Violeta Alicia Nolberto Sifuentes Mara Estela Ponce Aruneri ESTADSTICA INFERENCIAL APLICADA

Unidad de Post Grado de la Facultad de Educacin de la Universidad Nacional Mayor de San Marcos

Primera edicin: Lima, 2008. Violeta Alicia Nolberto Sifuentes. Mara Estela Ponce Aruneri. Unidad de Post Grado de la Facultad de Educacin de la Universidad Nacional Mayor de San Marcos. Serie: Textos de la Maestra en Educacin. Edicin: Elena Soto Loayza. UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE

EDUCACIN UNIDAD DE POST GRADO Rector : Dr. Luis Izquierdo Vsquez Decano : Dr. Carlos Barriga Hernndez Director de la UPG : Dr. Elas Meja Meja Comit Directivo de la UPG : Dra. Elsa Barrientos Jimnez Dr. Kenneth Delgado Santa Gadea Mg. Rubn Mesa Marav 2

D DDDDe eeeed ddddi iiiic cccca aaaat tttto oooor rrrri iiiia aaaaPara Sandra Natalia (Mara Estela) Para Ernesto Alonso (Violeta Alicia) 3

NDICE Prefacio 8 Agradecimientos 9 Captulo 1. La estadstica y su relacin con la investigacin cientfica 1.1. Introduccin 10 1.2. Definicin de estadstica 11 1.3. Investigacin cientfica 13 1.4. Objetivos fundamentales de la investigacin cientfica 14 1.5. Paradigmas de la investigacin 15

1.6. Clasificacin de la estadstica 18 Captulo 2. Estadstica inferencial 2.1. Introduccin 21 2.2. Poblacin 22 2.3. Muestra 24 2.4. Muestra aleatoria 24 2.5. Muestra aleatoria aplicada 25 2.6. Parmetro 27 2.7. Estadstico 28 2.8. Distribucin muestral 30 2.9.

Estimacin 37 2.10. Prueba de hiptesis 39 2.11. Estadstica paramtrica 41 2.12. Estadstica no paramtrica 43 Ejercicios propuestos 44 4

Captulo 3. Estimacin de parmetros 3.1. Introduccin 3.2. Propiedades de los estimadores 3.3. Estimacin de parmetros mediante intervalos de confianza 3.4. Intervalo de confianza para estimar la media m de una poblacin normal 3.5. Intervalo de confianza para estimar la varianza poblacional s 2 de una poblacin normal 3.6. Intervalo de confianza para estimar la proporcin poblacional p de una poblacin binomial

3.7. Intervalo de confianza para estimar diferencia de medias poblacionales, m1 -m2 , de poblaciones normales 3.7.1. Usando muestras independientes 3.7.2. Usando muestras relacionadas 3.8. Intervalo de confianza para estimar la razn de varianzas poblacionales, s 2 1 , de poblaciones normales independientes s 22 3.9. Intervalo de confianza para estimar la diferencia de proporciones poblacionales, p1 -p 2 , de poblaciones binomiales independientes Ejercicios propuestos

Captulo 4. Prueba de hiptesis paramtrica 4.1. Introduccin 4.2. Conceptos bsicos 4.3. Etapas para realizar una prueba de hiptesis 4.4. Prueba de para m de una poblacin normal 4.5. Prueba para s 2 de una poblacin normal 4.6. Para p de una poblacin binomial 4.7. Prueba para m1 -m2 usando muestras independientes 4.7.1. Cuando las varianzas poblacionales son conocidas 4.7.2. Cuando las varianzas poblacionales

son desconocidas 5

4.8. Para 21 mm - usando muestras relacionadas 4.9. Para la igualdad de varianzas poblacionales 4.10. Para 21 pp - de poblaciones binomiales Ejercicios propuestos Captulo 5. Anlisis de regresin lineal mltiple 5.1. Introduccin 5.2. Modelo de regresin lineal simple 5.3. Grfico o diagrama de dispersin 5.4. Modelo de regresin lineal simple poblacional 5.5. Estimacin de los parmetros del

modelo de regresin lineal simple 5.6. Evaluacin del ajuste global del modelo 5.7. Adecuacin del modelo: Anlisis de residuos 5.8. Modelo de regresin lineal mltiple 5.9. Prueba de la significancia de la regresin 5.10. Correlacin lineal simple Ejercicios propuestos Captulo 6. Pruebas de hiptesis no parmetricas 6.1. Introduccin 6.2. Prueba binomial 6.3. Prueba U de Mann-Whitney 6.4. Prueba

de rangos de Wilcoxon 6.5. Prueba de Kruskal-Wallis 6.6. Prueba de Kolmogorov-Smirnov Ejercicios propuestos Captulo 7. Anlisis de datos categricos 7.1. Introduccin 7.2. Tablas de contingencia 7.3. Estadstica Chi-cuadrado 6

7.4. Prueba de hiptesis de homogeneidad 7.5. Prueba de hiptesis de independencia Ejercicios propuestos Anexo Uso de Excel en el clculo de los valores de algunas variables aleatorias 7

PREFACIO El presente libro se ha elaborado a solicitud de la Unidad de Post Grado de la Facultad de Educacin de la Universidad Nacional Mayor de San Marcos, y tiene como objetivo ser una gua en el curso de Estadstica Inferencial, que se desarrolla en el plan de estudios de la Maestra en Educacin, en sus diferentes menciones.

Por tanto, se ha escrito tomando en cuenta a un grupo heterogneo de profesionales, en el sentido de que los maestristas de esta facultad son en su mayora de la especialidad de educacin, y en su quehacer profesional no emplean cotidianamente las herramientas estadsticas. De ah, que el esfuerzo de las autoras sea desarrollar paso a paso las aplicaciones que se

presentan en este libro. Los clculos que se presentan para aplicar las herramientas de la inferencia estadstica son para que los lectores entiendan sus cmo y porqu y, asimismo, la interpretacin de los resultados obtenidos. Dejamos bien en claro que en ningn momento se pretende adiestrar a lo lectores en clculos, sino en que aprendan los conocimientos tericos estadsticos

de la inferencia (saber), apliquen las herramientas estadsticas (saber hacer) y desarrollen una actitud positiva hacia la estadstica. Esto es, que la estadstica no solamente es clculo, o el simple uso de las frmulas o expresiones que aparecen en ste y en diversos libros de estadstica, sino razonamiento crtico basado en evidencias objetivas que se obtienen de la poblacin bajo estudio

(ser). Una vez que el lector haya asimilado los conocimientos estadsticos, y sus aplicaciones, que brindamos en el presente libro, estar en la capacidad de usar software estadstico, que es un instrumento comparable a una calculadora. El aprendizaje de estadstica usando software estadstico no debe reducirse, sin embargo, a manipulaciones mecnicas, pues ste sirve como apoyo del profesor para mostrar,

en forma precisa y rpida, los grficos y clculos estadsticos. Violeta Alicia Nolberto Sifuentes y Mara Estela Ponce Aruneri Departamento Acadmico de Estadstica de la UNMSM 8

