Estadística aplicada a la psicología

Descriptiva:

DEFINICIÓN: “Es una ciencia que recoge, ordena, y analiza datos de una muestra extraída de cierta población, y que a partir de esa
muestra, valiéndose del cálculo de probabilidades se encarga de hacer inferencias acerca de la población”.

POBLACIÓN Y MUESTRA: (P), estudiar una característica de un grupo, este grupo en total se llama población; generalmente si la
población es muy grande se puede estudiar a todos los individuos y se toma un subgrupo que se llama muestra.

Función descriptiva: recolectar, sintetizar y organizar la información. Función exclusiva de describir sin sacar conclusiones.

Variable: característica de los fenómenos u objetos que podemos observar, estas no son constantes sino que varían constantemente. Las
distintas variaciones, valores, modalidades que asume una variable se denominan categorías de la variable. Se dividen en:

Variable cualitativa: exclusivas para la clasificación. Cuando las categorías son cualidades.

Variable cuantitativa: cuando las variables se pueden cuantificar, es decir, separar por números; se dividen en:

• Continuas: permiten valor intermedio, es decir, decimales, ej.: 37,5 kg. Se miden, y se establecen subdivisiones.
• Discretas: no permiten valor intermedio, es decir, números enteros, ej.: partido sale 3-0. Se cuentan, no se establecen subdivisiones.

Medición: asignación de números a objetos o hechos de acuerdo a reglas. Implica una relación de ISOMORFISMO.
Isomorfismo: equivalencia de forma, es decir, que se mantenga relación entre sí.

ESCALAS/ NIVELES DE MEDICIÓN:

Escala de Medición: conjunto de números cuya escala son representaciones numéricas de la variable, clasifica t cumple funciones de
identidad. Nivel de medición: (las variables se incluyen entre sí, y van al nivel + alto al que pueden acceder)

Escala Nominal: dada 2 o más modalidades, solo puede decir si son iguales o distintas, aquí el número cumple la función de nombrar o
designar. No matemática, tipo de variable cualitativa. (sexo, trabaja)

Escala Ordinal: además de designar si son iguales o distintas, también establece orden jerárquico, pero no determina cuán mayor es la
jerarquía de uno sobre otro. Tipo de variable cualitativa. (nivel de instrucción, cantidad de hijos)

Escala Intervalar: determina si son iguales o distintas, establece orden jerárquico también orden empírico y cuan más o menos es en
referencia al otro. El cero es relativo. Operación de más y de menos. Variable cuantitativa. No se puede decir que lo que tiene uno, el otro
lo tiene doble (CI)

Escala Racional: el 0 es absoluto, indica ausencia de atributos que es igual en todos lados y para todas las maneras. Involucra
operaciones de más, menos, por y dividido. (Si se cuenta el cero) (peso, altura, tiempo, cantidades, números de hijos, edad de una
persona)

Presentación Tabular Los datos se presentan como:

• DATOS NO AGRUPADOS: presentación común cuando las unidades de análisis son pocas. una serie de datos sin orden
preestablecido. Se presentan en modo de serie por ejemplo: 1,2,5,3,3,7,8,4,2,2,6,9.

• DATOS AGRUPADOS: presentación tabular o en tablas, como mínimo 2 columnas una con categoría de la variable y otra con las
frecuencias. ordenados en base a las categorías de la variable de estudio y donde ya aparecen las frecuencias.

• DATOS AGRUPADOS EN INTERVALOS DE CLASES/ FRECUENCIAS: los datos se organizan en intervalos (en una Tabla) que
se construyen considerando los valores que presenta la variable.

Frecuencia Absolutas: frecuencia con la que se repite la variable. (Frecuencia de menor variable se le suma la siguiente y así
sucesivamente hasta llegar al total de frecuencias, para saber si está bien calculado la última frecuencia que saquemos tiene que dar como
resultado el mismo número que n)

Frecuencia Relativa: medidas proporcionales a las frecuencias absolutas. Entre ellas utilizaremos: proporción, porcentaje y razón.

• Proporción (P): F/N Es el cociente entre la frecuencia de una categoría y el número total de observaciones o de casos. Expresa la
comparación de una parte con respecto de la unidad. para asegurar el resultado tengo que sumar todas las proporciones y me tiene que dar
1 en aprox a 1.

