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

3.7.8.5.2.1.7. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.2.2. Cuando las varianzas poblacionales son desconocidas 5 . Usando muestras relacionadas 3. Prueba de hipótesis paramétrica 4.5. σ 12 .7. 3. 3. 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 4.6. 3. 4. Usando muestras independientes 3. 4. Cuando las varianzas poblacionales son conocidas 4.1. 4.1. 3.4.6. 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 3.7. Estimación de parámetros 3.2.4.3.7. 4.1.Capítulo 3. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales. 4. Intervalo de confianza para estimar la razón de varianzas poblacionales. de poblaciones normales 3.7.3. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.9. de poblaciones normales independientes 2 σ2 3. 4. π 1 − π 2 . µ1 − µ 2 .

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 5.6.3.2.3.10. 5. 5.10.8.9. 5. 6.1. 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. 6. 6. Pruebas de hipótesis no parámetricas 6. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .7.4. 6. 6.1.5.9.6. 7.3. 5. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.1. Análisis de regresión lineal múltiple 5. Análisis de datos categóricos 7.8.5. 5.2. 7.4. 5. 4. 5.4. 5. Correlación lineal simple Ejercicios propuestos Capítulo 6. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.2.

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 .5. 7.7.4.

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

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

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

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

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

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

los objetivos fundamentales de una investigación científica son: 1. y establecer generalizaciones empíricas. 2. 1. 4. leyes. resultados. 5. El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. Refleja mediante generalizaciones teóricas (principios. organizada o sistemática y exacta. 3.4. experimentaciones. sino también las conclusiones y recomendaciones finales”.comprobación y verificación de un problema. así como los factores causales que los determinan. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. Es lógica y objetiva. Explicar la realidad. Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos. 14 . 6. Describir la realidad. Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. conceptos) las propiedades y regularidades esenciales y estables de los fenómenos. 2. En lo posible procura ofrecer resultados cuantitativos de los datos manejados. el replantear lo ya conocido no se puede llamar investigación. La investigación es un trabajo de exploración profesional.

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

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

En otros casos será necesario emplear ambos paradigmas. Entonces la estadística es la herramienta que ayuda a tener la seguridad. Por tanto nos preguntamos: 17 . multifactorial. 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. por lo tanto. certeza y confianza. delimitando las unidades bajo estudio y las variables a medirse. en el proyecto de investigación científica. de la realidad investigada. Una vez establecido el objeto de estudio en base a los conocimientos teóricos. como por ejemplo cuando se trata de evaluar la calidad de la educación. se ha empleado previamente el paradigma cualitativo. ésta debe reunir ciertas características. Es indudable que la estadística es una poderosa herramienta para planificar y desarrollar el diseño metodológico. se inicia la etapa de diseño metodológico (diseño). ambos paradigmas se complementan. Los datos obtenidos. para realizar investigación vía el paradigma cuantitativo. en particular la educación superior. en términos de estadística aplicada. donde se define el proceso de recolección de datos. dinámica. 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. pero lo importante es tener la certeza de su aplicación para solucionar problemas de una investigación científica. La realidad es muy compleja. no es suficiente uno de ellos se deben emplear ambas. no son excluyentes.Pero destacamos que el paradigma cuantitativo se vale de la estadística para garantizar el estudio de muestras representativas y para el análisis de los datos. También.

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

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

Una investigación que empieza mal. 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. ninguna requiere tal cuidado en su aplicación. 20 . Pocas materias tienen una aplicación tan amplia.RECUERDE Ningún método estadístico puede corregir los defectos por una inadecuada selección del problema que se investiga. con seguridad termina mal. 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.

21 .CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. 2.1. 2. El método de instrucción directa.1. El método de la enseñanza recíproca. 3.6. Ver sección 1. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. Veamos el siguiente ejemplo: Ejemplo 2. 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. 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. INTRODUCCIÓN También se le llama inferencia estadística.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. a partir de la información que proporciona una muestra representativa obtenida de dicha población. Para que la estadística inferencial proporcione buenos resultados debe: 1.

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

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

Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . X n . el primer alumno seleccionado en la muestra. tópico importante de la estadística. en la prueba de conocimientos sobre educación ambiental.3. MUESTRA Sierrra Bravo (1991).2. Para que sea representativa se debe seleccionar empleando el muestreo. cuyas características debe reproducir en pequeño lo más exactamente posible”. La variable de interés es X.2. 2. cada una con la misma función de distribución de la variable aleatoria X. Entonces: X 1 : La calificación que ha obtenido. anota que “una muestra en general es toda parte representativa de la población. con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra. Esta generalización se realiza empleando la estadística inferencial. calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación. 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. X 2 . 24 .4.3. X 3 . 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 . No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . . Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos. Ejemplo 2..

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

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

PARÁMETRO Sierra Bravo (1991). Si al obtener las calificaciones de los 300 alumnos que conforman la población. éstas se promedian. entonces µ x = 14. Para su cálculo se ha empleado la siguiente expresión. En términos prácticos.5.2. constantes o fijas respecto a una condición o situación. la media y la desviación típica de una población (…) Son cantidades indeterminadas. llamada media poblacional: N µx = ∑X i =1 i N (2. Ejemplo 2. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X.1) Obviamente que N toma el valor de 300 para este ejemplo. 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”. 27 . 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.78 es el parámetro correspondiente. por ejemplo. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población.6. Se suele representar a un parámetro mediante letras griegas. Por ejemplo.