AGRADECIMIENTOS A Elas Meja, Director de la Unidad de Post Grado de la Facultad de Educacin de la Universidad Nacional Mayor de San Marcos, por brindarnos la oportunidad de entregar al mundo acadmico el presente libro, en particular a los maestristas de la mencionada facultad que lo usaran como gua para el aprendizaje del curso de Estadstica Inferencial, en el plan

de estudios vigente. Tambin por considerarnos como docentes de tan prestigiada unidad de post grado. A nuestros profesores de pregrado del Departamento Acadmico de Estadstica de la Universidad Nacional Mayor de San Marcos, que nos formaron en tan importante especialidad, y cuyas enseanzas y exigencias acadmicas para con nuestra preparacin profesional en estadstica han permitido que podamos seguir enseando y difundiendo

la estadstica, no solamente en el mbito sanmarquino, sino en otros. A nuestros alumnos, por la paciencia e inters en aprender estadstica, por sus comentarios y sugerencias para con nuestro desempeo docente. A todos los lectores docentes, alumnos, empresarios y, en general, aquellos que toman decisiones basadas en evidencias objetivas, en concordancia con el mundo en que vivimos, caracterizado

por el constante aprendizaje y el manejo adecuado de la informacin, en particular de la informacin estadstica. Asimismo, a los que nos hagan llegar sus comentarios, observaciones y dudas respecto a lo tratado en el presente libro, los mismos que contribuirn con la enseanza y la difusin de la estadstica. Finalmente, a nuestras familias por el apoyo, la comprensin y

el aliento, para con el desarrollo del presente libro. 9

CAPTULO 1 LA ESTADSTICA Y SU RELACIN CON LA INVESTIGACIN CIENTFICA 1.1. INTRODUCCIN Los profesionales de la educacin, como parte de su quehacer profesional, realizan investigacin cientfica: evaluacin de la calidad de la educacin, someten a prueba diferentes mtodos de comprensin lectora, estudian problemas del aprendizaje, entre otros. Es as, que contamos con Internet, como

fuente general de informacin, que permite disponer de informacin educativa, por ejemplo, sobre evaluaciones muestrales, que realiza el Ministerio de Educacin y que est disponible en la pgina web: http://www2.minedu.gob.pe/umc/index2.php?v_codigo=47&v_plantilla=2, (de fecha 23 de marzo de 2008), que a la letra dice: Dentro de las evaluaciones nacionales que ha realizado la Unidad de Medicin de la Calidad (UMC) podemos distinguir dos

tipos: las muestrales y las censales. A la fecha la UMC ha realizado cuatro evaluaciones muestrales y dos evaluaciones censales. En una evaluacin muestral se selecciona a un conjunto de estudiantes de una poblacin (objetivo). Las evaluaciones muestrales realizadas por la UMC son representativas de la poblacin objetivo planteadas en los distintos estudios (p. e. estudiantes peruanos de sexto grado de

primaria, estudiantes peruanos de Instituciones Educativas Estatales de quinto grado de secundaria, etc.). La seleccin de una muestra representativa de estudiantes permite hacer inferencias de las poblaciones a partir de la informacin recogida . Para Castillo Arredondo (2003), evaluar es el acto de valorar una realidad que forma parte de un proceso cuyos momentos previos son la fijacin de las caractersticas de

la realidad a valorar y la recogida de informacin sobre las misma, y cuyas etapas posteriores son la informacin y/o toma de decisiones en funcin del juicio de de valor emitido . 10

Por tanto, si el educador desea evaluar el rendimiento escolar, es necesario conocer las caractersticas de esta realidad escolar llamada, estadsticamente, poblacin. Si est en condiciones de recolectar los datos de toda la poblacin se denomina censo, es decir datos de todos y cada uno de los escolares para lograr los objetivos propuestos, o por el contrario, si toma o selecciona un grupo de escolares, se denomina

una muestra representativa (muestra probabilstica o aleatoria) de escolares, y a travs de la muestra intentar conocer la realidad de la poblacin escolar. Cuando se trabaja con una muestra probabilstica y queremos conocer la poblacin, a partir de los datos muestrales, empleamos los mtodos que ofrece la estadstica inferencial, que en el presente libro nos ocupar varios captulos. Este

libro es a nivel bsico, tratando de ser lo ms amigable posible, tomando en cuenta que nos dirigimos a profesionales no estadsticos, en particular de la educacin. Amigable en el sentido que obviaremos las demostraciones matemtico-estadsticas, pero si ser necesario tomar en cuenta las definiciones de la estadstica as como la rigurosidad para aplicar los mtodos estadsticos de la inferencia.

Pero antes es necesario que se conozca la naturaleza de la estadstica, en particular de la estadstica inferencial. 1.2. DEFINICIN DE ESTADSTICA Existen diversas definiciones, veamos algunas: Para Sierra Bravo (1991), la estadstica es la ciencia formada por un conjunto de teoras y tcnicas cuantitativas, que tiene por objeto la organizacin, presentacin, descripcin, resumen y comparacin de conjuntos de

datos numricos, obtenidos de poblaciones en su conjunto de individuos o fenmenos o bien de muestras que representan las poblaciones estudiadas, as como el estudio de su variacin, propiedades, relaciones, 11

comportamiento probabilstico de dichos datos y la estimacin, inferencia o generalizacin de los resultados obtenidos de muestras, respecto a las poblaciones que aqullas representan. La estadstica en la investigacin cientfica, dada la necesidad de manejar y tratar en ellas grandes cantidades, progresivamente crecientes, de datos . Irma Nocedo de Len et al (2001), anotan que la estadstica es la ciencia

encargada de suministrar las diferentes tcnicas y procedimientos que permiten desde organizar la recoleccin de datos hasta su elaboracin, anlisis e interpretacin. Abarca dos campos fundamentales la estadstica descriptiva y la estadstica inferencial , Para Hopkins y Glass (1997), la estadstica es un lenguaje para comunicar informacin basada en datos cuantitativos . Douglas Montgmery (1985), define a la estadstica como el

arte de tomar decisiones acerca de un proceso o una poblacin con base en un anlisis de la informacin contenida en una muestra tomada de la poblacin . Otra definicin de la estadstica que lo vincula al uso cientfico de principios matemticos, a la coleccin, al anlisis y a la presentacin de datos numricos. Contribuyen con la investigacin cientfica diseando

pruebas y experimentos; la coleccin, el proceso, y el anlisis de datos; y la interpretacin de los resultados, aplicando conocimientos matemticos y estadsticos. El conocimiento estadstico se aplica a la biologa, economa, ingeniera, medicina, salud pblica, psicologa, comercializacin, educacin y deportes. Muchas decisiones econmicas, sociales, polticas y militares no se pueden tomar objetivamente sin el empleo adecuado de la estadstica.1

