Laboratorio-Taller de métodos y técnicas cuantitativas para ciencias sociales.

El objetivo general del laboratorio-taller de métodos y técnicas cuantitativas para ciencias sociales es
proveer los fundamentos teóricos, métodologicos y técnicos para plantear, diseñar conducir, analizar y
presentar los resultados de una investigación de carácter cuantitativo.
Para lograr su objetivo este curso se dividira en 3 módulos temáticos; el primer módulo es una
introduccion a los métodos cuantitativos de investigacion, el segundo módulo presenta un marco
referencial para la recoleccion y análisis de datos, y en el tercer módulo abordaremos témas de
Estadistica básica para ciencias sociales.

Módulo 1: Introducción a los métodos cuantitativos de investigación para ciencias sociales.

En este módulo se abordarán los principios fundamentales de la ciencia, como su historia y filosofía, el
diseño de investigación, mediciones, muestreo y ética.
Presentaremos los fundamentos del método científico en las ciencias sociales y del comportamiento y
aprenderemos a distinguir entre la investigación sólida y la pseudo-ciencia (slopy science).
Este módulo es una introducción universitaria a los métodos cuantitativos de investigación para
ciencias sociales, con un fuerte énfasis en la integridad de la investigación.
Se usarán ejemplos provenientes de la sociología, ciencia política, ciencias de la educación, ciencias de
la comunicación y psicología.

Unidad 1.1: Los orígenes del método científico.

La ciencia se trata de obtener conocimiento, de llegar a las mejores explicaciones posible acerca del
mundo que nos rodea.
Entonces ¿Cómo decidimos cual explicación es la mejor? ¿Cómo nos aseguramos que nuestras
explicaciones son acertadas? ¿Cómo determinamos que en realidad sabemos algo?
En el campo científico tratamos estos problemas por medio de un conjunto de principios y
procedimientos que hemos llamado “método científico”. Para entender realmente el método científico
se necesita conocer su origen histórico y filosófico y así poder apreciar las dificultades de su aplicación
en las ciencias sociales y de la conducta

 Guía para la reflexión · ¿Que hace científico al conocimiento científico?

 Tópico · Conocimiento no-científico
 Tópico · Las características esenciales de un método sistemático
 Tópico · Método científico
 Tópico · Las diferencias entre hipótesis y teoría
 Tópico · Disputas científicas
 Guía para la reflexión · ¿Quién y cuándo desarrolló el método científico en occidente?
 Tópico · El periodo clásico
 Tópico · La Ilustración
 Tópico · Ciencia moderna
 Guía para la reflexión · ¿Cuál es tu filosofía de la ciencia?
 Tópico · Epistemología
 Guía para la reflexión · ¿Enfoque científico duro o suave?
 Tópico · Ontologías
 Tópico · Aproximaciones
  Tópico · Metas

Unidad 1.2: El Método Científico

En esta unidad se discutirá como fue desarrollado el método científico, sus aproximaciones filosóficas
generales y los tipos de conocimiento que las ciencias apuntan a encontrar.
En la segunda parte de la unidad haremos de los principios y conceptos abstractos del método científico
algo más concreto al introducir discutir el “ciclo empírico” y la causalidad en mayor detalle.
Veremos cómo y en qué orden estos conceptos se implementan cuando se lleva a cabo una
investigación. También consideraremos los principales criterios para evaluar la calidad metodológica
de una investigación: la validez y confiabilidad. El principal interés de esta unidad será acerca de la
validez interna y como esta se puede ver amenazada por diferentes causas.

 Guía para la reflexión. ¿Existen “recetas” para el método científico?

