Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/334469565
CITATION READS
1 2,218
1 author:
Díaz Tito
University of Information Sciences
36 PUBLICATIONS 18 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Integration of information technologies into teaching and learning in higher education View project
All content following this page was uploaded by Díaz Tito on 15 July 2019.
CURSO CORTO
RELME 33
UNIVERSIDAD DE LAS
CIENCIAS INFORMÁTICAS
CUBA 2019
Índice
Contenido Página
Prólogo 3
1. Investigación educativa. Introducción a la Metodología de la 4
Investigación. Variables en la investigación, tipos y escala de
medición
1.1 Investigación Educativa 4
1.2 Introducción a la Metodología de la Investigación Educativa 7
1.2.1 Algunas clasificaciones de las investigaciones científicas 7
1.2.2 Pasos en la investigación educativa 11
1.3 Variables en la investigación, tipos y escala de medición 14
1.3.1 Variables en la investigación 14
1.3.2 Escalas de medición 17
1.3.3 Operacionalización de las variables de significado complejo o 20
constructos
2. Nociones de Probabilidades y Estadística. Estadística y Método 22
Estadístico. Estadística Descriptiva y Estadística Inferencial. Muestreo
2.1 Nociones de Probabilidades 22
2.1.1 Probabilidades y variables discretas. Distribución Uniforme. 26
Distribución Binomial
2.1.1.1 Definiciones de Probabilidad 30
2.1.1.2 Distribución Binomial 31
2.1.2 Probabilidades y variables continuas. Distribuciones Normal, t de 33
Student y Ji (Chi) Cuadrado
2.1.2.1 Distribuciones Normal y t de Student 34
2.1.2.2 Distribuciones Ji (Chi) Cuadrado 40
2.2 Estadística, Método Estadístico y Tipos de Muestreo 41
2.2.1 Estadística y Método Estadístico 41
1
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
2
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Prólogo
Índice
3
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
4
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
5
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
6
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
II. Grado de profundidad del estudio a llevarse a cabo, de las más elementales a
las de mayor alcance respecto a las posibles respuestas a dar (según la
profundidad o alcance previsto, la complejidad esperada): Observacionales,
7
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 1
Ejemplo 2
Ejemplo 3
Cabe puntualizar que las investigaciones educativas más frecuentes son las de
paradigma mixto.
Ejemplo 4
Si la variable bajo estudio cambia en el orden de los años, como ocurre con
las teorías del aprendizaje, la investigación puede llevarse a cabo digamos,
durante varios meses y hasta más de un año, y sería una investigación
8
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 5
Ejemplo 6
9
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
10
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
11
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
12
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Marco
contextual
Presentación de la
problemática
Conclusiones y (Planteamiento del
Problema -
Recomendaciones Justificación - Marco
teórico de referencia
- Objetivos )
Método (Características de la
investigación - Hipótesis -
Participantes - Ambiente -
Variables / Categorías de
Resultados investigación - Instrumentos y
Técnicas - Diseño de
investigación - Procedimiento)
Índice
13
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Entorno de
1 Cualitativa x
influencias
2 Sabor Cualitativa x
Grado de
3 Cualitativa x
entretenimiento
4 Nivel de interés Cualitativa x
5 Número de hijos Cuantitativa x
Afinidad al
6 Cualitativa x
carácter de otro
7 Estatura Cuantitativa x
Tiempo
transcurrido
8 Cuantitativa x
realizando una
evaluación
Año escolar que
9 Cuantitativa x
se está cursando
Calificación
10 obtenida en una Cuantitativa x
asignatura
Otros autores como Newbold, Carlson, & Thorne (2008), a las variables
cualitativas le denominan categóricas y lo asocian a que estas producen
respuestas que pertenecen a grupos o categorías, lo cual es equivalente a lo
expresado en el presente documento para tales variables. Especifican dichos
14
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
autores que una variable numérica continua puede tomar cualquier valor de un
intervalo dado de números reales y normalmente proviene de un proceso de
medición (no de recuento) y que en todos los casos, el valor podría desviarse
dentro de un cierto margen, dependiendo de la precisión del instrumento de
medición utilizado.
15
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Por su parte, las Cuantitativas pueden ser Continuas (p.e. tiempo transcurrido
desde el inicio de una actividad evaluativa) o Discretas (p.e. Cantidad de clases
de una asignatura específica en una semana)
16
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
Las dos escalas propias de variables cuantitativas son: 1. Escala de intervalo (se
caracteriza por la invariabilidad de las longitudes de dos intervalos cualesquiera,
bajo un cambio de escala del tipo y= ax + b). Y, 2. Escala de razón (similar a la de
intervalo, pero respecto a la transformación y= ax. La mayor diferencia entre
ambas escalas consiste en que en la primera el cero es relativo, mientras que en
la segunda es absoluto. Ejemplos de ambos tipos de escalas se encuentran en las
utilizadas para medir la variable Temperatura; Las escalas Celsius y Fahrenheit
son de intervalo, y sus ceros se establecieron de forma relativa, a partir del punto
de congelación del agua para la Celsius, y de una disolución saturada de sal
común en agua en la Farenheit. Para convertir de Celsius a Farenheit se emplea
ºF = 9/5 ºC + 32. Mientras que la escala Kelvin es de razón, pues se estableció a
partir de la existencia de un cero absoluto calculado experimentalmente
(aproximadamente -273 ºC).
17
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ser exhaustivas, o sea, cubrir todos los casos que pudieran existir. Y, 3. Las
categorías deben precisarse lo suficiente, como para ser medidas.