En nuestro medio profesional o en la sociedad en general se requiere solucionar un problema o verificar un supuesto, para desarrollar la ciencia, la tcnica y la educacin 1 Traduccin adaptada por las autoras del libro, tomada de: http://www.amstat.org/Careers/index.cfm?fuseaction=main (en fecha 01 de abril de 2008). 12

entre otros mbitos; en particular respecto a los alumnos sobre rendimiento acadmico, aptitud cientfica, desarrollo social y la desercin entre otros. Tambin respecto al docente sobre su desempeo en aula, su formacin acadmico-profesional, los recursos didcticos que emplea y la produccin cientfica, entre otros. Respecto al sistema educativo, financiamiento de la educacin, gestin acadmica, informtica educativa y modelos educativos, entre

otros. Todos estos problemas no pueden ser resueltos por iniciativas subjetivas, por pareceres o lluvia de ideas; sino en base a informacin vlida y confiable, esto es, tener informacin lo ms prxima a la realidad bajo estudio. Indudablemente esto se logra empleando la ciencia llamada estadstica. Para resolver estos problemas se debe seguir de manera organizada, sistemtica y planificada, es decir debemos realizar investigacin

cientfica. 1.3. INVESTIGACIN CIENTFICA Es una forma especial de buscar el conocimiento, presenta toda una serie de caractersticas que la diferencian de otras formas de abordar la realidad, como son el conocimiento emprico espontneo y el razonamiento especulativo. A continuaciones se presentan algunas definiciones: Ezequiel Ander-Egg (1995), define investigacin como un procedimiento reflexivo, sistemtico, controlado y crtico, que

permite descubrir nuevos hechos o datos, relacin o leyes, en cualquier campo del conocimiento humano. Para entender qu se asume por investigacin cientfica debemos conocer su naturaleza, sus aspectos o caractersticas, como son: 1. Es un procedimiento mediante el cual se recogen nuevos conceptos de fuentes primarias, una investigacin existe cuando se ha pasado por el proceso de 13

comprobacin y verificacin de un problema, el replantear lo ya conocido no se puede llamar investigacin. 2. Una investigacin es un aporte importante para el descubrimiento de principios generales por su naturaleza inferencial. 3. La investigacin es un trabajo de exploracin profesional, organizada o sistemtica y exacta. 4. Es lgica y objetiva. 5. En lo posible procura ofrecer resultados

cuantitativos de los datos manejados. 6. El fin de una investigacin se expresa en un informe el cual presentar no solo la metodologa, resultados, experimentaciones, sino tambin las conclusiones y recomendaciones finales . 1.4. OBJETIVOS FUNDAMENTALES DE LA INVESTIGACIN CIENTFICA En relacin a las funciones que realiza la ciencia, los objetivos fundamentales de una investigacin cientfica son: 1. Describir

la realidad. Proceso importante y necesario en el proceso del conocimiento cientfico donde las tcnicas y mtodos se aplican para recopilar datos y hechos, y establecer generalizaciones empricas. 2. Explicar la realidad. Refleja mediante generalizaciones tericas (principios, leyes, conceptos) las propiedades y regularidades esenciales y estables de los fenmenos, as como los factores causales que los determinan. 14

3. Predecir la realidad. La explicacin de la realidad y las generalizaciones tericas, permiten que cumpla con el objetivo de predecir los comportamientos futuros de los fenmenos, esto es, establecer pronsticos dentro de un determinado lmite de la probabilidad. Como funcin prctica y utilitaria, la ciencia transforma la realidad en correspondencia con las necesidades y demandas de la sociedad, a fin

de lograr un bienestar, mejorar la calidad de vida. Entonces la ciencia indaga su objeto de estudio utilizando de una manera sistemtica y rigurosa, empleando mtodos y medios especiales de conocimiento que permiten obtener datos empricos confiables, as como un reflejo profundo y exacto de las regularidades esenciales de la realidad. En este caso, los mtodos estadsticos

cumplen funciones cognoscitivas importantes como herramienta de investigacin cientfica, por tanto el proceso de investigacin cientfica encuentra su fundamento metodolgico en la concepcin cientfica general de la realidad objetiva. Pero cmo conocer la realidad? 1.5. PARADIGMAS DE LA INVESTIGACIN Un paradigma es un enfoque general que asume el investigador y es de carcter ontolgico, epistemolgico y metodolgico. Este ltimo tiene

que ver con las vas, formas, procedimientos y estrategias que se consideran apropiados para estudiar al objeto. Responde a la pregunta cmo se conoce a la realidad? En la literatura del mtodo cientfico se habla con frecuencia de dos paradigmas de la investigacin cientfica, como son: el cualitativo y el cuantitativo. 15

Para sintetizar estos dos paradigmas se presenta la siguiente tabla, disponible en: http://www.fisterra.com/mbe/investiga/cuanti_cuali/cuanti_cuali.asp (de fecha 22 de marzo de 2008). Tabla N 1.1 Ventajas y desventajas entre mtodos cualitativos y cuantitativos Mtodos cualitativos Mtodos cuantitativos Propensin a comunicarse con los sujetos del estudio. Propensin a servirse de los sujetos del estudio. Se limita a preguntar. Se limita

a responder. Comunicacin ms horizontal entre el investigador y los investigados mayor naturalidad y habilidad de estudiar los factores sociales en un escenario natural. Son fuertes en trminos de validez interna, pero son dbiles en validez externa, lo que encuentran no es generalizable a la poblacin. Son dbiles en trminos de validez interna -casi nunca sabemos si miden lo que quieren medir-pero

son fuertes en validez externa, lo que encuentran es generalizable a la poblacin. Preguntan a los cuantitativos: Cuan particularizables son sus hallazgos? Preguntan a los cualitativos: Son generalizables sus hallazgos Podemos afirmar que, como todo mtodo cientfico, se debe reconocer sus ventajas y desventajas, lo importante es determinar el momento adecuado para aplicarlo en el desarrollo de la investigacin cientfica.

16

Pero destacamos que el paradigma cuantitativo se vale de la estadstica para garantizar el estudio de muestras representativas y para el anlisis de los datos, como tambin para efectuar generalizaciones a partir de los resultados de estas muestras representativas. Tambin, para realizar investigacin va el paradigma cuantitativo, se ha empleado previamente el paradigma cualitativo; pero lo importante es tener la

certeza de su aplicacin para solucionar problemas de una investigacin cientfica, sta debe reunir ciertas caractersticas. En otros casos ser necesario emplear ambos paradigmas, como por ejemplo cuando se trata de evaluar la calidad de la educacin, en particular la educacin superior, no es suficiente uno de ellos se deben emplear ambas. La realidad es muy compleja, multifactorial, dinmica, por lo tanto, ambos

paradigmas se complementan, no son excluyentes. Entonces la estadstica es la herramienta que ayuda a tener la seguridad, certeza y confianza, de que los datos recogidos respondan a la realidad que se pretende investigar, en trminos de estadstica aplicada.