 Tópico · El ciclo empírico
 Tópico · ¿Que se necesita para aceptar una hipótesis?
 Tópico · (No)confirmación
 Tópico · Que buscar para detectar una buena investigación?
 Tópico · Criterios
 Guía para la reflexión· ¿Cómo identificar la causa de un efecto?
 Tópico · Causalidad
 Guía para la reflexión · Que hace que una explicación causal sea menos adecuada?
 Tópico · Amenazas a la validez interna: Participantes
 Tópico · Amenazas a la validez interna: Instrumentos
 Tópico · Amenazas a la validez interna: Artificialidad
 Tópico · Amenazas a la validez interna: Condiciones de la investigación
 Guía para la reflexión · Cuáles son las relaciones y roles que pueden tener las variables
 Tópico · Variables de interés
 Tópico · Variables de No-interés

Unidad 1.3
Diseño de la investigación
En la unidad previa discutimos el ciclo empírico, la causalidad y los criterios para establecer la calidad
metodológica enfocándonos en las amenazas a la validez interna. En esta unidad repasaremos los
diseños de investigación de uso más frecuente y veremos el modo en que pueden generar amenazas a la
validez interna. Revisaremos los diseños experimentales, cuasi-experimentales y correlacionales, y
mencionaremos algunos otros diseños con los que hay que familiarizarse. Para entender y apreciar los
detalles de estos diseños, se introducen y discuten con algún detenimiento los conceptos generales de
“aleatorización” (randomization) y “emparejamiento” (matching)

 Guía para la reflexión · ¿Cuáles son las características esenciales de un experimento?

 Tópico · Experimentos
 Tópico · Otras formas de comparación
 Tópico · Diseño factorial
 Tópico · Repetición de mediciones
 Guía para la reflexión · ¿Cómo funcionan la manipulación y el control (laboratorio vs.
campo)?
  Tópico · Manipulación
 Tópico · Laboratorio vs. Campo
 Tópico · Aleatorización
 Guía para la reflexión · ¿En qué tipos de diseños experimentales se puede pensar?
 Tópico · Diseños experimentales
 Tópico · ¿Y si no es posible asignar aleatoriamente?
 Tópico · Emparejamiento (Matching)
 Tópico · Diseños cuasi-experimentales
 Tópico · Y si no es posible ninguno de los dos?
 Tópico · Diseños correlacionales
 Tópico · Otros diseños

Unidad 1.4
Mediciones
Elegir un diseño de investigación solo es el primer paso en la fase deductiva. El segundo paso es
decidir las formas específicas para medir las variables en las que estamos interesados (y en aquellas que
no). Este paso es extremadamente importante pues, aunque seamos capaces de realizar un experimento
de doble ciego, si nuestros métodos de medición y de manipulación son de escasa calidad, la validez
interna puede estar comprometida. En esta unidad veremos qué es exactamente la medición y cuáles
son los criterios para su evaluación. También veremos en profundidad las medidas auto reportadas,
estudios, cuestionarios y pruebas. Estos métodos se encuentran entre los instrumentos de medición de
uso más frecuente en las ciencias sociales y del comportamiento.

 Guía para la reflexión· ¿Cómo se mide algo?

 Tópico · Operacionalización
 Tópico · Que es exactamente una medición?
 Tópico · Estructura de medición
 Tópico · Niveles de medición
 Tópico · Tipos de variables
 Guía para la reflexión · ¿Cómo saber si se usado el instrumento correcto?
 Tópico · Validez de la medición
 Tópico · Confiabilidad de la medición
 Guía para la reflexión · ¿Cómo se construyen las mediciones y cuáles son sus características?
 Tópico · Estudios, cuestionarios y pruebas
 Tópico · Escalas y Opciones de respuesta
 Tópico · Respuestas y sesgos
 Tópico · Otros tipos de medición

Unidad 1.5
Muestreo
En las unidades previas se discutieron los diseños de investigación y los métodos de medición y
manipulación de nuestras variables. Antes que el investigador pueda avanzar a la fase de pruebas y
pueda recolectar datos, existe un procedimiento más que ha de ser determinado: el muestreo. Los
investigadores necesitan determinar quiénes serán sus participantes potenciales y el modo en que serán
seleccionados y reclutados.
  Guía para la reflexión · ¿Cómo se usan las muestras para hacer generalizaciones?
 Tópico · Amenazas a la validez externa
 Tópico · Conceptos de muestreo
 Guía para la reflexión · Porque se debe usar el muestreo probabilístico?
 Tópico · Muestreo probabilístico
 Tópico · Muestreo probabilístico – Simple
 Video · Muestreo probabilístico - Complex
 Tópico · Porque se debe usar el muestreo no-probabilístico?
 Tópico · Muestreo no-probabilístico
 Guía para la reflexión · ¿Hasta qué punto una muestra refleja una población?
 Tópico · Error muestral
 Tópico · Error no-muestral
 Tópico · ¿De qué tamaño ha de ser la muestra?
 Tópico · Tamaño de la muestra

