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. 4. de poblaciones normales 3.7. Intervalo de confianza para estimar la razón de varianzas poblacionales. Intervalo de confianza para estimar la diferencia de proporciones poblacionales. Usando muestras independientes 3.4.9.6. Introducción Conceptos básicos Etapas para realizar una prueba de hipótesis Prueba de para µ de una población normal Prueba para σ 2 de una población normal Para π de una población binomial Prueba para µ1 − µ 2 usando muestras independientes 4.7. 4.3. 4. 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 3.4.1. π 1 − π 2 .3.7.2. 3. Prueba de hipótesis paramétrica 4.8. 4. Usando muestras relacionadas 3. µ1 − µ 2 . 3. 4. σ 12 . 3.7.Capítulo 3.7. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.5.2. de poblaciones normales independientes 2 σ2 3.6.1. 3. Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales.7.2.2. Cuando las varianzas poblacionales son desconocidas 5 .1. Estimación de parámetros 3.1. Cuando las varianzas poblacionales son conocidas 4. 4.5.

7. 5.10.6.1. Correlación lineal simple Ejercicios propuestos Capítulo 6. 5.7.3. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 .1.3. 6. 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. 5.1. 5. 6. 6.2.3.5. Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7.5. Pruebas de hipótesis no parámetricas 6. 4. Análisis de datos categóricos 7.4. 6.6.9.8. 5.4. 5. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4. Análisis de regresión lineal múltiple 5.9. 5. 6.2.10. Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.2.8. 5.4. 7.

4.7. 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 .5. 7.

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

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

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

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

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

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

Proceso importante y necesario en el proceso del conocimiento científico donde las técnicas y métodos se aplican para recopilar datos y hechos. Refleja mediante generalizaciones teóricas (principios. sino también las conclusiones y recomendaciones finales”. Describir la realidad. experimentaciones. 5. 2. Es lógica y objetiva. Explicar la realidad. organizada o sistemática y exacta. Una investigación es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. los objetivos fundamentales de una investigación científica son: 1. La investigación es un trabajo de exploración profesional. leyes. El fin de una investigación se expresa en un informe el cual presentará no solo la metodología. 14 . así como los factores causales que los determinan. y establecer generalizaciones empíricas. 6. 1.comprobación y verificación de un problema. 2. 4.4. En lo posible procura ofrecer resultados cuantitativos de los datos manejados. el replantear lo ya conocido no se puede llamar investigación. 3. resultados. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIÓN CIENTÍFICA En relación a las funciones que realiza la ciencia. conceptos) las propiedades y regularidades esenciales y estables de los fenómenos.

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

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

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

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

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

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

Veamos el siguiente ejemplo: Ejemplo 2. a partir de la información que proporciona una muestra representativa obtenida de dicha población.CAPÍTULO 2 ESTADÍSTICA INFERENCIAL 2. 3. pero previamente recordemos que la estadística (EI) comprende el conjunto de métodos estadísticos que permiten deducir (inferir) cómo se distribuye la población bajo estudio. El método de la enseñanza recíproca. 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. 2. como son: 1.1. La combinación de métodos de instrucción directa y enseñanza recíproca.6. El método de instrucción directa. 21 . 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. Para que la estadística inferencial proporcione buenos resultados debe: 1. Ver sección 1.2 del presente libro.1.

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

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

el primer alumno seleccionado en la muestra. Entonces: X 1 : La calificación que ha obtenido. X 2 . con la finalidad de que los resultados de esta muestra sean válidos para la población de la que se ha obtenido la muestra.. MUESTRA Sierrra Bravo (1991). Ejemplo 2.3. No se conoce ni la distribución exacta de X ni el valor numérico de µ x o de σ x2 . calificación obtenida en la prueba de conocimientos sobre educación ambiental (escala vigesimal) de los alumnos de la Facultad de Educación.4.2.. Consideremos nuevamente la población definida en el ejemplo 2.3. anota que “una muestra en general es toda parte representativa de la población. cuyas características debe reproducir en pequeño lo más exactamente posible”. en la prueba de conocimientos sobre educación ambiental. La variable de interés es X. 2.2. Para tener una idea del valor de µ x se extrae una muestra aleatoria de tamaño n = 6 de la población. . 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 . 24 . Para que sea representativa se debe seleccionar empleando el muestreo. cada una con la misma función de distribución de la variable aleatoria X.. tópico importante de la estadística. Esta generalización se realiza empleando la estadística inferencial. Asumiremos que tiene distribución de probabilidad con media µ x y varianza σ x2 . X n . X 3 . Se trata de características de la población que pueden determinarse con precisión si se revisa cada una de las calificaciones de los 300 alumnos.

