Академический Документы
Профессиональный Документы
Культура Документы
1ºParcial
Reuchlin Cap. 1 – El carácter variable de las conductas.
La conducta de una persona puede cambiar en función de la situación en que se
encuentre y es diferente según la persona.
Esta variabilidad se divide en 2 partes: se las denomina previsibles cuando se
conoce la situación, el momento o la persona, por otra parte, estas variaciones
son imprevisibles a partir de las informaciones de las que dispone el observador.
- Las variaciones que son imprevisibles lo son porque no están
asociadas a una fuente de variación sistemática. Éstas se atribuyen a un
conjunto de fuentes fortuitas de variación. Se asocian al azar.
- Las variaciones que son previsibles están asociadas a fuentes
sistemáticas de variación.
Estas variaciones pueden compararse si se dispone de series de
observaciones. La estadística se usa para analizar estas series, y para que
el análisis tenga sentido, las series deben reunirse de manera coherente.
Las fuentes sistemáticas de variación algunas veces pueden actuar a la vez.
Cuando el investigador plantea una hipótesis acerca de los efectos que
puedan llegar a producir las fuentes sistemáticas de variación, comienza por
verificar si cada una de ellas tiene un efecto no nulo y significativo. Podrá
averiguar cuáles son las fuentes de variación más importantes, es decir, las
que contribuyen a las variaciones de las observaciones, a partir de esto, se
debe explicar el fenómeno. Se debe evaluar el peso que toman las fuentes
fortuitas de variación, ya que, si es grande con relación a las fuentes
sistemáticas, será difícil poner en evidencia las últimas, ya que quedaran
ahogadas dentro de las fortuitas.
Índice de Curtosis:
Se basa en el promedio de las típicas elevadas a la cuarta potencia.
Se le resta un 3 al índice porque lo que se consigue es utilizar ese modelo como
patrón de comparación.
Una distribución en la que el índice es igual a cero, tiene un grado de Curtosis
similar al de la distribución normal, es mesocúrtica.
Si su apuntalamiento es positivo, es mayor que el de la distribución normal, es
leptocúrtica.
Si es negativo su apuntalamiento, es menor que la distribución normal, es
platicúrtica.
2º Parcial
Botella Cap. 11 – Probabilidad.
Un experimento aleatorio es toda acción cuyo resultado no se puede predecir
con certeza. Cada uno de los resultados posibles de un experimento aleatorio se
llama suceso elemental, el experimento aleatorio da lugar a uno y sólo un suceso
elemental de entre todos los posibles. Al conjunto de sucesos elementales se le
llama espacio muestral y se representa por E.
Se llama verificación de un suceso elemental al hecho de que la realización del
experimento aleatorio produzca ese suceso elemental.
Sobre los espacios muestrales, como conjuntos, se pueden definir subconjuntos,
denominados sucesos. Un suceso se verificará cuando el experimento aleatorio
de lugar a uno de los sucesos elementales que integran el subconjunto que lo
define. En ocasiones se definen sucesos a partir de subconjuntos vacíos, esto
se denomina suceso imposible. En otras ocasiones, se definen sucesos cuyo
subconjunto constituyente está formado por todos los elementos del espacio
muestral, esto se denomina suceso seguro.
A) Se llamará unión (∪) de dos sucesos al subconjunto de elementos del
espacio muestral que están incluidos en, al menos, uno de esos sucesos.
B) Se llama intersección (∩) de dos sucesos al subconjunto del espacio
muestral formado por los sucesos elementales que pertenece
simultáneamente a ambos sucesos. Cuando la intersección de ellos es un
subconjunto vacío, se dice que son sucesos incompatibles.
Distribución binomial:
Fue estudiada por Bernoulli. Para que la distribución de probabilidad de una
variable se ajuste a este modelo debe cumplir una serie de requisitos.
1- Debe basarse en una variable dicotómica (sólo admite 2 valores).
Usualmente son 0 y 1.
Estas variables pueden ser dicotómicas o dicotomizadas artificialmente
(aunque tiene muchos posibles resultados diferentes, se los clasifica en
2).
Estas variables pueden definirse como aquellas que adoptan la regla de
asignar 1 si se cumple cierta condición y 0 si no se cumple.
Distribución de T- Student:
Para que una variable aleatoria se distribuya según el modelo de t de Student
debe ajustarse a la fórmula de éste.
