Universidad Nacional Autnoma de

Mxico
Facultad de Estudios
Superiores Zaragoza
Psicologa

Gua Estadstica
Inferencial
Profesor: Erosa Rosado Eliezer

Alumno: Olivas Santos Ilse

Gua Estadstica Inferencial

Gua General
CUESTIONARIO
CONCEPTOS GENERALES DE LA INFERENCIA ESTADSTICA
INSTRUCCIONES: Explique en qu consiste cada uno de los
siguientes conceptos, sealando su uso y/o importancia en el
contexto de la estadstica
Variable

discreta

son

aquellas

cuyas

observaciones

se

agrupan

inherentemente o naturalmente en categoras, porque dichas variable por

su naturaleza slo pueden tomar ciertos valores muy especficos. Por ejemplo
el gnero de un sujeto es un buen ejemplo de una variable discreta.
Variable continua Slo se pueden agrupar en forma arbitraria en
categoras, porque por su naturaleza pueden tomar cualquier valor a lo largo
de un continuo (o de una escala numrica continua). La estatura de los
habitantes de un pas es un ejemplo de variable continua, as como el ingreso
de las familias en dicho pas.
Probabilidad Medida de la certidumbre que se le asocia a la ocurrencia u
observacin de un fenmeno o al hecho de que una caracterstica de inters
tome cierto valor. La probabilidad reside en su capacidad para estimar o
predecir eventos. Cuanto mayor sea la cantidad de datos disponibles para
calcular la probabilidad de un acontecimiento, ms preciso ser el resultado
calculado.
Aleatoriedad La aleatoriedad es un campo de definicin que, en
matemticas, se asocia a todo proceso cuyo resultado no es previsible ms
que en razn de la intervencin del azar. El resultado de todo suceso
aleatorio no puede determinarse en ningn caso antes de que este se
produzca. Por consiguiente, los procesos aleatorios quedan englobados
dentro del rea del clculo de probabilidad y, en un marco ms amplio en el
de la estadstica. Es comnmente utilizada en pruebas controladas aleatorias
en la investigacin experimental. En las pruebas controladas aleatorias, los
participantes de la investigacin son asignados al azar, no por eleccin, tanto
para el grupo experimental como para el grupo de control. La aleatoriedad

Gua Estadstica Inferencial

reduce el sesgo al mximo. La aleatoriedad es diseada para "controlar"

(reducir o eliminar, si es posible) el sesgo. El objetivo fundamental de la
aleatoriedad es tener la certeza de que cada tratamiento tenga la misma
probabilidad de ser aplicado a todas las unidades experimentales.
Distribucin de Probabilidad Una distribucin de probabilidad indica
toda la gama de valores que pueden representarse como resultado de un
experimento si ste se llevase a cabo. Es decir, describe la probabilidad de
que un evento se realice en el futuro, constituye una herramienta
fundamental para la prospectiva, puesto que se puede disear un escenario
de acontecimientos futuros considerndolas tendencias actuales de diversos
fenmenos naturales.
Estadgrafo Son las medidas descriptivas inherentes a una muestra, las
cuales pueden usarse como estimacin del parmetro. Despus de haber
ordenado y descrito un conjunto de datos, an el anlisis resulta todava un
tanto incompleto; es necesario entonces resumir la informacin y Facilitar as
su anlisis e interpretacin utilizando ciertos indicadores.
Estadstica Inferencial Se basa en la prueba de hiptesis y se define
como un conjunto de tcnicas que permiten al investigador obtener
conclusiones a partir de una muestra para despus ser generalizadas a una
poblacin. De este modo su principal funcin es la generalizacin en una
poblacin. Sus principales caractersticas de la estadstica inferencial es la de
comparar parmetros y aplicar pruebas de hiptesis.
Estadstica ParamtricaEsta se sustenta en supuestos o parmetros y
para

poder

emplearla

es

necesario

cubrir

los

siguientes

principios,

Distribucin normal, homogeneidad de varianza, seleccin y asignacin

aleatoria, la variable dependiente debe ser medida a nivel intervalar.
Generalmente se aplica a variables continuas. Es comn en la ESTADSTICA
PARAMTRICA que se asuma que la poblacin de la cual la muestra es
extrada tiene una distribucin NORMAL o

aproximadamente normal. Esta

propiedad es necesaria para que algunas pruebas de hiptesis sean vlidas.

