Seminario de Estadística aplicada a la Investigación

Educacional
Dr. Joel Elvys Alanya Beltran
UNIDAD 3
UNIDAD 3

Temas Objetivo
Pruebas de -Reconocer que pruebas de bondad de
bondad de ajuste se deben realizar antes de evaluar
ajuste la aplicabilidad de pruebas paramétricas
o no paramétricas
-Aplicar las pruebas paramétricas o no
Pruebas paramétricas en un estudio de
investigación
paramétricas y - Realizar aplicaciones en Excel y SPSS
no paramétricas
Hipótesis
Las hipótesis son deducciones u inducciones que conllevan a suposiciones lógicas de los resultados de
un análisis cuantitativo o cualitativo. Es una posibilidad que el investigador afirma, pero no es un
hecho, simplemente se trata de una conjetura que será evaluado.

Ejemplo

• Los estudiantes de secundaria víctimas del bullying son más

propensos a dejar sus estudios que aquellos no se ven
amenazados por estos ataques.
• Abstenerse a consumir grandes cantidades de alcohol por el
periodo de un año, puede revertir hasta el 50% de los daños
cognitivos sufridos.
Hipótesis estadística
Una hipótesis estadística es una proposición o supuesto sobre los parámetros (𝜃), principalmente
sobre:

Reunimos datos muestrales, producimos estadísticos de la muestra y

con esta información decidimos la probabilidad de que el parámetro
supuesto de la población sea correcto.

Ejemplo

𝜋
Hipótesis estadística
Consideraciones Características

• Las hipótesis tratan de una situación real

• Tener clara la idea de lo que se va a estudiar
• Las variables o términos de la hipótesis deben
• Revisión de las fuentes y bibliografía
ser concretos, comprensibles y claros.
• Trabajar en el planteamiento del problema
• La relación entre las variables de una hipótesis
• Definir los conceptos
debe ser lógica.
• Revisar los antecedentes
• Las variables son medibles
Prueba de hipótesis
Hipótesis estadística
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población

Hipótesis nulas Hipótesis alternativa

Hipótesis estadística
Plateo hipótesis estadística

Prueba unilateral
Unilateral superior
Unilateral inferior
 Hipótesis estadística
El investigador tendrá la necesidad de plantear supuestos en términos estadísticos, antes de probar ello en base a la muestra que tenga.
Por ejemplo:
Errores Tipo I y Tipo II
Ninguna prueba de hipótesis es 100%
cierta. Puesto que la prueba se basa en
Verdadera Decisión correcta probabilidades, siempre existe la
posibilidad de llegar a una conclusión
incorrecta. Cuando usted realiza una
Falsa Decisión correcta prueba de hipótesis, puede cometer dos
tipos de error: Error tipo I y error tipo II
Pasos de una prueba estadística
1 Plantear la hipótesis nula y alternativa

2 Seleccionar un nivel de significancia

3 Identificar el valor estadístico de prueba

4 Formular una regla de decisión

5 Llegar a una decisión (No rechazar la hipótesis nula o rechazar

No rechazar la hipótesis nula Rechazar la hipótesis nula y aceptar la alternativa

Seleccionar el nivel de significancia

La distribución de muestreo de la estadística de prueba se

divide en dos regiones, una región de rechazo (conocida como
región crítica) y una región de no rechazo (aceptación). Si la
estadística de prueba cae dentro de la región de aceptación, no
se puede rechazar la hipótesis nula
Identificar el estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar si se rechaza
la hipótesis nula., existen muchos estadísticos de prueba para nuestro caso utilizaremos los
estadísticos z y t. La elección de uno de estos depende de la cantidad de muestras que se toman, si
las muestras de la prueba son iguales a 30 o mas se utiliza el estadístico z, en caso contrario se
utiliza el estadístico t.
Tipos de prueba

Prueba bilateral o de dos extremos Prueba unilateral (izquierda) Prueba unilateral (derecha)
Formular la regla de decisión
Se establece las condiciones específicas en la que se rechaza la hipótesis nula y las condiciones en que no se
rechaza la hipótesis nula. La región de rechazo define la ubicación de todos los valores que son tan grandes
o tan pequeños, que la probabilidad de que se presenten bajo la suposición de que la hipótesis nula es
verdadera, es muy remota
Valor crítico: Es el punto de división entre la región en la que
se rechaza la hipótesis nula y la región en la que no se rechaza
la hipótesis nula. Para saber si se rechaza o no se debe evaluar
en que punto cae el valor del estadístico de prueba.