Las variables X e Y se distribuyen normalmente con parámetros (0;1) y a la de
Pearson; y se forma la variable T, extrayendo valores independientes de X e Y;
y sustituyendo en la forma. Se distribuye teniendo como parámetros los grados
de libertad.
Para referirnos a valores concretos de una distribución t, se coloca en el
subíndice, los grados de libertad en la derecha y la probabilidad acumulada o
área izquierda en el lado izquierdo.
Propiedades:
a) Es simétrica respecto al valor 0.
b) En ese valor coinciden la media, mediana y moda.
c) A medida que se incrementan los grados de libertad, se incrementa la
distribución pareciéndose a la normal.
Botella Cap. 6 – Puntuaciones típicas y escalas derivadas.
Una solución al problema de interpretación con las puntuaciones diferenciales
consiste en no medir las distancias a la media en términos absolutos, sino con
relación a la variabilidad del grupo de referencia. Se trataría de indicar cómo de
grande es una distancia en término de las distancias observadas en general en
esas puntuaciones, la cual se medía mediante la desviación típica y se puede
utilizar como unidad de medida. Las puntuaciones conseguidas de esta manera
se denominan puntuaciones típicas y se representan con z.
Al proceso de obtención de las puntuaciones típicas se lo llama tipificación.
Las puntuaciones típicas de una observación indican el número de desviaciones
típicas que se separa esa observación de la media del grupo de observaciones.
Permiten hacer comparaciones entre unidades de distintos grupos, variables
medidas de distintas formas o entre variables diferentes. También indican si esa
desviación está por encima o por debajo de la media.
Estas puntuaciones tienen características de tendencia central y variabilidad
constantes.
Las puntuaciones típicas no son más que una transformación lineal que consiste
en multiplicar las puntuaciones directas por una constante (inverso del desvío) y
luego sumar a esos productos otra constante (cociente entre la media y el desvío,
con signo negativo).
Esas características de las típicas son universales, no dependen del tipo de
puntuaciones, ni de su dispersión, ni de su número.
La media de las puntuaciones típicas es 0, mientras que su varianza y desvío
son iguales a 1.
Las puntuaciones típicas reflejan las relaciones esenciales entre puntuaciones
independientemente de la unidad de medida utilizada. Por eso cuando dos
conjuntos de puntuaciones están emparejados por algún criterio, a sus
elementos les corresponde la misma puntuación; mantienen la misma estructura
interna y por lo tanto son puntuaciones equivalentes.
Escalas derivadas:
Las típicas al tener su media en 0 y desviación en 1, parte de ellas suelen ser
negativas y casi todas decimales. Por eso, un procedimiento que consiste en
transformar las puntuaciones típicas en otras que retengan todas las relaciones
que manifiestan las puntuaciones originales y por lo tanto sean equivalentes,
constituyen lo que se denomina una escala derivada. Se basan en una propiedad
de las puntuaciones típicas.
Si transformamos linealmente las puntuaciones típicas multiplicándolas
por una constante 𝑎, y después sumamos una constante 𝑏, entonces las
puntuaciones transformadas tendrían como media la constante sumada
𝑏, como desviación típica el valor absoluto de la constante multiplicada |𝑎|
y como varianza el cuadrado de la constante 𝑎2 .
La construcción de una escala derivada parte de unas puntuaciones directas,
éstas se tipifican, y después se transforman linealmente en otras
puntuaciones.
La cuestión fundamental consiste en transformar puntuaciones originales en
transformadas para que sean más fáciles de interpretar y que a la vez sean
equivalentes.
Cualquier transformación lineal en que la constante multiplicadora sea
positiva, da lugar a puntuaciones equivalentes.
Las puntuaciones T tienen media 50 y desviación típica 10, y se constituyen
la transformación general más conocida.
Hipótesis estadísticas:
Es una afirmación sobre una o más distribuciones de probabilidad o sobre el
valor de uno o más parámetros de ella. Se suelen representar por H seguida de
una afirmación que le da contenido. Surge a partir de una hipótesis científica.
Una hipótesis científica se refiere a algún aspecto de la realidad, una hipótesis
estadística se refiere a algún aspecto de una distribución de probabilidad.
Todo contraste de hipótesis se basa en la formulación de 2 hipótesis: Hipótesis
nula (𝐻0 ) y la hipótesis alternativa (𝐻1 ).
- Hipótesis nula: Es la hipótesis que se somete al contraste, es una
afirmación concreta sobre la forma de una distribución, es exacta.
- Hipótesis alternativa: Es la negación de la nula, incluye lo que la nula
excluye y es inexacta.
