Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MAESTRÍA EN EDUCACIÓN
ESTADÍSTICA APLICADA A LA
INVESTIGACIÓN EDUCATIVA
SEGUNDO CUATRIMESTRE
TITULAR DE LA MATERIA
MTRO. JUAN CARLOS ESPINOSA GUTIÉRREZ.
ÍNDICE GENERAL
INTRODUCCIÓN III
1. ESTADÍSTICA EN EDUCACIÓN. 1
1.1. ¿Estadística y Educación? . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Relación entre Estadística e Investigación. . . . . . . . . . . . . . . . 4
1.3. Las áreas de la Estadística. . . . . . . . . . . . . . . . . . . . . . . . . 4
2. ESTADÍSTICA DESCRIPTIVA. 7
2.1. Terminología estadística. . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2. Datos agrupados. Gráficas y distribución de frecuencias. . . . . . . . . 9
2.2.1. Gráfica circular (o de sectores). . . . . . . . . . . . . . . . . . 9
2.2.2. Gráfica de barras . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.3. Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.4. Polígono de frecuencias. . . . . . . . . . . . . . . . . . . . . . 12
2.3. Tablas de distribución de frecuencias. . . . . . . . . . . . . . . . . . . 12
2.3.1. Medidas de tendencia central. . . . . . . . . . . . . . . . . . . 19
2.3.1.1. Mediana (M e) . . . . . . . . . . . . . . . . . . . . . 20
2.3.2. Moda (M o) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.3.3. Media aritmética (x̄) . . . . . . . . . . . . . . . . . . . . . . . 21
3. PROBABILIDAD 25
3.1. La esencia de la probabilidad . . . . . . . . . . . . . . . . . . . . . . 25
3.2. Algunas ideas fundamentales de la teoría de conjuntos. . . . . . . . . 26
I
II ÍNDICE GENERAL
INTRODUCCIÓN
Parte del objetivo de este curso es inducir el pensamiento lógico. Es muy impor-
tante aprender a escribir las soluciones de los ejercicios de una manera articulada,
paso a paso, con comentarios explicativos, no sólo una cadena de ecuaciones o fór-
mulas desconectadas.
Le recomiendo que conserve esta guía para fines de consulta después de terminar
el curso. Es probable que olvide algunos de los detalles específicos de las Matemáticas
financieras, por lo que la guía servirá como una referencia útil cuando sea necesario
utilizar las ecuaciones en algún tipo de cálculo financiero. Puesto que esta guía con-
tiene más material del que es posible cubrir en todo un curso, también puede servir
como un valioso recurso para un trabajo científico o de ingeniería.
III
IV INTRODUCCIÓN
operaciones a través del análisis matemático con el uso de la tecnología logrando ser
asesores y usuarios de estas herramientas.
Antes de que el alumno pueda aplicar con confianza las ecuaciones, debe dominar
las técnicas de resolución y tener un mínimo de conocimiento de la teoría que la fun-
damenta. Buscamos combinar una exposición sólida y precisa de la teoría elemental
de las matemáticas financieras, con bastante material sobre metodos de resolución,
análisis y aproximación que han probado su utilidad en una amplia variedad de apli-
caciones. Pusimos atención especial en aquellos métodos de mayor aplicación.
Este manual busca ser una referencia introductoria para los procedimientos es-
tadísticos básicos que más se usan en Psicología, Educación y otras Ciencias Sociales.
El objetivo central del presente capítulo es que el lector sea capaz de ubicar a la
estadística dentro del contexto de la ciencia y la investigación.
∗ Reconocer que toda teoría, todo modelo y toda ley científica son una conjetura
acerca de cómo es la realidad.
1
2 CAPÍTULO 1. ESTADÍSTICA EN EDUCACIÓN.
La lista los individualiza, los reconoce por su nombre, nos dice cuántas materias
aprobó cada uno. Si transformamos esa lista en una tabla:
Leemos ahora que con cuatro materias aprobadas hay dos alumnos, con cinco
hay seis y solo uno tiene seis materias aprobadas. Las personas desaparecieron, ya
no hay nombres, hemos abstraído para referirnos a las materias aprobadas, no a los
alumnos. En la tabla vemos que lo más frecuente es que tengan cinco materias apro-
badas y que seis es excepcional. Hemos pasado de la lista de individuos a la tabla
de valores. Nos despegamos de los casos a fin de buscar la regularidad en el conjunto.
La ciencia busca establecer hechos para determinar qué tan verdaderas son las
teorías, es decir, para ponerlas a prueba. Por lo común, esto se da en el contexto
de la competencia entre teorías explicativas de un ámbito de la realidad. La cohe-
rencia lógica de las teorías, así como su congruencia con otras y con los hechos, es
lo que determina su utilidad. La capacidad de las teorías para permitir la aventu-
ra en zonas desconocidas de la realidad es otro factor importante para su evaluación.
