Conceptos fundamentales en estadstica. Para muchos la estadstica no ... http://www.conexionismo.com/leer_articulo.php?ref=conceptos_fund...

Conexionismo
Publica tus artculos en conexionismo.com

Inicio
Blog
Test
Artculos
Foros
Contacto

RESUMEN

Twittear

Para muchos la estadstica no es ms que un conjunto de operaciones matemticas que hoy da se encargan de
resolver los ordenadores. Nada ms lejos de la realidad. La estadstica es una disciplina ntimamente conectada
con las matemticas, pero con una identidad propia que la define, en sus mtodos y en sus objetivos. Con este
artculo se pretende poner sobre la mesa un conjunto de conceptos que se puede decir que constituyen el ncleo
de la estadstica inferencial.

ARTCULO: Conceptos fundamentales en estadstica.

INTRODUCCIN.

La estadstica es una disciplina con un elevado componente terico. De hecho cada mtodo inferencial no es ms que un modelo particular
que se desarrolla segn un esquema general. Por tanto, todos los modelos estadsticos desarrollados dentro del enfoque frecuentista tienen
unos puntos comunes que es preciso conocer con absoluta claridad. No tener claros estos conceptos puede ser un problema no solo a la
hora de realizar un anlisis estadstico, sino tambin en su eleccin o en la interpretacin de los resultados. No se pretende hacer una
clasificacin sistemtica y rigurosa, se pretende hacer una definicin conceptualmente clara de los conceptos esenciales para la
comprensin de la inferencia estadstica.

Conceptos fundamentales en estadstica.

Estadstica.- rea especializada de las matemticas cuyo fin es el anlisis de conjuntos de datos. El corpus estadstico puede dividirse en

1 de 4 2/7/17 17:35
Conceptos fundamentales en estadstica. Para muchos la estadstica no ... http://www.conexionismo.com/leer_articulo.php?ref=conceptos_fund...

dos grandes categoras: la estadstica descriptiva y la estadstica inferencial.

Estadstica descriptiva.- es aquel rea de la estadstica que se interesa por describir conjuntos de datos. Esta descripcin se hace en base a
los datos presentes y solo a ellos. Cuando realizamos un anlisis descriptivo, el conjunto de datos que analizamos lo llamamos muestra y
sus resultados carecen de error.

Estadstica inferencial.- cuando realizamos un anlisis descriptivo, solo obtenemos informacin del conjunto de datos analizados, pero
cuando realizamos un anlisis inferencial tratamos de extender esos resultados a otros conjuntos de datos ms amplios. Para ello
seleccionamos un grupo de inters, la poblacin, y de ese grupo tomamos una parte representativa de la misma, la muestra, analizamos la
muestra y extendemos sus resultados a la poblacin de la que procede. Los resultados de la estadstica inferencial asumen la existencia de
error.

Poblacin.- conjunto total de datos que es de nuestro inters. El objetivo de la estadstica inferencial es el estudio de la poblacin.

Muestra.- es una parte de la poblacin que tiene unas caractersticas similares a la poblacin de la que ha sido extrada. La estadstica
inferencial estudia la muestra para extender sus resultados a la poblacin. La estadstica descriptiva estudia la muestra, pero no extiende
sus resultados a la poblacin.

Parmetro.- cuando calculamos un determinado ndice, como la media o la desviacin tpica, sobre una poblacin hablamos de
parmetros. De esta forma cuando decimos que el parmetro media es de 6, nos referimos a que la media poblacional es de 6.

Estimador.- cuando calculamos un determinado ndice sobre una muestra con la intencin de generalizarlo a la poblacin, hablamos de
estimadores. As cuando decimos que el estimador media toma el valor 6, estamos diciendo que la media de la muestra es igual a 6.

Estadstico.- es el valor que toma un determinado ndice (media, varianza, curtosis, asimetra) en su distribucin terica de
probabilidad. El estadstico es el valor que segn se encuentre en la regin critica o en la regin de aceptacin, nos permitir aceptar o
rechazar la hiptesis nula.

