Violeta Alicia Nolberto Sifuentes

Mara Estela Ponce Aruneri

ESTADSTICA INFERENCIAL APLICADA

Unidad de Post Grado de la Facultad de Educacin

de la Universidad Nacional Mayor de San Marcos
Primera edicin:
Lima, 2008.

Violeta Alicia Nolberto Sifuentes.

Mara Estela Ponce Aruneri.
Unidad de Post Grado de la Facultad de Educacin
de la Universidad Nacional Mayor de San Marcos.

Serie:
Textos de la Maestra en Educacin.

Edicin:
Elena Soto Loayza.

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE EDUCACIN
UNIDAD DE POST GRADO
Rector : Dr. Luis Izquierdo Vsquez
Decano : Dr. Carlos Barriga Hernndez
Director de la UPG : Dr. Elas Meja Meja
Comit Directivo de la UPG : Dra. Elsa Barrientos Jimnez
Dr. Kenneth Delgado Santa Gadea
Mg. Rubn Mesa Marav

2
Dedicatoria
Dedicatoria
Para Sandra Natalia (Mara Estela)
Para Ernesto Alonso (Violeta Alicia)

3
 NDICE

Prefacio 008

Agradecimientos 009

Captulo 1. La estadstica y su relacin con la investigacin cientfica

1.1. Introduccin 010
1.2. Definicin de estadstica 011
1.3. Investigacin cientfica 013
1.4. Objetivos fundamentales de la investigacin cientfica 014
1.5. Paradigmas de la investigacin 015
1.6. Clasificacin de la estadstica 018

Captulo 2. Estadstica inferencial

2.1. Introduccin 021
2.2. Poblacin 022
2.3. Muestra 024
2.4. Muestra aleatoria 024
2.5. Muestra aleatoria aplicada 025
2.6. Parmetro 027
2.7. Estadstico 028
2.8. Distribucin muestral 030
2.9. Estimacin 037
2.10. Prueba de hiptesis 039
2.11. Estadstica paramtrica 041
2.12. Estadstica no paramtrica 043
Ejercicios propuestos 044

4
Captulo 3. Estimacin de parmetros
3.1. Introduccin
3.2. Propiedades de los estimadores
3.3. Estimacin de parmetros mediante intervalos de confianza
3.4. Intervalo de confianza para estimar la media de una poblacin normal
3.5. Intervalo de confianza para estimar la varianza poblacional
2 de una poblacin normal
3.6. Intervalo de confianza para estimar la proporcin poblacional
de una poblacin binomial
3.7. Intervalo de confianza para estimar diferencia de medias poblacionales,
1 2 , de poblaciones normales
3.7.1. Usando muestras independientes
3.7.2. Usando muestras relacionadas
3.8. Intervalo de confianza para estimar la razn de varianzas poblacionales,
12
, de poblaciones normales independientes
22
3.9. Intervalo de confianza para estimar la diferencia de proporciones
poblacionales, 1 2 , de poblaciones binomiales independientes
Ejercicios propuestos

Captulo 4. Prueba de hiptesis paramtrica

4.1. Introduccin
4.2. Conceptos bsicos
4.3. Etapas para realizar una prueba de hiptesis
4.4. Prueba de para de una poblacin normal
4.5. Prueba para 2 de una poblacin normal

4.6. Para de una poblacin binomial

4.7. Prueba para 1 2 usando muestras independientes
4.7.1. Cuando las varianzas poblacionales son conocidas
4.7.2. Cuando las varianzas poblacionales son desconocidas

5
4.8. Para 1 2 usando muestras relacionadas
4.9. Para la igualdad de varianzas poblacionales

4.10. Para 1 2 de poblaciones binomiales

Ejercicios propuestos

Captulo 5. Anlisis de regresin lineal mltiple

5.1. Introduccin
5.2. Modelo de regresin lineal simple
5.3. Grfico o diagrama de dispersin
5.4. Modelo de regresin lineal simple poblacional
5.5. Estimacin de los parmetros del modelo de regresin lineal simple
5.6. Evaluacin del ajuste global del modelo
5.7. Adecuacin del modelo: Anlisis de residuos
5.8. Modelo de regresin lineal mltiple
5.9. Prueba de la significancia de la regresin
5.10. Correlacin lineal simple
Ejercicios propuestos

Captulo 6. Pruebas de hiptesis no parmetricas

6.1. Introduccin
6.2. Prueba binomial
6.3. Prueba U de Mann-Whitney
6.4. Prueba de rangos de Wilcoxon
6.5. Prueba de Kruskal-Wallis
6.6. Prueba de Kolmogorov-Smirnov
Ejercicios propuestos

Captulo 7. Anlisis de datos categricos

7.1. Introduccin
7.2. Tablas de contingencia
7.3. Estadstica Chi-cuadrado
6
7.4. Prueba de hiptesis de homogeneidad
7.5. Prueba de hiptesis de independencia
Ejercicios propuestos

Anexo
Uso de Excel en el clculo de los valores de algunas variables aleatorias

7
 PREFACIO

El presente libro se ha elaborado a solicitud de la Unidad de Post Grado de la Facultad de

Educacin de la Universidad Nacional Mayor de San Marcos, y tiene como objetivo ser
una gua en el curso de Estadstica Inferencial, que se desarrolla en el plan de estudios de
la Maestra en Educacin, en sus diferentes menciones.

Por tanto, se ha escrito tomando en cuenta a un grupo heterogneo de profesionales, en

el sentido de que los maestristas de esta facultad son en su mayora de la especialidad de
educacin, y en su quehacer profesional no emplean cotidianamente las herramientas
estadsticas. De ah, que el esfuerzo de las autoras sea desarrollar paso a paso las
aplicaciones que se presentan en este libro.

Los clculos que se presentan para aplicar las herramientas de la inferencia estadstica son
para que los lectores entiendan sus cmo y porqu y, asimismo, la interpretacin de los
resultados obtenidos. Dejamos bien en claro que en ningn momento se pretende
adiestrar a lo lectores en clculos, sino en que aprendan los conocimientos tericos
estadsticos de la inferencia (saber), apliquen las herramientas estadsticas (saber hacer) y
desarrollen una actitud positiva hacia la estadstica. Esto es, que la estadstica no
solamente es clculo, o el simple uso de las frmulas o expresiones que aparecen en ste y
en diversos libros de estadstica, sino razonamiento crtico basado en evidencias objetivas
que se obtienen de la poblacin bajo estudio (ser).

Una vez que el lector haya asimilado los conocimientos estadsticos, y sus aplicaciones,
que brindamos en el presente libro, estar en la capacidad de usar software estadstico,
que es un instrumento comparable a una calculadora. El aprendizaje de estadstica usando
software estadstico no debe reducirse, sin embargo, a manipulaciones mecnicas, pues
ste sirve como apoyo del profesor para mostrar, en forma precisa y rpida, los grficos y
clculos estadsticos.
Violeta Alicia Nolberto Sifuentes y Mara Estela Ponce Aruneri
Departamento Acadmico de Estadstica de la UNMSM

8
 AGRADECIMIENTOS

A Elas Meja, Director de la Unidad de Post Grado de la Facultad de Educacin de la

Universidad Nacional Mayor de San Marcos, por brindarnos la oportunidad de entregar al
mundo acadmico el presente libro, en particular a los maestristas de la mencionada
facultad que lo usaran como gua para el aprendizaje del curso de Estadstica Inferencial,
en el plan de estudios vigente. Tambin por considerarnos como docentes de tan
prestigiada unidad de post grado.