Los experimentos son una manera rigurosa de establecer los hechos. La estadís-
tica ayuda a la experimentación a obtener conclusiones útiles, claras y válidas; por
tanto, existe una relación íntima entre estadística e investigación, la estadística per-
mite lograr dichas conclusiones. Incluso, para entender los informes de investigación,
es indispensable saber estadística.
otros sujetos que no han sido observados. Estas dos grandes funciones son considera-
das como dos áreas de la Estadística, a las que se denomina descriptiva e inferencial
respectivamente.
Antes de señalar los objetivos que se persiguen en cada una de estas áreas, con-
viene hacer una breve referencia a la distinción entre muestra y población —aunque
volveremos sobre ella en el capítulo dedicado al muestreo—, ya que ella articula las
dos áreas. Los datos que recogemos están limitados en su alcance a las posibilidades
de nuestro estudio; si el objetivo es generalizar los resultados, esos casos que ob-
servemos serán una fracción de un universo mayor. Cuando analizamos la ansiedad
frente a los exámenes en estudiantes universitarios, no está dentro de nuestras posi-
bilidades observar a todos los estudiantes universitarios. Por el contrario, habremos
de seleccionar a algunos de ellos. Ese conjunto de estudiantes que seleccionamos se
llama muestra y nos aportará la información sobre la que trabajaremos. Según el
modo en que la muestra haya sido seleccionada, los resultados se podrán extender a
una población de referencia, que en este ejemplo podría ser la del total de estudiantes
de una universidad (de la que se extrajo la muestra). Las condiciones para que esta
generalización sea posible serán expuestas en detalle en el capítulo correspondiente.
La Estadística descriptiva
Debido a que en estadística no trabajamos con individuos aislados sino con con-
juntos de ellos, siempre es necesario resumir la información, para presentarla de
manera accesible a la lectura y para extraer significado.
Una gran tabla proveniente de registros hospitalarios que muestre las edades de
madres primerizas no puede leerse de manera directa; es necesario buscar indicadores
de síntesis, uno de ellos, muy frecuente, es el promedio. Sucede del mismo modo si
contamos con los puntajes de una prueba de memoria aplicada a muchas personas.
O también si tenemos el listado de alumnos de una escuela y de cada uno sabemos
si repite o no el curso. En esos casos podemos resumir esa información indicando el
promedio.
También es posible indicar cuántas personas tienen un valor menor a cierta cifra
o mayor a otra: ¿Cuántas de las madres primerizas son menores de 20 años?, ¿re-
piten de grado con igual frecuencia los varones que las mujeres?. O bien expresar
los valores a través de gráficos, que suelen aportar mucha información de manera
abreviada (aunque a veces también pueden ser engañosos).
La inferencia estadística
Una vez que disponemos de una síntesis de la información que hemos recogido de
un conjunto de individuos, nos interesa otro problema: el de preguntarnos si eso que
observamos vale también para otros, a los que no hemos observado. Si hemos visto a
muchas personas, algunas exigentes consigo mismo y otras que no lo son y hallamos
que las primeras manifiestan más ansiedad en los exámenes que las segundas, ¿pode-
mos decir que la autoexigencia incide en la ansiedad?, es decir, ¿podemos generalizar
nuestro resultado? La Estadística inferencial se ocupará de esto, de decirnos bajo
qué condiciones se pueden extender nuestros hallazgos a casos no observados.
En todos los casos, cuando sea posible hacer generalizaciones, éstas estarán limi-
tadas a un contexto específico. El análisis que se haga, de la relación entre pobreza
y educación en Argentina, puede no ser válido para la población de Brasil. Es decir,
debe estar explícita cuál es la población de referencia a la cual es válido extender
los resultados que se obtienen.
El objetivo central del presente capítulo es que el lector sea capaz de explicar y
realizar las diferentes representaciones gráficas, distribuciones de frecuencia con sus
respectivas curvas y aplicar los procedimientos para calcular las medidas de tenden-
cia central y dispersión, tanto para datos agrupados como no agrupados.
7
8 CAPÍTULO 2. ESTADÍSTICA DESCRIPTIVA.
Variable aleatoria. Si los valores numéricos que toman una variable provienen
de factores fortuitos y si un determinado valor no se puede predecir exactamente
con anticipación, esa variable se denomina variable aleatoria.
Fuera de esto, las variables se pueden clasificar según sean continuas o discre-
tas o según sean cuantitativas o cualitativas.
Variable discreta. Cuando los valores que pude tomar una variable están se-
parados entre sí por una determinada cantidad, la variable se denomina variable
discreta. Como ejemplo: el número de estudiantes de primer año en un sistema es-
colar determinado.
Población. El conjunto más grande de valores (de una variable), por el cual
existe algún interés.