1
• Porcentaje (%): F/N.100 Es la proporción multiplicada por cien. Es decir la relación de una parte con respecto a una base de 100. Para
asegurar el resultado debo sumar tengo que sumar todos los % y me tiene que dar 100 o un aprox. a 100.

• Razón: Es un cociente que simboliza la relación de tamaño de una frecuencia respecto a otra. R=f1/f2.

Tipo de gráfica

➢ Variable Cualitativa:
Nivel de Medición:

▪ Nominal: gráfico de torta/circular o barras. El gráfico siempre debe tener título, fuente y referencias.
Gráfico circular o pastel: xf-%: se saca porcentaje y esos valores son los que se colocan en el gráfico.

▪ Ordinal: gráfico de barras (intersección de ejes cartesianos). Ejes de abscisas (X) horizontal: las categorías y de ordenadas (Y) vertical:
frecuencia. También se cruzan porcentajes, proporciones o frecuencias.
X F P %

Primario 10 0,1 10

Secundario 20 0,2 20

Terciario 30 0,3 30

Universitario 40 0,4 40
N: 100

➢ Variable cuantitativa: datos por lo general muy numerosos, se organizan en frecuencias agrupados o distribución de frecuencia
agrupados en intervalos.

Variable Cuantitativa Continua: para la presentación de datos agrupados en intervalos: es necesario determinar la amplitud total (A.T.)
y la amplitud del intervalo.

Construcción de la Amplitud Total: valor máximo - valor mínimo

X máximo – x mínimo= a. t.

Construcción de la Amplitud de Intervalos: como regla general se usan amplitudes de 2, 3, 5, 10 y sus múltiplos.

- Para determinar la cantidad de intervalos que no debe ser menor de 5 ni más de 15. AT/f= N° de intervalo + 1:

X max (valor max) – x min (valor min) % i (amplitud de intervalo) = resultado + 1: número de intervalo de clases (i puede ser cualquier
número mayor a 2 y en lo posible menor a 15. desde el número menor hay que contar con los dedos para elegir el número intervalar por

2
ejemplo i de 3, número menor 27: 27-29 30-32, etc. Puede comenzar con un número menor al presentado y terminar con un número
mayor, pero ninguno de los dos tiene que ser 0 si no está mal elaborada)

El resultado es = al número de categoría.

X L.ex X´

31-32 30,5-32,5 31,5

29-30 28,5-30,5 29,5

27-28 26,5-28,5 27,5

Límites Exactos (L. Ex): se resta 0,5 al límite exacto inferior (LEI) y suma 0,5 intervalo superior (LES)

-Histograma de Pearson: se trata de columnas pegadas que se construyen con los límites exactos de los intervalos. Para realizarlo se
debe calcular los límites exactos de los intervalos. Punto medio de un intervalo: se suma el L. ex inferior (LEI) y superior (LES) y se
divide en 2.
Y (frecuencia) vertical X (límites exactos) horizontal.

-Polígono de Frecuencia: se coloca la frecuencia en la (Y) y los puntos medios en la (X).

• Punto medio: (x1 ): sumar ambos intervalos y dividirlos en 2, por ejemplo.: 10-19: 14,5

Para cerrar el grafico hay que restar el menor punto medio menos el valor del intervalo: ej.: 14,5-10: 4,5 (con esto cierra una punta) y la
otra punta seria sumando el intervalo con el número mayor de punto medio ej.: 74,5 +10: 84,5 (con esto cierra la otra punta) ambos tiene
frecuencia 0 por eso se puede cerrar el grafico

➢ Variables cuantitativas discretas: intervalar o racional. (no admiten valores intermedio)

-Gráfico de Bastones: para variables cuantitativas discretas: eje horizontal (X) categoría de la variable, eje vertical (Y) frecuencia.

Medida de Tendencia Central (MTC) y Posición:

Se refiere a los valores de la variable, puede estar en el centro de la distribución, como los promedios, y que caracterizan la posición de
un grupo respecto de la variable. Modo, mediana y media.

3
Modo (Mo): valor que se presenta con mayor frecuencia. Es la mtc específica para el nivel de medición (NM) NOMINAL. (Pero puede
usarse para todas).
• Datos no agrupados: más se repite x ej.: 2-7-7-4-4-6-5-3-6-4 MODO ES: 4
• Datos agrupados: frecuencia más grande. Ej.: MODO= 130
X F

A 15

B 36

C 130
• Datos agrupados en intervalos: se requiere sacar el valor de punto medio (x1 ) del intervalo de la categoría con mayor frecuencia. Ej: x:
76-85 f: 45 modo: 80,5

Mediana (Md): valor que por encima y por debajo de la variable, hay la misma cantidad de observaciones. Divide en dos partes iguales
la distribución. Es la MTC específica para el NM ORDINAL. (También puede ser calculado en intervalar y de razón).