18
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 1
a. Clasifique la variable en las diferentes variantes con las que podría asumirse.
Aprecie que falta la denominación del intervalo de la extrema izquierda y su
valor de área bajo la curva, y un valor dentro de uno de los paréntesis,
¡complételos!
Coeficiente de
Inteligencia
estandarizado
(Z)
Figura 2. Coeficiente de inteligencia (Tomada de: (Tomado de:
https://sites.google.com/site/estadisticadescriptivaenedu/4o-sem-estadistica-
aplicada-a-la-investigacion-educativa )
Nota: El autor del presente documento, al igual que muchos otros profesionales,
estima que asumir mecánicamente el alcance del significado del coeficiente
de inteligencia para encasillar a las personas, es cuestionable. Sin
embargo, considerándolo a modo de diagnóstico resulta una información de
valor.
19
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Existen variables con distintos niveles de complejidad; las sencillas no hay que
operacionalizarlas, sus valores se recopilan directamente como lo son las
calificaciones resultantes en una evaluación, las horas de inasistencia de un
estudiante a las clases de una asignatura, los años de experiencia en la docencia
de un profesor, etc. Es suficiente identificar el tipo de variable y la correspondiente
escala de medición a utilizar. Otra situación tiene lugar con las que no resultan
sencillas de medir; a estas se les denominan Constructos, término proveniente
de la sicología en la que son tratadas como entidades hipotéticas de difícil
definición dentro de alguna teoría científica. Un constructo es algo que nos
encontramos, pero cuya definición es difícil o controvertida, es un fenómeno
no tangible que mediante un proceso particular de operacionalización se convierte
en una variable que puede ser medida y estudiada.
20
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Los autores desglosan sus conclusiones por las dimensiones asumidas. De las
dos primeras expresan: "En cuanto a expectativa de rendimiento, los jóvenes
encuestados consideraron que no existe mucha relación entre el uso de redes
sociales y una posible utilidad y eficiencia en su vida, o en su rendimiento
académico. Y en consideración a expectativa de esfuerzo los jóvenes percibieron
las redes sociales muy fáciles de usar, y que poseen gran habilidad en su
manejo".
Dimensiones Indicadores
1. El uso de redes sociales aumenta mis posibilidades de
lograr cosas que son importantes para mí
2. El uso de redes sociales me ayuda a lograr cosas más
Expectativa de rápidamente
rendimiento 3. El uso de redes sociales me ayuda a lograr cosas más
rápidamente
4. El uso de redes sociales aumenta mi rendimiento escolar
5. El uso de redes sociales aumenta mi productividad
6. Aprender a usar las nuevas redes sociales es fácil para mí
7. Mi interacción con las redes sociales es clara y
Expectativa de
comprensible
esfuerzo
8. Encuentro las redes sociales fáciles de usar
9. Es fácil para mí ser hábil en el uso de redes sociales
10. Las personas que son importantes para mí piensan que
debo usar
redes sociales
Influencia
11. Las personas que influyen en mi comportamiento piensan
social
que debo usar redes sociales
12. Personas cuyas opiniones valoro, prefieren que utilice
redes sociales
13. Tengo los recursos necesarios para usar redes sociales
14. Tengo el conocimiento necesario para utilizar redes
sociales
Condiciones
15. Las redes sociales son compatibles con otra tecnología
facilitadoras
que utilizo
16. Puedo obtener ayuda de otros cuando tengo algún
problema con redes sociales
17. Usar redes sociales es divertido
Motivación
18. El uso de redes sociales es agradable
Hedónica
19. El uso de redes sociales me entretiene mucho
20. El uso de redes sociales se ha convertido en un hábito para
Hábito mí
21. Soy adicto al uso de redes sociales
21
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 2
Índice
La teoría de las probabilidades tiene sus inicios al principio del siglo XVII y su
surgimiento está relacionado a los diferentes juegos al azar de la época, es de
señalar que durante mucho tiempo estos juegos fue la única motivación para el
desarrollo de los conceptos y métodos de la teoría de las probabilidades
destacándose algunos matemáticos de la época tales como: Fermat, Pascal,
Bernoulli, etc. Hoy en día su aplicación abarca diversas disciplinas tales como la
física, la biología, la psicología, la teoría de la información, la informática, etc.
22
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
La teoría de las probabilidades estudia las leyes que rigen ciertos tipos de
fenómenos naturales o como resultado de experimentos realizados por el hombre,
llamados fenómenos, sucesos, eventos o experimentos aleatorios. En estos no se
pueden predecir los resultados posibles; es decir, aunque tengan lugar en
igualdad de condiciones, en cada ocasión que ocurran los resultados pueden ser
diferentes.
Ejemplo 7
Ejemplo 8
Un profesor que muestre empatía por sus estudiantes y que tenga buenos
métodos de enseñanza, tiene mayores probabilidades de que sus estudiantes
alcancen buenos resultados, que otro profesor que no se distinga por estos dos
aspectos. Como variable se tendría la unión de Cualidades y Desempeño,
cualitativa dicotómica ordinal, y los resultados posibles
Ejemplo 9
Como Director de una Escuela que tiene que decidir sobre un nuevo miembro del
claustro entre varios Docentes que aspiran a la plaza, Usted estaría considerando
con menos probabilidades a aquellos candidatos que poseen en su historial
cualidades de ausentistas injustificados. En este ejemplo se puede definir como
variable aleatoria a la Decisión (Cualitativa dicotómica y ordinal) y los resultados
posibles son los Si o No para cada candidato.