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

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

entonces µ x = 14. llamada media poblacional: N µx = ∑X i =1 i N (2. éstas se promedian. 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. En términos prácticos. la media y la desviación típica de una población (…) Son cantidades indeterminadas.5. Se suele representar a un parámetro mediante letras griegas. por ejemplo.6. PARÁMETRO Sierra Bravo (1991). que caracterizan a un fenómeno en un momento dado que ocurre en una población”. Por ejemplo.1) Obviamente que N toma el valor de 300 para este ejemplo. Si al obtener las calificaciones de los 300 alumnos que conforman la población. la media poblacional se representa mediante µ x y se lee como media poblacional de la variable aleatoria X. la varianza poblacional se representa mediante σ x2 y se lee como varianza poblacional de la variable aleatoria X. constantes o fijas respecto a una condición o situación. Ejemplo 2. un parámetro es un valor que resulta al emplear los valores que se obtienen de una población.78 es el parámetro correspondiente. Para su cálculo se ha empleado la siguiente expresión.2. 27 .

x6 = 10. una vez identificados los seis alumnos. Continuando con el ejemplo 2. llamada media muestral y se representa mediante x . x4 = 14 x5 = 11. al seleccionar una muestra aleatoria de tamaño seis.7. por ejemplo. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional.4. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales.Si de estos 300 alumnos. 198 son mujeres. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2.2) es 198 y N toma el valor de 300. Para su cálculo se ha empleado la siguiente expresión. x3 = 13. llamada proporción poblacional: N πx = ∑X i =1 i N (2. cuya expresión es: 28 . 2.66 (66%). que se asume es constante. entonces la proporción poblacional de mujeres representada por π x = 0. x2 = 10.83. Se pueden obtener media y varianzas muéstrales.6. La media obtenida de los seis alumnos es de 11.2) Pero. se obtienen las siguientes calificaciones x1 = 13. Ejemplo 2.

1 Cálculos para obtener el valor de la varianza (Ejemplo 2.17 2. es decir en promedio los alumnos han obtenido 11.83 -1. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2. disponemos de la tabla 2. y se representa mediante S 2 .83 1.3689 3. sabiendo que x = 11.17 -1.8334 29 .02* 1.4). que dividido por 6.x= ∑x i =1 n i n (2.83 de calificación en la prueba de educación ambiental.83 0.3) El numerador de la expresión (2.6) Unidad 1 2 3 4 5 6 Total xi (x − x ) i (x − x ) i 2 13 10 13 14 11 10 71 1.83: Tabla 2.6889 3.3689 4. que da 71.3489 1. La varianza de esta muestra aleatoria es 2.1.3) es la suma de los seis valores.4722.83.3489 14.17 -0.4) Para su cálculo. resulta x = 11. en la que mostramos paso a paso el uso de la expresión (2.7089 0.

esto es: S = + S2 (2. Vamos a obtener la distribución muestral. varianzas. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. acompañados de sus respectivas frecuencias relativas o probabilidades. usando la expresión anterior (2.8334. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. Ejemplo 2.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. X 2 = 11. positiva.4722.5). X 3 = 07. que es igual a 14.5) Entonces. La raíz cuadrada.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2. 2. Tsokos y Milton (1998). anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. de la varianza se llama desviación estándar o desviación típica. etc. respecto a su media aritmética. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. que dividido por 6 es justamente 2.8.5723. De manera más formal. de las calificaciones obtenidas en la prueba que mide la educación ambiental. la desviación estándar es S = 1. Fijamos para una muestra 30 .7.

de la población de tamaño 3. así como su respectiva media muestral: Tabla 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad.13 11.11 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. obtenidas de muestras de tamaño 2. En la tabla 2.11 13.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0.13 7. En este caso.33 2/6 = 0.7 11.33 2/6 = 0.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.7 7. 31 .de tamaño 2. de las frecuencias relativas de todas las medias muestrales posibles.2 se muestran los posibles resultados de la muestra de tamaño 2.