Unidad 1.6
Práctica, ética e integridad
En esta última unidad nos enfocaremos en el proceso de investigación que sigue a la recolección de
datos. Los temas de almacenamiento de datos y uso de estadísticas, son parte de módulos que se
abordaran a profundidad en módulos independientes. Nuestro énfasis descansara en temas más
generales acerca del tratamiento de los datos, su interpretación y diseminación de los resultados y su
relación con la integridad y la ética.

 Guía para la reflexión · ¿Cómo manejar y almacenar los datos?

 Tópico · Documentación
 Tópico · Gestión de datos
 Guía para la reflexión · ¿Cómo asegurarse que los participantes son tratados de manera ética?
 Tópico · Estudios Un-éticos
 Tópico · Ética para con los participantes
 Guía para la reflexión · ¿Cómo asegurarse que los investigadores se conducen con integridad
y ética?
 Tópico · Integridad de la Investigación
 Tópico · Practicas de investigación cuestionables
 Guía para la reflexión · ¿Que hay acerca de la ética en el proceso de publicación?
 Tópico · Proceso de revisión de pares
 Tópico · Problemas en la diseminación

Módulo 2.1:
Marco referencial para la recolección y análisis de datos

Esta primera parte del módulo proporcionara una vista panorámica sobre algunos productos de datos
existentes y un buen entendimiento del campo de la recolección de datos.
Con el apoyo de varios ejemplos aprenderemos a identificar las fuentes de datos que pueden acoplarse
al conjunto de preguntas de su investigación, se plantea el modo de transformar una pregunta de
investigación en piezas de información medible y como hacerlas encajar estas en un plan de análisis.
Además de estos objetivos específicos, este módulo proporcionara un marco de referencia general que
nos permitirá entender cada paso del proceso de recolección y análisis de datos, además nos ayudara a
identificar los errores asociados a diferentes fuentes de datos.
Conoceremos algunas métricas para cuantificar cada error potencial y se dispondrá de herramientas
para describir la calidad de una fuente de datos determinada.
Finalmente miraremos algunos ejemplos de recolección de datos de largo alcance (tanto de la industria
como de agencias gubernamentales) y revisaremos los conceptos abordados durante el modulo a través
de estos ejemplos.

Unidad 2.1.1
Diseño de investigación y fuentes de datos
Esta unidad nos lleva de la mano a través del proceso de recolección y análisis de datos
Iniciando con la pregunta de investigación y la revisión de las fuentes de datos existentes
Abordaremos las técnicas de recolección de datos de estudios y encuestas, subrayando la importancia
de la curaduría de datos, además se discutirán algunos aspectos básicos que pueden afectar el análisis
de datos cuando se trata de datos muestreados. Finalmente se presentan algunas cuestiones acerca del
acceso a los datos y los recursos de acceso a los datos.

Tópico · Diseño de la pregunta de investigación

Tópico · Tipos de fuentes datos
Tópico · Ejemplos de datos encontrados
Tópico · Visualizando el proceso de generación de datos
Tópico · Curaduría de datos
Tópico · Análisis de datos
Tópico · Cuestiones respecto al acceso de datos
Tópico · Recursos de acceso
Tópico · Resumen
Tópico · Privacidad

Unidad 2.1.2
Medidas y Plan de análisis
En esta unidad se enfatiza la importancia de la buena definición de la pregunta de investigación y su
plan de análisis. Revisaremos varias estrategias de recolección de datos, la variedad de modalidades de
recolección de datos y reflexionaremos sobre la selección de la modalidad adecuada para nuestros
casos.