23
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 10
3- Asiste 3 días
2- Asiste 2 días
Ejemplo 11
Para el mismo entorno del ejemplo anterior, una variable aleatoria continua sería
El Tiempo que dicho estudiante permanece en la escuela determinado día. Dado
que el tiempo es por su esencia una variable continua, los valores posibles (en
horas) estarían definidos cuando más, por los infinitos valores
correspondientes al intervalo X ∈ [0, 24]. En este caso, para proseguir con los
cálculos deseados de probabilidad se podría utilizar, por ejemplo, la Distribución
Normal de probabilidades, que se presenta más adelante.
Ejercicio 3
24
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
obtienen de las variables aleatorias bajo estudio, no siempre son los mismos. Los
5 ejemplos anteriores cumplen con lo de naturaleza aleatoria (El número de días
que en una semana - de 5 días con clases - un estudiante estaría asistiendo a la
escuela. Y El Tiempo que dicho estudiante permanece en la escuela determinado
día).
Un muy preciado beneficio es que, una vez que se pruebe estadísticamente que
una variable aleatoria particular sigue el comportamiento de determinado modelo
teórico de probabilidades, todas las propiedades de dicho modelo teórico que se
definen detalladamente en la literatura, pasan a ser de inmediato comportamientos
25
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
Veinte muestras de tamaño 𝑛 = 1, pueden como máximo ser extraídas del grupo
de 20 estudiantes, las que en su conjunto constituyen la población (N= 20), como
se dijo antes. No es obvio decir cuántas muestras de tamaño 2, 3, 4, 5 o más (𝑛 ≤
𝑁) pueden sacarse del grupo anterior. La respuesta se obtiene de:
𝑁 𝑁!
El coeficiente binomial 𝐶(𝑛, 𝑁) = ( ) = 𝑛!(𝑁−𝑛)!permite obtener el número
𝑛
de subconjuntos de n elementos escogidos de un conjunto con N
elementos.
26
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 4
Cambiemos a N=5, {A,B,C,D,E}, y n=2. Complete en el cuadro siguiente, las respuestas a las
interrogantes y el cálculo de las fórmulas de abajo:
A,B A, C A, D A, E
B, C B, D B, E
Ejemplo 12
Los cálculos de los resultados del Coeficiente Binomial usualmente se obtienen
directamente por funciones suministradas en calculadoras y software. En el caso
del EXCEL está disponible la función COMBINAT(N, x), donde:
N – número de repeticiones
x – cantidad de éxitos en n repeticiones
A continuación se muestran los resultados de los cálculos en EXCEL
considerando N= 5 para valores de x desde 0 hasta 5:
x 0 1 2 3 4 5
COMBINAT(5,x) 1 5 10 10 5 1
27
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 5
Usted debe haber notado que para eventos independientes (𝑥𝑖 ) simples, como lo
son las calificaciones a obtener en una evaluación, se cumple:
Ejemplo 13
Ejemplo 14
28
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 15
Ejemplo 16
Eventos compuestos son los que incluyen más de un evento simple, como el del
ejercicio 4, P(Notable o Excelente)= P(Notable) + P(Excelente)= 0,25 + 0,25= 0,5.
Ejercicio 6
29
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
𝒉
𝑷 = 𝑷𝒓𝒐𝒃{𝒙𝒊 } =
𝑵
Ejemplo 17
Utilizando la fórmula de la definición anterior, y para una semana escolar con
actividades de lunes a viernes, los siguientes cálculos resultan válidos para
cualquier semana escolar:
Probabilidad que un día de clases seleccionado aleatoriamente en esa
semana, sea lunes,
𝑃(𝑙𝑢𝑛𝑒𝑠) = 1/5
Probabilidad de que un día de clases seleccionado aleatoriamente, no sea
ni lunes ni viernes,
𝑃(𝑛𝑜 𝑙𝑢𝑛𝑒𝑠 𝑛𝑖 𝑣𝑖𝑒𝑟𝑛𝑒𝑠) = 3/5
30
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Debe tenerse muy presente la elección de éxito o fracaso para realizar los
cálculos necesarios y hacer la posterior conclusión respecto al enunciado original
que corresponda al problema que se esté solucionando; una u otra selección sería
para tomar el camino más sencillo en los cálculos necesarios, si fuese este un
requisito.
𝑋~ 𝐵(𝑛, 𝑝)
31
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
𝑛
𝑓𝑝𝐵 = ( ) 𝑝𝑘 𝑞 𝑛−𝑘 y𝑓𝑑𝑝 = ∑𝑘𝑖=0 𝑓𝑝𝐵 𝑖
𝑘
Ejercicio 7
Solución:
a. PSuspenso= 0,4 (Por dato)
b. PAprobado= PAprovechado (0,3) + PNotable (0,2) + PExcelente (0,1)= 0,6
Aprecie que se cumple la condición establecida antes de p + q= 1
c. Tomando "éxito" que un estudiante apruebe, p= 0,6 y q= 1 − 0,6 = 0,4
Función de
distribución
Función de distribución de probabilidad, acumulativa de
k 𝑛 probabilidad,
𝑓𝑝𝐵 = ( ) 𝑝𝑘 𝑞 𝑛−𝑘 𝑘
𝑘
∑ 𝑓𝑝𝐵 𝑖
𝑖=0
5 5!
