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

Intervalo de confianza para estimar la proporción poblacional π de una población binomial Intervalo de confianza para estimar diferencia de medias poblacionales.7. 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. Cuando las varianzas poblacionales son conocidas 4. 3. 4. 4.2.2. π 1 − π 2 .7.1.9.1. 4. Estimación de parámetros 3.7. de poblaciones normales independientes 2 σ2 3. Intervalo de confianza para estimar la diferencia de proporciones poblacionales.7.6. 4. 3.7.8. 4.5.3.2. Usando muestras independientes 3. σ 12 .7.Capítulo 3.1.4. µ1 − µ 2 . 3.1.2.4. 3. de poblaciones binomiales independientes Ejercicios propuestos Capítulo 4.6. 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. Intervalo de confianza para estimar la razón de varianzas poblacionales. 4.3. Usando muestras relacionadas 3.5. Cuando las varianzas poblacionales son desconocidas 5 . de poblaciones normales 3. Prueba de hipótesis paramétrica 4.

Introducción Prueba binomial Prueba U de Mann-Whitney Prueba de rangos de Wilcoxon Prueba de Kruskal-Wallis Prueba de Kolmogorov-Smirnov Ejercicios propuestos Capítulo 7.8. Introducción Tablas de contingencia Estadística Chi-cuadrado 6 . Para π1 − π 2 de poblaciones binomiales Ejercicios propuestos Capítulo 5.2. 5.8. 4. Correlación lineal simple Ejercicios propuestos Capítulo 6.1.4.3. Para µ1 − µ 2 usando muestras relacionadas Para la igualdad de varianzas poblacionales 4.2. 5.9.2. 6. Pruebas de hipótesis no parámetricas 6. 6. 7. 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. 6.10.4.4. 5.6.3. 6.5. 5. 5.9. 5.7.10. 5. 7. 5.6. Análisis de regresión lineal múltiple 5.5.1.1. 6. Análisis de datos categóricos 7.3.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

6. 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. El método de instrucción directa. INTRODUCCIÓN También se le llama inferencia estadística. 3. Para que la estadística inferencial proporcione buenos resultados debe: 1. Ver sección 1. Basarse en una técnica estadístico-matemática adecuada al problema y suficientemente validada. como son: 1. El método de la enseñanza recíproca. 2. 21 .1. La combinación de métodos de instrucción directa y enseñanza recíproca. 2. Utilizar una muestra que realmente sea representativa de la población y de un tamaño suficiente. 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.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.1.

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

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

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

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

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

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

Se pueden obtener media y varianzas muéstrales. por ejemplo. una vez identificados los seis alumnos.Si de estos 300 alumnos.4.66 (66%). x3 = 13. Los estadísticos son variables aleatorias por que están sujetos a la fluctuación de la muestra en relación al valor poblacional. llamada proporción poblacional: N πx = ∑X i =1 i N (2. cuya expresión es: 28 . x2 = 10. se obtienen las siguientes calificaciones x1 = 13. ahora la variable aleatoria se define como: 1 si alumna Xi =  0 si alumno En este caso el numerador de la expresión (2. que se asume es constante. La media obtenida de los seis alumnos es de 11. Ejemplo 2. Continuando con el ejemplo 2. x4 = 14 x5 = 11. x6 = 10.6.83. al seleccionar una muestra aleatoria de tamaño seis. entonces la proporción poblacional de mujeres representada por π x = 0.2) es 198 y N toma el valor de 300. Para su cálculo se ha empleado la siguiente expresión. 198 son mujeres. 2.7.2) Pero. ESTADÍSTICO Se contrapone al parámetro porque es un valor que se obtiene a partir de los valores muestrales. llamada media muestral y se representa mediante x .

3689 3. que dividido por 6. disponemos de la tabla 2.83 1. resulta x = 11.3689 4. y se representa mediante S 2 .3489 14. cuya expresión es: S = 2 ∑ (x − x ) n i =1 i 2 n (2.17 2.3) es la suma de los seis valores.4722. que da 71.02* 1.83 de calificación en la prueba de educación ambiental.x= ∑x i =1 n i n (2. en la que mostramos paso a paso el uso de la expresión (2.8334 29 .83 -1.17 -0.4). La varianza de esta muestra aleatoria es 2.83.1 Cálculos para obtener el valor de la varianza (Ejemplo 2.83 0.3) El numerador de la expresión (2.6889 3.7089 0.1.3489 1. es decir en promedio los alumnos han obtenido 11.83: Tabla 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 1.17 -1.4) Para su cálculo. sabiendo que x = 11.

