Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesión 1 Semana 5:
Población y muestra.
Procedimientos de selección de
la muestra. Cálculo del tamaño
de muestra.
Profesores: Carlos Portocarrero, Johanna Kohler, Mayte
Casaño, Jhonatan Navarro, Juan Kaneko, Fernando
Mosquera y Ambrosio Tomás
2023
Facultad de Psicología
Introducción a la estadística
Sesión 1 - Semana 5
2023
El estudiante conoce los
LOGRO procedimientos de selección de los
participantes
MUESTRA
• Una muestra se puede definir
como un subgrupo de la
población.
• En este subgrupo de la población
se recolectan los datos
Hernández-Sampieri y Mendoza
(2018)
POBLACIÓN
Conjunto de
¿Qué es una casos,
población? definidos,
limitados y
accesible
Identificado desde la fase
inicial de la investigación
Arias-Gómez et al.
(2016)
Características esenciales al Homogeneidad
seleccionar la población bajo estudio (mismas
características)
Hernández-Sampieri
y Mendoza (2018)
Temporalidad
Límites
espaciales
Accesibilidad
Arias-Gómez et al. (2016)
¿Por qué trabajar con una muestra y no la población?
• Ahorro de tiempo
1
• Ahorro de recursos
2
• En algunos casos evaluar a la población es imposible
3
• Al trabajar con un número menor de casos se tiene un mayor control de variables
4 extrañas que pueden afectar la validez interna de la investigación
• La muestra disminuye la heterogeneidad de la población
5
Arias-Gómez et al. (2016)
Criterios de elección de la muestra
Criterios de inclusión: Características
particulares con que debe de contar el Arias-Gómez et
participante para ser seleccionado. Por al. (2016)
ejemplo, edad, sexo, educación, etc.
1. No elegir casos que deberían ser parte de la
muestra.
2. Incluir en la muestra casos que no deberían
de ser elegidos.
PROBABILÍSTICA
NO PROBABILÍSTICA
PROBABILÍSTICOS
MUESTREOS
PROBABILÍSTICOS
l Todos los elementos de la población tienen la
misma probabilidad de ser escogidos.
l Se obtiene:
- Definiendo las características de la población.
- Definiendo el tamaño de muestra.
- A través de una selección aleatoria => Tipos
l Para calcular el tamaño de muestra se recomienda
utilizar el programa (Gpower).
Aleatorio simple
2. Utilizar un procedimiento
aleatorio para seleccionar tantos
1. Se asigna un número a cada
casos sean necesarios para
caso de la población
obtener una muestra
representativa.
Ejemplo: Una investigadora busca
conocer en la UPC
quiénes son los
Tamaño de muestra por
estudiantes con mayores
STATS para un N=1000, actitudes hacia el
le da 278 estudiantes. liderazgo.
La 2 da. unidad estaría dada por 256 + k = 256 + 5 = 261…así
sucesivamente … 266, 271… hasta completar el número de
casos o unidad 308. Si es necesario se vuelve a empezar por
los primeros.
Aleatorio estratificado
l La población se divide en segmentos o estratos, y se selecciona una
muestra para cada segmento.
25% Colegio A
25% Colegio A
50% Colegio B
50% Colegio B
25% Colegio C
25% Colegio C
Ejemplo:
l Estratos según la variable nivel de estudios: preescolar, primaria, secundaria,
técnico, universitario, posgrado.
l Por ejemplo
Se requiere dividir a la población en estratos de nivel primario y secundario. La
población se distribuye así: 60% con estudios primarios y un 40% con nivel
secundario.
La población es de 1000 sujetos y se requieren 100 como muestra, entonces la
muestra estratificada tendrá que estar conformada por 60 participantes con
nivel primario y 40 con nivel secundario.
Las unidades muestrales para cada estrato se obtendrán aleatoriamente de
cada nivel de estudios.
l Su desventaja, es necesario conocer la distribución en la población, de las
variables que se utilizarán para la estratificación.
NO PROBABILÍSTICOS
MUESTREOS NO
PROBABILÍSTICOS
ü Se seleccionan participantes o casos “típicos” sin intentar que
sean representativos de una población determinada.
ü Desventaja: Al ser una muestra no probabilística, no es posible
calcular con precisión el error estándar, es decir, no se puede
calcular con qué nivel de confianza se hace una estimación
No se puede generalizar
Por cuotas
ü Las cuotas se refieren a un número
determinado de participantes que cumplen
ciertas características.