0 ( ) 0,60 ∗ 0,45−0 = ∗ 0,60 ∗ 0,45−0 = 0.01024 0.01024
0 0!(5−0)!
5 5!
1 ( ) 0,61 ∗ 0,45−1 = ∗ 0,61 ∗ 0,45−1 = 0.0768 0.08704
1 1!(5−1)!
5 5!
2 ( ) 0,62 ∗ 0,45−2 = ∗ 0,62 ∗ 0,43 = 0.2304 0.31744
2 2!(5−2)!
5 5!
3 ( ) 0,63 ∗ 0,45−3 = ∗ 0,63 ∗ 0,42 = 0.3456 0.66304
3 3!(5−3)!
5 5!
4 ( ) 0,64 ∗ 0,45−4 = ∗ 0,64 ∗ 0,41 = 0.2592 0.92224
4 4!(5−4)!
5 5!
5 ( ) 0,65 ∗ 0,45−5 = ∗ 0,65 ∗ 0,40 = 0.07776 1.00000
5 5!(5−5)!
32
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Las variables continuas son aquellas que pueden tomar todos los infinitos valores
existentes entre dos de estos.
Ejemplo 17
Ejemplo 18
En la expresión anterior con valores esperados de 10 ± 6 min, (intervalo cerrado
de 4 a 16), se tienen implícitos media poblacional 𝜇 = 10 min. y semiamplitud 3
veces la desviación estándar poblacional, 3𝜎 = 6 min., o sea, 𝜎 = 2 min. Se trata
de un evento en el que se considera que la precisión es suficiente registrando las
mediciones de tiempo aproximándolas a minutos.
Fin del Ejemplo 18
Ejemplo 19
33
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
34
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
1 𝑥−𝜇 2
1 − ( )
𝑓(𝑥) = 𝜎√2𝜋 𝑒 2 𝜎 para −∞ < 𝑥 < ∞
35
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
𝑥−𝜇
La estandarización de los valores de la variable aleatoria X a partir de 𝑍 = tiene
𝜎
la notable connotación de transformar la variable original, cualquiera que esta sea,
a una adimensional, de parámetros media y desviación estándar 𝜇 = 0 𝑦 𝜎 = 1
como se dijo antes.
𝐶
En la Tabla 3 se muestran varios cálculos de 𝑍, 𝑓(𝑍) 𝑦 ∫0 𝑓(𝑍)𝑑𝑍 para un
ejemplo de la variable original Calificación [𝜇𝐶 = 7, 𝜎𝐶 = 1], suponiendo que se
utiliza una escala de valor máximo 10.
36
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Distribución Normal
𝐶𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 − 7 1 1
− (𝑍)2 Estandarizada
Calificación 𝑍= 𝑓(𝑍) = 𝑒 2
1 √2𝜋 Acumulativa
(DISTR.NORM.ESTAND(Z))
4 -3 0.004 0.001
4.5 -2.5 0.018 0.006
5 -2 0.054 0.023
5.5 -1.5 0.130 0.067
6 -1 0.242 0.159
6.5 -0.5 0.352 0.309
7 0 0.399 0.500
7.5 0.5 0.352 0.691
8 1 0.242 0.841
8.5 1.5 0.130 0.933
9 2 0.054 0.977
9.5 2.5 0.018 0.994
10 3 0.004 1.000-
∝ (𝑝 = 1−∝) 𝒁𝒄
0.05 (𝑝 = 0.95) 1.645
0.025(𝑝 = 0.975) 1.960
0.01(𝑝 = 0.99) 2.495
37
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 8
Este ejercicio se relaciona con el 1. Complete la Tabla de los intervalos de más
abajo, apoyándose en la información dada a continuación y recordando que
∞
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑐𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑣𝑎, ∫ 𝑓(𝑥)𝑑𝑥 = 1
−∞
DISTR.NORM.ESTAND()
Coef. de intelig. Z (Prob acumulativa)
55 -3 0.0013
70 -2 0.0228
85 -1 0.1587
100 0 0.5000
115 1 0.8413
130 2 0.9772
145 3 0.9987
38
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
Distribución t de Student
Tiene su origen en el problema de estimar la media de una población normalmente
distribuida cuando el tamaño de la muestra es pequeño, aunque puede utilizase
también para muestras grandes (𝑛 ≥ 30), caso en cuyo comportamiento tiende
cada vez más al de la Distribución Normal.
Dada Z una variable aleatoria normal estándar y V una variable aleatoria chi
cuadrada con ν grados de libertad y considerando Z y V independientes, la
𝑍
distribución de la variable aleatoria T, definida a partir de 𝑇 = 𝑉
, posee el modelo
√
ν
ν+1 −(ν+1)
𝛤[ ] 𝑡2 2
2
ℎ(𝑡) = ν (1 + ) , −∞ <𝑡 < ∞
𝛤( )√𝜋ν ν
2
Más adelante se estarán calculando los grados de libertad a partir del tamaño de
muestra, según:
ν=n−1
39
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Distribución
Normal
Índice
1 𝜈 𝜈
𝜈 𝑥 2−1 𝑒 −2 , 𝑥>0
𝑓(𝑥, 𝝂) = { 22 𝛤(𝜈)
2
0, 𝑥≤0
40
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
41
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
42
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Elaboración o
procesamiento
Planificación de de los datos
la investigación recogidos
Recolección Análisis e
de la interpretación
información
43
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 20
En una investigación en la Universidad de las Ciencias Informáticas, en
dependencia del estudio que se vaya a realizar (digamos, resultados docentes en
Matemática I), pueden tener lugar entre otras algunas de las situaciones
siguientes:
44
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Variante 1 Variante 2
POBLACIÓN
POBLACIÓN
Total de estudiantes de los grupos
Todos los estudiantes de atendidos por uno de los profesores
primer año (alrededor de conferencistas (usualmente entre dos y 6
mil alumnos) grupos de alrededor de 20 estudiantes
cada uno)
MUESTRA MUESTRA
Cualquier subconjunto de Determinada fracción del total de
estudiantes tomados de la estudiantes de ese profesor (garantizando
Población representatividad de cada grupo aludido)
Índice
45
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
46
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
- Las condiciones que deben reunir los individuos que se estudian y los
procedimientos más convenientes para su elección.