etc. Ejemplo 2. que dividido por 6 es justamente 2. Fijamos para una muestra 30 . Tsokos y Milton (1998). de la varianza se llama desviación estándar o desviación típica. Vamos a obtener la distribución muestral.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable. de las calificaciones obtenidas en la prueba que mide la educación ambiental. anotan que “la distribución de probabilidad del estadístico se llama distribución muestral”. varianzas. usando la expresión anterior (2. anota que la distribución muestral “está formada por estadísticos o valores determinados obtenidos de muestras: medias. La raíz cuadrada. que es igual a 14.8.8334.5723.5) Entonces.Teóricamente ∑ (x n i =1 i −x =0 ) El numerador de la expresión (2.5). X 3 = 07. positiva.7. 2. o de la proporción de veces que se repiten en el conjunto de todas las muestras posibles del mismo tamaño obtenidas de la población”. X 2 = 11. DISTRIBUCIÓN MUESTRAL Sierrra Bravo (1991). respecto a su media aritmética. De manera más formal.4722. de una población hipotética compuesta por 3 estudiantes y que toma calificaciones iguales a: X 1 = 13. esto es: S = + S2 (2. acompañados de sus respectivas frecuencias relativas o probabilidades. la desviación estándar es S = 1.

33 2/6 = 0. así como su respectiva media muestral: Tabla 2.de tamaño 2.33 9 10 12 La distribución muestral de la media muestral es la distribución de frecuencias o de probabilidad. En este caso.2 se muestran los posibles resultados de la muestra de tamaño 2.11 13. obtenidas de muestras de tamaño 2.13 7. de la población de tamaño 3. En la tabla 2.11 Medias muestrales (media para cada muestra) 12 10 12 9 10 9 Ahora se muestra la distribución de frecuencias para los valores de la media muestral: Tabla 2.7 7.3 Distribución muestral de la media muestral Valores de las medias muestrales Frecuencia 2 2 2 Frecuencia relativa 2/6 = 0. de las frecuencias relativas de todas las medias muestrales posibles.2 Resultados de posibles muestras de tamaño 2 Muestras posibles 13.13 11. 31 .7 11.33 2/6 = 0.

X 2 . X 3 . de una distribución con media poblacional µ y varianza poblacional σ 2 . Se considera una buena aproximación cuando n ≥ 30 (teorema del límite central).. que se representa mediante σ x . . Media muestral La expresión (2. Veamos sus propiedades: Propiedades de la media muestral Si X es una variable aleatoria con esperanza o media poblacional µ y varianza poblacional σ 2 . Entonces. conocida también como error estándar de la media muestral es igual a σ / n 4. Sea X 1 . X n una muestra aleatoria de tamaño n. 2.1.Por cultura estadística estudiaremos algunos estadísticos y su distribución de probabilidad (distribución muestral). entonces la media muestral x tiene las siguientes propiedades: 1. 32 .3). 1) . V x = σ 2 / n 3. De este modo. nos indica cómo se obtiene una media muestral. La desviación estándar de x . E (x ) = µ 2..6) Se distribuye aproximadamente como una normal estandarizada N (0..8. la variable aleatoria: () x−µ σ/ n (2. para n grande.

33 . Varianza muestral A partir de cada muestra aleatoria de tamaño n de X : x1 . .8. aún cuando la variable aleatoria X no está normalmente distribuida.. E (s 2 ) = σ 2 2. 2.2. Proporción muestral Consideremos una población en la que existe una proporción π de elementos que tienen el atributo A (o pertenecen a la categoría A ). xn . 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. entonces para la varianza muestral de tamaño n se cumple que: 1.incluso.3. x2 . podemos aplicarla en la inferencia estadística. también se puede calcular la varianza muestral definida como: 1 s = n −1 2 ∑ (x − x ) n i =1 i 2 (2. que algunos autores la llaman cuasivarianza.. 2.8.7) Cabe precisar. Si X tiene distribución de probabilidad normal..

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

En una muestra aleatoria de 15 docentes de educación secundaria. 2. 2. (2) La profesión de investigador es profesión atractiva para: 1. de la Institución Educativa Martín Adán. No. 35 (3) El investigador educativo debe ser bien remunerado: . de un total de 27: Tabla 2. Docentes jóvenes.8.4 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. se aplicó un cuestionario para recoger su opinión sobre el investigador educativo. Se presenta la respuesta de 3 preguntas. Sí.Ejemplo 2. Docentes maduros. 1.