• Datos no agrupados: valor que cae en el centro de los datos una vez ordenados los mismos de menor a mayor. Fórmula para datos pares
Md: n/2 formula para datos no pares Md: n+ 1 /2 EL RESULTADO DE ESTAS FORMULAS DA EL ORDEN EN EL QUE SE
ENCUENTRA LA MEDIANA

• Datos agrupados: es necesario sacar frecuencia acumulada (FA) Md: n/2 (el resultado de este, hay que fijarse que numero de la fa
contiene el resultado y ese es el valor de la mediana) PARA SACAR FRECUENCIA ACUMULADA (FA) HAY QUE EMPEZAR POR
EL VALOR DE FRECUENCIA DE MENOR VALOR E IR SUMANDO, EN EL FINAL PUEDE ENCONTRARSE ARRIBA.

• Datos agrupados en intervalos: formula abajo y el resultado que da ES la mediana

Media (x con un palito acostado arriba): suma de un conjunto de medidas dividido por la cantidad total de medidas. Valor que suele
calcularse para obtener el promedio de algo. Es la sumatoria de todos los valores divididos en el total de los casos. Esta MTC solo se
puede calcular en NM INTERVALAR y RACIONAL.

• Datos no agrupados: media: sumatoria de x/ n ej.: 6-6-6-7-7-7-7-7-7-8-9-10-11 media es: 98/13 media es: 7,53 Siempre lleva
conclusión: conclusión: la media de edad de la sala de parálisis cerebral del centro educativo terapéutico es de 7,5 años.

• Datos agrupados:
fórmula: sumatoria de f.x /n (en una columna particular de la tabla se tiene que poner f.x y desarrollar cada categoría. La sumatoria de los
mismos es lo que se tiene que poner en el resultado y dividirlo en n)

• Datos agrupados en intervalos: sumatoria de f. x 1 /N (en una columna particular de la tabla se tiene que poner f. x 1 y desarrollar cada
categoría. La sumatoria de los mismos es lo que se tiene que poner en el resultado y dividirlo en n)

Nivel de medición Modo Mediana Media

Cualitativa Nominal Si No No

Cualitativa Ordinal Si Si No

Cuantitativa Intervalar Si Si Si

Cuantitativa De Razón Si Si Si

Simétrica y asimétrica: Usar la media cuando es Simétrica (cuando el valor central de la frecuencia es el mayor, y desciende para ambas
esquinas,) y cuando es asimétrica (cuando esto varía), más conveniente la mediana.

Medidas de Variabilidad o Dispersión:

Son medidas que acompañan otras medidas descriptivas y que nos informan acerca de qué características tiene un conjunto de datos. Nos
indica si un conjunto de datos es muy disperso (heterogéneo) o menos disperso (homogéneo).
Es importante que cuando ya conocemos su tendencia central estudiemos su variabilidad. Solo se utiliza con variables cuantitativas.

Modo: amplitud total o rango: es el intervalo entre el valor máximo y el valor mínimo. Solo se usa en muestras pequeñas.

Mediana: amplitud intercuartil C (AQ): diferencia entre el 1° cuartil y el 3° cuartil.AQ= Q3-Q1

4
Media:
-desviación estándar (S) es la medida de dispersión más común, que indica que tan dispersos están los datos con respecto a la media. +
Desviación estándar + dispersión de datos. Es el promedio de desvíos de cada valor con respecto a la media. FORMULA EN EL LIBRO

-Varianza (S2 elevado a 2) emplea los desvíos respecto a la moda, pero elevado al cuadrado.

Correlación lineal
• REPRESENTACIÓN GRÁFICA DE UNA RELACIÓN
Se dice que dos variables X e Y mantienen una relación lineal directa cuando los valores altos en Y tienden a emparejarse con valores
altos en X, los valores intermedios en Y tienden a emparejarse con valores intermedios en X, y los valores bajos en Y tienden a
emparejarse con valores bajos de X.

Se dice que dos variables X e Y mantienen una relación lineal inversa cuando los valores altos en Y tienden a emparejarse con valores
bajos en X, los valores intermedios en Y tienden a emparejarse con valores intermedios en X, y los valores bajos en Y tienden a
emparejarse con valores altos en X.