- El diseño de formularios exhaustivos que servirán para registrar la
información.
Ejemplo 21
47
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 9
Tipos de muestreo
atendiendo o no al uso
de las probabilidades
48
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
2.2.3 Factores que deben tenerse en cuenta para obtener una buena
muestra:
I. El tamaño de la muestra
49
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
\Índice
Para que las conclusiones deducidas a partir de los resultados obtenidos de una
muestra sean válidas, lo primero que debe tenerse en cuenta es el método o
procedimiento de elegir la muestra, de manera que la selección no esté permeada
por el criterio personal del investigador o preferencias profesionales de diversa
índole; además, el proceso de selección debe ser comparable con un experimento
aleatorio (Cada vez que se repite bajo las mismas condiciones, existen factores
del azar que causan variaciones en los resultados de los valores de las variables
observadas). Es en esas circunstancias que se elige obtener una muestra
aleatoria. Los tres tipos de muestreo probabilístico más utilizados son: muestreos
aleatorio simple, estratificado y por conglomerados.
I. Muestreo Aleatorio Simple (MAS)
Este muestreo constituye el enfoque más directo para obtener una muestra
probabilística. Es aplicable cuando la población tiene poca variabilidad en los
valores de las variables principales objeto de estudio, es decir, cuando hay un
comportamiento más o menos uniforme de las características principales que se
desean estudiar en toda la población.
50
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
5. Extraer la muestra que estará integrada por cada uno de los elementos de la
población que correspondan a los números aleatorios determinados con
antelación.
Ejemplo 21
Ejemplo 22
Solución:
1. Aquí ya es dato el tamaño de la población, N=19.
2. Asimismo, ya es un dato el tamaño de la muestra, n= 5
3. Se numera la población. En este caso es usual la existencia de un registro de
asistencia en el que, por orden alfabético del primer apellido, ya estén los
nombres de todos los alumnos.
4. Se seleccionan por algún procedimiento apropiado, tantos números aleatorios
como tamaño de muestra se requiera. Por ejemplo, con el EXCEL pondría en
una celda =ALEATORIO.ENTRE(1,19), y desplazando por 5 celdas se
obtuvieron los números 8, 9, 5, 19 y 1
5. Se procede al estudio en cuestión con los cinco alumnos cuyos nombres se
corresponden en el listado con los cinco números aleatorios determinados
antes
51
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 23
𝑖=6
𝑡𝑜.
N𝑡𝑜𝑡𝑎𝑙 = ∑𝑖=𝑃𝑟𝑒𝑒𝑠𝑐𝑜𝑙𝑎𝑟 N𝑖 =N𝑃𝑟𝑒𝑒𝑠𝑐𝑜𝑙𝑎𝑟 + N1𝑟𝑜. + N2𝑑𝑜. + N3𝑟𝑜. + N4𝑡𝑜. + N5𝑡𝑜. + N6𝑡𝑜. = 700
𝑖=6
𝑡𝑜.
𝑛𝑡𝑜𝑡𝑎𝑙 = ∑𝑖=𝑃𝑟𝑒𝑒𝑠𝑐𝑜𝑙𝑎𝑟 𝑛𝑖 = npreescolar + 𝑛1𝑟𝑜. + 𝑛2𝑑𝑜. + 𝑛3𝑟𝑜. +𝑛4𝑡𝑜. + 𝑛5𝑡𝑜. + 𝑛6𝑡𝑜. )=147.
52
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Para definir los 21 alumnos de cada nivel se numera previamente a los 100 del
mismo; por alguna vía obtiene 21 números aleatorios en el intervalo [1, 100]
(puede hacerlo en EXCEL auxiliándose de la función
=ALEATORIO.ENTRE(inferior, superior) y pasan a integrar la muestra de dicho
nivel aquellos alumnos que se corresponden con los números aleatorios obtenidos
para el nivel en cuestión (Nota: Debe obtener para cada nivel 21 nuevos números
aleatorios, alguno pudiera coincidir)
Las fórmulas de trabajo a utilizar cuando el tamaño de los estratos sea diferente y
también pueda serlo la cantidad de elementos a seleccionar de cada estrato, para
integrar la muestra total, son:
1. Identificar el tamaño de la población N, la cantidad de estratos K y el tamaño Nj
de cada uno (Note que para K estratos, 𝑁 = 𝑁1 + 𝑁2 + ⋯ + 𝑁𝐾 )
2. Calcular el tamaño de muestra total 𝑛
3. Hallar proporcionalmente el tamaño de la muestra 𝑛𝑗 de cada estrato, por
medio de asignación proporcional, es decir:
Nj
Peso relativo de cada estrato: p j
N
Tamaño de muestra a obtener de cada estrato: 𝑛𝑗 = 𝑝𝑗 ∗ 𝑛, para 𝑗 = 1, 𝐾
Índice
Ejercicio 10
Enlace con segmentos de recta el tipo de muestreo que aplicaría en los ejemplos
de investigaciones relacionadas a continuación y complete las celdas en blanco de
la primera columna con dos nuevos ejemplos:
53
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Tipos de
Ejemplos muestreo
aleatorio
Estado de tranquilidad social del lugar de
residencia del alumno
Horas dedicadas a ver televisión de los alumnos Simple
de los 3 grupos existentes de 5to. Grado en una
escuela
Años de experiencia docente de los profesores
de una escuela
Nivel de conocimientos de Historia de los Estratificado
alumnos en una escuela
Por
Conglomerados
El nivel de atención de los alumnos durante una clase, es también una variable
continua y de carácter aleatorio.
