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

π 1 − π 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. 3. µ1 − µ 2 . 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. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.2. Cuando las varianzas poblacionales son conocidas 4. Estimación de parámetros 3.Capítulo 3. σ 12 .3. de poblaciones normales independientes 2 σ2 3.8.1. 4. Usando muestras independientes 3. 4.5.3.7.7.1. 3.1. 4. 3. 4. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. Intervalo de confianza para estimar la razón de varianzas poblacionales.2. de poblaciones normales 3.6.5. 4. Prueba de hipótesis paramétrica 4. Cuando las varianzas poblacionales son desconocidas 5 .7.9.4. Usando muestras relacionadas 3.2.1. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.7. 3.4.7.7.2. 3.6.

6. 5.9.7.10. 5. 5. 6.3. 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. 7. 5. 6. 7. Correlación lineal simple Ejercicios propuestos Capítulo 6. 5.1.6.2.4. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.9. 6. 5. 4. 6.2. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.1.3. Pruebas de hipótesis no parámetricas 6.4. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .8.1.3. 5.8. 5.10.4. Análisis de datos categóricos 7.2.5. 6.5. Introducción Modelo de regresión lineal simple Gráfico o diagrama de dispersión Modelo de regresión lineal simple poblacional Estimación de los parámetros del modelo de regresión lineal simple Evaluación del ajuste global del modelo Adecuación del modelo: Análisis de residuos Modelo de regresión lineal múltiple Prueba de la significancia de la regresión 5. Análisis de regresión lineal múltiple 5.

5.7. 7. Prueba de hipótesis de homogeneidad Prueba de hipótesis de independencia Ejercicios propuestos Anexo Uso de Excel en el cálculo de los valores de algunas variables aleatorias 7 .4.

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

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

e. etc. Para Castillo Arredondo (2003). que permite disponer de información educativa. 10 (de . 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.CAPÍTULO 1 LA ESTADÍSTICA Y SU RELACIÓN CON LA INVESTIGACIÓN CIENTÍFICA 1.1. entre otros. sobre evaluaciones muestrales. realizan investigación científica: evaluación de la calidad de la educación. por ejemplo.php?v_codigo=47&v_plantilla=2.minedu. Las evaluaciones muestrales realizadas por la UMC son representativas de la población objetivo planteadas en los distintos estudios (p. A la fecha la UMC ha realizado cuatro evaluaciones muestrales y dos evaluaciones censales. La selección de una muestra representativa de estudiantes permite hacer inferencias de las poblaciones a partir de la información recogida”. 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. Es así. fecha 23 de marzo de 2008). que realiza el Ministerio de Educación y que está disponible en la página web: http://www2. y cuyas etapas posteriores son la información y/o toma de decisiones en función del juicio de de valor emitido”.gob.pe/umc/index2.). INTRODUCCIÓN Los profesionales de la educación. En una evaluación muestral se selecciona a un conjunto de estudiantes de una población (objetivo). que contamos con Internet. estudiantes peruanos de sexto grado de primaria. como fuente general de información. someten a prueba diferentes métodos de comprensión lectora. estudiantes peruanos de Instituciones Educativas Estatales de quinto grado de secundaria. como parte de su quehacer profesional.

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

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

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

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

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

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

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

¿Cómo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo.6. de una prueba de compresión lectora. 18 . que resume y presenta datos obtenidos de la población o de una muestra. CLASIFICACIÓN DE LA ESTADÍSTICA Dependiendo de cómo se analizan los datos. 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. para resaltar las propiedades de los elementos bajo estudio. mediante métodos adecuados. la Estadística se clasifica como: 1. Tiene como objetivo caracterizar los datos.6. se resuelve con el apoyo de la estadística descriptiva. de manera gráfica o analítica. para el logro de sus objetivos y/o verificación de sus hipótesis? ¿Cómo se realizará la investigación. 1.1. es la misma en todas las secciones de quinto grado de primaria de Instituciones Educativas de Lima Metropolitana?. La siguiente pregunta: ¿En promedio el número total de respuestas correctas. Estadística descriptiva Rama de la estadística que trata sobre la descripción y análisis estadístico de una población.