El tamaño del efecto depende de cada 1
estadístico a emplear
2
3
4
Los parámetros que usualmente se consideran
son:
Nivel de significancia = α err prob = 0.05
0.10 es considerado un efecto pequeño,
0.20 medio,
0.30 grande y
(Cohen, 1992)
U de Mann Whitney rbis 0.10 diferencia pequeña
(Coolican, 2009)
La determinación del nivel de significancia (Alfa)
Por ejemplo: si coloco que acepto un “error” (probabilidad de decir que NO hay efecto,
cuando en realidad SI lo hay) de 0.05, la potencia sería de:
1 - 0.05 = 0.95 de acierto o de “potencia”
En ciencias sociales, se acepta como mínimo un 0.80 de potencia.
TAMAÑO DE LA MUESTRA SEGÚN
TIPO DE INVESTIGACIÓN CON
GPOWER
Tipo de investigación: correlacional
Elegir
1 Dejar en “Exact” “Correlaciones 2
bivariada”
Elegir “Means:
Difference
between two
2
1 Ubicar “t tests”
indepent means”
Elegir tamaño del
4 efecto medio 0.50 Brinda tamaño
de la muestra de
cada grupo y
Error α se coloca total
5 0.05
1 Ubicar “F tests” Elegir “Anova” 2
Elegir tamaño
del efecto medio 3
0.25
Error α se coloca
4 0.05
Brinda tamaño
de la muestra
Potencia, colocar
5 0.95
Colocar cuantos
6 grupos se están Dar clik en
7
comparando “Calcular”
Tipo de investigación: comparativo datos
cualitativos (Chi)
Elegir
“Goodness of fit 2
1 Ubicar “X2 tests” test”
Elegir tamaño
del efecto medio 3
0.30
Error α se coloca
4 0.05
Brinda tamaño
de la muestra
Potencia, colocar
5 0.95
En grados de
6 libertad se multiplica Dar clik en
8
el número de valores “Calcular”
de ambas variables,
menos 1
CASOS APLICATIVOS: correlación
1. Considerando una
investigación bidireccional (dos
colas), un tamaño del efecto de
0.35, un nivel de significación α
de 0.05 y una potencia de 0.90,
calcular el tamaño de la
muestra que se necesita.
Ejemplo de redacción
2. Considerando una
investigación bidireccional (dos
colas), un tamaño del efecto de
0.20, un nivel de significación α
de 0.05 y una potencia de 0.80,
calcular el tamaño de la
muestra que se necesita.
Además redacte el texto explicativo
Para finalizar
¿alguna
pregunta?
Referencias
Arias –Gómez, J., Villais-Keever, M. A., & Miranda, M. G. (2016). El protocolo de investigación III: la población de
estudio. Revista Alergia México, 63(2), 201-226.
Blanco, C. (2016). Encuesta y Estadística. Métodos de investigación cuantitativa en ciencias sociales y
comunicación. Editorial Brujas.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-
2909.112.1.155
Coolican, H. (2009). Research Methods and Statistics in Psychology. Hooder Education.
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la Investigación. McGraw-Hill.
Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for
correlation and regression analyses. Behavior Research Methods, 41, 1149-1160.
Funder, D C., & Ozer, D. J. (2019). Evaluating effect size in psychological Research: Sense and nonsense. Advancez
in Methods and Practices in Psychological Science, 2(2), 156-168. https://doi.org/10.1177/2515245919847202
Rendón-Macías, M. E., Villasis-Keever, M. Á., & Miranda-Novales, M. G. (2016). Estadística descriptiva. Revista
Alergia México, 63(4), 397- 407. https://revistaalergia.mx/ojs/index.php/ram/article/download/230/363
Triola, M. F. (2018). Estadística. Pearson.
Torres, J. (2019). Estadística aplicada a ciencias de la salud. Dextra Editorial.
Introducción a la Estadística
Sesión 2 Semana 5:
Población y muestra.
Procedimientos de selección de
la muestra. Cálculo del tamaño
de muestra.