Tópico · Cuestiones vinculadas al razonamiento inductivo

Tópico · Planificando lo que se quiere observar
Tópico · Planificando como recolectar los datos
Tópico · Nuevas modalidades de recolección
Tópico · Web y Google
Tópico · Seleccionando la modalidad de recolección

Unidad 2.1.3
Marco de referencia (Calidad de los datos)
En esta unidad presentaremos un marco de referencia general que le permitirá no solo entender cada
paso del proceso de recolección y análisis de datos, también nos ayudara a identificar los errores
asociados a diferentes fuentes de datos.
Conocerá algunas métricas para cuantificar cada error potencial y dispondrá de herramientas para
describir la calidad de una fuente de datos determinada.

Tópico · Calidad de los datos

Tópico · Inferencia
Tópico · Ciclo de vida del estudio desde una perspectiva de diseño - Mediciones
Tópico · Ciclo de vida del estudio desde una perspectiva de diseño - Representación
Tópico · Ciclo de vida del estudio desde una perspectiva de procesos
Tópico · Ciclo de vida del estudio desde una perspectiva de calidad
Tópico · Ciclo de vida del estudio desde una perspectiva de calidad (II) - Métricas
Tópico · Ciclo de vida del estudio desde una perspectiva de calidad (III) – Cobertura y muestreo

Unidad 2.1.4 (Unidad Opcional)

Aplicación del marco referencial TSE a estudios existentes

En esta unidad revisaremos algunos estudios de una variedad de temas, en cada uno subrayamos las
características implícitas de la recolección de datos. Un ejercicio será pensar sobre que fuentes
alternativas de datos pudieran usarse para obtener la misma información o conclusiones.

Ejercicio · Presentación de casos

Ejercicio · Datos alternativos para los casos
Ejercicio · Mismo caso, distinto país.

Módulo 2.2
Diseño de cuestionarios para estudios sociales

En esta segunda parte del módulo se mostrarán los elementos básicos del diseño y evaluación de
cuestionarios. Revisaremos el proceso de “responder a una pregunta”, los desafíos y opciones para
formular preguntas acerca de la frecuencia de las conductas, técnicas prácticas para evaluar preguntas,
características del cuestionario especificas a su modalidad y una revisión de los métodos de las
entrevistas estandarizadas y conversacionales.

Unidad 2.2.1
Un vistazo a la entrevista estandarizada
Introducción, tipos de preguntas, medición del error en las preguntas, sesgo y varianzas, entrevistas
estandarizadas y conversacionales. De la especificación de un concepto a la formulación de preguntas

Tópico · Tipos de preguntas

Tópico · Medición del error: Sesgo y varianza
Tópico · Entrevistas estandarizadas
Tópico · Entrevistas conversacionales
Tópico · Especificación de conceptos
Documentación de referencia · Especificación de conceptos
Unidad 2.2.2:
El proceso de respuesta
Comprensión, Acceso al recuerdo, Juicio, Respuesta

Tópico · El proceso de respuesta: Comprensión

Tópico · El proceso de respuesta: Acceso al recuerdo
Tópico · El proceso de respuesta: Juicio
Tópico · El proceso de respuesta: Respuesta
Documentación de referencia · Especificación de conceptos

Unidad 2.2.3:
Haciendo preguntas fácticas
Hechos y cuasi-hechos. Memoria y recordación, Formulando preguntas delicadas, Modalidad,
privacidad y confidencialidad

Tópico · Hechos y cuasi-hechos

Tópico · Memoria y recordación: Reportando Frecuencias de comportamientos
Tópico · Memoria y recordación: Extensión del periodo de referencia
Tópico · Memoria y recordación: Comprensión y acceso al recuerdo
Tópico · Formulando preguntas delicadas
Tópico · Formulando preguntas delicadas: Técnicas directas
Tópico · Formulando preguntas delicadas: Técnicas indirectas
Tópico· Modalidades, privacidad y confidencialidad
Documentación de referencia · Especificación de conceptos

Unidad 2.2.4:
Medición de actitudes
Efectos contextuales en la medición de actitudes, Uso de diferentes escalas, La opción de “No sabe”,
Efecto de ordenamiento de respuestas.