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

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

como son: 1.2 del presente libro. La combinación de métodos de instrucción directa y enseñanza recíproca. Se realiza un estudio para comparar tres métodos para enseñar técnicas de comprensión lectora en inglés a escolares de segundo grado de Educación Básica Secundaria. El método de la enseñanza recíproca. El método de instrucción directa.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. Ver sección 1. 3. Para que la estadística inferencial proporcione buenos resultados debe: 1. Veamos el siguiente ejemplo: Ejemplo 2. 2.6. 2. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 21 .1. INTRODUCCIÓN También se le llama inferencia estadística. a partir de la información que proporciona una muestra representativa obtenida de dicha población.1.

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

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

2..2. No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . cuyas características debe reproducir en pequeño lo más exactamente posible”. tópico importante de la estadística. X 2 . cada una con la misma función de distribución de la variable aleatoria X. 2. Entonces: X 1 : La calificación que ha obtenido.4. Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. el primer alumno seleccionado en la muestra.. Para que sea representativa se debe seleccionar empleando el muestreo. Ejemplo 2. en la prueba de conocimientos sobre educación ambiental. Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . X 3 . MUESTRA Sierrra Bravo (1991).3. La variable de interés es X. con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. Consideremos nuevamente la población definida en el ejemplo 2.3. Esta generalización se realiza empleando la estadística inferencial. 24 . calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación.. 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 . . anota que “una muestra en general es toda parte representativa de la población. X n .

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

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

27 .1) Obviamente que N toma el valor de 300 para este ejemplo. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población. entonces µ x = 14. Ejemplo 2.2. PARÁMETRO Sierra Bravo (1991). la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X. que caracterizan a un fenómeno en un momento dado que ocurre en una población”.5. Por ejemplo. éstas se promedian. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X.78 es el parámetro correspondiente. constantes o fijas respecto a una condición o situación. Se suele representar a un parámetro mediante letras griegas.6. la media y la desviación típica de una población (…) Son cantidades indeterminadas. por ejemplo. En términos prácticos. Si al obtener las calificaciones de los 300 alumnos que conforman la población. 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.

llamada media muestral y se representa mediante x . se obtienen las siguientes calificaciones x1 = 13. que se asume es constante. por ejemplo. al seleccionar una muestra aleatoria de tamaño seis.4.6. 2. Para su cálculo se ha empleado la siguiente expresión.66 (66%). Continuando con el ejemplo 2. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. x2 = 10. llamada proporción poblacional: N πx = ∑X i =1 i N (2. cuya expresión es: 28 . 198 son mujeres.83. una vez identificados los seis alumnos. Ejemplo 2. La media obtenida de los seis alumnos es de 11.2) Pero. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. Se pueden obtener media y varianzas muéstrales.2) es 198 y N toma el valor de 300.Si de estos 300 alumnos. x6 = 10. x4 = 14 x5 = 11.7. entonces la proporción poblacional de mujeres representada por π x = 0. x3 = 13. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.

1 Cálculos para obtener el valor de la varianza (Ejemplo 2. resulta x = 11.3689 3.x= ∑x i =1 n i n (2. sabiendo que x = 11.8334 29 .4) Para su cálculo.4).83 1.3) es la suma de los seis valores.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.83 0.1.83: Tabla 2.6889 3. disponemos de la tabla 2.17 -0. en la que mostramos paso a paso el uso de la expresión (2.3489 14.4722. La varianza de esta muestra aleatoria es 2.3) El numerador de la expresión (2.02* 1. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2. es decir en promedio los alumnos han obtenido 11. que da 71.83 -1.17 2. que dividido por 6. y se representa mediante S 2 .3689 4.83 de calificación en la prueba de educación ambiental.3489 1.83.17 -1.7089 0.

8. Tsokos y Milton (1998). de las calificaciones obtenidas en la prueba que mide la educación ambiental. acompañados de sus respectivas frecuencias relativas o probabilidades. positiva. Fijamos para una muestra 30 . Ejemplo 2.5).4722.5) Entonces. varianzas. que es igual a 14.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. la desviación estándar es S = 1. que dividido por 6 es justamente 2. 2.7. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. esto es: S = + S2 (2.5723. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. de la varianza se llama desviación estándar o desviación típica. De manera más formal. etc. La raíz cuadrada. usando la expresión anterior (2.8334. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. X 2 = 11. X 3 = 07.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. respecto a su media aritmética. Vamos a obtener la distribución muestral.

3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.de tamaño 2. En la 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 2.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13. así como su respectiva media muestral: Tabla 2.13 11. de la población de tamaño 3. obtenidas de muestras de tamaño 2.7 11.13 7.11 13. de las frecuencias relativas de todas las medias muestrales posibles.2 se muestran los posibles resultados de la muestra de tamaño 2. En este caso.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.7 7. 31 .33 2/6 = 0.33 2/6 = 0.