Se dice que hay relación lineal nula entre dos variables cuando no hay un emparejamiento sistemático entre ellas en función de sus
valores.

PROPIEDADES DEL COEFICIENTE DE CORRELACIÓN DE PEARSON

El coeficiente de correlación de Pearson no puede valer más de +1 ni menos de -1

Si hacemos transformaciones lineales de una o las dos variables, en las que las constantes multiplicadoras son positivas, la correlación de
Pearson no se altera.

El empleo de la estadística en psicología: distinguir dentro de las observaciones las variaciones fortuitas de las variaciones sistemáticas.
Para asumir esta función del método estadístico procede a hacer resúmenes de series de observaciones. ¿Por qué tiene necesidad el
psicólogo de efectuar resúmenes estadísticos de este tipo? Para poder razonar sobre conjuntos de observaciones: pueden compararse dos
medias o dos gráficos. El resumen de una serie de observaciones puede hacerse de manera que se ponga en evidencia un aspecto
particular de la información contenida en estas observaciones y llegar así a poseer un instrumento de análisis de esta información. Hay
que examinar algunos métodos que permiten describir una serie de observaciones en forma resumida y que pueden tener significaciones
diferentes. La elección de uno u otro de estos métodos dependerá del problema que se plantee el psicólogo.

• DISTRIBUCIÓN NORMAL La importancia de la curva normal estriba no sólo en su utilidad para el análisis estadístico, sino que en
muchas variables de interés para los psicólogos.
La estatura, el peso, la agudeza visual, la fuerza son variables que se ajustan a este modelo. Ya dentro de la psicología, variables como el
cociente intelectual, la extraversión son variables con distribución normal. En la mayor parte de las variables existe un valor central (la
media) en torno a la cual se concentran la mayor parte de los individuos, y a medida que nos vamos fijando en valores más alejados de la
media observamos que éstos son menos frecuentes. Esta reducción gradual en la frecuencia no es lineal, sino que es mayor al principio y
menor después (pasa de convexa a cóncava al alejarse de la media).

Una variable aleatoria se distribuye según el modelo normal, con parámetros µ y o. Las variables cuya distribución se ajusta al modelo
normal adoptan una representación gráfica en la que se pueden apreciar algunas de las propiedades que vamos a enumerar:

a) Es simétrica con respecto a un valor central (µ) y en ese valor central coinciden la media, la mediana o la moda.

b) Es asintótica con respecto al eje de abscisas, es decir, por mucho que se extienda, nunca llega a tocar los ejes, y sólo en ±∞ la altura de
la curva llegaría a ser igual a 0, se propuso el nombre de distribución normal unitaria.

c) Hay toda una familia de curvas normales, dependiendo de los valores de µ y o. De entre ellas, la más importante es aquella que tienen
media 0 y de desviación típica 1.

d) Los puntos de inflexión se encuentran en los puntos correspondientes a la media más/menos una desviación típica (µ ± o)

e) Cualquier combinación lineal de variables aleatorias normales se ajusta también al modelo normal.

La mayor parte del trabajo práctico con variables aleatorias normales consiste en hallar probabilidades asociadas a valores. Esto
significaría integrar la función de densidad entre los valores de interés. Para evitar tener que resolver este tipo de operaciones se han
construido tablas apropiadas con las áreas ya halladas y cuyo uso se basa en el teorema de tipificación. Según este teorema, la función de
distribución asociada a un valor de una variable aleatoria, X, con distribución normal, es la misma que la función de distribución de la
tipificada de ese valor en la normal unitaria. Para obtener las áreas asociadas a un valor de cualquier otra distribución normal basta con
tipificar ese valor y acudir con la z obtenida en la tabla correspondiente.

5
Puntaje Z:
Una puntuación típica es la puntuación diferencial (o desvíos respecto a la media) dividida por la desviación típica de ese grupo.
El valor z= 0 coincide con la media de la distribución y a ambos lados de la curva se distribuyen de manera simétrica los puntajes z (en
sentido positivo y 2 negativo)

Significado de las puntuaciones directas, diferenciales y típicas

Supóngase los grupos A y B tales que la sa=2 y sb=4.