Tópico · Preguntas actitudinales: Actitudes

Tópico · Preguntas actitudinales: Efectos de contexto
Tópico · Preguntas actitudinales: Evaluaciones especificas vs. Evaluaciones generales
Tópico · Preguntas actitudinales; Escalas de “Acuerdo-Desacuerdo”
Tópico · Preguntas actitudinales: “No sabe”
Tópico · Preguntas actitudinales: Efectos de ordenación
Tópico · Para todo tipo de preguntas: Escalas y Opciones de respuesta
Documentación de referencia · Especificación de conceptos

Unidad 2.2.5:
Pruebas piloto para los cuestionarios
Revisión de expertos y grupos de enfoque; Entrevistas cognitivas; Codificación de comportamientos;
técnicas cuantitativas

Tópico · Técnicas para pilotos: Revisión de expertos y grupos de enfoque

Tópico · Técnicas para pilotos: Entrevistas cognitivas
Tópico · Codificación de comportamientos
Tópico · Técnicas para pilotos: técnicas cuantitativas
 Tópico · Técnicas para pilotos- Otras técnicas
Documentación de referencia · Especificación de conceptos

Unidad 2.2.6: Juntando las piezas

El cuestionario del inicio al fin, elementos de cierre, selección de modalidad, implementación del
esquema de datos (layout), cuestionario auto aplicados.

Tópico · Del inicio al fin: Ingresando preguntas al cuestionario

Tópico · Reporte selectivo intencional: Selecciones de reportes de investigación
Tópico ·Cuestionario principal: Preguntas demográficas y cierre
Tópico · Selección de modalidad: Implicaciones para el esquema de datos
Tópico · Cuestionarios auto aplicados:
Documentación de referencia · Especificación de conceptos

Módulo 2.3
Laboratorio de recolección de datos con Android

En esta tercera parte del módulo presentaremos algunas herramientas existentes para llevar a cabo la
recolección datos de manera asistida.
Veremos el lugar que ocupan estas herramientas en el ciclo de vida del estudio y revisaremos de un
vistazo la arquitectura tecnológica que las soporta, sus características generales y las funcionalidades
que nos aportan.
Finalmente hablaremos de la recolección asistida por dispositivos móviles y haremos los ejercicios
necesarios para poner en funcionamiento nuestro primer proyecto de recolección de datos totalmente
funcional y operativo.

Tópico · Modalidades asistidas de recolección de datos: CATI / CAPI / CAMI

Tópico · Modalidades asistidas y ciclo de vida del estudio
Tópico · Arquitectura tecnológica de las herramientas de asistencia
Tópico · Selección de herramientas: software propietario / software open source
Tópico · Selección de herramientas: CAMI
Ejercicios · Introducción de la suite Kobo Collect / ODK
Ejercicios · Kobo Collect / ODK - Herramientas del lado del servidor
Ejercicios · Kobo Collect / ODK - Herramientas del lado del cliente (web y móvil)
Ejercicios · Kobo Collect / ODK – Desarrollo del proyecto (scripts /cuestionarios)
Ejercicios · Kobo Collect / ODK – Despliegue de Proyecto
Ejercicios · Kobo Collect / ODK – Herramientas de visualización
Ejercicios · Kobo Collect / ODK – Extracción de datos y configuración de plan de análisis.

Módulo 3
Estadística básica

Entender estadística es esencial para entender la investigación en las ciencias sociales y de la conducta.
En este módulo se abordarán las bases de la estadística, no solo como calcularla sino también como
evaluarla.
En la primera parte de este módulo se presentarán los métodos de la estadística descriptiva. Veremos
que son casos y variables y el modo de calcular sus medidas de tendencia central (media, mediana y
moda) y las medidas de dispersión (varianza y desviación estándar). Enseguida discutiremos como
establecer relaciones entre variables e introduciremos los conceptos de correlación y regresión.
La segunda parte del módulo tratara con los rudimentos de probabilidad: el cálculo de probabilidades, y
distinción de distribuciones de probabilidad y muestreo de distribuciones
Es necesario conocer esto para entender cómo funcionan los métodos de estadística inferencial que nos
ayudan a determinar si los patrones que podemos encontrar en los datos son suficientemente fuertes
para formular conclusiones acerca de las poblaciones subyacentes en las que estamos interesados.
Finalmente abordaremos los intervalos de confianza y pruebas de significación. EN este módulo no
solo nos ocuparemos de los conceptos estadísticos, sino también seremos capaces de calcular y generar
estas estadísticas por nosotros mismos usando software estadístico de acceso gratuito.