Afortunadamente, la mayor parte de estas pruebas an son confiables

Gua Estadstica Inferencial

cuando se experimentan ligeras desviaciones de la normalidad, en parti cular

cuando el tamao de la muestra es grande.
Estadstica No Paramtrica Es una estadstica de distribucin libre, se
basa en frecuencias, porcentajes y rangos, estos ltimos basados en rangos
de ordenacin los cuales son buenas medidas de variabilidad para muestras
pequeas, sus niveles de medicin son nominal y ordinal, en el nivel nominal
se puede tratar de datos que impliquen clasificacin (sexo:hombre o mujer).
Los mtodos no paramtricos mtodos de distribucin libre, a menudo no
suponen conocimiento de ninguna clase acerca de las distribuciones de las
poblaciones

fundamentales,

excepto

que

stas

son

continuas.

Los

procedimientos no paramtricos o de distribucin libre se usan con mayor

frecuencia por los analistas de datos. Existen muchas aplicaciones donde los
datos se reportan no como valores de un continuo sino en una escala ordinal
tal que es natural asignar rangos a los datos.
Prueba estadstica Es el procedimiento empleado para probar una
hiptesis nula
Prueba de contraste Es una tcnica de Inferencia Estadstica que
permite comprobar si la informacin que proporciona una muestra observada
concuerda (o no) con la hiptesis estadstica formulada sobre el modelo de
probabilidad en estudio y, por tanto, se puede aceptar (o no) la hiptesis
formulada.
Prueba de Correlacin El anlisis de correlacin emplea mtodos para
medir la significacin del grado o intensidad de asociacin entre dos o ms
variables. El Coeficiente de correlacin de Pearson, es un ndice estadstico
que mide la relacin lineal entre dos variables cuantitativas.
Hiptesis estadstica Una hiptesis estadstica es una proposicin o
supuesto sobre los parmetros de una o ms poblaciones. Es importante
recordar que las hiptesis siempre son proposiciones sobre la poblacin o
distribucin bajo estudio, no proposiciones sobre la muestra. Estas hiptesis
consisten en las nulas, alternativas o de investigacin transformadas en

Gua Estadstica Inferencial

smbolos estadsticos, se pueden realizar cuando los datos a estudiar son

mensurables. Dentro de estas hiptesis existen distintas clases:

De estimacin: estas suponen el valor de alguna caracterstica de la

muestra que fue seleccionada y de la poblacin en su conjunto. Para

formularlas se tienen en cuenta datos adquiridos previamente.

Estadsticas de correlacin: buscan establecer estadsticamente las
relaciones existentes entre dos o ms variables.

Hiptesis Nula o Hiptesis Cero La hiptesis nula consiste en una

afirmacin acerca de la poblacin de origen de la muestra. Usualmente, es
ms simple (menor nmero de parmetros, por ejemplo) que su antagonista.
Se designa a la hiptesis nula con el smbolo H0. Constituyen proposiciones
acerca de la relacin entre variables solamente que sirven para refutar o
negar lo que afirma la hiptesis de investigacin. Por ejemplo, si la hiptesis
de investigacin propone: Los adolescentes le atribuyen ms importancia al
atractivo fsico en sus relaciones heterosexuales que las mujeres, la nula
postulara:
Los jvenes no le atribuyen ms importancia al atractivo fsico en sus
relaciones heterosexuales que las adolescentes.
Hiptesis Alternativa Es igualmente una afirmacin acerca de la
poblacin

de

origen.

simplemente en

Muchas

veces,

aunque

no

siempre,

consiste

negar la afirmacin de H0. La hiptesis alternativa se

designa con el smbolo H1. Ofrecen otra descripcin o explicacin distintas a

las que proporcionan estos tipos de hiptesis. Por ejemplo, si la hiptesis de
investigacin establece: Esta silla es roja, la nula afirmar: Esta silla no es
roja, y podran formularse una o ms hiptesis alternativas: Esta silla es
azul, Esta silla es verde, Esta silla es amarilla, etc. Cada una constituye
una descripcin distinta a las que proporcionan las hiptesis de investigacin
y

nula.y

slo

pueden

formularse

cuando

efectivamente

hay

otras

posibilidades adicionales a las hiptesis de investigacin y nula. De ser as,

no pueden existir.