1) ... entonces la media muestral x tiene las siguientes propiedades: 1. de una distribución con media poblacional µ y varianza poblacional σ 2 . E (x ) = µ 2.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral). X 2 . La desviación estándar de x .1.8. X 3 . X n una muestra aleatoria de tamaño n. nos indica cómo se obtiene una media muestral.3). 2.. 32 . la variable aleatoria: () x−µ σ/ n (2.6) Se distribuye aproximadamente como una normal estandarizada N (0. conocida también como error estándar de la media muestral es igual a σ / n 4. Media muestral La expresión (2. que se representa mediante σ x . De este modo. para n grande. Sea X 1 . Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central). V x = σ 2 / n 3. 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.

x2 .7) Cabe precisar. entonces para la varianza muestral de tamaño n se cumple que: 1. podemos aplicarla en la inferencia estadística. Si X tiene distribución de probabilidad normal. que algunos autores la llaman cuasivarianza.2. 33 . también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2. Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 . aún cuando la variable aleatoria X no está normalmente distribuida. 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 )..8..incluso. xn .. E (s 2 ) = σ 2 2.3. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza µ y σ 2 respectivamente. . (n − 1)s 2 es una variable aleatoria con 2 σ distribución chi-cuadrado con n − 1 grados de libertad.8. 2. 2.

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

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

7 se obtiene s 2 = 33.73 años. empleando la propiedad 3. es: σx = σ n = 5.21 = 5. En cambio el error estándar del estadístico media muestral. 36 .71 (π = 0. La muestra aleatoria es igual a 15 docentes (n = 15) . Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33. Media muestral La edad en años cumplidos tiene distribución con media poblacional.76.71) . σ 2 = 30 años2. µ = 38. 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 0.42 años.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar.21 años2.48 5. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).3 se obtiene x = 40. y al usar la expresión 2. 15 3.48 = = 1.5 años y varianza poblacional.87 Proporción muestral Para la segunda variable. Usando la expresión 2.

1170 15 15 15 2.71(0. entonces empleando la expresión 2. En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. En estadística es la operación que mediante la inferencia un parámetro. anota que “estimación proviene del latín estimatio y significa estimación. precio y valor que se da a una cosa. ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos.9. Cuando no se tiene una noción preconcebida sobre el valor de θ . al que vamos a representar mediante la letra griega θ .8.71) 0. nA =9. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. utilizando datos incompletos procedentes de una 37 . se obtiene: p= 9 = 0.29) 0.0137 = 0. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes. 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. Sierra Bravo (1991).2059 = = = 0. estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos.6 (60%) 15 Esto es.De la tabla contamos que. El error estándar del estadístico p es: σp = π (1 − π ) n = 0.71(1 − 0.

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

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.33%) 2.7333 (73.10. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. Ejemplo 2.21 años2 Y π p= nA n ˆ π = p = 0. 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.10. que asisten a Instituciones Educativas estatales y privadas. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE.Variable Parámetro Estimador Estimación µ x= ∑x i =1 n i ˆ µ = x = 40.73 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. a partir de los valores de una muestra aleatoria. En cierta investigación. Se pretenden lograr los siguientes objetivos: 1.

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

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. o aproximadamente normal. mediante el cual se somete a prueba µ1 . 41 .σ 1 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE estatales. Para lograr el objetivo 1. 2.µ 2 = 0. σ 2 = Desviación estándar poblacional del puntaje de la prueba de comprensión lectora para niños que asisten a IE privadas. aritméticamente significa: µ1 diferente de µ 2 ( µ1 ≠ µ 2 ) o equivalentemente µ1 . 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. 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.11. Ejemplo 2. Se desea verificar si el tiempo promedio requerido para resolver un problema sencillo en niños de 10 años de edad con secuelas neurológicas derivadas de hiperbilirubenia al nacer. 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.11. ESTADÍSTICA PARAMÉTRICA Según Sierra Bravo (1991).µ 2 = 0.

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

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

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

Defina la(s) variable(s) aleatoria(s).doc 3 45 .mx. TORRES VILLASEÑOR.2. Ciencias Humanas. Ciencias Económico-Administrativas. 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. Arango. 2.usb.A partir de este resumen: 1.3% hombres. el 88. 3. Participaron 119 estudiantes de los cuales 73.usb. Defina la población.9557). ambiental@bolivar. Caña y Valentín. RIVERA HEREDIA. 4. Universidad Simón Bolívar. merivera@bolivar.mx. María Elena y Mtra. García Gil de Muñoz.mx/investigacion/cif/proyectos/proyecto3/habilidades. 2005). www. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. entre ellos. y Educación.7% fueron mujeres y 26.edu. Claudia Karina. Defina la muestra. 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.2% se encontraba realizando estudios de licenciatura y el 11.usb.8% de postgrado. Plantear un parámetro. y su respectivo estadístico. Torres. Salgado. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =. 2. según respuesta 3. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera.

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

47 .

Sign up to vote on this title
UsefulNot useful