Una vez establecido el objeto de estudio en base a los conocimientos tericos,

se inicia la etapa de diseo metodolgico (diseo), donde se define el proceso de recoleccin de datos, delimitando las unidades bajo estudio y las variables a medirse, que permitan contestar las preguntas formuladas, en el proyecto de investigacin cientfica. Es indudable que la estadstica es una poderosa herramienta para planificar y desarrollar el diseo metodolgico. Los datos obtenidos, de la realidad

investigada, se analizan aplicando los mtodos y tcnicas estadsticas para contrastar sus posibles divergencias con las consecuencias que se deducen de las hiptesis. Por tanto nos preguntamos: 17

Cmo se llevara a cabo el estudio para investigar sobre diferentes problemas y aristas del trabajo educativo, para el logro de sus objetivos y/o verificacin de sus hiptesis? Cmo se realizar la investigacin, a fin de maximizar la validez y confiabilidad de la informacin y reducir errores en los resultados? Las respuestas que ustedes proporcionen dejan notar la relacin que existe

entre estadstica e investigacin cientfica. 1.6. CLASIFICACIN DE LA ESTADSTICA Dependiendo de cmo se analizan los datos, la Estadstica se clasifica como: 1.6.1. Estadstica descriptiva Rama de la estadstica que trata sobre la descripcin y anlisis estadstico de una poblacin, que resume y presenta datos obtenidos de la poblacin o de una muestra, mediante mtodos adecuados.

Tiene como objetivo caracterizar los datos, de manera grfica o analtica, para resaltar las propiedades de los elementos bajo estudio. La siguiente pregunta: En promedio el nmero total de respuestas correctas, de una prueba de compresin lectora, es la misma en todas las secciones de quinto grado de primaria de Instituciones Educativas de Lima Metropolitana?, se resuelve

con el apoyo de la estadstica descriptiva. 18

1.6.2. Estadistica inferencial Rama de la estadstica que estudia el comportamiento y propiedades de las muestras, y la posibilidad y lmites de la generalizacin de los resultados obtenidos a partir de aquellas a las poblaciones que representan. Esta generalizacin de tipo inductivo, se basa en la probabilidad. Tambin se le llama tambin estadstica matemtica, por su complejidad matemtica en relacin a

la estadstica descriptiva. Tiene como objetivo generalizar las propiedades de la poblacin bajo estudio, basado en los resultados de una muestra representativa de la poblacin. La siguiente pregunta: El instrumento perso clasifica y discrimina adecuadamente, a partir de variables de personalidad, a los alumnos de Educacin Bsica Secundaria segn requieran o no una escolarizacin especial?, se resuelve con

el apoyo de la estadstica inferencial. En cuanto a la probabilidad, Pedro Juez Martel y Francisco Diez Vegas (1997) manifiestan que hoy en da la probabilidad y la estadstica, ntimamente unidas en s, desempean un papel fundamental en prcticamente todos los campos del saber, tanto en las ciencias naturales como en las ciencias humanas, papel que va cobrando

cada vez mayor importancia . La siguiente pregunta: Cunto es la probabilidad de que un alumno de Educacin Bsica Secundaria requiera una escolarizacin especial, a partir de las variables de su personalidad? es un caso tpico que se resuelve con el apoyo de la probabilidad y se logra empleando modelos probabilsticos. 19

RECUERDE Ningn mtodo estadstico puede corregir los defectos por una inadecuada seleccin del problema que se investiga, o por una mala recoleccin de datos. Una investigacin que empieza mal, con seguridad termina mal. CON DATOS DE MALA CALIDAD NO SERA POSIBLE DAR RESPUESTA ADECUADA A UN PROBLEMA CIENTIFICO Nosotros recordamos al estudiante que los mtodos

estadsticos son las herramientas ms peligrosas en manos de gente inexperta. Pocas materias tienen una aplicacin tan amplia, ninguna requiere tal cuidado en su aplicacin. La estadstica es una de esas ciencias cuyos adeptos deben ejercer la automoderacin de un artista (George Udny Yule y Maurice Kendal). 20

CAPTULO 2 ESTADSTICA INFERENCIAL 2.1. INTRODUCCIN Tambin se le llama inferencia estadstica, pero previamente recordemos que la estadstica (EI) comprende el conjunto de mtodos estadsticos que permiten deducir (inferir) cmo se distribuye la poblacin bajo estudio, a partir de la informacin que proporciona una muestra representativa obtenida de dicha poblacin. Ver seccin 1.6.2 del presente libro. Para que la estadstica

inferencial proporcione buenos resultados debe: 1. Basarse en una tcnica estadstico-matemtica adecuada al problema y suficientemente validada. 2. Utilizar una muestra que realmente sea representativa de la poblacin y de un tamao suficiente. Veamos el siguiente ejemplo: Ejemplo 2.1. Se realiza un estudio para comparar tres mtodos para ensear tcnicas de comprensin lectora en ingls a escolares

de segundo grado de Educacin Bsica Secundaria, como son: 1. El mtodo de la enseanza recproca. 2. El mtodo de instruccin directa. 3. La combinacin de mtodos de instruccin directa y enseanza recproca. 21

Las preguntas por resolver son: 1. Cul de los mtodos mejora la comprensin lectora? 2. Para el prximo ao el mtodo, identificado como el mejor, dar buenos resultados para el alumno Javier Hernndez Len, quin realizar el segundo grado de Educacin Bsica Secundaria? La primera pregunta es un caso de incertidumbre porque basndonos en el estudio de tres muestras independientes

y en igualdad de condiciones se aplicar uno de los tres mtodos a cada muestra de manera independiente; con el apoyo de la estadstica inferencial absolvemos esta pregunta, eligiendo a la que mejora significativamente la comprensin lectora para este tipo de alumnos. La segunda pregunta es un caso de toma de decisiones porque Javier Hernndez Len no ha participado

en el estudio, pero se le aplicar el mejor mtodo que resulte de la investigacin realizada, ahora bien, con qu confianza diremos que ese mtodo lograr que Javier mejore su comprensin lectora en ingls. Los casos de incertidumbre y toma de decisiones son resueltos por la estadstica inferencial, por supuesto apoyada por la probabilidad.

Para iniciarse en el estudio

y aplicacin de la estadstica inferencial es necesario conocer los conceptos bsicos que a continuacin se van a tratar. 2.2. POBLACIN Este concepto vamos a definirlo bajo diferentes enfoques. 22

En investigacin cientfica se le define como la totalidad de elementos sobre los cuales recae la investigacin. A cada elemento se le llama unidad estadstica, a sta se le observa o se le somete a una experimentacin, estas unidades son medidas pertinentemente. Si representamos mediante X una variable aleatoria bajo investigacin, al estudiar a sta variable en la poblacin,

como resultado tendremos los valores: X , X , X ,..., X 123 N Donde N es el total de elementos de la poblacin. Ejemplo 2.2. Sea X una variable aleatoria que representa la calificacin obtenida en la prueba de conocimientos sobre educacin ambiental (escala vigesimal) de los alumnos de la Facultad de Educacin, si la poblacin consta de 300 alumnos, entonces:

X , X , X ,..., X 123 300 Es una poblacin en trminos de variable aleatoria, que se lee as: La calificacin que ha obtenido el alumno 1 en la prueba de conocimientos sobre educacin ambiental, la calificacin que ha obtenido el alumno 2 en la prueba de conocimientos sobre educacin ambiental, la calificacin que ha obtenido el alumno 3 en

la prueba de conocimientos sobre educacin ambiental, y as sucesivamente hasta la calificacin que ha obtenido el alumno 300 en la prueba de conocimientos sobre educacin ambiental. El propsito de un estudio estadstico es extraer conclusiones acerca de la naturaleza de la poblacin, pero resulta que las poblaciones son grandes, o por razones de tica, recursos financieros, metodolgicos u otros

no ser posible, entonces se debe trabajar con una muestra extrada de la poblacin bajo estudio. 23

