Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resumen SEGUNDO PARCIAL Metodologia de Analisis de Datos Cuantitativos PDF
Resumen SEGUNDO PARCIAL Metodologia de Analisis de Datos Cuantitativos PDF
OM
los valores de una población (parámetros), y a partir de allí, determinar qué tan probable
sería encontrar el valor que observamos en la muestra asumiendo que el parámetro es
cierto.
.C
Pruebas de hipótesis vs estimación de parámetros
Estimación de parámetros
DD
Usamos los valores de la muestra (estadísticos) para hacer estimaciones sobre los valores
(parámetros) de la población
Muestra → Población
LA
Pruebas de hipótesis
Partimos de hipótesis sobre los valores de la población (parámetros) y decimos que tan
probable serían los resultados (valores) de la muestra asumiendo que el parámetro es
FI
cierto
Población →Muestra
OM
produce iguales resultados que el método B”?
• La pregunta que debemos plantear aquí es: dado un resultado como el que observamos
.C
en la muestra, ¿Qué probabilidad teníamos de obtener ese resultado si la hipótesis nula
fuera verdadera?
DD
Si sabemos que la distribución de la población de la que proviene la muestra es una
distribución normal, simplemente calculamos la probabilidad de obtener un valor como el
que observamos en la muestra utilizando las probabilidades debajo de la curva normal.
Para calcular probabilidades asociadas a los valores de una variable aleatoria continua
LA
3ª Paso: Determinar los puntos de corte (niveles de significación) para rechazar H0 Los
valores muestrales que superen ±1,96 son valores muy extremos, es decir, valores “poco
FI
Los valores muestrales inferiores a o comprendidos entre -1,96 y 1,96 son valores poco
extremos, es decir, valores “muy probables” de encontrar si H0 fuera cierta.
Por lo tanto aceptaremos H0. Los valores z -1,96 y 1,96 se denominan “valores críticos”,
ya que son los criterios que utilizaremos para la decisión de aceptar o rechazar H0. La
probabilidad 0,05 (valores superiores a ±1,96 ) se nominan niveles de significación (se
indica con la letra α), y dependen de la elección del investigador.
•Error tipo II: Consiste en aceptar la hipótesis nula cuando ésta es falsa. Intuitivamente
puede equipararse a los “falsos negativos”.
OM
Prueba de hipótesis de dos poblaciones
•Ponen a prueba la eventual diferencia entre dos poblaciones
•La prueba de hipótesis sobre dos poblaciones permiten analizar si dos poblaciones son
.C
iguales o no respecto del parámetro bajo análisis
• Error tipo II: Consiste en aceptar la hipótesis nula cuando ésta es falsa. Intuitivamente
puede equipararse a los “falsos negativos”.
OM
Diferencias prueba t y ANOVA
• Las pruebas de hipótesis de dos poblaciones consistían en poner a prueba la hipótesis
nula de igualdad de medias de dos poblaciones, a partir de la comparación entre dos
grupos
.C
• El ANOVA constituye un procedimiento que permite comparar varios grupos (tres o más)
en los valores promedios de una variable cuantitativa
DD
ANOVA: ejemplo
Se pretende comparar si existen diferencias en la felicidad laboral entre trabajadores del
sector público, privado, y ONGs.
LA
• La lógica que subyace al ANOVA reside en considerar que las diferencias observadas
estarán dadas parcialmente por los diferentes grupos (niveles del factor) y parcialmente
FI
El vocabulario de ANOVA
• El análisis de varianza mide la distancia que hay entre un sujeto y el promedio general.
• Se rechazará H0 cuando las diferencias debidas a los grupos (varianza explicada) sea
significativamente mayor a las diferencias debidas a otros factores (varianza residual).
Para compararlas debemos calcular el cociente entre ambas.
OM
• Para aceptar o rechazar la hipótesis nula debemos calcular la probabilidad de hallar una
diferencia como la observada si la hipótesis nula fuera cierta
Resumen
.C
• El análisis de varianza permite comparar tres o más grupos en los valores promedios de
una variable cuantitativa
DD
• Contrasta la hipótesis nula que las medias de las poblaciones son iguales
OM
• Permite analizar si dos variables cualitativas están asociadas o son independientes. • Es
una medida de la distancia entre F0 y Fe
.C
coeficientes:
• Lineales
– Se espera que la dirección de una relación sea la misma para todo el rango de las
variables
FI
• No Monótonas (o no Lineales):
OM
Resumen
Nivel de medición Coeficiente Rango de valoración Lectura
Nominal Chi-cuadrado [0, ∞] Dificultades para
interpretar la
.C
intensidad de la
relación.
Nominal C de Pearson [0 ,1] Más intensa si es
V de Cramer próximo a 1
DD
Ordinal R de Spearman Desde [–1, 1] El signo indica la
Intervalar y R de Pearson Desde [–1,1] dirección, positivo
proporcional es directa, negativo
(continuas) es inversa. Fuerte si
es cercano a -1 o 1,
LA