Unidad 3.1
Exploración de datos
En esta primera unidad presentaremos los conceptos básicos de la estadística descriptiva. Hablaremos
de casos y variables y ejemplificaremos como ordenarlos en una matriz de datos.
Se presentarán los diferentes niveles de medición que pueden adoptar las variables y mostraremos
como presentar los datos en tablas y gráficos. Más adelante veremos las medidas de tendencia central
(media, mediana y moda) y de dispersión (como el rango, rango intercuartil, varianza y desviación
estándar). Además de proponer formas de interpretarlos, explicaremos como calcularlos. Finalmente
abordaremos las puntuaciones Z (z-scores). En esta unidad solo presentaremos situaciones que analizan
una sola variable. Esto se conoce como análisis univariado, En la siguiente unidad presentaremos
estudios en los que se involucran más variables.

 Tópico central · Datos y visualización

 Tópico · Casos, variables y niveles de medición
 Tópico · Matriz de datos y tablas de frecuencias
 Tópico · Gráficos y formas de la distribución
 Tópico central· Medidas de tendencia central y de dispersión
 Tópico · Media, mediana y moda
 Tópico · Rangos, rango intercuartil, y (diagrama de caja) boxplot
 Tópico · Varianza y desviación estándar
 Tópico central· Puntuaciones Z (Z-scores) y ejemplos
 Tópico · Puntuaciones Z (Z-scores)
 Tópico · Ejemplos
 Tópico central · Ejercicios de exploración de datos
 Ejercicios en RStudio: Instalación y primeros pasos
 Ejercicios en RStudio: Exploración de datos
 Ejercicios en RStudio: Ejercicios de estadística descriptiva

Unidad 3.2
Correlación y regresión
EN esta unidad vamos a realizar análisis bivariado; estudios con dos variables. Primero revisaremos el
concepto de correlación, a través de tablas de contingencia (si se trata de variables categóricas) o nubes
de puntos/scatterplots (al tratar con variables cuantitativas). También aprenderemos como calcular e
interpretar una las medidas más frecuentes de correlación: la R de Pearson.
En la siguiente parte de la unidad se presenta el método OLS para el análisis de regresión.
Explicaremos como puedes (o la computadora puede) encontrar la línea de regresión y como se puede
describir esa línea por medio de una ecuación. Veremos cómo se puede evaluar la bondad del ajuste
entre la línea de regresión y los datos por medio del método llamado “r cuadrada”. Cerramos la unidad
con la discusión acerca de la necesidad de proceder con cautela al momento de interpretar los
resultados de un análisis de regresión.

 Tópico central · Correlación

 Tópico · Tablas cruzadas y nubes de puntos
 Tópico · R de Pearson
 Tópico central · Regresión
 Tópico · Regresión – Encontrando la línea de regresión
 Tópico· Regresión – Describiendo la línea de regresión
 Tópico · Regresión – Que tan buena es la línea de regresión?
 Tópico · Consideraciones y ejemplos acerca de la regresión
 Guía para la reflexión · Correlación no es causación
 Tópico · Ejemplo de tablas de contingencia
 Tópico · Ejemplo de R de Pearson
 Ejercicios · Correlación y regresión en RStudio

Unidad 3.3
Probabilidad
En esta unidad se introducen conceptos que provienen de la teoría de la probabilidad y las reglas para
calcular con probabilidades. Esto no solo es útil para responder a una gran variedad de cuestiones de
estadística aplicada sino como bases sólidas para entender los análisis estadísticos que se verán mas
adelante en el módulo. Comenzamos por describir la aleatoriedad y como es que los eventos aleatorios
suceden a nuestro alrededor. Luego proporcionaremos una definición intuitiva de probabilidad a través
ejemplos y los relacionaremos con los conceptos de evento, espacio muestral y sucesos aleatorios.
Haremos uso de una herramienta grafica; para ilustrar estos conceptos, el diagrama de árbol.
Presentaremos algunos conceptos que vienen de la teoría de conjuntos y los relacionaremos con el
cálculo de probabilidades; a través de diagramas de árbol y tablas de contingencia.
Finalizamos la unidad con una revisión de los conceptos de probabilidad condicional, independencia y
de la regla de Bayes. Debido a que esta parte de la unidad es teórica y aborda tópicos que no siempre
son fáciles de plantear, hemos incluido la mayor cantidad posible de ejemplo intuitivos para ilustrarlos.