2.3. MUESTRA Sierrra Bravo (1991), anota que una muestra en general es toda parte representativa de la poblacin, cuyas caractersticas debe reproducir en pequeo lo ms exactamente posible . Para que sea representativa se debe seleccionar empleando el muestreo, tpico importante de la estadstica, con la finalidad de que los resultados de esta muestra sean vlidos para la poblacin de

la que se ha obtenido la muestra. Esta generalizacin se realiza empleando la estadstica inferencial. 2.4. MUESTRA ALEATORIA Una muestra aleatoria de tamao n de la funcin de distribucin de la variable aleatoria X es una coleccin de n variables aleatorias independientes X , X , X ,..., X , cada una 123 n con la misma funcin de distribucin de la variable aleatoria X.

Ejemplo 2.3. Consideremos nuevamente la poblacin definida en el ejemplo 2.2. La variable de inters es X, calificacin obtenida en la prueba de conocimientos sobre educacin ambiental (escala vigesimal) de los alumnos de la Facultad de Educacin. Asumiremos que tiene distribucin de probabilidad con media mx y varianza s x 2 . No se conoce ni la distribucin

exacta de X ni el valor numrico de mx o de s x 2 . Se trata de caractersticas de la poblacin que pueden determinarse con precisin si se revisa cada una de las calificaciones de los 300 alumnos. Para tener una idea del valor de mx se extrae una muestra aleatoria de tamao n = 6 de la poblacin. Entonces:

X1 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin ambiental, el primer alumno seleccionado en la muestra. 24

X 2 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin ambiental, el segundo alumno seleccionado en la muestra. ... X 6 : La calificacin que ha obtenido, en la prueba de conocimientos sobre educacin ambiental, el sexto alumno seleccionado en la muestra. Puesto que la seleccin de los alumnos (en este caso,

seis) es aleatoria o al azar: X1, X , X 3, , X 5 X 6 2 X 4, Constituye variables aleatorias. Se admite que son independientes y cada una con la misma distribucin que la variable aleatoria X. En un sentido matemtico, el trmino muestra aleatoria se refiere no a seis alumnos seleccionados para este estudio, sino a las seis variables aleatorias X , X , X , X , X , X asociadas con los alumnos.

123456 La definicin matemtica de variable aleatoria es terica, para extraer conclusiones prcticas acerca de la poblacin en base a la muestra seleccionada deben determinarse los valores numricos de las variables X1, X 2, X 3,..., Xn . No estamos tratando con un conjunto de unidades estadsticas seleccionadas, ni con un grupo de variables tericas, sino con un conjunto de n nmeros

reales, es decir x1, x2, x3,..., xn . Estos nmeros son los valores observados de las variables X1, X 2, X 3,..., Xn respectivamente, para una determinada muestra aleatoria extrada de la poblacin. Esto conduce a la siguiente definicin. 2.5. MUESTRA ALEATORIA APLICADA Una muestra aleatoria de tamao n es un conjunto de n observaciones x1, x2, x3,..., xn sobre las variables X1, X 2, X 3,..., Xn , independientes e idnticamente distribuidas. 25

Ejemplo 2.4. Para el caso del ejemplo 2.3. Una vez identificados los seis alumnos, podemos determinar los valores numricos de las seis variables aleatorias X1, X 2, X 3, X 4, X 5, X 6 . Supongamos que el primer alumno seleccionado ha obtenido 13 en la prueba de educacin ambiental. En este caso, la variable aleatoria X1 toma el valor x1 = 13. Si el segundo alumno seleccionado

ha obtenido 10 en la prueba de educacin ambiental, en este caso la variable aleatoria X toma el valor = 10. De igual forma, las variables 2 x2 aleatorias X 3, X 4, X 5, X 6 tomarn valores numricos que van a depender de las calificaciones que obtengan los alumnos seleccionados en la tercera, cuarta, quinta y sexta seleccin. Ahora estamos utilizando el trmino muestra

aleatoria , no para referirnos a los alumnos seleccionados o a las variables aleatorias asociados con ellos, sino a los seis valores numricos x , x , x , x , x , x que toman respectivamente cada una de las seis variables 123456 aleatorias. Por tanto hay tres formas de considerar a una muestra aleatoria: 1. Como un conjunto de unidades seleccionadas que son sometidas al estudio. 2.

Como un conjunto de variables aleatorias tericas asociadas con esas unidades 3. Como un conjunto de valores numricos tomados por las variables. Las definiciones no son equivalentes pero estn estrechamente relacionadas. 26

2.6. PARMETRO Sierra Bravo (1991), indica que parmetro deriva del vocablo griego parmetreo que significa medir una cosa con otra: En estadstica se refiere a los valores o medidas que caracterizan a una poblacin como, por ejemplo, la media y la desviacin tpica de una poblacin ( ) Son cantidades indeterminadas, constantes o fijas respecto a una condicin o situacin,

que caracterizan a un fenmeno en un momento dado que ocurre en una poblacin . Se suele representar a un parmetro mediante letras griegas. Por ejemplo, la media poblacional se representa mediante mx y se lee como media poblacional de la variable aleatoria X, la varianza poblacional se representa mediante s x 2 y se lee como varianza poblacional de la variable aleatoria X.

En trminos prcticos, un parmetro es un valor que resulta al emplear los valores que se obtienen de una poblacin. Ejemplo 2.5. Si al obtener las calificaciones de los 300 alumnos que conforman la poblacin, stas se promedian, entonces mx = 14.78 es el parmetro correspondiente. Para su clculo se ha empleado la siguiente expresin, llamada media poblacional:

N . Xi i=1 mx = (2.1) N Obviamente que N toma el valor de 300 para este ejemplo. 27

Si de estos 300 alumnos, 198 son mujeres, entonces la proporcin poblacional de mujeres representada por p x = 0.66 (66%). Para su clculo se ha empleado la siguiente expresin, llamada proporcin poblacional: N . Xi i=1 p x = (2.2) N Pero, ahora la variable aleatoria se define como: 1

.. . En este caso el numerador de la expresin (2.2) es 198 y N toma el valor de 300. 2.7. ESTADSTICO Se contrapone al parmetro porque es un valor que se obtiene a partir de los valores muestrales. Se pueden obtener media y varianzas mustrales, por ejemplo. Los estadsticos son variables aleatorias por que estn sujetos a la

fluctuacin de la muestra en relacin al valor poblacional, que se asume es constante. Ejemplo 2.6. Continuando con el ejemplo 2.4, al seleccionar una muestra aleatoria de tamao seis, una vez identificados los seis alumnos, se obtienen las siguientes calificaciones x1 = 13, x2 = 10, x3 = 13, x4 = 14 x5 = 11, x6 = 10. La media obtenida de los

seis alumnos es de 11,83, llamada media muestral y se representa mediante x , cuya expresin es: si alumna Xi = 0 si alumno 28