A nuestros profesores de pregrado del Departamento Acadmico de Estadstica de la

Universidad Nacional Mayor de San Marcos, que nos formaron en tan importante
especialidad, y cuyas enseanzas y exigencias acadmicas para con nuestra preparacin
profesional en estadstica han permitido que podamos seguir enseando y difundiendo la
estadstica, no solamente en el mbito sanmarquino, sino en otros.

A nuestros alumnos, por la paciencia e inters en aprender estadstica, por sus

comentarios y sugerencias para con nuestro desempeo docente.

A todos los lectores docentes, alumnos, empresarios y, en general, aquellos que toman
decisiones basadas en evidencias objetivas, en concordancia con el mundo en que
vivimos, caracterizado por el constante aprendizaje y el manejo adecuado de la
informacin, en particular de la informacin estadstica.

Asimismo, a los que nos hagan llegar sus comentarios, observaciones y dudas respecto a
lo tratado en el presente libro, los mismos que contribuirn con la enseanza y la difusin
de la estadstica.

Finalmente, a nuestras familias por el apoyo, la comprensin y el aliento, para con el

desarrollo del presente libro.

9
 CAPTULO 1

LA ESTADSTICA Y SU RELACIN CON LA INVESTIGACIN

CIENTFICA

1.1. INTRODUCCIN

Los profesionales de la educacin, como parte de su quehacer profesional, realizan

investigacin cientfica: evaluacin de la calidad de la educacin, someten a prueba
diferentes mtodos de comprensin lectora, estudian problemas del aprendizaje, entre
otros. Es as, que contamos con Internet, como fuente general de informacin, que
permite disponer de informacin educativa, por ejemplo, sobre evaluaciones muestrales,
que realiza el Ministerio de Educacin y que est disponible en la pgina web:
http://www2.minedu.gob.pe/umc/index2.php?v_codigo=47&v_plantilla=2, (de
fecha 23 de marzo de 2008), que a la letra dice:

Dentro de las evaluaciones nacionales que ha realizado la Unidad de Medicin de la

Calidad (UMC) podemos distinguir dos tipos: las muestrales y las censales. A la fecha la
UMC ha realizado cuatro evaluaciones muestrales y dos evaluaciones censales. En una
evaluacin muestral se selecciona a un conjunto de estudiantes de una poblacin
(objetivo). Las evaluaciones muestrales realizadas por la UMC son representativas de la
poblacin objetivo planteadas en los distintos estudios (p. e. estudiantes peruanos de
sexto grado de primaria, estudiantes peruanos de Instituciones Educativas Estatales de
quinto grado de secundaria, etc.). La seleccin de una muestra representativa de
estudiantes permite hacer inferencias de las poblaciones a partir de la informacin
recogida.

Para Castillo Arredondo (2003), evaluar es el acto de valorar una realidad que forma
parte de un proceso cuyos momentos previos son la fijacin de las caractersticas de la
realidad a valorar y la recogida de informacin sobre las misma, y cuyas etapas posteriores
son la informacin y/o toma de decisiones en funcin del juicio de de valor emitido.

10
Por tanto, si el educador desea evaluar el rendimiento escolar, es necesario conocer las
caractersticas de esta realidad escolar llamada, estadsticamente, poblacin. Si est en
condiciones de recolectar los datos de toda la poblacin se denomina censo, es decir
datos de todos y cada uno de los escolares para lograr los objetivos propuestos, o por el
contrario, si toma o selecciona un grupo de escolares, se denomina una muestra
representativa (muestra probabilstica o aleatoria) de escolares, y a travs de la muestra
intentar conocer la realidad de la poblacin escolar.

Cuando se trabaja con una muestra probabilstica y queremos conocer la poblacin, a

partir de los datos muestrales, empleamos los mtodos que ofrece la estadstica
inferencial, que en el presente libro nos ocupar varios captulos.

Este libro es a nivel bsico, tratando de ser lo ms amigable posible, tomando en cuenta
que nos dirigimos a profesionales no estadsticos, en particular de la educacin.

Amigable en el sentido que obviaremos las demostraciones matemtico-estadsticas, pero

si ser necesario tomar en cuenta las definiciones de la estadstica as como la rigurosidad
para aplicar los mtodos estadsticos de la inferencia.

Pero antes es necesario que se conozca la naturaleza de la estadstica, en particular de la

estadstica inferencial.

1.2. DEFINICIN DE ESTADSTICA

Existen diversas definiciones, veamos algunas:

Para Sierra Bravo (1991), la estadstica es la ciencia formada por un conjunto de teoras y
tcnicas cuantitativas, que tiene por objeto la organizacin, presentacin, descripcin,
resumen y comparacin de conjuntos de datos numricos, obtenidos de poblaciones en
su conjunto de individuos o fenmenos o bien de muestras que representan las
poblaciones estudiadas, as como el estudio de su variacin, propiedades, relaciones,

11
comportamiento probabilstico de dichos datos y la estimacin, inferencia o
generalizacin de los resultados obtenidos de muestras, respecto a las poblaciones que
aqullas representan. La estadstica en la investigacin cientfica, dada la necesidad de
manejar y tratar en ellas grandes cantidades, progresivamente crecientes, de datos.

Irma Nocedo de Len et al (2001), anotan que la estadstica es la ciencia encargada de

suministrar las diferentes tcnicas y procedimientos que permiten desde organizar la
recoleccin de datos hasta su elaboracin, anlisis e interpretacin. Abarca dos campos
fundamentales la estadstica descriptiva y la estadstica inferencial,

Para Hopkins y Glass (1997), la estadstica es un lenguaje para comunicar informacin

basada en datos cuantitativos.

Douglas Montgmery (1985), define a la estadstica como el arte de tomar decisiones

acerca de un proceso o una poblacin con base en un anlisis de la informacin contenida
en una muestra tomada de la poblacin.

Otra definicin de la estadstica que lo vincula al uso cientfico de principios matemticos,

a la coleccin, al anlisis y a la presentacin de datos numricos. Contribuyen con la
investigacin cientfica diseando pruebas y experimentos; la coleccin, el proceso, y el
anlisis de datos; y la interpretacin de los resultados, aplicando conocimientos
matemticos y estadsticos. El conocimiento estadstico se aplica a la biologa, economa,
ingeniera, medicina, salud pblica, psicologa, comercializacin, educacin y deportes.
Muchas decisiones econmicas, sociales, polticas y militares no se pueden tomar
objetivamente sin el empleo adecuado de la estadstica.1

En nuestro medio profesional o en la sociedad en general se requiere solucionar un

problema o verificar un supuesto, para desarrollar la ciencia, la tcnica y la educacin

1Traduccin adaptada por las autoras del libro, tomada de:

http://www.amstat.org/Careers/index.cfm?fuseaction=main (en fecha 01 de abril de 2008).

