. 31 . En este caso. En la tabla 2. obtenidas de muestras de tamaño 2.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.13 11. de la población de tamaño 3. así como su respectiva media muestral: Tabla 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.

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

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

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

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

Media muestral La edad en años cumplidos tiene distribución con media poblacional.71 (π = 0.87 Proporción muestral Para la segunda variable.48 = = 1. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. empleando la propiedad 3.3 se obtiene x = 40.42 años.21 años2. La muestra aleatoria es igual a 15 docentes (n = 15) . y al usar la expresión 2.7 se obtiene s 2 = 33. En cambio el error estándar del estadístico media muestral.73 años. es: σx = σ n = 5.71) . 36 . interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.21 = 5. σ 2 = 30 años2. 15 3.5 años y varianza poblacional. Usando la expresión 2.76.48 5. 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. µ = 38.

0137 = 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.29) 0. se obtiene: p= 9 = 0. Sierra Bravo (1991).71) 0. entonces empleando la expresión 2.8. precio y valor que se da a una cosa. nA =9.71(0.2059 = = = 0. En estadística es la operación que mediante la inferencia un parámetro. 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. Cuando no se tiene una noción preconcebida sobre el valor de θ .71(1 − 0.De la tabla contamos que. utilizando datos incompletos procedentes de una 37 . ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. 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. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.9. El error estándar del estadístico p es: σp = π (1 − π ) n = 0.6 (60%) 15 Esto es. al que vamos a representar mediante la letra griega θ . En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población.

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

a partir de los valores de una muestra aleatoria.7333 (73. que asisten a Instituciones Educativas estatales y privadas. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. 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). PRUEBA DE HIPÓTESIS Proceso mediante el cual. pero con cierta probabilidad de error (riesgo) por tomar una decisión. Ejemplo 2. 39 .33%) 2. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad.21 años2 Y π p= nA n ˆ π = p = 0. Se pretenden lograr los siguientes objetivos: 1.10.10. En cierta investigación.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.

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

Por tanto se empleara la prueba de hipótesis estadística.11. 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. 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. Para el logro del objetivo 2. o aproximadamente normal. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . mediante el cual se somete a prueba µ1 .µ 2 = 0. 2. Ejemplo 2.11. 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. 41 .µ 2 = 0.σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. Para lograr el objetivo 1. Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias. 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. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).

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

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

Abril-Junio 2006. Lidia. RIVERA MICHELENA. ISSN 0864-2141. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. Revista Cubana de Educación Médica Superior. se utilizaron métodos teóricos y empíricos. Ignacio Chávez”. 44 . en relación con la dirección del proceso enseñanza-aprendizaje y los referentes teóricos sobre el tema. 2 MANZO RODRIGUEZ. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos.EJERCICIOS PROPUESTOS 2. se realizó un análisis integrador para valorar los datos obtenidos.1. lo que permitió la caracterización de los docentes objeto de investigación. 20. del artículo de investigación titulado: Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo2 Resumen Para la identificación de un grupo de competencias docentes básicas en los profesores que se desempeñan en la licenciatura en medicina en la Facultad de Medicina “Dr. objetivo fundamental del presente trabajo. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. Alain. Vol. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. Natacha y RODRIGUEZ OROZCO. Leer atentamente el siguiente resumen. 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. en relación con las competencias docentes básicas propias de una gestión formativa pertinente.

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

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

47 .

You're Reading a Free Preview

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