. n xi i=1 x = (2.3) n El numerador de la expresin (2.3) es la suma de los seis valores, que da 71, que dividido por 6, resulta x = 11,83, es decir en promedio los alumnos han obtenido 11,83 de calificacin en la prueba de educacin ambiental. La varianza de esta muestra aleatoria es 2,4722, y

se representa mediante S 2 , cuya expresin es: n 2 S(xi - x) 2 i=1 S = (2.4) n Para su clculo, disponemos de la tabla 2.1, en la que mostramos paso a paso el uso de la expresin (2.4), sabiendo que x = 11,83: Tabla 2.1 Clculos para obtener el valor de la varianza (Ejemplo

2.6) Unidad xi ( x)xi - ( )2 xxi 1 13 1,17 1,3689 2 10 -1,83 3,3489 3 13 1,17 1,3689 4 14 2,17 4,7089 5 11 -0,83 0,6889 6 10 -1,83 3,3489 Total 71 0,02* 14,8334 29

Tericamente . n (xi - x)= 0 i=1 El numerador de la expresin (2.4) es la suma del cuadrado de las seis desviaciones de cada valor que toma la variable, respecto a su media aritmtica, que es igual a 14,8334, que dividido por 6 es justamente 2,4722. La raz cuadrada, positiva, de la varianza se llama desviacin estndar o desviacin tpica, esto

es: S =+ S 2 (2.5) Entonces, usando la expresin anterior (2.5), la desviacin estndar es S = 1,5723. 2.8. DISTRIBUCIN MUESTRAL Sierrra Bravo (1991), anota que la distribucin muestral est formada por estadsticos o valores determinados obtenidos de muestras: medias, varianzas, etc. acompaados de sus respectivas frecuencias relativas o probabilidades, o de la proporcin de veces que se repiten en el

conjunto de todas las muestras posibles del mismo tamao obtenidas de la poblacin . De manera ms formal, Tsokos y Milton (1998), anotan que la distribucin de probabilidad del estadstico se llama distribucin muestral . Ejemplo 2.7. Vamos a obtener la distribucin muestral, de las calificaciones obtenidas en la prueba que mide la educacin ambiental, de una

poblacin hipottica compuesta por 3 estudiantes y que toma calificaciones iguales a: X = 13, X = 11, X = 07. Fijamos para una muestra 123 30

de tamao 2. En la tabla 2.2 se muestran los posibles resultados de la muestra de tamao 2, as como su respectiva media muestral: Tabla 2.2 Resultados de posibles muestras de tamao 2 Muestras posibles Medias muestrales (media para cada muestra) 13,11 12 13,7 10 11,13 12 11,7 9 7,13 10 7,11 9

Ahora se muestra la distribucin de frecuencias para los valores de la media muestral: Tabla 2.3 Distribucin muestral de la media muestral Valores de las medias muestrales Frecuencia Frecuencia relativa 9 2 2/6 = 0.33 10 2 2/6 = 0.33 12 2 2/6 = 0.33 La distribucin muestral de la media muestral es la

distribucin de frecuencias o de probabilidad. En este caso, de las frecuencias relativas de todas las medias muestrales posibles, obtenidas de muestras de tamao 2, de la poblacin de tamao 3. 31

Por cultura estadstica estudiaremos algunos estadsticos y su distribucin de probabilidad (distribucin muestral). 2.8.1. Media muestral La expresin (2.3), nos indica cmo se obtiene una media muestral. Veamos sus propiedades: Propiedades de la media muestral Si X es una variable aleatoria con esperanza o media poblacional m y varianza poblacional s 2 , entonces la media muestral x tiene

las siguientes propiedades: 1. E(x)= m 2. V (x)=s 2/ n 3. La desviacin estndar de x , que se representa mediante s x , conocida tambin como error estndar de la media muestral es igual a s / n 4. Sea X , X , X ,..., X una muestra aleatoria de tamao n, de una distribucin con 1 23 n media poblacional m y varianza poblacional s 2 . Entonces, para n grande, la variable aleatoria:

x -m (2.6) s / n Se distribuye aproximadamente como una normal estandarizada N(0,1). Se considera una buena aproximacin cuando n 30 (teorema del lmite central). De este modo, 32

incluso, an cuando la variable aleatoria X no est normalmente distribuida, podemos aplicarla en la inferencia estadstica. 2.8.2. Varianza muestral A partir de cada muestra aleatoria de tamao n de X : x1, x2,..., xn, tambin se puede calcular la varianza muestral definida como: 1 n 2 2 s = S(xi - x) (2.7) n -1 i=1 Cabe precisar, que algunos autores la

llaman cuasivarianza. Propiedades de la varianza muestral Si X es una variable aleatoria con esperanza y varianza m y s 2 respectivamente, entonces para la varianza muestral de tamao n se cumple que: 22 1. E(s )=s 2 (n -1)s 2. Si X tiene distribucin de probabilidad normal, 2 es una variable aleatoria con s distribucin chi-cuadrado con n -1 grados de libertad.

2.8.3. Proporcin muestral Consideremos una poblacin en la que existe una proporcin p de elementos que tienen el atributo A (o pertenecen a la categora A ). 33

Si se toma una muestra aleatoria de n elementos de esa poblacin y se calcula el nmero nA de elementos con el atributo A , entonces: n p = A (2.8) n Es la proporcin muestral de los elementos que tienen el atributo A en la muestra. Esta proporcin muestral corresponde a una variable aleatoria. Propiedades de la

proporcin muestral 1. E(p)=p 2. V (p)=p(1-p )/ n La desviacin estndar, o error estndar de la proporcin muestral, se denota como s p y es igual a p (1-p )/ n 3. Para n suficientemente grande, la variable aleatoria: p -p Se distribuye aproximadamente como una N(0,1) . Se considera una buena aproximacin cuando n 30 (teorema del lmite central). CUL ES LA DIFERENCIA ENTRE DESVIACIN

ESTNDAR Y ERROR ESTNDAR? La diferencia es que la DESVIACIN ESTNDAR describe la variabilidad de los valores de una variable, en cambio el ERROR ESTNDAR describe la precisin del estadstico.

n Z /)1(pp = (2.8)

Ejemplo 2.8. En una muestra aleatoria de 15 docentes de educacin secundaria, de la Institucin Educativa Martn Adn, se aplic un cuestionario para recoger su opinin sobre el investigador educativo. Se presenta la respuesta de 3 preguntas, de un total de 27: Tabla 2.4 Muestra aleatoria de 15 docentes de la Institucin Educativa Martn Adn (Lima)

Docente Edad(1) Investigador(2) Remuneracin(3) 1 34 1 1 2 38 1 1 3 49 2 1 4 42 1 1 5 35 1 2 6 44 2 1 7 30 1 2 8 36 1 1 9 43 2 1 10 47 2 1 11 39 1 2 12 46 2 1 13 48 2 1 14 36 1

2 15 44 1 1 (1) Edad en aos cumplidos del docente. (2) La profesin de investigador es profesin atractiva para: 1. Docentes jvenes. 2. Docentes maduros. (3) El investigador educativo debe ser bien remunerado: 1. S. 2. No. 35

Con esta informacin vamos a mostrar la diferencia entre desviacin estndar y error estndar. Media muestral La edad en aos cumplidos tiene distribucin con media poblacional, m = 38,5 aos y varianza poblacional, s 2 = 30 aos2. Usando la expresin 2.3 se obtiene x = 40,73 aos, y al usar la expresin 2.7 se obtiene s2 = 33,21 aos2.