21 = 5.71) .48 = = 1. En cambio el error estándar del estadístico media muestral. µ = 38.Con esta información vamos a mostrar la diferencia entre desviación estándar y error estándar. 15 3. 36 . Usando la expresión 2. 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 0.5 años y varianza poblacional.71 (π = 0. empleando la propiedad 3. Por tanto la desviación estándar muestral de la edad es: s = s 2 = 33.3 se obtiene x = 40. interesa que el docente encuestado indique que la profesión de investigador es una profesión atractiva para docentes jóvenes ( A ).48 5. es: σx = σ n = 5.73 años.76.21 años2.42 años. Media muestral La edad en años cumplidos tiene distribución con media poblacional.87 Proporción muestral Para la segunda variable. y al usar la expresión 2.7 se obtiene s 2 = 33. σ 2 = 30 años2. La muestra aleatoria es igual a 15 docentes (n = 15) .

En estadística es la operación que mediante la inferencia un parámetro.71) 0. al que vamos a representar mediante la letra griega θ . En ambos casos hay una población bajo investigación y generalmente al menos un parámetro de esta población. 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. se obtiene: p= 9 = 0. el 60% de docentes encuestados afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.8.71(1 − 0. es decir 9 docentes afirman que la profesión de investigador es una profesión atractiva para docentes jóvenes.0137 = 0.2059 = = = 0. entonces empleando la expresión 2.9. Cuando no se tiene una noción preconcebida sobre el valor de θ . estimar el valor de θ es decir tratar de conocer el valor del parámetro en términos prácticos.29) 0. Sierra Bravo (1991). ESTIMACIÓN La inferencia estadística se clasifica como: estimación y prueba de hipótesis de parámetros estadísticos. utilizando datos incompletos procedentes de una 37 . El error estándar del estadístico p es: σp = π (1 − π ) n = 0. nA =9. precio y valor que se da a una cosa.6 (60%) 15 Esto es.De la tabla contamos que. anota que “estimación proviene del latín estimatio y significa estimación.1170 15 15 15 2.71(0.

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

Determinar el nivel promedio poblacional del puntaje de la prueba de comprensión lectora para tipo de IE. Ejemplo 2. PRUEBA DE HIPÓTESIS Proceso mediante el cual. 39 . 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. que asisten a Instituciones Educativas estatales y privadas.33%) 2. se requiere estudiar el nivel de comprensión lectora en niños de 8 años de edad. para tal fin se elige al azar una muestra de alumnos de cada tipo de Institución Educativa (IE).10.7333 (73.10. pero con cierta probabilidad de error (riesgo) por tomar una decisión.21 años2 Y π p= nA n ˆ π = p = 0. Se pretenden lograr los siguientes objetivos: 1. a partir de los valores de una muestra aleatoria. En cierta investigación.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.

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

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

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

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

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

mx. 2.mx/investigacion/cif/proyectos/proyecto3/habilidades. Se encontró que la mayoría de los estudiantes asignan calificaciones altas a sus habilidades de investigación y que por lo general los hombres y las mujeres evalúan sus habilidades de investigación de manera Mtra.usb. Plantear un parámetro. entre ellos. para lo cual se utilizó un instrumento llamado “Autoevaluación de habilidades de investigación” (Rivera. www. Torres.3% hombres.7% fueron mujeres y 26. María Elena y Mtra. y su respectivo estadístico.usb. Salgado. Claudia Karina. 2. 2005).2. TORRES VILLASEÑOR. Defina la población. Ciencias Económico-Administrativas. merivera@bolivar.mx. Universidad Simón Bolívar. Se contó con representantes de cuatro áreas de conocimiento: Ciencia y Tecnología. Defina la muestra. 3. el 88. 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. ambiental@bolivar.9557). y Educación. García Gil de Muñoz.2% se encontraba realizando estudios de licenciatura y el 11.usb. Caña y Valentín. según respuesta 3.A partir de este resumen: 1.doc 3 45 . Ciencias Humanas.edu. 4. Participaron 119 estudiantes de los cuales 73.8% de postgrado. RIVERA HEREDIA. Arango. Defina la(s) variable(s) aleatoria(s). La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =.

Disculpen la molestia. 2. 46 . Se discuten las diferencias entre los resultados arrojados por este cuestionario con los de otras estrategias de evaluación. Estimación 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.semejante. Prueba de hipótesis de parámetros. Los capítulos faltantes del presente libro se estarán publicando en los siguientes días. cuando aparecen diferencias significativas.

47 .

Sign up to vote on this title
UsefulNot useful