2.2. DATOS AGRUPADOS. GRÁFICAS Y DISTRIBUCIÓN DE FRECUENCIAS.9
Ejemplo 1:
En esta gráfica 2.1 se representa la correspondencia entre los 360 grados de cir-
cunferencia, es decir, el círculo completo, con 100 % de las observaciones, por tanto,
para hacer esta gráfica es necesario tener los datos en porcentajes.
Ejemplo 2:
En una empresa se entrevistó a todos los empleados que estaban por cumplir 20
años de servicio; entre las preguntas de dicha entrevista, considere únicamente la
que hace referencia el número de hijos que tienen.
Figura 2.3
2.2.3. Histograma
Este diagrama es útil cuando se trata de representar distribuciones de frecuencia
cuya variable es continua, y viene dada en intervalos o clases; dicha gráfica se define
y construye como la gráfica de barras, con la diferencia de que las columnas no están
separadas, sino unidas, lo que le da continuidad.
12 CAPÍTULO 2. ESTADÍSTICA DESCRIPTIVA.
De modo que
A = 44 − 6 = 38
16 CAPÍTULO 2. ESTADÍSTICA DESCRIPTIVA.
Por tanto,
En este caso, para tratar de aproximar lo más posible y obtener el intervalo más
exacto, se lleva a cabo el siguiente procedimiento: se aumenta un punto en el extremo
superior y se disminuye un punto en el extremo inferior de los datos de la tabla (la
frecuencia para estos datos agregados es de 0).
Por tanto, la amplitud queda com0
A = 45 − 5 = 40
Por consiguiente:
¿Cuál sería la puntuación promedio de dichos datos (los dos grupos o el total
de la muestra)?
¿Cuál es la puntuación más común (la que ocurre con más frecuencia en los
datos)?
Las preguntas anteriores pueden ser contestadas utilizando las medidas de ten-
dencia central. Estos valores estadísticos, por lo general, se encuentran en el centro
de la distribución, cuando se observa una concentración de casos en el centro. Las
tres medidas de tendencia central utilizadas principalmente, y que responden a las
tres preguntas anteriores son la mediana (M e), la moda (M o) y la media aritmética
(x̄) .
2.3.1.1. Mediana (M e)
Se define como el punto medio geométrico de la distribución de datos agrupados,
o sea, el punto que divide a dicha distribución en dos mitades respecto de las fre-
cuencias. Esta medida de tendencia central es de gran utilidad cuando se desconocen
las puntuaciones extremas, y se considera la forma de la distribución de frecuencias.
Su fórmula de cálculo es la siguiente:
n
" ! #
2
− faa
M e = LIR + a
f
donde:
LIR = Límite inferior real del intervalo, donde fra está cerca del 50 %.
n = Número de casos.
faa = Frecuencia acumulada anterior al intervalo, donde cae la mediana (50 %).
f = Frecuencia absoluta donde cae la mediana.
2.3. TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS. 21
2.3.2. Moda (M o)
Es el dato que ocurre más veces (que tiene la mayor frecuencia de ocurrencia).
Para datos agrupados se obtiene utilizando la siguiente fórmula:
" ! #
fp
M o = LIR + a
fa + fp
donde:
LIR = Límite inferior real del intervalo modal.
fp = Frecuencia absoluta posterior a la frecuencia del intervalo modal.
fa = Frecuencia absoluta anterior a la frecuencia del intervalo modal.
a = Tamaño del intervalo.
donde:
q = número de clases.
x̄= media aritmética para datos agrupados.
Ejemplo
Considerando los datos del ejercicio del programa de autocontrol para pérdida
de peso, aplicado a 90 personas, calcule a continuación tanto media como mediana
y moda, cuando a = 5.
P P
Paso 3. Se determina f y (f x) con los resultados anteriores:
X
f = 9 + 19 + . . . + 2 = 90
X
(f x) = 63 + 228 + . . . + 84 = 1600
b) Para calcular las otras medidas de tendencia central, la mediana y moda, aplique,
respectivamente, las siguientes fórmulas a la tabla que se presenta después:
2.3. TABLAS DE DISTRIBUCIÓN DE FRECUENCIAS. 23
n
" ! #
2
− faa
M e = LIR + a
f
" ! #
fp
M o = LIR + a
fa + fp
En la tabla anterior se localizan todos los elementos que se requieren para calcu-
lar tanto la mediana (M e) como la moda (M o).
donde:
n
n = 90, 2
= 45 , a = 5, faa = 28 y f = 33
24 CAPÍTULO 2. ESTADÍSTICA DESCRIPTIVA.
Sustituya en la fórmula:
45 − 28
M e = 14. 5 + (5) = 17. 076
33
Sustituya en la fórmula:
15
M o = 14. 5 + (5) = 16. 706
19 + 15
CAPÍTULO 3
PROBABILIDAD
25
26 CAPÍTULO 3. PROBABILIDAD
puede ocurrir NE veces, la probabilidad del evento E, que se escribe P (E), está dado
por
NE
P (E) =
N
.