Por tanto la desviacin estndar muestral de la edad es: s = = 5,76. 21 ,332 =s En cambio el error estndar del estadstico media muestral, empleando la propiedad 3, es: s 5,48 5,48 s== = = 1,42 aos. xn 15 3,87 Proporcin muestral Para la segunda variable, interesa que el docente encuestado indique que la profesin de investigador es una

profesin atractiva para docentes jvenes ( A ). La muestra aleatoria es igual a 15 docentes (n = 15) . En esta poblacin se asume que la proporcin poblacional de docentes que consideran que la profesin de investigador es una profesin atractiva para docentes jvenes es igual a 0,71 (p = 0,71). 36

De la tabla contamos que, nA =9, es decir 9 docentes afirman que la profesin de investigador es una profesin atractiva para docentes jvenes, entonces empleando la expresin 2.8, se obtiene: 9 p = = 0,6 (60%) 15 Esto es, el 60% de docentes encuestados afirman que la profesin de investigador es una profesin atractiva para docentes

jvenes. El error estndar del estadstico p es: p (1-p ) 0,71(1- 0,71) 0,71(0,29) 0,2059 s p = = = = = 0,0137 = 0,1170 n 15 15 15 2.9. ESTIMACIN La inferencia estadstica se clasifica como: estimacin y prueba de hiptesis de parmetros estadsticos. En ambos casos hay una poblacin bajo investigacin y generalmente al menos un parmetro de esta poblacin, al que

vamos a representar mediante la letra griega q . Cuando no se tiene una nocin preconcebida sobre el valor de q , se desea responder a la pregunta: Cul es el valor de q ? En este caso el intentar conocer el valor de q es en trminos estadsticos, estimar el valor de q es decir tratar de conocer el valor del parmetro en trminos prcticos. Sierra Bravo (1991), anota

que estimacin proviene del latn estimatio y significa estimacin, precio y valor que se da a una cosa. En estadstica es la operacin que mediante la inferencia un parmetro, utilizando datos incompletos procedentes de una 37

muestra, se trata de determinar el valor del parmetro. Pero los valores de la muestra estn sujetos al error muestral esto es a las fluctuaciones de la muestra . La estimacin de un parmetro puede ser mediante una: 1. Estimacin puntual. 2. Estimacin mediante intervalos de confianza. Para cualquiera de estas dos situaciones empleamos el estadstico que, como ya se

ha mencionado, es una variable aleatoria. La aproximacin se hace utilizando estadsticos apropiados. A un estadstico empleado para aproximar o estimar un parmetro de la poblacin q se le llama estimador puntual de q y se denota mediante q . De este modo por ejemplo, al estimador de la media m , se le denotara por m . Una vez que la muestra ha sido tomada y

se han hecho algunas observaciones, se puede obtener el valor numrico del estadstico q . A tal nmero se le denomina una estimacin puntual de q . Ntese que hay una diferencia entre los trminos estimador y estimacin. ESTIMADOR: Es el estadstico utilizado para generar una estimacin y es una variable aleatoria. ESTIMACIN: Es el valor que

toma el estimador.

Ejemplo 2.9. Consideremos las variables edad en aos cumplidos (X ) y el docente considera que el investigador educativo debe ser bien remunerado (Y ), para distinguir entre estimador y estimacin: 38

Variable Parmetro Estimador Estimacin X m n x x n i i. = = 1 m = x = 40,73 aos s 2 ( ). = = n i i xx n s 1 22 1 1 2 2 = ss =33,21 aos2 Y p n n p A= 0,7333 == pp (73,33%) 2.10. PRUEBA DE HIPTESIS Proceso mediante el cual, a partir de los valores de una muestra aleatoria, se decide si se rechaza o

no el supuesto que plantea el investigador para el parmetro o parmetros de la poblacin o poblaciones bajo estudio, pero con cierta probabilidad de error (riesgo) por tomar una decisin. Ejemplo 2.10. En cierta investigacin, se requiere estudiar el nivel de comprensin lectora en nios de 8 aos de edad, que asisten a Instituciones Educativas estatales y privadas, para

tal fin se elige al azar una muestra de alumnos de cada tipo de Institucin Educativa (IE). Se pretenden lograr los siguientes objetivos: 1. Determinar el nivel promedio poblacional del puntaje de la prueba de comprensin lectora para tipo de IE. 39

2. Verificar si el nivel promedio poblacional del puntaje de la prueba de comprensin lectora en nios de IE estatal es diferente de los nios de IE privados. Explicar cul rama de la inferencia estadstica emplear para lograr cada objetivo. Solucin Previamente se requiere identificar: Poblacin. Se trata de dos poblaciones bajo estudio: 1. Nios de

8 aos de edad, que asisten a Instituciones Educativas estatales. 2. Nios de 8 aos de edad, que asisten a Instituciones Educativas privadas. Muestra. Nios de 8 aos de edad seleccionados aleatoriamente e independiente de cada poblacin. Variable aleatoria. Est representada mediante X y se define como: Puntaje de comprensin lectora obtenida mediante una prueba especial.

Parmetros: En relacin a la variable aleatoria bajo estudio y considerando que se investiga para dos tipos de IE, los parmetros son: m1 = Nivel promedio poblacional del puntaje de la prueba de comprensin lectora para nios de 8 aos de edad que asisten a IE estatales. m2 = Nivel promedio poblacional del puntaje de la prueba de

comprensin lectora para nios de 8 aos de edad que asisten a IE privados. 40

s1 = Desviacin estndar poblacional del puntaje de la prueba de comprensin lectora para nios que asisten a IE estatales. s 2 = Desviacin estndar poblacional del puntaje de la prueba de comprensin lectora para nios que asisten a IE privadas. Para lograr el objetivo 1. Se debe emplear la estimacin debido a que se requiere tener un

valor aproximado de m1 y m2 empleando muestras aleatorias que se han obtenido de manera independiente de cada tipo de institucin educativa. Para el logro del objetivo 2. Se debe verificar que los promedios poblacionales m1 y m2 son diferentes a partir de muestras aleatorias, aritmticamente significa: m1 diferente de m2 ( m1 m2 ) o equivalentemente m1 -m2 = 0. En este caso se parte

del supuesto que no existe diferencias entre el nivel promedio poblacional del puntaje de la prueba de comprensin lectora para nios que asisten a IE estatales y privados. Por tanto se empleara la prueba de hiptesis estadstica, mediante el cual se somete a prueba m1 -m2 = 0. 2.11. ESTADSTICA PARAMTRICA Segn Sierra Bravo (1991), es parte de la estadstica que