Tienen la misma puntuación diferencial ─3; pero en un grupo, la variabilidad es menor que en el otro (por ejemplo, s=2 es menor en A
que en B donde s=4) significa más referida a “A que a B”, donde son pocos los que se apartan del promedio.
Esta interpretación la hacemos a partir de las puntuaciones típicas correspondientes.

De acuerdo a lo que venimos exponiendo:

a) la puntuación sola tiene muy poco significado en psicología;
b) admiten un cierto significado en relación con la medida de tendencia central;
c) éste es aún más completo consideradas en relación con la tendencia central (media) y con la variabilidad (desviación típica).
Es decir, las puntuaciones típicas significan más que las diferenciales y éstas más que las directas.

Puntuaciones típicas y curva normal

Características de la Curva Normal

a) Es una curva lisa, de bordes suavizados.
b) Es simétrica respecto al eje vertical que pasa por la media.
c) Tienen un único máximo que coincide con el valor z=0
d) Tienen dos puntos de inflexión para x μ-σ y para x = μ+σ. Donde la curva inflexiona, se encuentra 1 desviación estándar para cada
lado.
e) Se acercan asintóticamente al eje de las abscisas. En otras palabras se acercan más y más a ese eje, tanto por la derecha como por la
izquierda sin llegar a tocarla en ningún punto finito.
f) Sólo es posible aproximarse a la misma mediante distribuciones de frecuencia que comportan datos efectivos. Por eso, para cada pareja
de media y s hay una distribución normal que puede ser estandarizada a partir de la transformación de la variable X en un puntaje típico z.
g) En su forma estándar la media es 0 y todas las medidas se expresan como desvíos con respecto a la media (X-).
Se determina así la cantidad de desviaciones estándar que se desvía un valor con respecto a la media.

Estadística inferencial

GLOSARIO:
Inferencia: conclusión a la que se llega por razonamiento inductivo.
Estadística Inferencial: Parte de la estadística que engloba las estrategias que permiten inferir las propiedades de un conjunto
de datos (empíricos) al conjunto total de datos a los que representan (población)
Probabilidad teórica: número de veces en que se presenta un determinado acontecimiento / el total de resultados igualmente
probables.
La estadística actual es un conjunto de técnicas para resumir y transmitir información cuantitativa, también para hacer
inferencias, generalizaciones y extrapolaciones de un conjunto relativamente pequeño de datos.
La estadística proporciona las técnicas para describir la situación que estamos midiendo.
La estadística posee la peculiaridad de:
1. Ser ella misma una ciencia formal perteneciente a las matemáticas.
2. servir de instrumento metodológico para el desarrollo de otras ciencias ( psicología)
Procedimientos que permiten el análisis de datos,1, seleccionar datos, 2, caracterizarlos, 3 ,extraer conclusiones.
Análisis de datos: herramienta metodológica al servicio de la investigación empírica, permite la producción de conocimiento científico.

6
 La estadística permite analizar datos desde dos perspectivas diferentes e interrelacionadas
El estudio descriptivo realiza la descripción de los datos.
El estudio inferencial comienza con la descripción pero luego aborda la inferencia.
Inducción: consiste en inferir propiedades desde una muestra para una población, a partir de resultados conocidos.
La inducción estadística implica un pensamiento mucho más complejo qué el de la descriptiva.
Estadística inductiva: se basa en la teoría de la probabilidad, proporciona una base racional y matemática para efectuar inferencias e
inducciones. existen razones de orden práctico de Por qué es conveniente trabajar con menos casos y realizar inferencias. por ejemplo
cuando se le pide opinión a los sujetos sobre las elecciones, es suficiente para encuestar a una muestra representativa.
Estadística inferencial: consta de procedimientos qué permiten a partir de un conjunto reducido de datos establecer afirmaciones sobre
el conjunto total de los datos,
El valor que tengan nuestras inferencias estará condicionado a:
1. Calidad de las herramientas qué usemos para hacer este salto inductivo.
2. Parecido entre la población y muestra en la que nos apoyemos para establecer nuestras afirmaciones.
Es importante para realizar las inferencias seleccionar apropiadamente los datos que van a analizar para dar una buena base de
apoyo a la inferencia.
Para llegar a conclusiones válidas es necesario que la muestra sea representativa de la población, esto quiere decir seleccionar
muestras en las que hay garantía de que cualquier elemento de la población ha tenido la oportunidad de formar parte de ellas.
Objeto de la estadística inferencial: extraer conclusiones o conjeturas generales a partir de unos pocos datos particulares.
PARÁMETRO: Valor numérico que describe una característica de una población.
Por ejemplo: Describir numéricamente una característica de la población. Definir proporción de varones y mujeres en una población o el
coeficiente intelectual de los varones mayores de 30 años.
Valores numéricos como media, varianza, proporción, cuando se refieren a alguna característica poblacional reciben el nombre
de parámetros.
TIPOS DE PARÁMETROS:
1. Son en general, valores poblacionales desconocidos, las poblaciones son tan grandes que realmente se pueden acceder a ellas
en su totalidad. Impide el cálculo sobre el total de elementos.
2. Son valores numéricos constantes, pueden tomar un valor concreto cuando se define su población y su característica.
ESTADÍSTICO: valor numérico que describe una característica de una muestra. De los estadísticos nos vamos a servir para formarnos
una idea de los valores poblacionales desconocidos(parámetros).
Según las distintas combinaciones de muestras que extraigamos obtendremos un estadístico.
Mientras el parámetro es por lo general desconocido, el estadístico en cambio puede ser calculado concretamente.
Parámetro Estadístico