P-value: Representa la probabilidad de que un valor

estadístico calculado sea posible dada una hipótesis nula
cierta. Para saber si se rechaza o no se debe evaluar en que
área cae el valor del p-value.
Tomar una decisión
En este paso se calcula el estadístico de prueba, se compara con el valor crítico y se toma la decisión
de rechazar o no la hipótesis nula.

En una prueba de hipótesis solo se puede tomar una de dos

decisiones: aceptar o rechazar la hipótesis nula.
La decisión puede establecerse de dos formas:
1. Uso del estadístico de prueba o
2. Uso del p-value

. .
Estadístico
Estadístico
de prueba de prueba

Se acepta H0 Se rechaza H0
Metodología para una prueba estadística
La posición de la región crítica depende de la hipótesis alternativa
Metodología para una prueba estadística
La posición de la región crítica depende de la hipótesis alternativa
 Consideraciones para elegir prueba estadística
McNemar

Chi cuadrada
Dependientes Cochran Q.
Uno
Kolgomorov
Número de Smirnov
Pruebas paramétricas Wilcoxon
muestras
Muestras
Dos o más
relacionadas Chi cuadrada
Referidas a parámetros poblacionales.
Supuestos paramétricos: Man Whitney
❑ Variables cuantitativas
❑ La muestra procede de una población en la Independientes
que las variables siguen una distribución Test de medianas
normal.
❑ Se cumple la homocedasticidad de varianzas
(igualdad de varianzas) Krustall Wallis
❑ La muestra tiene un tamaño grande (n>=30)
Prueba Z Diferencia
Uno pareada
Dependientes
Número de Prueba T
Pruebas no paramétricas Prueba T
muestras
Muestras
Dos o más
relacionadas Prueba Z
No hacen ningún supuesto acerca de la forma en
que fue extraída la muestra de la población. No
siguen una distribución normal Independientes Prueba T

Análisis de
varianza
Pruebas paramétricas vs no paramétricas

Pruebas
Pruebas no paramétricas
paramétricas
Asumen los parámetros de la
distribución de la variable (media No asumen acerca de los parámetros de la distribución ni se preocupa
y varianza) y un tipo de por el tipo de distribución.
distribución normal

Las variables tienen que ser cuantitativas y

estar medidas en escala de intervalo o Se debe utilizar si se trata de datos Se debe utilizar con muestras pequeñas
razón. Los datos siguen una distribución cuantitativos, ordinales o nominales (n<30)
normal y las varianzas son iguales.
 Pruebas estadísticas
Objetivos del estudio
Comparar 2 grupos
Comparar >=3 grupos
Comparar 2 grupos
Comparar >=3 grupos
Correlación de dos variables
Variables y distribución Tipos de muestra Prueba recomendada
Muestras relacionadas T de Student
Cuantitativas, distribución normal
Muestras independientes T de Student
Cuantitativas discontinuas y continuas sin distribución normal Muestras relacionadas Wilcoxon
Muestras independientes U Mann Withney
Muestras relacionadas Análisis de varianza (ANOVA) de 2 vías
Cuantitativas, distribución normal
Muestras independientes ANOVA de una vía
Muestras relacionadas Friedman
Cuantitativas discontinuas y continuas sin distribución normal
Muestras independientes Krustall - Wallis
Muestras relacionadas McNemar
Cualitativas nominales y ordinales
Muestras independientes Chi cuadrada
Muestras relacionadas Q de Cochran
Cualitativas nominales y ordinales
Muestras independientes Chi cuadrada
Cuantitativas, distribución normal Muestras independientes Coeficiente de correlación de Pearson
Cuantitativas discontinuas y continuas sin distribución normal Muestras independientes Coeficiente de correlación de Spearman
Pruebas de bondad de ajuste