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

Proporción muestral Consideremos una población en la que existe una proporción π de elementos que tienen el atributo A (o pertenecen a la categoría A ).. 2. podemos aplicarla en la inferencia estadística. .3. 33 . 2.incluso.8.8. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. que algunos autores la llaman cuasivarianza. aún cuando la variable aleatoria X no está normalmente distribuida. E (s 2 ) = σ 2 2. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 .2. Si X tiene distribución de probabilidad normal.7) Cabe precisar. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2. entonces para la varianza muestral de tamaño n se cumple que: 1. x2 . (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad... xn .

Si se toma una muestra aleatoria de n elementos de esa población y se calcula el número nA de elementos con el atributo A . E ( p ) = π 2. Esta proporción muestral corresponde a una variable aleatoria. la variable aleatoria: Z= p −π (2.1) . V ( p ) = π (1 − π ) / n La desviación estándar. 34 .8) π (1 − π ) / n Se distribuye aproximadamente como una N (0. entonces: p= nA n (2. o error estándar de la proporción muestral. Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). ¿CUÁL ES LA DIFERENCIA ENTRE DESVIACIÓN ESTÁNDAR Y ERROR ESTÁNDAR? La diferencia es que la DESVIACIÓN ESTÁNDAR describe la variabilidad de los valores de una variable. se denota como σ p y es igual a π (1 − π ) / n 3. Propiedades de la proporción muestral 1.8) Es la proporción muestral de los elementos que tienen el atributo A en la muestra. Para n suficientemente grande. en cambio el ERROR ESTÁNDAR describe la precisión del estadístico.

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

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. 15 3. empleando la propiedad 3. La muestra aleatoria es igual a 15 docentes (n = 15) .71) .87 Proporción muestral Para la segunda variable.48 = = 1. Usando la expresión 2. es: σx = σ n = 5. µ = 38.7 se obtiene s 2 = 33.42 años. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ). 36 .76. σ 2 = 30 años2. Media muestral La edad en años cumplidos tiene distribución con media poblacional. y al usar la expresión 2.73 años. En cambio el error estándar del estadístico media muestral.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.3 se obtiene x = 40.5 años y varianza poblacional.21 = 5. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.21 años2.48 5.71 (π = 0.

29) 0.9. se obtiene: p= 9 = 0.1170 15 15 15 2. se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos. utilizando datos incompletos procedentes de una 37 .71(1 − 0.71(0. Cuando no se tiene una noción preconcebida sobre el valor de θ .0137 = 0.6 (60%) 15 Esto es.8. precio y valor que se da a una cosa. al que vamos a representar mediante la letra griega θ . estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos.71) 0. Sierra Bravo (1991). En estadística es la operación que mediante la inferencia un parámetro. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. anota que “estimación proviene del latín estimatio y significa estimación. nA =9. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.De la tabla contamos que. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. El error estándar del estadístico p es: σp = π (1 − π ) n = 0. entonces empleando la expresión 2.2059 = = = 0.

muestra. Estimación puntual. Una vez que la muestra ha sido tomada y se han hecho algunas observaciones. A un estadístico empleado para aproximar o estimar un parámetro de la población θ se le llama estimador puntual de θ y se denota mediante θˆ . se puede obtener el valor numérico del estadístico θˆ . Nótese que hay una diferencia entre los términos estimador y estimación. para distinguir entre estimador y estimación: 38 . La estimación de un parámetro puede ser mediante una: 1.9. como ya se ha mencionado. La aproximación se hace utilizando estadísticos apropiados. A tal número se le denomina una estimación puntual de θ . se ˆ le denotara por µ . 2. Estimación mediante intervalos de confianza. al estimador de la media µ . Para cualquiera de estas dos situaciones empleamos el estadístico que. ESTIMADOR: Es el estadístico utilizado para generar una estimación y es una variable aleatoria. Ejemplo 2. es una variable aleatoria. De este modo por ejemplo. Consideremos las variables edad en años cumplidos ( X ) y el docente considera que el investigador educativo debe ser bien remunerado (Y ) . ESTIMACIÓN: Es el valor que toma el estimador. Pero los valores de la muestra están sujetos al error muestral esto es a las fluctuaciones de la muestra”. se trata de determinar el valor del parámetro.