El muestreo sistemático solo se realiza en los procesos continuos de naturaleza
aleatoria.
54
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 24
55
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
RAZÓN (R): Sean los datos A y B que cumplen que A no está contenido en B (no
tienen elementos comunes). La razón es la relación A/B. Puede tomar valores
mayores de 1.
PROPORCIÓN (P).- Sean los datos A y A+B, para los cuales se establece la
relación: A/(A+B). Observe que A está presente también en el denominador. Se
cumple que 0 ≤ 𝑃 ≤ 1.
56
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Parámetro Muestra
Población (tamaño N)
(Estadístico) (tamaño n)
Media (promedio
aritmético), ∑𝑁
𝑖=1 𝑥𝑖 ∑𝑛𝑖=1 𝑥𝑖
medida de 𝜇= 𝑥̅ =
𝑁 𝑛
tendencia central
Ordenado previamente en
orden ascendente (o
descendente) los valores, se
toma el que ocupa la posición
Idem al procedimiento de
Mediana intermedia si el total es impar,
la población
o la semisuma de los que
ocupan las posiciones
alrededor de la intermedia si el
total de valores es de orden par
Valor que más se repite
Idem a la población, en
Moda (pueden existir más de una
los valores de la muestra
Moda)
Varianza (medida ∑𝑁𝑖=1(𝑥𝑖 − 𝜇)
2 ∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
de dispersión) 𝜎 2
= 𝑠2 =
𝑁 𝑛−1
Desviación
estándar o típica 𝜎 = √𝜎 2 𝑠 = √𝑠 2
Coeficiente de 𝜎 𝑠
𝐶𝑉 = ∗ 100 𝐶𝑉(%) = ∗ 100
variación, CV (%) 𝜇 𝑥̅
𝑅𝑃𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 = 𝑉𝑎𝑙𝑜𝑟 𝑚𝑎𝑦𝑜𝑟 Idem a la población, con
Rango
− 𝑉𝑎𝑙𝑜𝑟 𝑚𝑒𝑛𝑜𝑟 los valores de la muestra
Nota: Todos los parámetros muestrales (𝑥̅ , Mediana, Moda, 𝑠 2 y 𝑠), son
estimadores puntuales de los respectivos parámetros poblacionales 𝜇,
Mediana, Moda, 𝜎 2 y 𝜎.
Ejemplo 25
57
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Solución:
9 9
𝑅𝑂𝐶 = = 1.125~ 1.1 𝑦 𝑃𝑂𝐶 = = 0.529~ 0.5
8 17
Ejemplo 26
4; 3; 4; 2; 5; 3; 3; 2; 2; 3; 3; 5; 2; 2, 3; 3 y 4
Solución:
Media aritmética
4 + 3 + 4 + 2 + 5 + 3 + 3 + 2 + 2 + 3 + 3 + 5 + 2 + 2 + 3 + 3 + 4 53
𝑥̅ = = ~ 3.1−
17 17
Mediana
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
2 2 2 2 2 3 3 3 3 3 3 3 4 4 4 5 5
58
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
resultan o están por debajo de 3. Asimismo, que la mitad de los valores son
o están por encima de 3. El valor de calificación 3 es una medida de
tendencia central del conjunto de datos primarios utilizados.
Moda
Varianza
Desviación estándar
Rango
𝑅𝑎𝑛𝑔𝑜 = 5 − 2 = 3
59
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Estadísticos descriptivos
N válido (según
17
lista)
Índice
60
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
61
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 27
(1;1) x 1
(1;2) x 1,5
(1;3) x2
(2;1) x 1,5
(2;2) x2
(2;3) x 2,5
(3;1) x2
( 3; 2 ) x 2,5
(3;3) x3
62
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
x
El valor x , que representa la desviación estándar del modelo de 𝑋̅, en otras
n
palabras, la desviación teórica que tienen los valores de 𝑋̅ con respecto a la
media x , se conoce también con el nombre de error estándar de 𝑋̅, se le denota
𝑠
por EE 𝑋̅ y se estima puntualmente por medio de la expresión 𝐸𝐸𝑋̅ = .
√𝑛
Índice
63
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
𝑥̅ → 𝜇; 𝑠 2 → 𝜎 2 ; 𝑠 → 𝜎; … ; 𝑅̂ → 𝑅 𝑦 𝑃̂ → 𝑃
Existen propiedades que todo estimador debe cumplir, las cuales son:
Insesgado: Cuando el valor que se espera del estimador, coincide con el valor
del parámetro.
Eficiente: Dado dos estimadores insesgados de un mismo parámetro, se
considera el más eficiente al que tiene menor varianza.