Gua Estadstica Inferencial

Hiptesis de 1 cola / Hiptesis de 2 colas Es de una cola cuando la

hiptesis alternativa indica una direccin y ser de 2 colas cuando no se
especifica ninguna direccin en la hiptesis alterna.
Error estadstico Cuando se habla de error estadstico se trata de una
apreciacin histrica observacional de desviacin de resultados y se acepta
como real estadsticamente (siempre que se hayan aplicado los principios
estadsticos apropiados). El error estadstico es una expresin matemtica
Error de Tipo I El error tipo I, conocido tambin como erro tipo alfa, se
comete cuando el investigador rechaza la hiptesis nula (H0), siendo sta
verdadera en la poblacin. Es equivalente a encontrar un resultado falso
positivo, ya que el investigador concluye que hay diferencia, cuando en
realidad no existe. Esto lleva a sacar falsas conclusiones.
Error de Tipo II El error tipo II o beta se comete en la situacin contraria:
cuando el investigador NO rechaza la hiptesis nula (H0), siendo sta FALSA
en la poblacin. Es equivalente a un resultado falso negativo, ya que el
investigador concluye que ha sido incapaz de encontrar una diferencia que
existe en la realidad.
Significancia estadstica En estadstica, un resultado se denomina
estadsticamente significativo cuando no es probable que haya sido debido al
azar. Una "diferencia estadsticamente significativa" solamente significa que
hay evidencias estadsticas de que hay una diferencia entre las variables
estudiadas. No significa que la diferencia sea grande, importante, o
significativa en el sentido estricto de la palabra, slo indica que hay
diferencias
La significacin estadstica depende de 2 componentes fundamentales:

Magnitud de la diferencia: Cuanto ms grande sea la diferencia entre 2

variables, ms fcil es demostrar que la diferencia es significativa.

Tamao muestral: A mayor tamao muestral, ms fcil es detectar
diferencias. Lo hace a travs de del error estndar: a ms pacientes
menor error estndar.

Gua Estadstica Inferencial

Decisin estadstica La decisin estadstica consiste en mantener o

rechazar la hiptesis nula, en funcin de los resultados obtenidos al calcular
el valor de un estadstico de contraste para una muestra aleatoria extrada
de la poblacin.
Grados de Libertad Es el nmero de datos que pueden varia libremente
para calcular el estadstico en el cual se est trabajando. Se encuentran
mediante la frmula n-1, donde n=nmero de sujetos en la muestra (tambin
pueden ser representados por k-1 donde k=nmero de grupos, cuando se
realizan operaciones con grupos y no con sujetos individuales). Los grados de
libertad de una prueba estadstica son el nmero de datos que son libres de
variar cuando se calcula tal prueba.
Valor crticoPunto de divisin entre la regin en la que se rechaza la
hiptesis nula y la regin en la que no rechaza la hiptesis nula.
Regin de rechazo es un conjunto de valores para los cuales rechazamos
H0.
Cuando el valor no se encuentra en la regin de rechazo, decimos que no
podemos rechazar H0.
Regin de aceptacin Conjunto de valores, determinado bajo ciertas
reglas, tal que si el valor de la estadstica de prueba cae dentro, la hiptesis
H0 se declara contraria a la evidencia de la muestra y por tanto debe ser
rechazada.
Diseo de grupos independientes Un verdadero experimento implica la
manipulacin de uno o ms factores y la medicin de los efectos de la misma
sobre el comportamiento. Los factores que un investigador manipula se
llaman variables independientes a las medidas que se utilizan para observar
el efecto de las variables independientes es decir, que no existe relacin
Entre ellas. Por lo tanto, dentro de un grupo el valor de una determinada
puntuacin no nos
Informa en absoluto del valor de otras puntuaciones dentro del mismo grupo.
Diseo