Para probar la
normalidad de los datos

Kolgomorov Smirnov Shapiro Wilk

La prueba se aplica para La prueba se aplica para

variables cuantitativas variables cuantitativas
continuas y cuando el continuas y cuando el
tamaño de muestra es tamaño de muestra es
mayor de 50 menor o igual a 50
 Prueba de Kolgomorov Smirnov
Es una prueba de bondad de ajuste que sirve para verificar si las puntuaciones que hemos obtenido de la muestra
siguen o no una distribución normal.

Regla de decisión:

Si p-value < 0.05, no creemos que nuestra variable siga una distribución
normal en nuestra población.

Condiciones:

La prueba se aplica para variables cuantitativas continuas y cuando el tamaño de muestra es mayor de 50

Tenga en cuenta que la prueba no se aplica si la distribución subyacente es discreta (Poisson)

Estudio de investigación..
ACTIVIDAD FÍSICA Y CONDICIÓN FÍSICA DE LOS ESTUDIANTES DE 3ERO DE SECUNDARIA DE LA
INSTITUCIÓN EDUCATIVA 001
Variable 01: Actividad física
Variable 02: Condición física

El objetivo central del estudio es determinar la relación entre la Actividad Física y Condición Física de los
estudiantes de 3ero de secundaria de I.E 001

Algunas variables demográficas son incluidas en el estudio como la edad, género y sexo del estudiante.

El tipo de estudio: Diseño descriptivo correlacional.

 Variables e indicadores
Dimensiones Indicadores
ESTADÍSTICOS
Actividad DESCRI P TIVOS
Física Habitual en el ejercicio deportivo. • Identificar el deporte que realiza.
• Reconocer el tiempo dedicado al deporte.

Actividad Física Actividad Física Habitual durante el tiempo escolar. Reconocer las actividades físicas que se realiza dentro del centro educativo.

Actividad Física Habitual durante el tiempo libre o de ocio.

Reconocer las actividades físicas que se realiza en las horas de tiempo libre

Fuerza • Fuerza Abdominal

• Fuerza explosiva de piernas
• Fuerza de brazos
• Fuerza de manos

Condición Física Resistencia

• Resistencia Aeróbica

• Velocidad de desplazamiento
Velocidad
• Velocidad de las extremidades superiores
Flexibilidad • Flexibilidad de la cintura
Variables e indicadores
Sexo

Edad

Variables demográficas Talla

Peso

Variable complementaria Puntuación (Puntuación ponderada del alumno en el curso de Educación

física)
Prueba de Kolgomorov Smirnov
Se requiere investigar si la puntuación ponderada del alumno en el curso de Educación física presenta una distribución normal
Prueba de Kolgomorov Smirnov
Análisis descriptivo SPSS
Prueba de Kolgomorov Smirnov
Análisis descriptivo SPSS
Prueba de Kolgomorov Smirnov
SPSS
Analizar > Pruebas no paramétricas > Cuadros de diálogo antiguos > K-S de 1 muestra...
Prueba de Kolgomorov Smirnov
SPSS

Conclusión:
 Prueba de Shapiro Wilk
Es una prueba de bondad de ajuste que sirve para verificar si las puntuaciones que hemos obtenido de la muestra
siguen o no una distribución normal. (Es un método más apropiado para tamaños de muestra pequeños (n<30) )