12
entre otros mbitos; en particular respecto a los alumnos sobre rendimiento acadmico,
aptitud cientfica, desarrollo social y la desercin entre otros. Tambin respecto al docente
sobre su desempeo en aula, su formacin acadmico-profesional, los recursos didcticos
que emplea y la produccin cientfica, entre otros. Respecto al sistema educativo,
financiamiento de la educacin, gestin acadmica, informtica educativa y modelos
educativos, entre otros.

Todos estos problemas no pueden ser resueltos por iniciativas subjetivas, por pareceres o
lluvia de ideas; sino en base a informacin vlida y confiable, esto es, tener informacin lo
ms prxima a la realidad bajo estudio. Indudablemente esto se logra empleando la
ciencia llamada estadstica.

Para resolver estos problemas se debe seguir de manera organizada, sistemtica y

planificada, es decir debemos realizar investigacin cientfica.

1.3. INVESTIGACIN CIENTFICA

Es una forma especial de buscar el conocimiento, presenta toda una serie de

caractersticas que la diferencian de otras formas de abordar la realidad, como son el
conocimiento emprico espontneo y el razonamiento especulativo. A continuaciones se
presentan algunas definiciones:

Ezequiel Ander-Egg (1995), define investigacin como un procedimiento reflexivo,

sistemtico, controlado y crtico, que permite descubrir nuevos hechos o datos, relacin o
leyes, en cualquier campo del conocimiento humano. Para entender qu se asume por
investigacin cientfica debemos conocer su naturaleza, sus aspectos o caractersticas,
como son:

1. Es un procedimiento mediante el cual se recogen nuevos conceptos de fuentes

primarias, una investigacin existe cuando se ha pasado por el proceso de

13
 comprobacin y verificacin de un problema, el replantear lo ya conocido no se puede
llamar investigacin.

2. Una investigacin es un aporte importante para el descubrimiento de principios

generales por su naturaleza inferencial.

3. La investigacin es un trabajo de exploracin profesional, organizada o sistemtica y

exacta.

4. Es lgica y objetiva.

5. En lo posible procura ofrecer resultados cuantitativos de los datos manejados.

6. El fin de una investigacin se expresa en un informe el cual presentar no solo la

metodologa, resultados, experimentaciones, sino tambin las conclusiones y
recomendaciones finales.

1.4. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIN

CIENTFICA

En relacin a las funciones que realiza la ciencia, los objetivos fundamentales de una
investigacin cientfica son:

1. Describir la realidad. Proceso importante y necesario en el proceso del

conocimiento cientfico donde las tcnicas y mtodos se aplican para recopilar datos y
hechos, y establecer generalizaciones empricas.

2. Explicar la realidad. Refleja mediante generalizaciones tericas (principios, leyes,

conceptos) las propiedades y regularidades esenciales y estables de los fenmenos, as
como los factores causales que los determinan.

14
3. Predecir la realidad. La explicacin de la realidad y las generalizaciones tericas,
permiten que cumpla con el objetivo de predecir los comportamientos futuros de los
fenmenos, esto es, establecer pronsticos dentro de un determinado lmite de la
probabilidad.

Como funcin prctica y utilitaria, la ciencia transforma la realidad en correspondencia

con las necesidades y demandas de la sociedad, a fin de lograr un bienestar, mejorar la
calidad de vida.

Entonces la ciencia indaga su objeto de estudio utilizando de una manera sistemtica y

rigurosa, empleando mtodos y medios especiales de conocimiento que permiten obtener
datos empricos confiables, as como un reflejo profundo y exacto de las regularidades
esenciales de la realidad.

En este caso, los mtodos estadsticos cumplen funciones cognoscitivas importantes

como herramienta de investigacin cientfica, por tanto el proceso de investigacin
cientfica encuentra su fundamento metodolgico en la concepcin cientfica general de la
realidad objetiva. Pero cmo conocer la realidad?

1.5. PARADIGMAS DE LA INVESTIGACIN

Un paradigma es un enfoque general que asume el investigador y es de carcter

ontolgico, epistemolgico y metodolgico. Este ltimo tiene que ver con las vas,
formas, procedimientos y estrategias que se consideran apropiados para estudiar al objeto.
Responde a la pregunta cmo se conoce a la realidad?

En la literatura del mtodo cientfico se habla con frecuencia de dos paradigmas de la

investigacin cientfica, como son: el cualitativo y el cuantitativo.

15
Para sintetizar estos dos paradigmas se presenta la siguiente tabla, disponible en:
http://www.fisterra.com/mbe/investiga/cuanti_cuali/cuanti_cuali.asp (de fecha
22 de marzo de 2008).

Tabla N 1.1
Ventajas y desventajas entre mtodos cualitativos y cuantitativos

Mtodos cualitativos Mtodos cuantitativos

Propensin a comunicarse con los Propensin a servirse de los sujetos

sujetos del estudio. del estudio.
Se limita a preguntar. Se limita a responder.

Comunicacin ms horizontal entre el

investigador y los investigados mayor
naturalidad y habilidad de estudiar los
factores sociales en un escenario natural.
Son fuertes en trminos de validez Son dbiles en trminos de validez
interna, pero son dbiles en validez interna -casi nunca sabemos si miden lo
externa, lo que encuentran no es que quieren medir- pero son fuertes en
generalizable a la poblacin. validez externa, lo que encuentran es
generalizable a la poblacin.
Preguntan a los cuantitativos: Cuan Preguntan a los cualitativos: Son
particularizables son sus hallazgos? generalizables sus hallazgos

Podemos afirmar que, como todo mtodo cientfico, se debe reconocer sus ventajas y
desventajas, lo importante es determinar el momento adecuado para aplicarlo en el
desarrollo de la investigacin cientfica.

16
Pero destacamos que el paradigma cuantitativo se vale de la estadstica para garantizar el
estudio de muestras representativas y para el anlisis de los datos, como tambin para
efectuar generalizaciones a partir de los resultados de estas muestras representativas.

Tambin, para realizar investigacin va el paradigma cuantitativo, se ha empleado

previamente el paradigma cualitativo; pero lo importante es tener la certeza de su
aplicacin para solucionar problemas de una investigacin cientfica, sta debe reunir
ciertas caractersticas.

En otros casos ser necesario emplear ambos paradigmas, como por ejemplo cuando se
trata de evaluar la calidad de la educacin, en particular la educacin superior, no es
suficiente uno de ellos se deben emplear ambas. La realidad es muy compleja,
multifactorial, dinmica, por lo tanto, ambos paradigmas se complementan, no son
excluyentes.

Entonces la estadstica es la herramienta que ayuda a tener la seguridad, certeza y

confianza, de que los datos recogidos respondan a la realidad que se pretende
investigar, en trminos de estadstica aplicada.

Una vez establecido el objeto de estudio en base a los conocimientos tericos, se inicia la
etapa de diseo metodolgico (diseo), donde se define el proceso de recoleccin de
datos, delimitando las unidades bajo estudio y las variables a medirse, que permitan
contestar las preguntas formuladas, en el proyecto de investigacin cientfica. Es
indudable que la estadstica es una poderosa herramienta para planificar y desarrollar el
diseo metodolgico.

