Métodos Cuantitativos Avanzados

11-08:

Estadística viene de la ciencia del Estado, ya que se utilizaba con fines estatales por necesidad de
organización y conocimiento de las características de su población (pago de impuestos, reparto de
bienes, etc).
La estadística se divide en descriptiva e inferencial.
- Estadística descriptiva: Recolección, presentación y descripción de los datos (puedo trabajar
con muestras pero no inferir).
- Estadística inferencial: Permite sacar conclusiones en base a datos obtenidos sobre una
muestra probabilística.
Los datos administrativos no deberían tener margen de error (ej, censo).

Población y muestra.
- Población: Conjunto sobre el que estamos interesados en obtener conclusiones (inferencias).
Normalmente es demasiado grande para poder abarcarlo
- Muestra: Subconjunto de la población al que tenemos acceso sobre el que realmente
hacemos observaciones (mediciones). Debería ser “representativo”, está formado por
miembros “seleccionados” de la población (individuos, unidades experimentales).

Parámetros y estimadores
- Parámetro: Valor numérico que resume todos los datos de una población (ej, promedio
escolaridad)
- Estimador: Se usa para aproximar un parámetro también se le llama estadístico.
Ejemplo: en una sala de 25 personas, 5 vienen de región. Por lo que tenemos un parámetro de 20%
de región. de las mismas 25 personas de la sala, sacamos 6 personas al azar para consultar si son de
región o de santiago y el estimador es que 1 de 6 personas son de región según esa muestra. (el
estimador tiene errores).

La información estadística se divide en cualitativa y cuantitativa.

- Informacion cualitatia: proporciona datos, acerca de atributos de las personas (sexo,

nacionalidad, etc).
- Información cuantitativa: se refiere a la que es medible y contable (edad, ingresos, etc).

Variables.
Características observables que varían entre los diferentes individuos de una población. Puede
asumir cualquier conjunto de valores dentro de un intervalo denominado “dominio” de la variable.
ejemplo edad (de 0 a 105 años).
- Cualitativas (no se pueden hacer operaciones algebraicas en ellos): Nominal y ordinal.
- Cuantitativas (se pueden hacer operaciones algebraicas en ellos): Intervalos y Razón.
Siempre se presenta una constante, valor que asume un valor único para un determinado
grupo, no varía. En cambio, las variables, son conceptos operacionalizados en números que si toman
diferentes valores y cambian. Siempre se trata de explicar porque varía la VD.
- Discretas: Son aquellas cuyo valor solamente puede asumir un sentido cuando es un número
entero (hijos). No quiere decir que no se pueden calcular números decimales, lo que pasa es
que hay que darles sentido a los valores. (Ej; se interpreta la media. Aproximación.)
 - Continuas: Aquellos valores que adoptan decimales.
NIVELES DE MEDICIÓN: Nos permite identificar los test o los modelos para aplicar. Las reglas para
asignar valores numéricos definen el tipo de escala y nivel de medición.
1. Nominal (escala categórica): Los valores asignados no tienen significado, es decir, no pueden
ordenarse. Ej: La religión, da igual el valor que se le dé, no hay nada que establezca que
religión va primer. El valor que se les da a las categorías de respuestas también es arbitrario.
2. Ordinal (escala categórica): Los valores asignados pueden ordenarse o jerarquizarse. El
significado se lo damos nosotros. Ej: nivel socioeconómico= 0, bajo…2, Alto. Hay un orden
establecido. Cuando se asume relaciones lineales igual importa el orden.
3. De intervalo (escala numérica): Los valores asignados son ordinales, se miden en valores
reales. El cero es arbitrario (pueden existir números negativos) Se pueden hacer
comparaciones, sumando o restando. (ej. Semanas, meses)
4. De razón (escala numérica): Posee un cero absoluto o natural con significado empírico (cero
votos, ej.) No existen número negativos. Los números en la escala indican la cantidad real de
la propiedad medida. (masa, peso, distancia).

Experimentos.
- Determinista: Se puede predecir con total exactitud el resultado del mismo a partir del
conocimiento de las condiciones.
- aleatorio: No se puede predecir con exactitud el resultado del mismo aunque se conozcan las
condiciones iniciales (entre más grande la muestra, mayor exactitud, entre más pequeña es
menor).
Probabilidades.
Corresponde al estudio de las leyes que rigen el comportamiento de los fenómenos aleatorios, y es la
base de la inferencia estadística.
Ejemplo: Si “c” representa la cara y “s” sello de una moneda si lanzamos de una vez las dos monedas
¿ Cuántos resultados posibles ? Que posibilidades hay de obtener exactamente:0, 1, 2 caras
n° de cara (xi) f1 xi=f1/m p. acomulada
0 1 ¼=0,25 0,25
1 2 2/4=0,50 0,75
2 1 ¼=0,25 1,00

18-08:
Media de distribución de probabilidades discreta
Se denomina también esperanza matemática de X. Si se reemplaza Fi por P(x) para encontrar la
media de una distribución de probabilidad teórica.
- E(X) = valor medio o central de x
- E(X) = corresponde al valor central medio

Varianza
La varianza no tiene interpretación, la desviación estándar si. Pero necesito sacar la varianza para
tener la desviación estándar.