 Tópico central · Probabilidad y aleatoriedad

 Tópico · Aleatoriedad
 Tópico · Probabilidad
 Tópico central · Espacio muestral, eventos y diagramas de árbol
 Tópico · Espacio muestral, eventos, probabilidad de evento y diagramas de árbol
 Tópico · Cuantificando probabilidades con diagramas de árbol
 Tópico central · Probabilidad y conjuntos
 Tópico · Conceptos básicos de teoría de conjuntos
 Tópico · Ejercicios con conjuntos
 Tópico · Unión
 Tópico central · Probabilidad condicional e independencia
 Tópico · Conjunción y probabilidades marginales
 Tópico · Probabilidad condicional
 Tópico · Independencia entre eventos aleatorios
  Tópico · Probabilidad condicional, arboles de decisión y teorema de Bayes
 Ejercicios · Probabilidad en RStudio

Unidad 3.4
Distribuciones de probabilidades
Las distribuciones de probabilidad forman el núcleo de muchos cálculos estadísticos. Se usan como
modelos matemáticos para representar algún fenómeno aleatorio y posteriormente responder preguntas
estadísticas acerca de aquel fenómeno.
La unidad comienza explicando las propiedades básicas de una distribución de probabilidades,
subrayando como es que puede cuantificar a una variable aleatoria, y también como es que esto difiere
entre variables aleatorias continuas y discretas. Más adelante, presentaremos la distribución de
probabilidades acumuladas, explicando sus propiedades y usos.
Más adelante se presenta la distribución de probabilidades acumuladas; tanto sus propiedades como su
uso. Se verá también como es que la distribución de probabilidades asociadas a una variable aleatoria
se puede caracterizar a través de estadísticos como la media y la varianza, tal como sucede con una
variable observada; además se explicaran los efectos y usos de la transformación de la media y varianza
de variables aleatorias mediante sumas o multiplicaciones.
El siguiente tópico aborda la distribución normal, comenzando por la explicación funcional de su forma
y sus propiedades generales. Luego, explicaremos el uso básico de la distribución normal para calcular
probabilidades.
Finalmente, presentaremos y explicaremos la distribución binomial, una distribución de probabilidades
importante para datos discretos.
Al final de esta unidad, se habrán cubierto los temas necesarios para tener un conocimiento sólido y
suficiente para enfrentar las cuestiones estadísticas más frecuentes. Adicionalmente, estos
conocimientos proveen los fundamentos para abordar los temas de estadística inferencial de las
siguientes unidades.

 Tópico central · Distribuciones de probabilidades

 Tópico · Variables aleatorias y distribuciones de probabilidad
 Tópico · Distribuciones de probabilidad acumuladas
 Tópico central · Media y varianza de una variable aleatoria
 Tópico · La media de una variable aleatoria
 Tópico · La varianza de una variable aleatoria
 Tópico central · La distribución normal
 Tópico · Forma funcional de la distribución normal
 Tópico · La distribución normal: cálculo de probabilidades
 Tópico · La distribución normal estándar
 Tópico central · La distribución binomial
 Tópico · Características de la distribución binomial
 Ejercicios · Distribución de probabilidades en RStudio

Unidad 3.5
Distribuciones muestrales
Los métodos para resumir una muestra de datos se conocen como estadística descriptiva. EN cualquier
caso, en buena parte de los estudios no estaremos interesados solo en la muestra, sino en su población
subyacente.
Si utilizamos datos obtenidos de una muestra para generar conclusiones acerca de una población más
grande, estaremos utilizando métodos de estadística inferencial. Por lo tanto, es de especial relevancia
tener el conocimiento para construir una muestra. En esta unidad pondremos mucha atención en los
métodos que nos ayudan a confeccionar una buena muestra y también señalaremos algunas de la
practicas que degradan la calidad de una muestra.
Para establecer conclusiones acerca de la población de la que proviene una muestra, los investigadores
hacen uso de una distribución de probabilidad que es muy importante en el mundo de la estadística: la
distribución muestral.
Revisaremos detalladamente la distribución muestral y la compararemos contra las distribuciones de
datos y distribuciones poblacionales. Finalmente veremos la distribución muestral de la media muestral
y la distribución muestral de la proporción muestral.

