ESTADÍSTICA
Lic. en Ciencias de la Educación
Ing. Horta Marrón Jesús Roberto
1
Unidad I: CONCEPTOS BÁSICOS.
1. Contraste de Hipótesis.
2. Intervalos de confianza.
3. Planificación de investigación.
4. Estadísticas.
5. Calculo estadístico Informatizado.
6. Lógica de la inferencia estadística.
Unidad II: PRUEBAS PARAMÉTRICAS.
1. Pruebas paramétricas.
2. Regresión y correlación.
3. Análisis multivariante.
4. Análisis de varianza.
5. Análisis no paramétricos con uno y dos grupos.
6. Análisis no paramétricos con más de dos grupos.
Unidad I: CONCEPTOS BÁSICOS.
1. Contraste de Hipótesis.
Es poder especificar una posibilidad, denominada hipótesis nula
(H0), donde uno da prioridad a un evento posible. Es necesario
también especificar una hipótesis alternativa (H 1), esta sera a ser
aceptada si la hipótesis nula es descartada.
Pasos para realizar un contraste de hipótesis:
1. Formular hipótesis nula y alternativa.
2. Especificar riesgos y ventajas.
3. Especificar el estadístico de contraste.
4. Mínima diferencia significativa (Tamaño del efecto).
Unidad I: CONCEPTOS BÁSICOS.
1. Contraste de Hipótesis.
5. Tamaño muestral necesario.
6. Proponer regiones de aceptacion y rechazo.
7. Tomar una muestra de tamaño n.
8. Calcular el estadístico del contraste en la muestra.
9. Rechazar la hipótesis nula si la estimación cae en rechazo o bien
si la probabilidad p es menor y aceptarla en caso contrario.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Métodos de Muestreo.
La teoría del muestreo es el estudio de la relación que existe
entre una población y las muestras que se obtienen de esa
población. Se emplea en muchos contextos. Por ejemplo, en la
estimación de cantidades poblacionales desconocidas (como la
media y la varianza poblacionales), a las que se les conoce como
parámetros poblacionales, a partir de las correspondientes
cantidades muéstrales (como la media y la varianza muéstrales),
a menudo conocidas como estadísticos muéstrales.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Métodos de Muestreo:
Ayuda a determinar si las diferencias que
se observan entre dos muestras se
deben a variaciones casuales o si son
diferencias realmente significativas. Por
ejemplo, al probar un nuevo suero para
el tratamiento de una enfermedad o tener
que decidir si un proceso de producción
es mejor que otro. Al responder estas
preguntas se usan las llamadas pruebas
de significancia o de hipótesis.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Distribución Muestral: Teorema Central del Limite.
Es una teoría estadística que establece que, dada
una muestra aleatoria suficientemente grande de
la población, la distribución de las medias
muéstrales seguirá una distribución normal.
Además, el TCL afirma que a medida que el
tamaño de la muestra se incrementa, la media
muéstral se acercará a la media de la población.
Por tanto, mediante el TCL podemos definir la
distribución de la media muéstral de una
determinada población con una varianza conocida.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Distribución Muestral: Teorema Central del Limite.
De manera que la distribución seguirá una distribución normal si el
tamaño de la muestra es lo suficientemente grande.
Principales propiedades del TCL.
El Teorema Central del Límite tiene una serie de propiedades de gran
utilidad en el ámbito estadístico y probabilístico. Las principales son:
-Si el tamaño de la muestra es suficientemente grande, la distribución
de las medias muestrales seguirá aproximadamente una distribución
normal.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Distribución muestral: Teorema Central del Limite.
-El TCL considera una muestra como grande cuando el tamaño
de la misma es superior a 30. Si la muestra es superior a 30, la
media muestral tendrá una función de distribución próxima a una
normal. Esto se cumple independientemente de la forma de la
distribución con la que estamos trabajando.
-La media poblacional y la media muestral serán iguales. Es decir,
la media de la distribución de todas las medias muestrales será
igual a la media del total de la población.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de Confianza.
Distribución muestral: Teorema del Limite Central.
-La varianza de la distribución de las medias muestrales será σ²/n.
Que es la varianza de la población dividido entre el tamaño de la
muestra.
-Que la distribución de las medias muestrales, se parezca a una
normal es tremendamente útil. Porque la distribución normal es
muy fácil de aplicar para realizar contrastes de hipótesis y
construcción de intervalos de confianza.
En estadística, que una distribución sea normal es bastante
importante, dado que muchos estadísticos requieren este tipo de
distribución.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de confianza.
Es una técnica de estimación utilizada en inferencia estadística
que permite acotar un par o varios pares de valores, dentro de los
cuales se encontrará la estimación puntual buscada (con una
determinada probabilidad).
Un intervalo de confianza nos va a permitir calcular dos valores
alrededor de una media muestral (uno superior y otro inferior).
Estos valores van a acotar un rango dentro del cual, con una
determinada probabilidad, se va a localizar el parámetro
poblacional.
Intervalo de confianza = media +- margen de error
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de confianza.
Conocer la verdadera cantidad de población, por lo general, suele ser
algo muy complicado. Una población de 4 millones de personas.