10. 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. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. a partir de los valores de una muestra aleatoria. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. Se pretenden lograr los siguientes objetivos: 1. Ejemplo 2.21 años2 Y π p= nA n ˆ π = p = 0.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.33%) 2. En cierta investigación.10.7333 (73. que asisten a Instituciones Educativas estatales y privadas.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33. 39 . pero con cierta probabilidad de error (riesgo) por tomar una decisión.

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

Ejemplo 2. es parte de la estadística que exige determinados requisitos para emplear en la inferencia estadística generalmente requiere para su uso el supuesto de normalidad es decir que las muestras aleatorias se extraen de poblaciones que están normalmente distribuidas. Para lograr el objetivo 1. 41 . En este caso se parte del supuesto que no existe diferencias entre el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales y privados. Se desea verificar si el tiempo promedio requerido para resolver un problema sencillo en niños de 10 años de edad con secuelas neurológicas derivadas de hiperbilirubenia al nacer. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).µ 2 = 0.11.11. o aproximadamente normal. Para el logro del objetivo 2. Se debe emplear la estimación debido a que se requiere tener un valor aproximado de µ1 y µ 2 empleando muestras aleatorias que se han obtenido de manera independiente de cada tipo de institución educativa. Por tanto se empleara la prueba de hipótesis estadística. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias.µ 2 = 0.σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. mediante el cual se somete a prueba µ1 . σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. 2.

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

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.tiempo. asimismo estos métodos se basan en el análisis de los rangos de los datos que en las propias observaciones. en minutos. Y que son excelentes cuando los tamaños muestrales son pequeños ( n ≤ 10 ). 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. ESTADÍSTICA NO PARAMÉTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas. 43 . y que se tratará en el capítulo 6. y la segunda alternativa es emplear los métodos de la estadística no paramétrica. promedio poblacional requerido para resolver un problema sencillo µ1 < µ 2 o equivalentemente µ1 .12.12. Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad.µ 2 < 0. En este caso se está empleando la estadística paramétrica debido a que debe cumplir con el supuesto de normalidad 2. La estadística inferencial nos da la herramienta llamada estadística para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas. entonces se recurrirá a la estadística no paramétrica. Ejemplo 2. cuya verificación se realiza con herramientas estadísticas pertinentes. una de ellas es aproximar los valores de los datos a una distribución normal para la cual hay una serie de métodos. es decir.

Abril-Junio 2006. Leer atentamente el siguiente resumen. 2 MANZO RODRIGUEZ. Ignacio Chávez”. 44 . Revista Cubana de Educación Médica Superior. Se aplicó una encuesta a una muestra seleccionada de docentes y alumnos. A partir de la identificación de las necesidades de aprendizaje de los profesores estudiados. objetivo fundamental del presente trabajo. Se emplearon procedimientos estadísticos para el análisis de los resultados y se elaboraron tablas. RIVERA MICHELENA. Vol. 20. Se tomaron en consideración los principios metodológicos más actuales acerca de la formación de recursos humanos en la educación superior en sentido general y en particular en la educación médica superior. lo que permitió la caracterización de los docentes objeto de investigación. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicolás de Hidalgo. en relación con las competencias docentes básicas propias de una gestión formativa pertinente. Alain. 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. se utilizaron métodos teóricos y empíricos. 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. Lidia. ISSN 0864-2141.EJERCICIOS PROPUESTOS 2.1. Natacha y RODRIGUEZ OROZCO.

doc 3 45 .usb. TORRES VILLASEÑOR. ambiental@bolivar.usb. 2. 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.9557).7% fueron mujeres y 26.A partir de este resumen: 1.mx/investigacion/cif/proyectos/proyecto3/habilidades. y Educación.mx. RIVERA HEREDIA. Defina la población. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. y su respectivo estadístico. Claudia Karina. Arango. Participaron 119 estudiantes de los cuales 73. Ciencias Humanas. Defina la muestra. www. Plantear un parámetro.2% se encontraba realizando estudios de licenciatura y el 11. Caña y Valentín. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =. Salgado. 3. Ciencias Económico-Administrativas. María Elena y Mtra. García Gil de Muñoz. merivera@bolivar. 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.mx.2. el 88. 4.8% de postgrado. según respuesta 3. entre ellos. 2005). 2.edu. Defina la(s) variable(s) aleatoria(s).3% hombres. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. Torres.usb. Universidad Simón Bolívar.

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

47 .

Sign up to vote on this title
UsefulNot useful