Profesores: Carlos Portocarrero, Johanna Kohler, Mayte
Casaño, Jhonatan Navarro, Juan Kaneko, Fernando
Mosquera y Ambrosio Tomás
2023
Facultad de Psicología
Introducción a la estadística
Sesión 2 - Semana 5
2023
El estudiante calcula el
LOGRO tamaño mínimo de
muestra
RECORDEMOS
Los parámetros que usualmente se
consideran son:
Potencia estadística = Power (1 –β
err prob) = 0.95
Nivel de significancia = α err prob =
0.05
Tamaño mínimo de muestra para hipótesis
correlacional
Hipótesis correlacional
Ejemplos:
2. Considerando un tamaño del
efecto de 0.20, un nivel de
significación α de 0.05 y una
potencia de 0.80, calcular el
tamaño de la muestra que se
necesita.
Hipótesis correlacional
Tamaño mínimo de muestra para hipótesis de
diferencia de medias
1. Considerando un tamaño del
efecto de 0.45, un nivel de
significación α de 0.05, una
potencia de 0.80 y un cociente
de tamaños muestrales de 1,
calcular el tamaño de la
muestra que se necesita.
Hipótesis diferencia de
medias
Ejemplos:
2. Considerando un tamaño
del efecto de 0.30, un nivel
de significación α de 0.05,
una potencia de 0.85 y un
cociente de tamaños
muestrales de 2, calcular el
tamaño de la muestra que se
necesita.
Hipótesis diferencia de
medias
Actividad grupal
Realizar en grupo,
los ejercicios de la
actividad 5
Modelo de respuesta de casos aplicativos:
2. Considerando un tamaño
del efecto de 0.30, un nivel
de significación α de 0.05,
una potencia de 0.85 y un
cociente de tamaños
muestrales de 2, calcular el
tamaño de la muestra que se
necesita.
Rpta: la muestra es de 362,
siendo el tamaño de la
muestra del grupo 1 de 121 y
del grupo 2 de 241.
Para finalizar
¿alguna
pregunta?
Referencias
Arias –Gómez, J., Villais-Keever, M. A., & Miranda, M. G. (2016). El protocolo de investigación III: la población de
estudio. Revista Alergia México, 63(2), 201-226.
Blanco, C. (2016). Encuesta y Estadística. Métodos de investigación cuantitativa en ciencias sociales y
comunicación. Editorial Brujas.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-
2909.112.1.155
Coolican, H. (2009). Research Methods and Statistics in Psychology. Hooder Education.
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la Investigación. McGraw-Hill.
Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for
correlation and regression analyses. Behavior Research Methods, 41, 1149-1160.
Funder, D C., & Ozer, D. J. (2019). Evaluating effect size in psychological Research: Sense and nonsense. Advancez
in Methods and Practices in Psychological Science, 2(2), 156-168. https://doi.org/10.1177/2515245919847202
Rendón-Macías, M. E., Villasis-Keever, M. Á., & Miranda-Novales, M. G. (2016). Estadística descriptiva. Revista
Alergia México, 63(4), 397- 407. https://revistaalergia.mx/ojs/index.php/ram/article/download/230/363
Triola, M. F. (2018). Estadística. Pearson.
Torres, J. (2019). Estadística aplicada a ciencias de la salud. Dextra Editorial.
Introducción a la Estadística
Sesión 1 Semana 6:
Inferencia estadística.
Parámetros. Hipótesis estadística
y contraste de hipótesis
Profesores: Carlos Portocarrero, Johanna Kohler,
Mayte Casaño, Jhonatan Navarro, Juan Kaneko, Fernando
Mosquera y Ambrosio Tomás
2023-1
Facultad de Psicología
Introducción a la estadística
Sesión 1 - Semana 6
2023-1
El estudiante conoce aspectos
LOGRO conceptuales sobre el contraste de
hipótesis estadística
Para iniciar la sesión de hoy hay que ver el siguiente video
Respuesta n
Hipótesis: La maestra está molesta con el
niño porque no cumplió con sus
actividades.
Situación
2
INVESTIGACIÓN CIENTÍFICA
¿Qué es la evidencia científica?
• Uso consciente, explícito y juicioso de datos válidos y disponibles
procedentes de la investigación científica (Sackett et al., 2016).
• Información de un artículo científico publicado en una revista de
revisión por pares, con calidad metodológica aceptable y que
aborda un problema específico (Hume et al., 2021).
Inferencia estadística
Conjunto de métodos estadísticos que permiten deducir cómo
se distribuye la población e inferir las relaciones entre variables
a partir de la información que proporciona la muestra recogida
(Wassertheil-Smoller, 2004).