Los datos obtenidos, de la realidad investigada, se analizan aplicando los mtodos y

tcnicas estadsticas para contrastar sus posibles divergencias con las consecuencias que se
deducen de las hiptesis. Por tanto nos preguntamos:

17
 Cmo se llevara a cabo el estudio para investigar sobre diferentes problemas y
aristas del trabajo educativo, para el logro de sus objetivos y/o verificacin de
sus hiptesis?
Cmo se realizar la investigacin, a fin de maximizar la validez y confiabilidad
de la informacin y reducir errores en los resultados?

Las respuestas que ustedes proporcionen dejan notar la relacin que existe entre
estadstica e investigacin cientfica.

1.6. CLASIFICACIN DE LA ESTADSTICA

Dependiendo de cmo se analizan los datos, la Estadstica se clasifica como:

1.6.1. Estadstica descriptiva

Rama de la estadstica que trata sobre la descripcin y anlisis estadstico de una

poblacin, que resume y presenta datos obtenidos de la poblacin o de una muestra,
mediante mtodos adecuados.

Tiene como objetivo caracterizar los datos, de manera grfica o analtica, para resaltar las
propiedades de los elementos bajo estudio.

La siguiente pregunta: En promedio el nmero total de respuestas correctas, de una

prueba de compresin lectora, es la misma en todas las secciones de quinto grado de
primaria de Instituciones Educativas de Lima Metropolitana?, se resuelve con el apoyo de
la estadstica descriptiva.

18
1.6.2. Estadistica inferencial

Rama de la estadstica que estudia el comportamiento y propiedades de las muestras, y la

posibilidad y lmites de la generalizacin de los resultados obtenidos a partir de aquellas a
las poblaciones que representan. Esta generalizacin de tipo inductivo, se basa en la
probabilidad. Tambin se le llama tambin estadstica matemtica, por su complejidad
matemtica en relacin a la estadstica descriptiva.

Tiene como objetivo generalizar las propiedades de la poblacin bajo estudio, basado en
los resultados de una muestra representativa de la poblacin.

La siguiente pregunta: El instrumento perso clasifica y discrimina adecuadamente, a

partir de variables de personalidad, a los alumnos de Educacin Bsica Secundaria segn
requieran o no una escolarizacin especial?, se resuelve con el apoyo de la estadstica
inferencial.

En cuanto a la probabilidad, Pedro Juez Martel y Francisco Diez Vegas (1997)

manifiestan que hoy en da la probabilidad y la estadstica, ntimamente unidas en s,
desempean un papel fundamental en prcticamente todos los campos del saber, tanto en
las ciencias naturales como en las ciencias humanas, papel que va cobrando cada vez
mayor importancia.

La siguiente pregunta: Cunto es la probabilidad de que un alumno de Educacin Bsica

Secundaria requiera una escolarizacin especial, a partir de las variables de su
personalidad? es un caso tpico que se resuelve con el apoyo de la probabilidad y se logra
empleando modelos probabilsticos.

19
 RECUERDE
Ningn mtodo estadstico puede corregir los defectos por una inadecuada
seleccin del problema que se investiga, o por una mala recoleccin de
datos. Una investigacin que empieza mal, 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 mtodos estadsticos son las herramientas ms
peligrosas en manos de gente inexperta. Pocas materias tienen una aplicacin tan amplia,
ninguna requiere tal cuidado en su aplicacin.

La estadstica es una de esas ciencias cuyos adeptos deben ejercer la automoderacin de

un artista (George Udny Yule y Maurice Kendal).

20
 CAPTULO 2

ESTADSTICA INFERENCIAL

2.1. INTRODUCCIN

Tambin se le llama inferencia estadstica, pero previamente recordemos que la estadstica

(EI) comprende el conjunto de mtodos estadsticos que permiten deducir (inferir) cmo
se distribuye la poblacin bajo estudio, a partir de la informacin que proporciona una
muestra representativa obtenida de dicha poblacin. Ver seccin 1.6.2 del presente libro.
Para que la estadstica inferencial proporcione buenos resultados debe:

1. Basarse en una tcnica estadstico-matemtica adecuada al problema y suficientemente

validada.

2. Utilizar una muestra que realmente sea representativa de la poblacin y de un tamao

suficiente.

Veamos el siguiente ejemplo:

Ejemplo 2.1.

Se realiza un estudio para comparar tres mtodos para ensear tcnicas de comprensin
lectora en ingls a escolares de segundo grado de Educacin Bsica Secundaria, como
son:

1. El mtodo de la enseanza recproca.

2. El mtodo de instruccin directa.

3. La combinacin de mtodos de instruccin directa y enseanza recproca.

21
Las preguntas por resolver son:

1. Cul de los mtodos mejora la comprensin lectora?

2. Para el prximo ao el mtodo, identificado como el mejor, dar buenos resultados

para el alumno Javier Hernndez Len, quin realizar el segundo grado de Educacin
Bsica Secundaria?

La primera pregunta es un caso de incertidumbre porque basndonos en el estudio de tres

muestras independientes y en igualdad de condiciones se aplicar uno de los tres mtodos
a cada muestra de manera independiente; con el apoyo de la estadstica inferencial
absolvemos esta pregunta, eligiendo a la que mejora significativamente la comprensin
lectora para este tipo de alumnos.

La segunda pregunta es un caso de toma de decisiones porque Javier Hernndez Len no

ha participado en el estudio, pero se le aplicar el mejor mtodo que resulte de la
investigacin realizada, ahora bien, con qu confianza diremos que ese mtodo lograr
que Javier mejore su comprensin lectora en ingls.

Los casos de incertidumbre y toma de decisiones son resueltos por la estadstica

inferencial, por supuesto apoyada por la probabilidad.

Para iniciarse en el estudio y aplicacin de la estadstica inferencial es

necesario conocer los conceptos bsicos que a continuacin se van a tratar.

2.2. POBLACIN

Este concepto vamos a definirlo bajo diferentes enfoques.

22
En investigacin cientfica se le define como la totalidad de elementos sobre los cuales
recae la investigacin. A cada elemento se le llama unidad estadstica, a sta se le observa
o se le somete a una experimentacin, estas unidades son medidas pertinentemente.
Si representamos mediante X una variable aleatoria bajo investigacin, al estudiar a sta
variable en la poblacin, como resultado tendremos los valores:

X 1 , X 2 , X 3 , ..., X N

Donde N es el total de elementos de la poblacin.

Ejemplo 2.2.

Sea X una variable aleatoria que representa la calificacin obtenida en la prueba de

conocimientos sobre educacin ambiental (escala vigesimal) de los alumnos de la Facultad
de Educacin, si la poblacin consta de 300 alumnos, entonces:

X 1 , X 2 , X 3 , ..., X 300

Es una poblacin en trminos de variable aleatoria, que se lee as:

La calificacin que ha obtenido el alumno 1 en la prueba de conocimientos sobre

educacin ambiental, la calificacin que ha obtenido el alumno 2 en la prueba de
conocimientos sobre educacin ambiental, la calificacin que ha obtenido el alumno 3 en
la prueba de conocimientos sobre educacin ambiental, y as sucesivamente hasta la
calificacin que ha obtenido el alumno 300 en la prueba de conocimientos sobre
educacin ambiental.