de

grupos

correlacionados

En

el

diseo

de

grupos

correlacionados cada grupo recibe dos o ms tratamientos. Posteriormente

Gua Estadstica Inferencial

se calcula la diferencia entre los puntajes de cada condicin Despus se

analizan los puntajes de diferencia resultantes. Grupos correlacionados
Conclusiones Experimento El experimento con dos condiciones, ya sea con
un diseo de grupos correlacionados o independientes, tiene grandes
ventajas sobre el experimento de una nica muestra.
Diseo factorial Un diseo factorial es utilizado generalmente por los
cientficos que desean comprender el efecto de dos o ms variables
independientes respecto de una nica variable dependiente. Es aquel en el
que se investigan todas las posibles combinaciones de los niveles de los
factores en cada ensayo completo o rplica del experimento
Factor entendemos por factor (en diseo de experimentos) una variable
de decisin, esto es, una variable dependiente de la decisin del optimizador,
pero independiente en el sentido matemtico ("causa"). Un factor es una
"causa". En otras palabras un factor es la variable que manipula el
investigador, para estudiar sus efectos sobre la variable dependiente. Es un
grupo de tratamientos que han sido agrupados segn algn criterio que
todos los miembros de este grupo comparten en forma comn.
Factor Fijo Son aquellos que se mantienen constantes y no se van a
modificar.
Factor aleatorio Un factor es aleatorio cuando es obtenido al azar, es
decir, que todo valor posea la misma probabilidad de ser escogido y que la
eleccin de uno no dependa de la eleccin del otro. Se habla de factores
aleatorios cuando es importante demostrar si ciertos factores inuyen o no
en la variabilidad y muestreamos eligiendo al azar los niveles de los factores
de una poblacin ms grande para sacar conclusiones acerca de la poblacin
en general, la poblacin de estos niveles debe ser de tamao infinito o lo
suficientemente grande para considerarla infinita, en caso contrario es
necesario aplicar correcciones para poblaciones finitas en la formulacin
matemtica del modelo.
Diseo de bloques Un bloque es (en Estadstica) un grupo de
observaciones que tienen condicin de unicidad estadstica, esto es, que

Gua Estadstica Inferencial

pueden y deben ser analizadas e interpretadas slo de modo conjunto. Se

dice que un bloque es un bloque completo cuando todos sus elementos
componentes tienen valores vlidos (es decir, no omitidos). En caso
contrario, se dice que el bloque es un bloque incompleto. Generalmente, un
bloque est estadsticamente incompleto cuando alguno de los niveles
factoriales no posee valores. El inters por el anlisis estadstico de bloques
incompletos estriba en estudiar el efecto que la omisin (deliberada o no) de
cierto nivel factorial tiene sobre la caracterstica estudiada. Un bloque puede
estar fijado o establecido por el investigador de modo arbitrario. En este
caso, se dice que ese bloque es un bloque no aleatorio. Pero puede que este
bloque est fijado, configurado o seleccionado segn la ley estadstica del
azar, en cuyo caso se dice que el bloque es un bloque aleatorio.
Diseo de Cuadrados latinos Los diseos en cuadrados latinos son
apropiados cuando es necesario controlar dos fuentes de variabilidad. En el
diseo de cuadrado latino se bloquea ms de una variable extraa muy
relacionada con la variable dependiente. Estas variables de bloqueo pueden
ser de sujeto o ambientales e incluso una de ellas puede ser la misma
variable dependiente.
Diseo de cuadrados grecolatinos El diseo de cuadrado grecolatino se
caracteriza porque utiliza dos variables de bloque si tiene dos variables
independientes (diseo factorial) y tres variables de bloqueo si slo tiene una
variable independiente (diseo unifactorial) ya que es imprescindible en este
diseo que el nmero total de variables entre variables independientes y
bloqueadas sea 4.
Nivel de Confianza y confiabilidad Grado en que un instrumento
produce resultados consistentes. La confiabilidad de los datos estadsticos
est dada, por las tcnicas de investigacin que se utilicen, de acuerdo a la
pertinencia y validez de las mismas. La informacin es confiable, cuando
se aplican varias veces las tcnicas y los sucesos, o los hechos se repiten,
logrando el mismo resultado. Las Fuentes de Informacin de los datos