Consistente: Si a medida que aumenta el tamaño de la muestra, sucede quela
probabilidad de que la estimación sea el verdadero valor del parámetro tiende a
uno.
Suficiente: Cuando emplea toda la información que existe en la muestra.
64
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
x Z xZ (Utilizando la Distribución Normal)
1
2
n 1
2
n
s s
x t
x t
(Utilizando la Distribución t de Student)
1
2
; n 1
n 1
2
; n 1
n
Ejemplo 28
Solución:
=DISTR.NORM.ESTAND.INV(0.975)= 1.96
s s
x Z xZ
1
2
n 1
2
n
65
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
0,8 0,8
7,41,96 7,41,96
60 60
7,27,6
ˆ .q
p ˆ ˆ .q
p ˆ
ˆ Z 1
p P p
ˆ Z 1 Para 𝑛 ≥ 30
2 n 2 n
ˆ .q
p ˆ ˆ .q
p ˆ
ˆ t 1 ; n1
p P p
ˆ t 1 ; n1 Cualquier 𝑛
2
n
2
n
Ejemplo 29
En una escuela se desea estimar con una confianza del 95% el porcentaje de
estudiantes que participan en los Juegos Deportivos anuales. Para ello se escoge
al azar una muestra de 120 estudiantes de los que se llega a conocer que 31
66
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Solución:
31
pˆ 0,26
120
qˆ 1 pˆ 10,26 0,74 =1.96*RAIZ(0.74*0.26/120) =0.08
1 0,95 0,05
1 0,975 Z Z 0 , 975 1,96
2 1
2
p . q p . q
p Z P p Z
1
2
n 1
2
n
Nota: Existen fórmulas similares de estimación por intervalos para los demás
parámetros poblacionales, como la varianza. No se presentan por quedar
fuera del alcance elegido para el presente documento.
Índice
s p . q
Las expresiones Z ; t y Z reciben el nombre
1
2
n 1 ; n 1
2
n 1
2
n
de error máximo permisible (emp); también se conocen como precisión y se
denotan por "d". (Más adelante serán útiles también para el cálculo del tamaño de
una muestra). De tal modo, se tiene que
67
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
s p . q
𝑑=Z = t = Z
1
2
n 1 ; n 1
2
n 1
2
n
𝜇 ∈ {x̅ ± d} 𝑦 𝑃 ∈ {p̂ ± d}
Por otra parte, teniendo en cuenta que hay una relación de proporcionalidad
s
inversa en los tres casos con el tamaño de muestra (𝑑 = Z = t
1
2
n 1 ; n 1
2
n
p . q
= Z ), para un 𝛼 fijo, el recurso para disminuir el emp, o sea, de
1
2
n
aumentar la precisión de la estimación, está en trabajar con una muestra mayor,
de ser posible.
Se puede observar que todos los intervalos están en función del tamaño de la
muestra 𝑛. Y, que a medida que aumente el tamaño de la muestra 𝑛, la amplitud
del intervalo disminuye, es decir, la estimación se hace más precisa. Conocer que
Cuba se encuentra en el Golfo de México (una ubicación relativamente reducida,
es más preciso que solo tener una noción de que se encuentra en el hemisferio
occidental (región bastante más extensa).
68
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
b. Precisión que se necesita en los resultados, es decir, magnitud del error que se
puede tolerar.
Ejemplo 30
En otro contexto de un estudio similar al del Ejemplo 30, pero en niños de 1er.
Grado, el intervalo esperado de horas de estudio a la semana pudiera ser de 5
a 10 horas, de amplitud 5 horas; 1 hora como error máximo permisible ya es
alto, representa un 20%, o sea, 𝑑 = 0.20.
Fin del Ejemplo 31
Para fijar el tamaño de muestra se debe en primer lugar, decidir sobre la precisión
(d) que se desea y sobre el nivel de certeza o de confianza a elegir (𝑝 = 1−∝). A
partir de la precisión 𝑑 y el nivel de significación ∝, se está en condiciones de
calcular el tamaño de la muestra despejando 𝑛 de la ecuación de trabajo:
2
𝑍1− 𝛼 ∗𝜎
2
𝑑= Z → 2
1 n 𝑛=
2 𝑑2
69
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
f
Luego si se desea hallar el tamaño de la muestra se tiene que su primera
F
aproximación 𝑛0 = 𝑛 es:
l
Z .
2
i
p 1
n0 2
para datos cuantitativos,
H d
0
f
F
lSi los datos son de variable cualitativa, la primera aproximación se calcula a través
ide la expresión:
p
V
Z c2 p 1 p Z c2 1 p
0 n0 o n 0 ,
d2 CV 2. p
p
i
Nota: Si no conoce los valores de éxito y fracaso (𝑝 𝑦 1 − 𝑝 = 𝑞) para el cálculo
c
de la expresión anterior, asuma 0.5 para ambos. Se demuestra que con
t
u
esos valores estaría calculando la muestra de mayor tamaño, la que le
r asegurará de hecho los resultados más seguros.
e
Y el dominado tamaño de muestra óptimo se obtiene en cálculos sucesivos
G
(retomando en cada caso 𝑛0 = 𝑛 ) de:
r
a n0
y n , donde N es el tamaño de la población.
n0
0 1
N
p
i¿Cántos cálculos sucesivos? Siga las magnitudes que le corresponderían al error
c
máximo
t permisible 𝑑= Z en la nueva circunstancia.