Valor poblacional Valor muestral

Desconocido Calculable, concreto

Constante Variable Aleatoria

Letras griegas letras latinas

La diferencia entre Parámetro y Estadístico es que el Parámetro es un valor numérico que describe características de la población,
suele ser desconocido, es constante ya que las poblaciones en general se mantienen invariables y está representado por letras griegas.
Mientras que un Estadístico es un valor numérico que describe características de la muestra, puede ser calculado concretamente, tiene
una variable aleatoria que depende de la muestra y está representada en letras latinas.
PROCESO ESTADÍSTICO INFERENCIAL:
PI: la realización de una inferencia estadística implica el pasaje de lo conocido a lo desconocido.
Su principal base se apoya en:
Teoría de la medición: Teoría de la probabilidad: Teoría del muestreo: Teoría de la
probabilidad:

Tiene por objeto de estudio los Se ocupa del estudio de Brinda herramientas útiles para Estudia los fenómenos
diferentes modelos que permiten fenómenos aleatorios, seleccionar muestras aleatorios y permite la
establecer reglas para una acontecimientos que se probabilísticas a partir de las evaluación de la
correcta asignación de números a manifiestan de dos o más cuales se iniciará el proceso ocurrencia de las
los hechos que pretenden medir. maneras pero cuya forma de inferencial. Implica la estimación diferentes formas de
Solo si la medición es correcta, presentación en una de las propiedades en cantidades presentación de los
tiene sentido el proceso situación particular no puede masivas de datos con una mismos.
inferencial posterior. ser pronosticado con certeza. precisión calculada a partir de
muestras probabilísticas.
Función inferencial de la estadística: surge de la confluencia de dos disciplinas, la teoría de la probabilidad y la estadística. La unión
en el siglo 19 dio lugar a una nueva ciencia interesada en estudiar cómo obtener conclusiones de la investigación empírica mediante el
uso de modelos matemáticos.
Importancia del muestreo aleatorio en el proceso inferencial: un estadístico no es un valor numérico constante sino una variable
aleatoria el valor concreto que tendrá será de acuerdo a los valores con los que se haya calculado. Al extraer aleatoriamente y con

7
reposición una muestra de tamaño n de una población de tamaño N, el primer elemento de esta muestra puede ser cualquiera al igual que
el segundo y el tercero.
Cada elemento de la muestra puede ser concebido como una variable aleatoria.
☆ si un estadístico es función de los n elementos de una muestra, y cada uno de esos elementos son variables aleatorias, un
estadístico será también una variable aleatoria.

MUESTREO: el proceso seguido para extraer una muestra de una población.