Procedimientos de selección
probabilísticos y no probabilísticos
(García-García et al., 2013)
Contraste de hipótesis
“Una hipótesis en el contexto de la estadística inferencial es una
proposición respecto a uno o varios parámetros, y lo que el
investigador hace por medio de la prueba de hipótesis es
determinar si la hipótesis poblacional es congruente con los
datos obtenidos en la muestra” (Gordon, 2010, véase
Hernández et al., 2014, p. 306).
Desviación estándar (de una variable)
Relación (entre variables)
El promedio de la
autoestima general es
estadísticamente
μ ≠
diferente de 15 15
El aspecto central de la
estadística inferencial es el
rechazo de la Hipótesis nula
porque se asume como cierta.
El contraste de hipótesis se realiza a través de los siguientes pasos:
1. Identificar la
2. Proporcionar la
afirmación que será 3. Identificar la Ho y 4. Seleccionar el nivel
forma simbólica de la
probada y expresarla H1 de significancia
afirmación
en forma simbólica
6. Interpretar el 5. Identificar el
6. Tomar una decisión
estadístico de prueba estadístico de prueba
¿CUÁLES SON LOS CRITERIOS
PARA RECHAZAR O ACEPTAR UNA
HÍPÓTESIS?
• Se establecen criterios cuantitativos para saber si
aceptamos o rechazamos una hipótesis.
• Recordar, que se hacen hipótesis SOBRE la
población, pero obteniendo información DE la
muestra.
• Pero siempre hay un riesgo de equivocarnos al hacer
esta inferencia, y por lo tanto se debe establecer la
probabilidad de errar al aceptar o rechazar una
hipótesis.
¿Cuál es ese criterio cuantitativo que lleva a aceptar o rechazar la hipótesis?
Prueba de significancia de la hipótesis nula
(PSHN)
Valor p
Un valor p < 0.05 significa que existe menos del 5% de probabilidad de que ese
resultado sea al azar y por lo tanto representa algo que ocurre en la población. Por
el contrario, un valor p > 0.05 indica que no existe la confianza necesaria para
afirmar que los datos NO son producto del azar (Molina, 2017).
Recordar:
1. Identificar la
2. Proporcionar la
afirmación que será 3. Identificar la Ho y 4. Seleccionar el nivel
forma simbólica de la
probada y expresarla H1 de significancia
afirmación
en forma simbólica
6. Interpretar el 5. Identificar el
6. Tomar una decisión
estadístico de prueba estadístico de prueba
1. Se desea saber si la edad promedio de ingreso a la
universidad es diferente entre varones y mujeres. Para
esto se seleccionó una muestra representativa de la
población.
2. M varones ≠ M mujeres
3. Plantear las hipótesis:
4. Podemos utilizar la prueba t student (más adelante veremos esta
prueba)
5. M varones = 19.5
M mujeres = 17.5
p < 0.05
El valor p < 0.05 indica que los
resultados obtenidos no son debidos al
azar, por el contrario, reflejan algo que
ocurre en la población. Por lo tanto, hay
evidencia para indicar que se tiene que
rechazar la Ho y que existe diferencia
entre la edad promedio de ingreso a la
universidad entre varones y mujeres.
Para la siguiente sesión:
Leer y realizar un análisis de lectura: When
null hypothesis significance testing is
unsuitable for research: a reassessment.
Extraer las ideas principales en un PPT u
organizador gráfico para presentarlas en
grupo la siguiente clase, se terminará de
desarrollar la siguiente clase.
¿alguna pregunta?
Referencias
Arias –Gómez, J., Villais-Keever, M. A., & Miranda, M. G. (2016). El protocolo de investigación III: la población de estudio. Revista
Alergia México, 63(2), 201-226.
Blanco, C. (2016). Encuesta y Estadística. Métodos de investigación cuantitativa en ciencias sociales y comunicación. Editorial
Brujas.
Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
Coolican, H. (2009). Research Methods and Statistics in Psychology. Hooder Education.
García-García, J A., Reding-Bernal, A. R., & López-Alvarenga, J. C. (2013). Cálculo del tamaño del amuestra en investigación en
educación Médica. Investigación en Educación Médica, 2(8), 217-224.
Hernández-Sampieri, R., & Mendoza, C. P. (2018). Metodología de la Investigación. McGraw-Hill.