El propsito de un estudio estadstico es extraer conclusiones acerca de la naturaleza de la

poblacin, pero resulta que las poblaciones son grandes, o por razones de tica, recursos
financieros, metodolgicos u otros no ser posible, entonces se debe trabajar con una
muestra extrada de la poblacin bajo estudio.
23
2.3. MUESTRA

Sierrra Bravo (1991), anota que una muestra en general es toda parte representativa de la
poblacin, cuyas caractersticas debe reproducir en pequeo lo ms exactamente posible.

Para que sea representativa se debe seleccionar empleando el muestreo, tpico importante
de la estadstica, con la finalidad de que los resultados de esta muestra sean vlidos para la
poblacin de la que se ha obtenido la muestra. Esta generalizacin se realiza empleando
la estadstica inferencial.

2.4. MUESTRA ALEATORIA

Una muestra aleatoria de tamao n de la funcin de distribucin de la variable aleatoria

X es una coleccin de n variables aleatorias independientes X 1 , X 2 , X 3 , ..., X n , cada una

con la misma funcin de distribucin de la variable aleatoria X.

Ejemplo 2.3.

Consideremos nuevamente la poblacin definida en el ejemplo 2.2. La variable de inters

es X, calificacin obtenida en la prueba de conocimientos sobre educacin ambiental
(escala vigesimal) de los alumnos de la Facultad de Educacin. Asumiremos que tiene
distribucin de probabilidad con media x y varianza x2 . No se conoce ni la distribucin

exacta de X ni el valor numrico de x o de x2 . Se trata de caractersticas de la

poblacin que pueden determinarse con precisin si se revisa cada una de las
calificaciones de los 300 alumnos. Para tener una idea del valor de x se extrae una
muestra aleatoria de tamao n = 6 de la poblacin. Entonces:

X 1 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin

ambiental, el primer alumno seleccionado en la muestra.

24
X 2 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin
ambiental, el segundo alumno seleccionado en la muestra.
. . .
X 6 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin

ambiental, el sexto alumno seleccionado en la muestra.

Puesto que la seleccin de los alumnos (en este caso, seis) es aleatoria o al azar:

X1, X 2 , X 3 , X 4 , X 5 , X 6

Constituye variables aleatorias. Se admite que son independientes y cada una con la misma
distribucin que la variable aleatoria X. En un sentido matemtico, el trmino muestra
aleatoria se refiere no a seis alumnos seleccionados para este estudio, sino a las seis
variables aleatorias X 1 , X 2 , X 3 , X 4 , X 5 , X 6 asociadas con los alumnos.

La definicin matemtica de variable aleatoria es terica, para extraer conclusiones

prcticas acerca de la poblacin en base a la muestra seleccionada deben determinarse los
valores numricos de las variables X 1 , X 2 , X 3 , ..., X n .

No estamos tratando con un conjunto de unidades estadsticas seleccionadas, ni con un

grupo de variables tericas, sino con un conjunto de n nmeros reales, es decir
x1 , x2 , x3 , ..., xn . Estos nmeros son los valores observados de las variables
X 1 , X 2 , X 3 , ..., X n respectivamente, para una determinada muestra aleatoria extrada de la

poblacin. Esto conduce a la siguiente definicin.

2.5. MUESTRA ALEATORIA APLICADA

Una muestra aleatoria de tamao n es un conjunto de n observaciones x1 , x2 , x3 , ..., xn

sobre las variables X 1 , X 2 , X 3 , ..., X n , independientes e idnticamente distribuidas.

25
Ejemplo 2.4.

Para el caso del ejemplo 2.3. Una vez identificados los seis alumnos, podemos determinar
los valores numricos de las seis variables aleatorias X 1 , X 2 , X 3 , X 4 , X 5 , X 6 . Supongamos
que el primer alumno seleccionado ha obtenido 13 en la prueba de educacin ambiental.
En este caso, la variable aleatoria X 1 toma el valor x1 = 13.

Si el segundo alumno seleccionado ha obtenido 10 en la prueba de educacin ambiental,

en este caso la variable aleatoria X 2 toma el valor x2 = 10. De igual forma, las variables
aleatorias X 3 , X 4 , X 5 , X 6 tomarn valores numricos que van a depender de las
calificaciones que obtengan los alumnos seleccionados en la tercera, cuarta, quinta y sexta
seleccin.

Ahora estamos utilizando el trmino muestra aleatoria, no para referirnos a los alumnos
seleccionados o a las variables aleatorias asociados con ellos, sino a los seis valores
numricos x1 , x2 , x3 , x4 , x5 , x6 que toman respectivamente cada una de las seis variables
aleatorias.

Por tanto hay tres formas de considerar a una muestra aleatoria:

1. Como un conjunto de unidades seleccionadas que son sometidas al estudio.

2. Como un conjunto de variables aleatorias tericas asociadas con esas unidades

3. Como un conjunto de valores numricos tomados por las variables.

Las definiciones no son equivalentes pero estn estrechamente relacionadas.

26
2.6. PARMETRO

Sierra Bravo (1991), indica que parmetro deriva del vocablo griego parmetreo que
significa medir una cosa con otra: En estadstica se refiere a los valores o medidas que
caracterizan a una poblacin como, por ejemplo, la media y la desviacin tpica de una
poblacin () Son cantidades indeterminadas, constantes o fijas respecto a una condicin
o situacin, que caracterizan a un fenmeno en un momento dado que ocurre en una
poblacin.

Se suele representar a un parmetro mediante letras griegas. Por ejemplo, la media

poblacional se representa mediante x y se lee como media poblacional de la variable

aleatoria X, la varianza poblacional se representa mediante x2 y se lee como varianza

poblacional de la variable aleatoria X.

En trminos prcticos, un parmetro es un valor que resulta al emplear los valores que se
obtienen de una poblacin.

Ejemplo 2.5.

Si al obtener las calificaciones de los 300 alumnos que conforman la poblacin, stas se
promedian, entonces x = 14.78 es el parmetro correspondiente. Para su clculo se ha
empleado la siguiente expresin, llamada media poblacional:

X i
x = i =1
(2.1)
N

Obviamente que N toma el valor de 300 para este ejemplo.

27
Si de estos 300 alumnos, 198 son mujeres, entonces la proporcin poblacional de mujeres
representada por x = 0.66 (66%). Para su clculo se ha empleado la siguiente expresin,
llamada proporcin poblacional:

X i
x = i =1
(2.2)
N

Pero, ahora la variable aleatoria se define como:

1 si alumna
Xi =
0 si alumno

En este caso el numerador de la expresin (2.2) es 198 y N toma el valor de 300.

2.7. ESTADSTICO

Se contrapone al parmetro porque es un valor que se obtiene a partir de los valores

muestrales. Se pueden obtener media y varianzas mustrales, por ejemplo.

Los estadsticos son variables aleatorias por que estn sujetos a la fluctuacin de la
muestra en relacin al valor poblacional, que se asume es constante.

Ejemplo 2.6.