Cuando en 𝐻1 aparece ⟨=⟩ es un contraste bilateral, cuando aparece < o > es
unilateral.
Ambas hipótesis son rivales, son exhaustivas y mutuamente exclusivas, si una
es verdadera, la otra es falsa.
Tanto si 𝐻0 es exacta como inexacta, todo el proceso de decisión va a estar
basado en un modelo probabilístico construido a partir de ella.
Los supuestos:
Son un conjunto de afirmaciones que necesitamos establecer para conseguir
determinar la distribución en la que se basará nuestra decisión sobre 𝐻0 .
- Las hipótesis simples: define una distribución normal con parámetros
conocidos. Permitiría especificar por completo una distribución binomial
una vez establecido el tamaño de la muestra.
- Hipótesis compuestas: No quedan completamente especificadas.
Define una distribución normal con media conocida, pero varianza
desconocida.
No define una única distribución, sino muchas diferentes.
Con frecuencia la 𝐻0 será compuesta, lo cual nos obliga a establecer un conjunto
de supuestos que permitan especificar por completo la distribución.
Algunos de estos supuestos son más restrictivos o exigentes que otros. El
incumplimiento de éstos podría invalidar el contraste y llevarnos a una decisión
errónea. Conviene que los supuestos sean pocos y poco exigentes.
El Estadístico de contraste:
Es un resultado muestral que cumple la doble condición de:
1- Proporcionar información empírica relevante sobre la afirmación en la 𝐻0 .
2- Poseer una distribución muestral conocida, ya que es donde nos vamos
a apoyar para tomar una decisión, para contrastar la hipótesis lo razonable
será utilizar la información muestral proporcionada por el estadístico.
Una vez planteadas las hipótesis, es necesario seleccionar el estadístico de
contraste capaz de proporcionar información relevante sobre ellas y establecer
los supuestos necesarios para determinar la distribución. Existen 2 estadísticos:
𝑇1 = 𝑥 y 𝑇2 = 𝑝.
Los estadísticos x y p sirven como estadísticos de contraste para poner a prueba
𝐻0 porque ambos cumplen con las condiciones.
La regla de decisión:
Es un criterio para decidir si la hipótesis debe ser o no rechazada. Se basa en la
partición de la distribución muestral del estadístico en 2 zonas:
1- Zona de rechazo o crítica: Es el área de la distribución muestral que
corresponde a los valores del estadístico de contraste que se encuentran
tan alejados de la afirmación de 𝐻0 que es muy poco probable que ocurran
si 𝐻0 es verdadera. Su probabilidad es 𝛼 (nivel de riesgo).
2- Zona de aceptación: Es el área de la distribución que corresponde a los
valores próximos a la afirmación de 𝐻0 , es probable que ocurran si 𝐻0 es
verdadera. Su probabilidad es de 1 − 𝛼 (nivel de confianza).
Esta regla consiste en rechazar 𝐻0 si el estadístico toma valores de la zona de
rechazo y mantenerla si el estadístico toma valores de la zona de aceptación.
El tamaño de las zonas se determina fijando el valor de 𝑎 (nivel de significación).
Dependiendo la formulación de H1 los contrastes pueden ser bilaterales o
unilaterales. La distribución se divide dependiendo el tipo de contraste. La zona
crítica debe estar donde aparecen los valores incompatibles con 𝐻0 , en los
bilaterales se encuentra repartida en partes iguales entre las 2 colas de la
distribución. En unilaterales se encuentra en una de las dos colas de la
distribución muestral.
La decisión:
El paso siguiente consiste en obtener una muestra aleatoria de tamaño n,
calcular el estadístico de contraste y tomar la decisión con respecto a 𝐻0 .
Una decisión consiste en rechazar o mantener H0 . Si la rechazamos, la hipótesis
es falsa con una probabilidad 𝛼 de equivocarnos.
Si la mantenemos afirmamos que no disponemos de evidencia para rechazarla
y por lo tanto es compatible con los datos.
La razón de que sea así de doble es:
1- Es imposible afirmar que 𝐻1 no es verdadera, porque las pequeñas
desviaciones de 𝐻0 forman parte de 𝐻1 . Por eso 𝐻0 se mantiene o no
rechaza.
2- Por la falacia de afirmación del consecuente, T puede haber tomado un
valor comprendido entre a y b por diferentes razones contenidas en 𝐻0 .
Para determinar una afirmación verdadera se plante como 𝐻1 y rechazamos 𝐻0 .