En resumen, la prueba de Shapiro-Wilk es una

prueba específica de normalidad, mientras que el
método de prueba de Kolmogorov-Smirnov es más
general pero menos poderoso (lo que significa que
es menos probable que rechace correctamente la
Regla de decisión:
hipótesis nula de normalidad).
Si p-value < 0.05, no creemos que nuestra variable siga una distribución
normal en nuestra población.
Condiciones:
La prueba se aplica para variables cuantitativas continuas y cuando el tamaño de muestra es menor o igual a 50
Prueba de Shapiro Wilk
Ejemplo

Se desea conocer los resultados de las técnicas de puntuaciones lúdicas en niños de primaria, para lo cual en base al criterio del
investigador estos puntajes de este mismo grupo de alumnos se recogen y luego se les hace una pequeña dinámica a partir de
un taller para reforzar sus capacidades con algunas manualidades y dos días después se vuelve a evaluar a los niños y recoger
los datos de esas puntuaciones. Luego el investigador desea probar si existen diferencias significativas en los resultados de
ambas pruebas con un 95% de confianza
 Prueba de Shapiro Wilk
Primero se evaluará la normalidad

4)
1)

2)

3)
Prueba de Wilcoxon
Primero se evaluará la normalidad

Conclusión:
La prueba de normalidad de shapiro Wilks evidencia
que existe normalidad en ambas variables (peso
antes de la dieta y después de la dieta) con un nivel
de significancia del 5%.

Regla de decisión:

Si p-value < 0.05, la variable no evidencia una distribución normal en nuestra población.
Homogeneidad de varianzas
Ejemplo
Tenemos distintas mediciones del zumbido de los oídos después de un concierto en ocho grupos de personas que fueron
a conciertos en ciudades diferentes de Inglaterra( la línea roja marca la media)

Homogeneidad Heterogeneidad

Concierto Concierto
 Prueba de F-test
Es una prueba estadística utilizada para evaluar la igualdad de las varianzas para una variable que presenta
distribución normal. También es conocido como contraste de la razón de varianzas

Regla de decisión:

Condiciones:
Debe cumplirse la independencia (Las puntuaciones deben ser distintas porque vienen de individuos distintos).
Nos sirve para comparar varios grupos en una variable cuantitativa.
Debe cumplirse que el tamaño de las muestras sean iguales o lo más parecido posible
Prueba de F-test
Ejemplo

Se lleva a cabo un estudio en el cual se realiza una evaluación de matemáticas en dos grupos de estudiantes y posteriormente el
investigador desea evaluar si existe una diferencia en la variación de los resultados obtenidos del examen en los dos grupos.
Prueba de F-test
SPSS
Prueba de F-test

Conclusión:

El valor de p-value es 0.025 <0.05, por lo que se puede concluir que con un 95% de confianza las puntuaciones de ambos grupos son
diferentes.
 Prueba de Levene
Es una prueba estadística utilizada para evaluar la igualdad de las varianzas para una variable calculada para dos o
más grupos.

Cuando queremos comparar el promedio de dos

grupos, previamente se debe demostrar que la
varianza de los grupos es la misma, para ello
planteamos una hipótesis como ya estamos
acostumbrados a hacerlo.
Regla de decisión:

Condiciones:
Debe cumplirse la independencia (Las puntuaciones deben ser distintas porque vienen de individuos distintos).
Cada muestra debe tener tamaño mayor o igual a 5

Se utiliza en el supuesto de diseños no aleatorizados y no balanceados (muestras de diferentes tamaños en los grupos)
Prueba de Levene
Ejemplo

Se lleva a cabo un estudio con dos grupos de estudiantes, el primer grupo son estudiantes que no presentan evidencia de desnutrición
(control)y el segundo grupo son aquellos que si presentan evidencia de desnutrición(tratamiento) . El investigador está decidido a ver
las calificaciones de ambos grupos para ver si existe una diferencia significativo.
Prueba de Levene
SPSS
Prueba de Levene

Conclusión:

El valor de p-value es 0.045 <=0.05, por lo que se puede concluir

que con un 95% de confianza que las calificaciones de ambos
grupos son diferentes