La media obtenida de los seis alumnos es de 11. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.4. x3 = 13. x2 = 10. llamada media muestral y se representa mediante x . Para su cálculo se ha empleado la siguiente expresión. se obtienen las siguientes calificaciones x1 = 13.83.2) es 198 y N toma el valor de 300. por ejemplo. entonces la proporción poblacional de mujeres representada por π x = 0.66 (66%). ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. al seleccionar una muestra aleatoria de tamaño seis. 198 son mujeres. Se pueden obtener media y varianzas muéstrales. llamada proporción poblacional: N πx = ∑X i =1 i N (2. Continuando con el ejemplo 2. cuya expresión es: 28 .6. Ejemplo 2. una vez identificados los seis alumnos.Si de estos 300 alumnos.7.2) Pero. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. que se asume es constante. 2. x6 = 10. x4 = 14 x5 = 11.

4722.3689 4.7089 0.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.02* 1.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.17 -0.3) es la suma de los seis valores.3489 1.83: Tabla 2.6889 3.83 0. La varianza de esta muestra aleatoria es 2. que da 71.1. que dividido por 6. sabiendo que x = 11.17 2.83 de calificación en la prueba de educación ambiental. es decir en promedio los alumnos han obtenido 11. resulta x = 11.83.17 -1.4) Para su cálculo. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2. en la que mostramos paso a paso el uso de la expresión (2. disponemos de la tabla 2.3) El numerador de la expresión (2.83 1.3689 3.8334 29 .3489 14.x= ∑x i =1 n i n (2.83 -1.4). y se representa mediante S 2 .

la desviación estándar es S = 1.4722. respecto a su media aritmética.5) Entonces.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias.5723. De manera más formal.7. usando la expresión anterior (2. X 3 = 07. varianzas. X 2 = 11. Tsokos y Milton (1998).8. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). esto es: S = + S2 (2. de las calificaciones obtenidas en la prueba que mide la educación ambiental. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. que es igual a 14. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. acompañados de sus respectivas frecuencias relativas o probabilidades. que dividido por 6 es justamente 2. La raíz cuadrada. de la varianza se llama desviación estándar o desviación típica.8334.5). anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. positiva. Ejemplo 2. Vamos a obtener la distribución muestral. Fijamos para una muestra 30 . etc. 2.

7 7.13 11. obtenidas de muestras de tamaño 2.33 2/6 = 0.7 11.13 7.33 2/6 = 0. 31 .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 2.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0. En este caso. así como su respectiva media muestral: Tabla 2. de la población de tamaño 3. de las frecuencias relativas de todas las medias muestrales posibles.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.11 13.2 se muestran los posibles resultados de la muestra de tamaño 2.de tamaño 2.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13. En la tabla 2.

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

Si X tiene distribución de probabilidad normal.. 2. .2. 2.8.3. 33 . también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2.. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 . podemos aplicarla en la inferencia estadística. E (s 2 ) = σ 2 2. aún cuando la variable aleatoria X no está normalmente distribuida. (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad. x2 . 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 ). xn .8. entonces para la varianza muestral de tamaño n se cumple que: 1. que algunos autores la llaman cuasivarianza.7) Cabe precisar.incluso..

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

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

3 se obtiene x = 40. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. En esta población se asume que la proporción poblacional de docentes que consideran que la profesión de investigador es una profesión atractiva para docentes jóvenes es igual a 0.73 años. µ = 38. Media muestral La edad en años cumplidos tiene distribución con media poblacional.7 se obtiene s 2 = 33.76.48 5. 15 3. y al usar la expresión 2. σ 2 = 30 años2.71) . En cambio el error estándar del estadístico media muestral.21 = 5.5 años y varianza poblacional. empleando la propiedad 3. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).21 años2.87 Proporción muestral Para la segunda variable.71 (π = 0. 36 .Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar. Usando la expresión 2. La muestra aleatoria es igual a 15 docentes (n = 15) . es: σx = σ n = 5.42 años.48 = = 1.

9. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.8. nA =9. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos.De la tabla contamos que.71) 0.71(1 − 0. utilizando datos incompletos procedentes de una 37 .29) 0. se desea responder a la pregunta: ¿Cuál es el valor de θ ? En este caso el intentar conocer el valor de θ es en términos estadísticos.2059 = = = 0. Sierra Bravo (1991). precio y valor que se da a una cosa. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. Cuando no se tiene una noción preconcebida sobre el valor de θ .0137 = 0. se obtiene: p= 9 = 0. El error estándar del estadístico p es: σp = π (1 − π ) n = 0. En estadística es la operación que mediante la inferencia un parámetro. anota que “estimación proviene del latín estimatio y significa estimación. al que vamos a representar mediante la letra griega θ .6 (60%) 15 Esto es.71(0. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.1170 15 15 15 2. entonces empleando la expresión 2.

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

Se pretenden lograr los siguientes objetivos: 1. 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. Ejemplo 2. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).10.10.73 años n X σ2 1 s = n −1 2 ∑ (x i =1 n i − x) 2 ˆ σ 2 = s 2 =33.21 años2 Y π p= nA n ˆ π = p = 0. En cierta investigación. pero con cierta probabilidad de error (riesgo) por tomar una decisión. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE.33%) 2. que asisten a Instituciones Educativas estatales y privadas.7333 (73. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. a partir de los valores de una muestra aleatoria. 39 . PRUEBA DE HIPÓTESIS Proceso mediante el cual.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.

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

En este caso se parte del supuesto que no existe diferencias entre el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales y privados.11. 2. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. 41 . Ejemplo 2. Para lograr el objetivo 1. 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. Por tanto se empleara la prueba de hipótesis estadística. Se debe verificar que los promedios poblacionales µ1 y µ 2 son diferentes a partir de muestras aleatorias. Para el logro del objetivo 2.11. o aproximadamente normal. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).µ 2 = 0.µ 2 = 0. 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. mediante el cual se somete a prueba µ1 .σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. 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.

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

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

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

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

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

47 .

Sign up to vote on this title
UsefulNot useful