Puede ser probabilístico o no probabilístico:
1. Se conoce la probabilidad o puede calcularse la probabilidad asociada a cada una de las muestras que es posible extraer de una
población. Cada elemento poblacional tiene:
Problemas de los que se ocupa comúnmente la Estadística Inferencial: (2)
1. La Estimación de Parámetros: se intenta dar respuesta a la pregunta ¿Cuál es el valor de tal parámetro?. En la estimación de
parámetros utilizamos la información muestral para formarnos alguna idea sobre una propiedad de la población.
La estadística, con ayuda del cálculo de probabilidades, resuelve el problema de la estimación del valor de un parámetro a partir del valor
conocido de un estadístico.
Utilizamos la información muestral para comprobar si nuestra afirmación es compatible con ella.
2. El Contraste de Hipótesis: Se intenta dar respuesta a la pregunta: ¿Este valor que surge de mi muestra?. Establecemos una
afirmación sobre la población que intentamos comprobar a partir de la información muestral. Es el procedimiento estadístico que permite
establecer si una hipótesis científica es consistente con la información obtenida. Como todo proceso inferencial, requiere de muestras
probabilísticas a fin de extender los resultados hacia las poblaciones respectivas.
Ambas formas son equivalentes y nos permiten llegar a una misma conclusión.
La estadística implica el estudio de la regularidad en conjuntos de fenómenos naturales que se presentan de maneras diferentes y se
vincula con la teoría de la probabilidad.
La dispersión de los datos provenientes de la medición de variables psicológicas presenta cierta “regularidad” muy similar a la de los
fenómenos estudiados por la estadística. Es legítimo el uso de métodos estadísticos en el campo de la psicología.
Las conclusiones no deben rebasar el límite de la población motivo de estudio. Para lograr mayor generalización es necesario trabajar con
nuevas muestras que representen a otras poblaciones.
MUESTREO:
La primera etapa de todo investigación consiste en definir de modo preciso a las entidades sobre las que se van a observar ciertas
características, el conjunto de todas estás entidades se llama población.
GLOSARIO:
● Población objetivo: población sobre la cual se desea obtener información.
● Muestreo: procedimiento para seleccionar una muestra.
● Muestra: subconjunto de la población seleccionada de un marco a de varios marcos.
● Marco: listado completo de unidades de muestreo.
● Unidades de muestreo: elementos, o conjuntos de elementos, que cubren la población completa.
● Elementos: entidades en las cuales se toman las mediciones.

La primera etapa reside en la definición precisa de las entidades que componen el universo de los cuales se seleccionaron una pequeña
cantidad que formará nuestra muestra.
La información escrita que permite individualizar se llama ESQUEMA.

Tipos de muestreos: (2)

MUESTREO PROBABILÍSTICO: La aplicación de técnicas inferenciales permite conocer la precisión de los resultados. La elección
de los integrantes de la muestra no depende de la decisión de quien realiza un determinado estudio, sino de procedimientos basados en la
probabilidad.
Fenómeno aleatorio: hecho repetidamente observado en condiciones parecidas oscila en sus manifestaciones, por lo que su forma de
presentación en una situación particular no puede ser pronosticada con certeza.
Propiedades de la probabilidad: El valor de la probabilidad debe estar entre 0 y 1 inclusive.
La probabilidad es 0 si el evento no puede ocurrir,
La probabilidad es 1 si es probable que ocurra.
La suma de las probabilidades de todos los resultados posibles debe ser igual a la unidad.
Probabilidad Teórica: número de veces en el que se presenta un determinado acontecimiento dividido por el total de resultados
igualmente probables.
DENTRO DEL MUESTREO PROBABILÍSTICO HAY:

1. MUESTREO ALEATORIO SIMPLE: Permite obtener una muestra aleatoria. Aquellas en las que cada elemento de la
población tiene la misma probabilidad de estar incluido en la muestra elegida y también toda combinación de elementos tiene la misma
probabilidad. Este muestreo es práctico si la población no es muy grande y es relativamente fácil y barato encontrar las unidades.
Pasos para un muestreo:
● Definir la población y tamaño de la muestra.
● conseguir el listado
● Depurar el listado
● Confección del marco/codificación del listado.
● Elección de un instrumento de selección de códigos al azar.

8
2. MUESTREO SISTEMÁTICO: consiste en elegir los individuos de la muestra a intervalos sistemáticos del listado, intervalos
iguales a partir de un primer caso elegido según el método de los números aleatorios. Proporciona una opción Útil para el muestreo
aleatorio simple.
Recorremos simplemente la lista y tomamos cada tantas unidades una. Se establece un intervalo menor o igual que N/n, para fijar el
intervalo se divide el número de casos en la población por el número de elementos que se desea en la muestra.
Es útil cuando se dispone de una población listada de la que se desea obtener una muestra aleatoria homogéneamente distribuida a lo
largo de toda la lista.
Ejemplo: se divide la población en la muestra y para establecer el primer caso se lo hace con la tabla de números aleatorios. Al escoger el
primer número aleatorio se le va a sumar el resultado de la división y se irá extrayendo los casos hasta completar la cantidad para la
muestra.
Pasos:
● Definir la población y tamaño de la muestra.
● Conseguir el listado
● Depurar el listado
● Confección del marco /codificación del listado
● Establecer el sistema de elección
● Elección de un instrumento de Selección del código
● Selección del código