Continuando con el ejemplo 2.4, al seleccionar una muestra aleatoria de tamao seis, una
vez identificados los seis alumnos, se obtienen las siguientes calificaciones x1 = 13, x2 =
10, x3 = 13, x4 = 14 x5 = 11, x6 = 10. La media obtenida de los seis alumnos es de

11,83, llamada media muestral y se representa mediante x , cuya expresin es:

28
 n

x i
x= i =1
(2.3)
n

El numerador de la expresin (2.3) es la suma de los seis valores, que da 71, que dividido
por 6, resulta x = 11,83, es decir en promedio los alumnos han obtenido 11,83 de
calificacin en la prueba de educacin ambiental.

La varianza de esta muestra aleatoria es 2,4722, y se representa mediante S 2 , cuya

expresin es:

(x x )
n
2
i
S = 2 i =1
(2.4)
n

Para su clculo, disponemos de la tabla 2.1, en la que mostramos paso a paso el uso de la
expresin (2.4), sabiendo que x = 11,83:

Tabla 2.1
Clculos para obtener el valor de la varianza (Ejemplo 2.6)

Unidad xi (x x )
i (x x )
i
2

1 13 1,17 1,3689
2 10 -1,83 3,3489
3 13 1,17 1,3689
4 14 2,17 4,7089
5 11 -0,83 0,6889
6 10 -1,83 3,3489
Total 71 0,02* 14,8334

29
 (x )
n
Tericamente i x =0
i =1

El numerador de la expresin (2.4) es la suma del cuadrado de las seis desviaciones de

cada valor que toma la variable, respecto a su media aritmtica, que es igual a 14,8334, que
dividido por 6 es justamente 2,4722.

La raz cuadrada, positiva, de la varianza se llama desviacin estndar o desviacin tpica,

esto es:

S = + S2 (2.5)

Entonces, usando la expresin anterior (2.5), la desviacin estndar es S = 1,5723.

2.8. DISTRIBUCIN MUESTRAL

Sierrra Bravo (1991), anota que la distribucin muestral est formada por estadsticos o
valores determinados obtenidos de muestras: medias, varianzas, etc. acompaados de sus
respectivas frecuencias relativas o probabilidades, o de la proporcin de veces que se
repiten en el conjunto de todas las muestras posibles del mismo tamao obtenidas de la
poblacin.

De manera ms formal, Tsokos y Milton (1998), anotan que la distribucin de

probabilidad del estadstico se llama distribucin muestral.

Ejemplo 2.7.

Vamos a obtener la distribucin muestral, de las calificaciones obtenidas en la prueba que

mide la educacin ambiental, de una poblacin hipottica compuesta por 3 estudiantes y
que toma calificaciones iguales a: X 1 = 13, X 2 = 11, X 3 = 07. Fijamos para una muestra

30
de tamao 2. En la tabla 2.2 se muestran los posibles resultados de la muestra de tamao
2, as como su respectiva media muestral:

Tabla 2.2
Resultados de posibles muestras de tamao 2

Muestras Medias muestrales

posibles (media para cada muestra)
13,11 12
13,7 10
11,13 12
11,7 9
7,13 10
7,11 9

Ahora se muestra la distribucin de frecuencias para los valores de la media muestral:

Tabla 2.3
Distribucin muestral de la media muestral

Valores de las Frecuencia Frecuencia relativa

medias muestrales
9 2 2/6 = 0.33
10 2 2/6 = 0.33
12 2 2/6 = 0.33

La distribucin muestral de la media muestral es la distribucin de frecuencias o de

probabilidad. En este caso, de las frecuencias relativas de todas las medias muestrales
posibles, obtenidas de muestras de tamao 2, de la poblacin de tamao 3.

31
Por cultura estadstica estudiaremos algunos estadsticos y su distribucin de probabilidad
(distribucin muestral).

2.8.1. Media muestral

La expresin (2.3), nos indica cmo se obtiene una media muestral. Veamos sus
propiedades:

Propiedades de la media muestral

Si X es una variable aleatoria con esperanza o media poblacional y varianza

poblacional 2 , entonces la media muestral x tiene las siguientes propiedades:

1. E (x ) =

()
2. V x = 2 / n

3. La desviacin estndar de x , que se representa mediante x , conocida tambin como

error estndar de la media muestral es igual a / n

4. Sea X 1 , X 2 , X 3 , ..., X n una muestra aleatoria de tamao n, de una distribucin con

media poblacional y varianza poblacional 2 . Entonces, para n grande, la variable

aleatoria:

x
(2.6)
/ n

Se distribuye aproximadamente como una normal estandarizada N (0, 1) . Se considera

una buena aproximacin cuando n 30 (teorema del lmite central). De este modo,

32
 incluso, an cuando la variable aleatoria X no est normalmente distribuida, podemos
aplicarla en la inferencia estadstica.

2.8.2. Varianza muestral

A partir de cada muestra aleatoria de tamao n de X : x1 , x2 , ..., xn , tambin se puede

calcular la varianza muestral definida como:

(x x )
n
1 2
s =
2

n 1 (2.7)
i
i =1

Cabe precisar, que algunos autores la llaman cuasivarianza.

Propiedades de la varianza muestral

Si X es una variable aleatoria con esperanza y varianza y 2 respectivamente,

entonces para la varianza muestral de tamao n se cumple que:

1. E (s 2 ) = 2

2. Si X tiene distribucin de probabilidad normal,

(n 1)s 2 es una variable aleatoria con

2

distribucin chi-cuadrado con n 1 grados de libertad.

2.8.3. Proporcin muestral

Consideremos una poblacin en la que existe una proporcin de elementos que tienen
el atributo A (o pertenecen a la categora A ).

33
Si se toma una muestra aleatoria de n elementos de esa poblacin y se calcula el nmero
nA de elementos con el atributo A , entonces:

nA
p= (2.8)
n

Es la proporcin muestral de los elementos que tienen el atributo A en la muestra. Esta

proporcin muestral corresponde a una variable aleatoria.

Propiedades de la proporcin muestral

1. E ( p ) =

2. V ( p ) = (1 ) / n
La desviacin estndar, o error estndar de la proporcin muestral, se denota como
p y es igual a (1 ) / n

3. Para n suficientemente grande, la variable aleatoria:

p
Z= (2.8)
(1 ) / n

Se distribuye aproximadamente como una N (0,1) . Se considera una buena aproximacin

cuando n 30 (teorema del lmite central).

CUL ES LA DIFERENCIA ENTRE DESVIACIN ESTNDAR

Y ERROR ESTNDAR?
La diferencia es que la DESVIACIN ESTNDAR describe la variabilidad
de los valores de una variable, en cambio el ERROR ESTNDAR describe
la precisin del estadstico.
34
Ejemplo 2.8.

En una muestra aleatoria de 15 docentes de educacin secundaria, de la Institucin

Educativa Martn Adn, se aplic un cuestionario para recoger su opinin sobre el
investigador educativo. Se presenta la respuesta de 3 preguntas, de un total de 27:

Tabla 2.4
Muestra aleatoria de 15 docentes de la Institucin Educativa Martn Adn (Lima)

Docente Edad(1) Investigador(2) Remuneracin(3)

1 34 1 1
2 38 1 1
3 49 2 1
4 42 1 1
5 35 1 2
6 44 2 1
7 30 1 2
8 36 1 1
9 43 2 1
10 47 2 1
11 39 1 2
12 46 2 1
13 48 2 1
14 36 1 2
15 44 1 1

(1) Edad en aos cumplidos del docente.