Valor p de Fisher (tambin p-valor o simplemente p).- es probabilidad de que un determinado estadstico se deba al azar. Es deseable
que su valor sea alto, as una p de 0,894 nos dice que de 1000 muestras que hubisemos extrado de esa poblacin, 894 nos hubieran dado
un estadstico como el obtenido por efectos del azar. Si el valor de p hubiese sido 0,004 significara que de 1000 muestras, 4 hubieran
mostrado un estadstico como el hallado por el mero efecto del azar, lo cual no es en ninguna medida deseable. Por tanto:

Si p > " Aceptamos H0

Si p " Rechazamos H0

Nivel de significacin.- cuando desarrollamos un contraste de hiptesis bajo la perspectiva del nivel crtico de Neyman y Pearson, la
probabilidad de aceptacin de la hiptesis nula especificada a priori se conoce como nivel de significacin. Su complementario es alpha,
que es la probabilidad a priori de la regin crtica o hiptesis alternativa.

Valor crtico.- tambin denominado punto crtico, es el valor que delimita la regin de aceptacin de la hiptesis nula de la regin crtica o
regin de rechazo de la hiptesis nula.

Nivel de confianza.- cuando desarrollamos un contraste de hiptesis bajo la perspectiva del intervalo de confianza de Neyman y Pearson,
la probabilidad de que el parmetro se encuentre dentro del intervalo estimado, se denomina nivel de confianza.

2 de 4 2/7/17 17:35
Conceptos fundamentales en estadstica. Para muchos la estadstica no ... http://www.conexionismo.com/leer_articulo.php?ref=conceptos_fund...

Intervalo de confianza.- es el rango de valores donde se estima que se encuentra un determinado parmetro en la poblacin. Es incorrecto
pensar que el 95% (por ejemplo) de las veces el estadstico estar dentro del intervalo de confianza. Lo correcto es interpretar que el
intervalo cuando se calcule en las infinitas muestras extradas de la poblacin contendr el estadstico en el 95% de las veces.

Error tipo I.- se comete al rechazar una hiptesis nula verdadera, se da cuando el tratamiento no es efectivo, pero el investigador concluye
que s lo es, es decir, se comete cuando el investigador rechaza la hiptesis nula (Ho) siendo sta verdadera. Caeremos en error tipo I
cuando deseamos cometer un error mnimo al aceptar la hiptesis alternativa, por lo que corremos el riesgo de rechazar una hiptesis nula
verdadera. El error tipo I implica que el tratamiento no tiene efecto pero decidimos que s lo tiene. El error tipo I es mas grave que el error
tipo II. Rechazar una hiptesis no prueba que sea falsa. El error tipo I es equivalente a un falso positivo.

Error tipo II.- se comete al aceptar una hiptesis nula falsa, se da cuando el tratamiento es efectivo pero el investigador concluye que no
lo es, es decir, se comete cuando el investigador no rechaza la hiptesis nula siendo sta falsa. Caeremos en error tipo II cuando deseamos
cometer un error mnimo al aceptar la hiptesis nula, por lo que correremos el riesgo de aceptar una hiptesis nula falsa. El error tipo II
implica que el tratamiento si tiene efecto pero no lo percibimos. Aceptar una hiptesis no prueba que sea cierta. El error tipo II es
equivalente a un falso negativo.

Potencia.- es la probabilidad de rechazar una hiptesis nula falsa, o lo que es lo mismo, rechazar correctamente la hiptesis nula.

REFERENCIAS

COMENTARIOS
Publica tu comentario sobre este artculo

conexionismo
Publicado por alfonso fernando. Fecha: 15-02-2017 04:24.

mi pregunta es, por que no hay una definicin de ESTADSTICA FUNDAMENTAL pues lo hago con el fin
saber que es y en que consiste porque la voy a ver en la univesidad

SOBRE LA PUBLICACIN
El artculo ha sido revisado? NO

Sobre el autor

Nombre de usuario: ant123

3 de 4 2/7/17 17:35
Conceptos fundamentales en estadstica. Para muchos la estadstica no ... http://www.conexionismo.com/leer_articulo.php?ref=conceptos_fund...

Formacin: Mster en Metodologa.

Enviar mensaje al autor
Fecha de publicacin: 18-11-2011 12:41
Actualice este artculo (Solo puede hacerlo su autor).
Fecha de actualizacion:

Volver atrs

2014. Reservados todos los derechos | Diseado por Conexionismo.Com | Datos legales | Web optimizada
para una resolucin mnima de 1024 x 768 pxeles

4 de 4 2/7/17 17:35