exige determinados requisitos para emplear en la inferencia estadstica generalmente requiere para su uso el supuesto de normalidad es decir que las muestras aleatorias se extraen de poblaciones que estn normalmente distribuidas, o aproximadamente normal. Ejemplo 2.11. Se desea verificar si el tiempo promedio requerido para resolver un problema sencillo en nios de 10 aos de edad con secuelas neurolgicas

derivadas de hiperbilirubenia al nacer, 41

se incrementa despus de haber recibido una capacitacin especial para resolver problemas de ese tipo. En este caso se debe elegir una muestra aleatoria de la poblacin conformada por nios de esta poblacin, es decir, nios de 10 aos de edad con secuelas neurolgicas derivadas de hiperbilirubenia al nacer. La variable aleatoria bajo estudio X, es el

tiempo, en minutos, para resolver un problema sencillo, cuyo parmetro se define como: m = Tiempo promedio poblacional, en minutos, requerido para resolver un problema sencillo. Para estudiar a este parmetro se requiere evaluar a la muestra aleatoria de esta poblacin antes de la capacitacin especial y despus de la capacitacin especial, es decir los parmetros para este esquema, sujetos a estudio

estadstico son: m1 = Tiempo promedio poblacional, en minutos, requerido para resolver un problema sencillo antes de la capacitacin. m2 = Tiempo promedio poblacional, en minutos, requerido para resolver un problema sencillo antes de la capacitacin. En este caso la muestra aleatoria es relacionada, porque a cada unidad de la muestra se le evala bajo dos condiciones, antes

y despus de la capacitacin especial. Para verificar el supuesto propuesto. La capacitacin especial incrementa el tiempo promedio requerido para resolver problemas sencillos en nios de esta poblacin a partir de muestras relacionadas, se aplica una prueba de hiptesis para someter a prueba: m1 = 42

tiempo, en minutos, promedio poblacional requerido para resolver un problema sencillo m1 < m2 o equivalentemente m1 -m2 < 0. La estadstica inferencial nos da la herramienta llamada estadstica para someter a prueba la diferencia de medias poblacionales empleando muestras relacionadas, cuya aplicacin requiere que las diferencias de cada par de observaciones (tiempo empleado para resolver un problema sencillo antes y despus de la

capacitacin especial) debe tener distribucin normal de probabilidad. En este caso se est empleando la estadstica paramtrica debido a que debe cumplir con el supuesto de normalidad 2.12. ESTADSTICA NO PARAMTRICA Cuando no se da el supuesto de la normalidad se tienen dos alternativas, una de ellas es aproximar los valores de los datos a una distribucin normal para la cual

hay una serie de mtodos, y la segunda alternativa es emplear los mtodos de la estadstica no paramtrica, es decir, mtodos que no suponen nada acerca de la distribucin poblacin muestreada por eso tambin a los mtodos de la estadstica no paramtrica se le llama de distribucin libre. Y que son excelentes cuando los tamaos muestrales son pequeos ( n 10 ),

asimismo estos mtodos se basan en el anlisis de los rangos de los datos que en las propias observaciones. Ejemplo 2.12. Considerando el caso anterior si las diferencias muestrales no cumplen con el supuesto de normalidad, cuya verificacin se realiza con herramientas estadsticas pertinentes, entonces se recurrir a la estadstica no paramtrica, y que se tratar en

el captulo 6. 43

EJERCICIOS PROPUESTOS 2.1. Leer atentamente el siguiente resumen, del artculo de investigacin titulado: Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicols de Hidalgo2 Resumen Para la identificacin de un grupo de competencias docentes bsicas en los profesores que se desempean en la licenciatura en medicina en la Facultad

de Medicina Dr. Ignacio Chvez , objetivo fundamental del presente trabajo, se utilizaron mtodos tericos y empricos. Se aplic una encuesta a una muestra seleccionada de docentes y alumnos. Se emplearon procedimientos estadsticos para el anlisis de los resultados y se elaboraron tablas. A partir de la identificacin de las necesidades de aprendizaje de los profesores estudiados, en relacin con la direccin

del proceso enseanza-aprendizaje y los referentes tericos sobre el tema, se realiz un anlisis integrador para valorar los datos obtenidos, lo que permiti la caracterizacin de los docentes objeto de investigacin, en relacin con las competencias docentes bsicas propias de una gestin formativa pertinente. Se tomaron en consideracin los principios metodolgicos ms actuales acerca de la formacin de recursos humanos en la

educacin superior en sentido general y en particular en la educacin mdica superior. 2 MANZO RODRIGUEZ, Lidia; RIVERA MICHELENA, Natacha y RODRIGUEZ OROZCO, Alain. Competencias docentes en los profesores de medicina de la Universidad Michoacana de San Nicols de Hidalgo. Revista Cubana de Educacin Mdica Superior. Vol. 20. Abril-Junio 2006, ISSN 0864-2141. 44

A partir de este resumen: 1. Defina la poblacin. 2. Defina la muestra. 3. Defina la(s) variable(s) aleatoria(s). 4. Plantear un parmetro, y su respectivo estadstico, segn respuesta 3. 2.2. Leer atentamente el siguiente resumen del artculo de investigacin titulado: Percepcin de los estudiantes universitarios de sus propias habilidades de investigacin3 Resumen El objetivo de esta

investigacin fue identificar la percepcin que tienen los estudiantes universitarios respecto a sus habilidades de investigacin, para lo cual se utiliz un instrumento llamado Autoevaluacin de habilidades de investigacin (Rivera, Torres, Garca Gil de Muoz, Salgado, Arango, Caa y Valentn, 2005). Participaron 119 estudiantes de los cuales 73.7% fueron mujeres y 26.3% hombres, entre ellos, el 88.2% se encontraba realizando estudios

de licenciatura y el 11.8% de postgrado. Se cont con representantes de cuatro reas de conocimiento: Ciencia y Tecnologa, Ciencias Humanas, Ciencias Econmico-Administrativas, y Educacin. La confiabilidad del instrumento aplicado fue alta (Alfa de Cronbach =.9557). Se encontr que la mayora de los estudiantes asignan calificaciones altas a sus habilidades de investigacin y que por lo general los hombres y las

mujeres evalan sus habilidades de investigacin de manera 3 Mtra. RIVERA HEREDIA, Mara Elena y Mtra. TORRES VILLASEOR, Claudia Karina. Universidad Simn Bolvar. merivera@bolivar.usb.mx. ambiental@bolivar.usb.mx. www.usb.edu.mx/investigacion/cif/proyectos/proyecto3/habilidades.doc 45

semejante; cuando aparecen diferencias significativas, son los hombres quienes se asignan puntajes ms altos. Se discuten las diferencias entre los resultados arrojados por este cuestionario con los de otras estrategias de evaluacin. En base a este resumen plantear como sera la aplicacin de la inferencia estadstica bajo el enfoque de: 1. Estimacin de parmetros. 2. Prueba de

hiptesis de parmetros. Loscaptulosfaltantesdelpresentelibroseestarnpublicandoenlossiguientesdas.Disculpenl amolestia. 46

47