(2) La profesin de investigador es profesin atractiva para:
1. Docentes jvenes. 2. Docentes maduros.
(3) El investigador educativo debe ser bien remunerado:
1. S. 2. No.
35
Con esta informacin vamos a mostrar la diferencia entre desviacin estndar y error
estndar.

Media muestral

La edad en aos cumplidos tiene distribucin con media poblacional, = 38,5 aos y
varianza poblacional, 2 = 30 aos2.

Usando la expresin 2.3 se obtiene x = 40,73 aos, y al usar la expresin 2.7 se obtiene
s 2 = 33,21 aos2.

Por tanto la desviacin estndar muestral de la edad es: s = s 2 = 33,21 = 5,76.

En cambio el error estndar del estadstico media muestral, empleando la propiedad 3, es:

5,48 5,48
x = = = = 1,42 aos.
n 15 3,87

Proporcin muestral

Para la segunda variable, interesa que el docente encuestado indique que la profesin de
investigador es una profesin atractiva para docentes jvenes ( A ). La muestra aleatoria
es igual a 15 docentes (n = 15) .

En esta poblacin se asume que la proporcin poblacional de docentes que consideran

que la profesin de investigador es una profesin atractiva para docentes jvenes es igual
a 0,71 ( = 0,71) .

36
De la tabla contamos que, nA =9, es decir 9 docentes afirman que la profesin de
investigador es una profesin atractiva para docentes jvenes, entonces empleando la
expresin 2.8, se obtiene:

9
p= = 0,6 (60%)
15

Esto es, el 60% de docentes encuestados afirman que la profesin de investigador es una
profesin atractiva para docentes jvenes.

El error estndar del estadstico p es:

(1 ) 0,71(1 0,71) 0,71(0,29) 0,2059

p = = = = = 0,0137 = 0,1170
n 15 15 15

2.9. ESTIMACIN

La inferencia estadstica se clasifica como: estimacin y prueba de hiptesis de parmetros

estadsticos. En ambos casos hay una poblacin bajo investigacin y generalmente al
menos un parmetro de esta poblacin, al que vamos a representar mediante la letra
griega .

Cuando no se tiene una nocin preconcebida sobre el valor de , se desea responder a la

pregunta: Cul es el valor de ?

En este caso el intentar conocer el valor de es en trminos estadsticos, estimar el valor

de es decir tratar de conocer el valor del parmetro en trminos prcticos.

Sierra Bravo (1991), anota que estimacin proviene del latn estimatio y significa
estimacin, precio y valor que se da a una cosa. En estadstica es la operacin que
mediante la inferencia un parmetro, utilizando datos incompletos procedentes de una

37
muestra, se trata de determinar el valor del parmetro. Pero los valores de la muestra estn
sujetos al error muestral esto es a las fluctuaciones de la muestra.

La estimacin de un parmetro puede ser mediante una:

1. Estimacin puntual.

2. Estimacin mediante intervalos de confianza.

Para cualquiera de estas dos situaciones empleamos el estadstico que, como ya se ha

mencionado, es una variable aleatoria.

La aproximacin se hace utilizando estadsticos apropiados. A un estadstico empleado

para aproximar o estimar un parmetro de la poblacin se le llama estimador puntual
de y se denota mediante . De este modo por ejemplo, al estimador de la media , se
le denotara por . Una vez que la muestra ha sido tomada y se han hecho algunas

observaciones, se puede obtener el valor numrico del estadstico . A tal nmero se le

denomina una estimacin puntual de . Ntese que hay una diferencia entre los trminos
estimador y estimacin.

ESTIMADOR: Es el estadstico utilizado para generar una estimacin y es una

variable aleatoria.
ESTIMACIN: Es el valor que toma el estimador.

Ejemplo 2.9.

Consideremos las variables edad en aos cumplidos ( X ) y el docente considera que el

investigador educativo debe ser bien remunerado (Y ) , para distinguir entre estimador y
estimacin:

38
 Variable Parmetro Estimador Estimacin

x i
= x = 40,73 aos
x= i =1

n
X n

(x x)
1
s =
2 2

2 n 1 2 = s 2 =33,21 aos2
i
i =1

nA
p=
Y n = p = 0,7333 (73,33%)

2.10. PRUEBA DE HIPTESIS

Proceso mediante el cual, a partir de los valores de una muestra aleatoria, se decide si se
rechaza o no el supuesto que plantea el investigador para el parmetro o parmetros de la
poblacin o poblaciones bajo estudio, pero con cierta probabilidad de error (riesgo) por
tomar una decisin.

Ejemplo 2.10.

En cierta investigacin, se requiere estudiar el nivel de comprensin lectora en nios de 8

aos de edad, que asisten a Instituciones Educativas estatales y privadas, para tal fin se
elige al azar una muestra de alumnos de cada tipo de Institucin Educativa (IE). Se
pretenden lograr los siguientes objetivos:

1. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensin

lectora para tipo de IE.

39
2. Verificar si el nivel promedio poblacional del puntaje de la prueba de comprensin
lectora en nios de IE estatal es diferente de los nios de IE privados.

Explicar cul rama de la inferencia estadstica emplear para lograr cada objetivo.

Solucin

Previamente se requiere identificar:

Poblacin. Se trata de dos poblaciones bajo estudio:

1. Nios de 8 aos de edad, que asisten a Instituciones Educativas estatales.

2. Nios de 8 aos de edad, que asisten a Instituciones Educativas privadas.

Muestra. Nios de 8 aos de edad seleccionados aleatoriamente e independiente de cada

poblacin.

Variable aleatoria. Est representada mediante X y se define como: Puntaje de

comprensin lectora obtenida mediante una prueba especial.

Parmetros: En relacin a la variable aleatoria bajo estudio y considerando que se

investiga para dos tipos de IE, los parmetros son:

1 = Nivel promedio poblacional del puntaje de la prueba de comprensin lectora para

nios de 8 aos de edad que asisten a IE estatales.

2 = Nivel promedio poblacional del puntaje de la prueba de comprensin lectora para

nios de 8 aos de edad que asisten a IE privados.

40
 1 = Desviacin estndar poblacional del puntaje de la prueba de comprensin lectora
para nios que asisten a IE estatales.

2 = Desviacin estndar poblacional del puntaje de la prueba de comprensin lectora

para nios que asisten a IE privadas.

Para lograr el objetivo 1. Se debe emplear la estimacin debido a que se requiere tener
un valor aproximado de 1 y 2 empleando muestras aleatorias que se han obtenido de
manera independiente de cada tipo de institucin educativa.

Para el logro del objetivo 2. Se debe verificar que los promedios poblacionales 1 y 2
son diferentes a partir de muestras aleatorias, aritmticamente significa: 1 diferente de
2 ( 1 2 ) o equivalentemente 1 - 2 = 0.

En este caso se parte del supuesto que no existe diferencias entre el nivel promedio
poblacional del puntaje de la prueba de comprensin lectora para nios que asisten a IE
estatales y privados. Por tanto se empleara la prueba de hiptesis estadstica, mediante el
cual se somete a prueba 1 - 2 = 0.