Hume, K., Steinbrenner, J. R., Odom, S. L., Morin, K. L., Nowell, S. W., Tomaszewski, B., ... & Savage, M. N. (2021). Evidence-
based practices for children, youth, and young adults with autism: Third generation review. Journal of Autism and Developmental
Disorders, 51(11), 4013-4032.
Makar, K., & Rubin, A. (2018). Learning about statistical inference. International handbook of research in statistics education, 261-
294.
Molina, M. (2017). ¿Qué significa realmente el valor p? Pediatría Atención Primaria, 19(6), 377-381.
Triola, M. F. (2018). Estadística. Pearson.
Torres, J. (2019). Estadística aplicada a ciencias de la salud. Dextra Editorial.
Sackett, D. L., Rosenberg, W. M., Gray, J. M., Haynes, R. B., & Richardson, W. S. (1996). Evidence based medicine: what it is and
what it isn't. Bmj, 312(7023), 71-72.
Introducción a la Estadística
Sesión 2 Semana 6:
Inferencia estadística.
Parámetros. Hipótesis estadística
y contraste de hipótesis
Profesores: Carlos Portocarrero, Johanna Kohler,
Mayte Casaño, Jhonatan Navarro, Juan Kaneko, Fernando
Mosquera y Ambrosio Tomás
2023-1
Facultad de Psicología
Introducción a la estadística
Sesión 2 - Semana 6
2023-1
El estudiante conoce aspectos que
LOGRO afectan el contraste de hipótesis
estadística
Para iniciar la sesión de hoy hay que ver el siguiente video
1. Identificar la
2. Proporcionar la
afirmación que será 3. Identificar la Ho y 4. Seleccionar el nivel
forma simbólica de la
probada y expresarla H1 de significancia
afirmación
en forma simbólica
6. Interpretar el 5. Identificar el
6. Tomar una decisión
estadístico de prueba estadístico de prueba
1. Un grupo de investigadores está probando la efectividad
de un programa de intervención para disminuir la
ansiedad ante exámenes (AE) en universitarios.
2. MAE antes ≠ MAE
después
3. Plantear las hipótesis:
Ho = No hay diferencia en
H1 = Hay diferencia en la
la ansiedad ante
ansiedad ante exámenes
exámenes antes y
antes y después del
después del programa de
programa de intervención
intervención en
en universitarios
universitarios
4. Podemos utilizar la prueba t student (más adelante veremos esta
prueba)
¿Podemos afirmar que el programa de intervención
tuvo un efecto?
¿Disminuyó la ansiedad ante exámenes en los
universitarios?
La Asociación Americana de Estadística recomienda (ASA,
Wassesrstein & Lazar, 2016)
• No basar las conclusiones únicamente de una asociación o efecto en valores
1 estadísticamente significativos (p < 0.05).
• Valores estadísticamente significativos (p < 0.05) no implica una asociación o
2 efecto.
• No creer que una asociación o efecto está ausente porque se obtuvo un
3 valor que no es estadísticamente significativo (p > 0.05).
• No concluya nada sobre la importancia científica o práctica de un estudio
5 basado solo en los valores p.
¿Por qué la ASA hace esas
recomendaciones?
Tamaño
Magnitud
de
del efecto
muestra
Si no hay efecto, así
A mayor tamaño de
la muestra sea
muestra, valores p <
grande, se obtendrá
0.05
valores p > 0.05
Afecta la potencia
estadística de una
prueba que es la
probabilidad de
rechazar
correctamente la Ho
Sullivan & Feinn
Magnitud del efecto
Describe la magnitud de la relación cuantitativa entre
dos variables. Por ejemplo, la relación que hay entre
un tratamiento y sus resultados (Schober et al., 2018).
Indica si existe un
Significanc Significanc Indica cuánto es ese
efecto de una ia ia práctica efecto de una
variable sobre otra estadística (magnitud variable sobre otra
(valor p) del efecto)
Comentemos sobre la lectura:
Schober, P., Bossers, S. M., & Schwarte, L. A. (2018). Statistical Significance Versus Clinical Importance of
Observed Effect Sizes: What Do P Values and Confidence Intervals Really Represent?. Anesthesia and
Analgesia, 126(3), 1068–1072. https://doi.org/10.1213/ANE.0000000000002798
Wasserstein, R. L., & Lazar, N. A. (2016) The ASA Statement on p-Values: Context, Process, and Purpose. The
American Statistician, 70(2), 129-133. 10.1080/00031305.2016.1154108