Gua Estadstica Inferencial

estadsticos son confiables, cuando se demuestra que son al mismo tiempo

las identificadas como: pertinente y vlidas
Correlacin Se entiende por correlacin aquella que nos permite expresar
cuantitativamente hasta qu grado estn relacionadas dos variables o
tienden a variar conjuntamente. Este grado de relacin se mide a travs de
un coeficiente llamado COEFICIENTE DE CORRELACIN y lo denotamos por la
letra r. Por ejemplo, si se considera las variables son el ingreso familiar y el
gasto familiar. Se sabe que los aumentos de ingresos y gastos disminuyen
juntos. Por lo tanto, estn relacionados en el sentido de que el cambio en
cualquier variable estar acompaado por un cambio en la otra variable.
Regresin La regresin es una tcnica estadstica utilizada para simular la
relacin existente entre dos o ms variables. Por lo tanto se puede emplear
para construir un modelo que permita predecir el comportamiento de una
variable dada. La regresin es muy utilizada para interpretar situaciones
reales, pero comnmente se hace de mala forma, por lo cual es necesario
realizar una seleccin adecuada de las variables que van a construir las
ecuaciones de la regresin, ya que tomar variables que no tengan relacin en
la prctica, nos arrojar un modelo carente de sentido, es decir ilgico. Segn
sea la dispersin de los datos (nube de puntos) en el plano cartesiano,
pueden darse alguna de las siguientes relaciones, Lineal, Logartmica,
Exponencial, Cuadrtica, entre otras
Regresin hacia la media es el fenmeno en el que si una variable es
extrema en su primera medicin, tender a estar ms cerca de la media en
su segunda medicin y, paradjicamente, si es extrema en su segunda
medicin, tender a haber estado ms cerca de la media en su primera. Para
evitar hacer inferencias equivocadas, la regresin hacia la media debe ser
considerada en el diseo de experimentos cientficos y la interpretacin de
los datos. Las condiciones bajo las que se produce la regresin hacia la media
dependen de la forma en que el trmino se defina matemticamente.
DispersogramaEs una representacin grfica de la forma en que se
distribuyen los datos. Siempre una de las variables se grafica en el eje de las

Gua Estadstica Inferencial

y y otra en el eje de las x. La variable dependiente en el eje de las y y

la independiente en el eje de las x
Ejemplo:

Aplicacin de la estadstica a la psicologa, Rivera Aragn Sofa 2005.Miguel ngel

Porra.
Conceptos bsicos de probabilidad y estadstica
http://www.ingenieria.unam.mx/calyesd/Docs/docs_proEsd/Notas_proEsd/Concept
os_Proba_Est.pdf
Distribuciones de frecuencia
http://www.cca.org.mx/cca/cursos/estadistica/html/m7/var_discretas_continuas.htm
Programacin I y estructura de datos
http://upsg01.foroactivo.com/t100-tema-3-aleatoriedad
Distribuciones de probabilidad
http://es.slideshare.net/asubuon61/distribuciones-de-probabilidad-7278712?
related=1
Apuntes de estadstica para administracin. Angel Oswaldo Rosales G.
http://estadisticaparaadministracion.blogspot.mx/2011/10/poblacion-y-muestraparametro-y.html
Tipos de hiptesis
http://www.tiposde.org/lengua-y-literatura/125-tipos-de-hipotesis/
Como se plantea un contraste estadstico Hiptesis nula vs Hiptesis alternativa
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo9/B0C9m1
t3.htm
Diseos experimentales
http://es.slideshare.net/kannymcloud/diseos-experimentales-2101515
Diseos Factoriales
http://www.psicologia-online.com/pir/descripcion-del-diseno-factorial.html
Diseo en cuadrados latinos
http://www.ugr.es/~bioestad/guiaspss/practica7/ArchivosAdjuntos/Latinos.pdf