Distribuciones continuas
El área bajo la curva entre dos valores cualquiera, a y b, es la probabilidad de que una variable
aleatoria tome un valor que esté en el intervalo a y b. Existe una gran cantidad de distribuciones
continuas, las más utilizadas son chi-cuadrado, t’ student y F de Fisher. La más importante es la
distribución normal.

la ecuación matemática es:

Estandarización o tipificación
Nos permite así comparar entre dos valores de dos distribuciones normales diferentes, para saber cuál de
los dos es más extremo.

ejemplo:
Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se asignará al que tenga
mejor expediente académico.
El estudiante A tiene una calificación de 6,2 en un sistema donde la calificación de los alumnos se comporta
como una distribución normal con media 5 y desviación estándar 1 (N(5,1)).
El estudiante B tiene una calificación de 80 en un sistema donde la calificación de los alumnos se comporta
como N(70,10).
¿a cuál de ellos se le debe entregar la beca?

01-09:
Muestras probabilísticas:
- Población: Es todo, conjunto que comparten determinada característica.
- Muestra: parte de la población o subconjunto obtenidas con el fin de estudiar las propiedades de la
población.
- Muestreo probabilístico: conocemos la probabilidad de que un individuo sea elegido para la muestra.
- muestreo no probabilístico. no se conoce la probabilidad. (ej. estudiar la cantidad de inmigrantes que
entraron de forma ilegal). Estos muestreos pueden esconder sesgos. En principio no se pueden
extrapolar los resultados a la población.
- muestreo aleatorio simple: misma probabilidad para todos los elementos de la población. Debe ser
posible listar o identificar a todos los elementos de la población. (contiene observaciones
seleccionadas según procedimiento al azar mediante uso de probabilidades). La ventaja es que se
pueden cuantificar las magnitudes de los errores asociados a las distintas estimaciones de
parámetros.

Tipos de muestreo:

Se pueden mezclar.

- sistemático
- Estratificado
- Conglomerado
Ejemplo Santiago sav módulo 3.

(para sacar la muestra del universo en porcentajes, ejemplo muestra del 10%)

CLICKEAR:

- datos
- selecc caso
- muestra aleatoria
- ejemplo
- (10% de los casos) y luego continuaR
- en resultados seleccionar copiar casos seleccionados a un nuevo conjunto de datos y escribir
en el nombre de conjunto de datos “ma10stgo”(en este caso)
- guardar como “muestra aleatoria stgo 10”
- *La diferencia al hacer esto, es que solo entrega 106 casos al ser una muestra aleatoria.

Mientras más grande la muestra, mayor precisión en los datos y menor error muestral.

para media:

(sacar media del universo o porcentaje del universo)

- analizar
- estadístico descriptivo
- descriptivos
- luego, en este caso “ingresos totales”, se mueve a variables con la flecha azul
- aceptar

ejemplo del ppt 3:

 promedio personas por hogar promedio de ingresos

parámetro 2,93 1.142.811

muestra 10% 3,18 1.240.460

muestra 30% 3,05 1.1225.570

Teorema central del límite

Cuando tengo muestras muy grandes, todas las poblaciones tienden a parecerse a la media.

Nos va a aparecer de manera natural la distribución normal.

HAY QUE SABER DIFERENCIAR ENTRE ESTIMADOR, PARÁMETRO Y DATO.

Ejercicio en ppt de desempeño académico en niños en edad escolar.

1. ¿Cuál es la unidad de análisis?

Niños que asistieron a escuelas de la RM durante el 2022.

2. ¿Cual puede ser un ejemplo de una característica o variable cuantitativa que pueda interesar
en este estudio?

Porcentaje de asistencia, hora de estudio, estatura, edad.

3. ¿Cual puede ser un ejemplo de una característica o variable cualitativa que puedo ingresar
en este estudio?

género, establecimiento público o privado, nivel socioeconómico, comuna.

4. ¿Cuál es la población?

Estudiante de escuelas en Rm.

5. Vale la pena emplear una muestra o es mejor aplicar cuestionario a toda la población?

Muestra posombreeee

Estimaciones de los parámetros:

hay dos tipos de estimaciones acerca de la población

- la estimación puntual
- la estimación intervalar (considera el margen de error)