1
2
n
u
r
¡No pocos software estadísticos hacen los cálculos de tamaño de muestra por las
e
fórmulas anteriores!
B
i¿Y que sucede si no conoce el parámetro poblacional 𝜎? Utilice formulas similares
L
que emplean la desviación estándar 𝑠, obtenible de los propios datos recopilados
e
para la muestra de la variable bajo estudio.
v
e
l
0
f 70
F
i
l
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 11
Índice
3. Elementos de Estadística Inferencial (Paramétrica y no Paramétrica)
71
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Las suposiciones que constituyen las hipótesis, podrán ser verdaderas o falsas, y
los procedimientos que se estudiarán permitirán delimitar dicho resultado, con un
nivel de significación α (valor de probabilidad α) asociado a la decisión, prefijado
de antemano. Esto se hace planteando dos hipótesis: Hipótesis nula (H0) e
Hipótesis alternativa (H1). Es común tomar como Hipótesis nula (H0) la
72
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejercicio 12
Complete con cruces las celdas que caractericen los tipos de hipótesis de los tres
casos anteriores:
73
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
74
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
75
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Realidad
Decisión Ho verdadera Ho falsa
Ejemplo 32
Suponga que es verdadero que para cierta población de 200 estudiantes que
examinaron una asignatura, no se rechaza que H0: μAprobados= 75%. Pero ocurre
que en una muestra de 10 estudiantes, se encuentra que todos están aprobados
(100% de aprobados). Tuvo lugar un suceso poco frecuente en el que los
resultados observados difieren, por azar, marcadamente de los esperados.
Los valores de α usuales son 0,05 y 0,01. Al complemento para llegar a 1 (área
total bajo la curva de la Distribución Normal) se le denomina nivel de confianza o
confiabilidad (1-). Expresados en porcentajes, los valores de p que
corresponden a los α anteriores, son 95 y 99% respectivamente. Los valores de α
se estarían fijando menores, según sea mayor el nivel de confianza que se tenga
sobre el cumplimiento de la hipótesis en cuestión, o viceversa, de acuerdo a la
experiencia del investigador.
76
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Suposiciones básicas:
Los pasos en el cálculo manual para realizar esta prueba de hipótesis, son:
77
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
2. Plantear H0 y H1
La esencia de los pasos anteriores Usted debe interiorizarla, aún cuando se apoye
en un software estadístico para los cálculos, en el sentido de poder interpretar
debidamente los resultados que obtendría con el software. En la Tabla 6 se
resumen los principales elementos de estas pruebas de hipótesis.
H0: = 0
Distribución Normal
H1: 0 x 0
Z datos
Zdatos<Z½ o Zdatos> Z1-½
n
conocida
H0: = 0
Distribución t de Student
H1: 0 x 0
t datos tdatos <t½ n-1 o tdatos> t1-½n-1
s
desconocida n
78
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Ejemplo 33
79
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Sig. (bilateral)> No se
𝛼 rechaza Ho
Valor de 𝛼 (0.05
u otro)
Sig. (bilateral) No se acepta
<𝛼 Ho
Dado que .820 > 0.05, no se rechaza H0; se concluye que las calificaciones del
Grupo 1 se corresponden con la media poblacional 𝜇 = 16
80
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
p P0
Z datos Recuerde que: p+q = P+Q = P0+Q0 = 1
P0 Q0
n
k
donde p , es decir la estimación de la proporción a partir de la muestra, o
n
lo que es lo mismo, el número de individuos que presentan la característica
estudiada dividido el número total de casos en la muestra.
Ejemplo 34
81
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Solución:
2. H0: P= 0,30
H1: P 0,30
3. Calcular Zdatos
Índice
82
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Si la distribución
supuesta es consistente
con los datos,
denominadas pruebas de
Una muestra No hay
bondad de ajuste: test de
la 𝜒 2 , de Kolmogorov-
Smirnov, de Shapiro-Wilk
y de Jarque-Bera
Índice
83
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Referencias
Montes Castillo, Mariel M.; Valencia Castillo, Flavio; y Gracia Olivas, Paola
Guadalupe (2017). Indicadores de uso y aceptación de redes sociales
virtuales en jóvenes de escuelas secundarias públicas en Sonora.
Publicado en: REDES ACADÉMICAS, DOCENCIA E INVESTIGACIÓN
EDUCATIVA. Recuperado de: http://www.reed-edu.org/wp-
content/uploads/2017/11/REDES-ACAD%C3%89MICAS-DOCENCIA-E-
INVESTIGACI%C3%93N-EDUCATIVA.pdf
84
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Índice
85
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Grupos
Estudiantes
1 2 3
1 16 13 19
2 15 14 18
3 19 13 16
4 17 17 19
5 14 14 17
6 18 8 18
7 18 12 17
8 14 14 17
9 15 13 15
10 14 13 17
11 14 14 17
12 15 12 18
13 15 14 16
14 17 15 15
15 17 11 18
16 17 13 17
17 14 14 18
18 15 15 18
19 17 14 16
20 16 15 17
21 14 15 19
22 17 15 17
23 17 11 16
24 16 15 17
25 17 12 17
26 17 14 18
27 13 15 17
28 17 12 16
29 16 14 18
30 16 15 18
31 16 14 15
32 18 9 16
33 14 . 17
34 17 . 16
35 . . 16
36 . . 17
37 . . 17
86
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
Función Descripción
87
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
88
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
gamma, Γ(x)
89
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
90
Curso Estadística en la Investigación Educativa - RELME 33 - La Habana, 2019
91