Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística inferencial
Se pretende generalizar los resultados. Los parámetros pueden ser inferidos (siempre con cierto margen de
error) de los estadísticos y de ahí el nombre de estadística inferencial.
Se utiliza para probar hipótesis y estimar parámetros.
En estos casos consiste en el cálculo de un intervalo numérico, con centro en el estimador muestral, conocido
como intervalo de confianza, que contiene al valor del parámetro, con una probabilidad conocida y elegida por el
investigador (90%, 95%, 99%). Las generalizaciones, a semejanza de las restantes pruebas estadísticas,
también están sujetas a error; nunca se puede estar absolutamente confiado de que la generalización sea
correcta.
En la práctica, los investigadores no construyen una distribución de muestreo y calculan las regiones críticas de
la distribución, los datos recolectados en el estudio se emplean para calcular una estadística de prueba por
medio de una fórmula apropiada. Con cada estadística de prueba se relaciona una distribución teórica.
El investigador puede comparar el valor de la estadística de prueba calculada con los valores de un cuadro que
especifican los limites críticos para la distribución aplicable.
Al designar un nivel de significación (probabilidad de cometer un error) se establece una regla de decisión, que
consiste en rechazar la hipótesis nula si la estadística que se prueba cae en un región crítica de la distribución
teórica aplicable y en aceptarla en caso contrario.
Prueba de Hipótesis
Hipótesis (proposición respecto a uno o varios parámetros) lo que el investigador hace a través de las pruebas
es observar si la hipótesis es congruente con los datos obtenidos en la muestra (probabilística)
Si es congruente con los datos, se sostiene como un valor aceptable del parámetro. Sino lo es se rechaza.
Correlación nula
Regresión lineal
Cuando se estudian dos características simultáneamente sobre una muestra, se puede considerar que una de
ellas influye sobre la otra de alguna manera. El objetivo principal de la regresión es descubrir el modo en que se
relacionan.
Se estima el efecto de una variable sobre otra. Está asociado con el coeficiente r de Pearson.
Si se grafican en un sistema de ejes cartesianos (eje horizontal el valor de la variable independiente, y en el eje
vertical el valor de la variable dependiente)
Los pares ordenados que corresponden a los valores que toman ambas variables en una misma medición, se
observará una distribución de puntos que si se aproxima a una recta, implica una correlación más fuerte,
mientras que si los puntos se distribuyen de manera amorfa, mostrarán una correlación débil. Si la pendiente de
la recta es positiva, la correlación es positiva, y si la pendiente es negativa, la correlación es negativa.
La prueba t (de Student)
Evalúa si dos grupos difieren entre sí de manera significativa respecto a sus medias
La hipótesis de investigación propone que los grupos difieren significativamente entre sí y la hipótesis nula
propone que los grupos no difieren.
La comparación se realiza sobre una misma variable, en dos grupos diferentes. Si hay diferentes variables, se
efectuarán varias pruebas t ( una para cada variables). Por ejemplo: un experimento con dos grupos, donde a
uno se le aplica el estímulo experimental y el otro grupo es el control.
Planteo unidireccional izquierdo: Si el investigador tiene como hipótesis de que el valor muestral (y por lo tanto el
valor poblacional de la cual proviene) es menor que el valor hipotetizado para la población, la región de rechazo
entonces estará ubicada en el extremo izquierdo de la distribución.
Ejemplo: Ho: μ ≥ μ
H1: μ < μ
Establecer el nivel de significación estadística. El investigador debe fijar criterio para la regla de decisión
(aceptar o rechazar la hipótesis nula) Un nivel α de 0,05 suele ser aceptable. Si se requiere de una prueba más
rigurosa, el nivel α puede fijarse en 0,01 o 0,001
Seleccionar una prueba de una o dos colas. En la mayor parte de los casos debe emplearse una prueba de
dos colas.
Calcular los grados de libertad (número de observaciones)
Obtener un valor tabulado para la prueba estadística. Para todas las estadísticas de prueba se han
desarrollado distribuciones teóricas que permiten determinar si los valores obtenidos de la estadística de prueba
rebasan el rango de probabilidad de que la hipótesis nula sea verdadera. Para ello debe consultarse la tabla
teórica correspondiente a la estadística de prueba que se ha utilizado e identificar el valor crítico localizando el
punto de cruce correspondiente a los grados de libertad y al nivel de significancia estadística pertinente.
Comparar la estadística de prueba con el valor tabulado. En el paso final se compara el valor de la estadística
tabulado con el obtenido mediante el cálculo. Si el valor absoluto de la estadística de prueba es mayor que el
tabulado, el resultado es estadísticamente significativo; si es menor, el resultado es no significativo.
Nivel de significación
El análisis de los datos nos puede llevar a rechazar Ho, cuando es cierta y en ese caso estamos cometiendo un
error de inferencia, denominado error tipo I. Este error lo debe fijar el investigador previo a realizar el estudio, es
un valor de probabilidad y se simboliza con α. Este valor nos dará el tamaño de la región de rechazo y como α
es la probabilidad de tomar una decisión incorrecta, es preferible que dicho valor sea bajo.
Realidad
Decisión
Hipótesis nula verdadera Hipótesis nula falsa
Rechazar la hipótesis nula Error alfa o tipo I Correcto
No rechazar la hipótesis nula Correcto Error beta o tipo II
Ejemplo: puedo emplear α= 0,05 o 0,01 o 0,001 son los más comunes
Si se trabaja con α= 0,05 quiere decir que Ho sería rechazada en 5 % de los estudios en los que es cierta. Pero
por otro lado 95 de 100 de los estudios repetidos bajo las mismas condiciones no rechazará Ho si es cierta.
Si el α= 0,01 estamos dispuesto a cometer el error tipo I rechazar Ho en menos de 1 decisión de 100 cuando Ho
es cierta.