¿Podríamos saber el gasto medio en consumo por hogar de esa
población? Si, haciendo una encuesta entre todos los hogares y
calcular la media. Pero es un proceso laborioso y complicaría bastante
el estudio.
Por lo que es más factible seleccionar una muestra estadística, 500
personas y calculamos la media. Aunque seguiríamos sin saber el
verdadero valor poblacional, podríamos suponer que este se va a situar
cerca del valor muestral.
Unidad I: CONCEPTOS BÁSICOS.
2. Intervalos de confianza.
A esa media le sumamos el margen de error y tenemos un valor
del intervalo de confianza. Por otro lado, le restamos a la media
ese margen de error y tendremos otro valor. Entre esos dos
valores estará la media poblacional.
Conclusión: No sirve para dar una estimación puntual del
parámetro poblacional, nos va a servir para hacernos una idea
aproximada de cuál podría ser el verdadero de este.
Nos permite acotar entre dos valores en dónde se encontrará
la media de la población.
Factores de los que depende un intervalo
de confianza.
El cálculo de un intervalo de confianza depende principalmente de los
siguientes factores:
• Tamaño de la muestra seleccionada: Dependiendo de la cantidad de
datos que se hayan utilizado para calcular el valor muestral, este se
acercará más o menos al verdadero parámetro poblacional.
Factores de los que depende un intervalo
de confianza.
• Nivel de confianza: Nos va a informar en qué porcentaje de
casos nuestra estimación acierta. Los niveles habituales son el
95% y el 99%.
• Margen de error de nuestra estimación: Este se denomina como
alfa y nos informa de la probabilidad que existe de que el valor
poblacional esté fuera de nuestro intervalo.
• Lo estimado en la muestra (media, varianza, diferencia de
medias…): De esto va a depender el estadístico pivote para el
cálculo del intervalo.
Unidad I: CONCEPTOS BÁSICOS.
3. Planificación de investigación.
Unidad I: CONCEPTOS BÁSICOS.
3. Planificación de investigación.
Unidad I: CONCEPTOS BÁSICOS.
4. Estadísticas.
Estadística: Se ocupa de los métodos científicos que se utilizan para
recolectar, organizar, resumir, presentar y analizar datos así como para
obtener conclusiones válidas y tomar decisiones razonables con base en
este análisis. También se usa para denotar los datos o los números que se
obtienen de esos datos.
Unidad I: CONCEPTOS BÁSICOS.
4. Estadísticas.
Descriptiva: A la parte de la estadística que únicamente trata de
describir y analizar un grupo dado, sin sacar ninguna conclusión ni
hacer inferencia alguna acerca de un grupo más grande, se le
conoce como estadística descriptiva o deductiva.
Inferencial: La estadística que se ocupa de las condiciones bajo la
cuales tales inferencias son válidas se le llama estadística inductiva
o inferencial.
Unidad I: CONCEPTOS BÁSICOS.
5. Calculo estadístico Informatizado.
Estadística usada por programas de computadora para analizar,
calcular y graficar datos de gran magnitud.
Unidad I: CONCEPTOS BÁSICOS.
6. Lógica de la inferencia estadística.
Hay tres grandes temas clásicos de la estadística inferencial relativos al
problema de la estimación de parámetros: la estimación puntual, la estimación
por intervalos y las pruebas de hipótesis.
El énfasis principal ha sido puesto en la estimación de parámetros de las
distribuciones de probabilidad; sin embargo los métodos y las ideas
presentadas en la inferencia estadística también son aplicables para tratar otros
problemas similares. El enfoque con el que se tratan los temas, son
principalmente matemáticos, buscando proveer las demostraciones de casi
todos los resultados que se estudian.
Unidad II: PRUEBAS PARAMÉTRICAS.
1. Pruebas paramétricas.
2. Regresión y correlación.
3. Análisis multivariante.
4. Análisis de varianza.
5. Análisis no paramétricos con uno y dos grupos.
6. Análisis no paramétricos con más de dos grupos.
Unidad II: PRUEBAS PARAMÉTRICAS.
1. Pruebas paramétricas.
Unidad II: PRUEBAS PARAMÉTRICAS.
1. Pruebas paramétricas.
Unidad II: PRUEBAS PARAMÉTRICAS.
2. Regresión y correlación.
Unidad II: PRUEBAS PARAMÉTRICAS.
2. Regresión y correlación.
Unidad II: PRUEBAS PARAMÉTRICAS.
3. Análisis multivariante.
Unidad II: PRUEBAS PARAMÉTRICAS.
3. Análisis multivariante.
Unidad II: PRUEBAS PARAMÉTRICAS.
4. Análisis de varianza.
Unidad II: PRUEBAS PARAMÉTRICAS.
4. Análisis de varianza.
Unidad II: PRUEBAS PARAMÉTRICAS.
5. Análisis no paramétricos con uno y dos grupos.
Unidad II: PRUEBAS PARAMÉTRICAS.
5. Análisis no paramétricos con uno y dos grupos.
Unidad II: PRUEBAS PARAMÉTRICAS.
6. Análisis no paramétricos con más de dos grupos.
Unidad II: PRUEBAS PARAMÉTRICAS.
6. Análisis no paramétricos con más de dos grupos.