 Tópico central · Muestra y muestreo

 Tópico · Muestra y población
 Tópico · Muestreo
 Tópico central · Distribución muestral de la media muestral y teorema del límite central
 Tópico · Distribución muestral
 Tópico · Teorema del límite central
 Tópico · Tres ejemplos de distribuciones
 Tópico central · Distribución muestral de la proporción muestral
 Tópico · Distribución muestral de la proporción muestral
 Tópico · Ejemplo de distribución muestral de la proporción muestral
 Ejercicios · Distribuciones muestrales en RStudio

Unidad 3.6
Intervalos de confianza
Podemos distinguir dos tipos de métodos en la estadística inferencia.: 1) la estimación de parámetros
poblacionales y 2) la prueba de hipótesis acerca de esos parámetros. Es esta unidad hablaremos del
primer tipo de estadística inferencial; la estimación por medio de intervalos de confianza.
Un intervalo de confianza es un rango de números entre ellos estarán contenidos, con mayor
posibilidad, los valores que en efecto se observarán en una población.
La probabilidad de que ese rango en efecto contenga los valores de la población es lo que llamamos
nivel de confianza.
En esta unidad mostraremos el modo de construir intervalos de confianza a través de medias y
proporciones y el modo en que deben interpretarse. Adicionalmente discutiremos los criterios que
pueden utilizarse para decidir el tamaño adecuado de una muestra.

 Tópico central · Inferencia e intervalos de confianza a través de la media.

 Tópico · Inferencia estadística
 Tópico · Intervalos de confianza para medias con población conocida
 Tópico · Intervalos de confianza para medias con población desconocida
 Tópico central · Intervalos de confianza para proporciones y niveles de confianza
 Tópico · Intervalos de confianza para proporciones
 Tópico · Niveles de confianza
 Tópico central · Tamaño muestral
 Tópico · Elección del tamaño muestral
 Tópico · Ejemplo de selección del tamaño muestral
  Ejercicios · Intervalos de confianza con RStudio

Unidad 3.7
Pruebas de significancia
En la última unidad hablaremos de las hipótesis estadísticas, pues estas son el principal componente del
método de la prueba de significancia.
Una hipótesis no es más que una expectativa acerca de una población. Cuando se aplica una prueba de
significancia, se usan (igual que al construir intervalos de confianza) datos muestrales para elaborar
inferencias acerca de parámetros poblacionales.
La prueba de significancia es por tanto un método de estadística inferencial.
Mostraremos que la prueba de significancia se fundamenta en dos hipótesis: la hipótesis nula y la
hipótesis alternativa.
Cuando se realiza una prueba de significancia, se asume que la hipótesis nula es verdadera, a menos
que los datos provean de evidencia fuerte en contra.
Aprenderemos la manera en que se puede realizar pruebas de significancia acerca de una media y el
modo de realizarlas cuando se trate de proporciones. También veremos cómo es que las pruebas de
significancia y los intervalos de confianza están profundamente relacionados.
Finalizamos el modulo señalando que se pueden tomar decisiones correctas o incorrectas al realizar una
prueba de significancia. Las decisiones incorrectas son referidas a menudo en el mundo de la
estadística como errores de “Tipo I” y de “Tipo II”.

 Tópico central · Hipótesis y pruebas de significancia

 Tópico · Hipótesis
 Tópico · Prueba de significancia sobre proporciones
 Tópico · Prueba de significancia sobre medias
 Tópico central · Intervalos de confianza y el plan paso-a-paso
 Tópico · Plan paso-a-paso
 Tópico · Prueba de significancia y confianza
 Tópico central · Errores Tipo I y Tipo II
 Tópico · Error Tipo I Y error Tipo II
 Tópico · Ejemplo de errores Tipo I y Tipo II
 Ejercicios · Pruebas de significancia en RStudio