2.11. ESTADSTICA PARAMTRICA

Segn Sierra Bravo (1991), es parte de la estadstica que exige determinados requisitos
para emplear en la inferencia estadstica generalmente requiere para su uso el supuesto de
normalidad es decir que las muestras aleatorias se extraen de poblaciones que estn
normalmente distribuidas, o aproximadamente normal.

Ejemplo 2.11.

Se desea verificar si el tiempo promedio requerido para resolver un problema sencillo en

nios de 10 aos de edad con secuelas neurolgicas derivadas de hiperbilirubenia al nacer,

41
se incrementa despus de haber recibido una capacitacin especial para resolver
problemas de ese tipo.

En este caso se debe elegir una muestra aleatoria de la poblacin conformada por nios
de esta poblacin, es decir, nios de 10 aos de edad con secuelas neurolgicas derivadas
de hiperbilirubenia al nacer.

La variable aleatoria bajo estudio X, es el tiempo, en minutos, para resolver un problema

sencillo, cuyo parmetro se define como:

= Tiempo promedio poblacional, en minutos, requerido para resolver un problema

sencillo.

Para estudiar a este parmetro se requiere evaluar a la muestra aleatoria de esta poblacin
antes de la capacitacin especial y despus de la capacitacin especial, es decir los
parmetros para este esquema, sujetos a estudio estadstico son:

1 = Tiempo promedio poblacional, en minutos, requerido para resolver un problema

sencillo antes de la capacitacin.

2 = Tiempo promedio poblacional, en minutos, requerido para resolver un problema

sencillo antes de la capacitacin.

En este caso la muestra aleatoria es relacionada, porque a cada unidad de la muestra se le

evala bajo dos condiciones, antes y despus de la capacitacin especial.

Para verificar el supuesto propuesto. La capacitacin especial incrementa el tiempo

promedio requerido para resolver problemas sencillos en nios de esta poblacin a partir
de muestras relacionadas, se aplica una prueba de hiptesis para someter a prueba: 1 =

42
tiempo, en minutos, promedio poblacional requerido para resolver un problema sencillo
1 < 2 o equivalentemente 1 - 2 < 0.

La estadstica inferencial nos da la herramienta llamada estadstica para someter a prueba

la diferencia de medias poblacionales empleando muestras relacionadas, cuya aplicacin
requiere que las diferencias de cada par de observaciones (tiempo empleado para resolver
un problema sencillo antes y despus de la capacitacin especial) debe tener distribucin
normal de probabilidad. En este caso se est empleando la estadstica paramtrica debido
a que debe cumplir con el supuesto de normalidad

2.12. ESTADSTICA NO PARAMTRICA

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 distribucin normal para la cual hay una serie de
mtodos, y la segunda alternativa es emplear los mtodos de la estadstica no paramtrica,
es decir, mtodos que no suponen nada acerca de la distribucin poblacin muestreada
por eso tambin a los mtodos de la estadstica no paramtrica se le llama de distribucin
libre.

Y que son excelentes cuando los tamaos muestrales son pequeos ( n 10 ), asimismo
estos mtodos se basan en el anlisis de los rangos de los datos que en las propias
observaciones.

Ejemplo 2.12.

Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto

de normalidad, cuya verificacin se realiza con herramientas estadsticas pertinentes,
entonces se recurrir a la estadstica no paramtrica, y que se tratar en el captulo 6.

43
EJERCICIOS PROPUESTOS

2.1. Leer atentamente el siguiente resumen, del artculo de investigacin titulado:

Competencias docentes en los profesores de medicina de la Universidad

Michoacana de San Nicols de Hidalgo2

Resumen

Para la identificacin de un grupo de competencias docentes bsicas en los profesores que

se desempean en la licenciatura en medicina en la Facultad de Medicina Dr. Ignacio
Chvez, objetivo fundamental del presente trabajo, se utilizaron mtodos tericos y
empricos. Se aplic una encuesta a una muestra seleccionada de docentes y alumnos. Se
emplearon procedimientos estadsticos para el anlisis de los resultados y se elaboraron
tablas. A partir de la identificacin de las necesidades de aprendizaje de los profesores
estudiados, en relacin con la direccin del proceso enseanza-aprendizaje y los referentes
tericos sobre el tema, se realiz un anlisis integrador para valorar los datos obtenidos, lo
que permiti la caracterizacin de los docentes objeto de investigacin, en relacin con las
competencias docentes bsicas propias de una gestin formativa pertinente. Se tomaron
en consideracin los principios metodolgicos ms actuales acerca de la formacin de
recursos humanos en la educacin superior en sentido general y en particular en la
educacin mdica superior.

2MANZO RODRIGUEZ, Lidia; RIVERA MICHELENA, Natacha y RODRIGUEZ OROZCO, Alain.

Competencias docentes en los profesores de medicina de la Universidad Michoacana de San
Nicols de Hidalgo. Revista Cubana de Educacin Mdica Superior. Vol. 20. Abril-Junio 2006, ISSN
0864-2141.

44
A partir de este resumen:

1. Defina la poblacin.

2. Defina la muestra.

3. Defina la(s) variable(s) aleatoria(s).

4. Plantear un parmetro, y su respectivo estadstico, segn respuesta 3.

2.2. Leer atentamente el siguiente resumen del artculo de investigacin titulado:

Percepcin de los estudiantes universitarios de sus propias habilidades

de investigacin3

Resumen

El objetivo de esta investigacin fue identificar la percepcin que tienen los estudiantes
universitarios respecto a sus habilidades de investigacin, para lo cual se utiliz un
instrumento llamado Autoevaluacin de habilidades de investigacin (Rivera, Torres,
Garca Gil de Muoz, Salgado, Arango, Caa y Valentn, 2005). Participaron 119
estudiantes de los cuales 73.7% fueron mujeres y 26.3% hombres, entre ellos, el 88.2% se
encontraba realizando estudios de licenciatura y el 11.8% de postgrado. Se cont con
representantes de cuatro reas de conocimiento: Ciencia y Tecnologa, Ciencias Humanas,
Ciencias Econmico-Administrativas, y Educacin. La confiabilidad del instrumento
aplicado fue alta (Alfa de Cronbach =.9557). Se encontr que la mayora de los
estudiantes asignan calificaciones altas a sus habilidades de investigacin y que por lo
general los hombres y las mujeres evalan sus habilidades de investigacin de manera

3Mtra. RIVERA HEREDIA, Mara Elena y Mtra. TORRES VILLASEOR, Claudia Karina.
Universidad Simn Bolvar. merivera@bolivar.usb.mx. ambiental@bolivar.usb.mx.
www.usb.edu.mx/investigacion/cif/proyectos/proyecto3/habilidades.doc

45
semejante; cuando aparecen diferencias significativas, son los hombres quienes se asignan
puntajes ms altos. Se discuten las diferencias entre los resultados arrojados por este
cuestionario con los de otras estrategias de evaluacin.

En base a este resumen plantear como sera la aplicacin de la inferencia estadstica bajo
el enfoque de:

1. Estimacin de parmetros.

2. Prueba de hiptesis de parmetros.

Los captulos faltantes del presente libro se estarn publicando en

los siguientes das. Disculpen la molestia.

46
47