3. MUESTREO ESTRATIFICADO: si la población es muy heterogénea y las consideraciones de costo limitan el tamaño de la
muestra, conviene subdividir la población en estratos o grupos.
La muestra total es la suma de las sub muestras.
Debemos estar seguros de que las muestras de cada extracto sean independientes, de manera que las muestras elegidas en un estrato no
dependen del otro.
El tamaño de la submuestra puede o no ser proporcional al tamaño de los estratos de la población.
Muestreo estratificado proporcional: debe incluir en cada estrato la misma proporción que hay en la población.
Pasos:
1. Se define la población y el tamaño de la muestra
2. Conseguir el listado de toda la población.
3. Depurar la lista.
4.Determinar los estratos y codificarlos.
5. Selección del instrumento.
6. Selección de dígitos en la tabla aleatoria.
7. Selección aleatoria de códigos para cada estrato.

4. MUESTREO POR CONGLOMERADOS: procedimiento que se emplea frecuentemente en ciencias sociales.

No se eligen los elementos, sino que se extrae aleatoriamente uno o más conglomerados, estos conglomerados deben ser homogéneos
entre sí.
Muestreo por conglomerado en una etapa: el investigador decide seleccionar al azar simple dos escuelas.
Pasos:
● Definir la población y tamaño de la muestra
● Determinar conglomerados
● Confección de Marco de conglomerados
● Elección de un instrumento de selección de código
● Selección de código.

Muestreo por conglomerados en dos etapas: es conveniente cuando los conglomerados tienen muchos elementos.
Pasos:
● Aplicar algún otro muestreo según lo requiera necesite para la investigación
● Según el muestreo que tome aplico todos los datos que requieran

MUESTREO NO PROBABILÍSTICO: el investigador recurre a muestras conformadas según su propio criterio. En este estudio se
carecerá de una teoría estadística para determinar la precisión de los mismos.
TIPOS DE MUESTREO NO PROBABILÍSTICO:

Muestreo accidental Muestreo por cuotas Muestreo deliberado

Se elige un grupo accidental de Se determinan subgrupos y se Se elige intencionalmente a los

personas establecen cuotas para el número de participantes.
Ej: en un estudio se entrevista personas que habrán de incluirse en Ej: se encuesta a expertos sobre el
jóvenes que están reunidos en un cada uno de estos a partir de un tema del cual sé quiere investigar.
determinado lugar. muestreo no probabilístico.

Pasos para calcular el intervalo de confianza:

9
1. Cuándo se desconoce Sigma en muestras grandes ( mayores o igual a 30)
A. establecer el nivel de confianza (0,95 o 0,99 )
B. Calcular el error estándar estimado de la distribución de muestreo de medias, que es igual a S sobre raíz cuadrada de n.
C. Determinar el valor de Z Qué delimita el área de distribución muestral de medias Asociada con la probabilidad del nivel de confianza
establecido.
D. Se calcula el error máximo Qué es igual a Z por el error estándar.
E. Determinar el límite inferior y el límite superior.
F. Establecer el intervalo de confianza entre esos dos valores.

Prueba de hipótesis

Procedimiento:
1. formular la hipótesis de nulidad ( Ho) Y la hipótesis alterna (H1, Ha, Hi)
2. Elegir la prueba estadística con su correspondiente modelo muestral para rechazar o no la Ho
3. Determinar el nivel de significación Alfa, los tipos de error, el tamaño de la muestra, la curva operatoria característica y la curva
de potencia.
4. Hallar la distribución muestral de la prueba estadística para la Ho.
5. definir sobre la base de los puntos 2, 3 y 4 la Zona de rechazo.
6. calcular el valor del estadístico utilizando los datos de la muestra. Si el valor está dentro de la zona de rechazo, la decisión es
que la Ho debe rechazarse para el nivel de significación elegido.

La hipótesis nula e hipótesis alternativa:

El objetivo de una prueba estadística de hipótesis es determinar si un supuesto sobre alguna característica de la población, Está
ampliamente respaldados por la información obtenida a través de datos muestrales.
La Ho es la hipótesis qué mantendremos a menos que los datos nos indiquen lo contrario, y nos digan qué la Ho es falsa.

10