Академический Документы
Профессиональный Документы
Культура Документы
Facultad de Ingenieras Fsico-Mecnicas Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones Centro de Innovacin y Desarrollo para la Investigacin en Ingeniera del Software
CONSTRUIMOS FUTURO
Lneas de Investigacin: Calidad, Ingeniera, Sistemas y Modelado Organizacional de Conocimiento Gnosis Avanzada en Ingeniera y Telemtica Aplicada
Escuela de Ingeniera Elctrica, Electrnica y de Telecomunicaciones
Facultad de Ingenieras Fsico-Mecnicas Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones Centro de Innovacin y Desarrollo para la Investigacin en Ingeniera del Software
CONSTRUIMOS FUTURO
3
Escuela de Ingeniera Elctrica, Electrnica y de Telecomunicaciones
Continuous Representation
Fecha 05/08/13
Material aprobado para uso pblico. Distribucin limitada. Copyright CIDLISUIS 2013
CONSTRUIMOS FUTURO
5. 6. 7. 8. 9.
Segunda Entrega de Caso y Proyecto Test de Salida: Caso, Problema y proyecto. Planeacin y adaptacin del Caso y del Proyecto de siguiente leccin Evaluaciones Cierre
Revisiones Retrospectivas y trabajo futuro
Segunda Entrega de Caso / Proyecto Quiz de Salida Lanzamiento de Caso Planeacin de siguiente leccin Evaluaciones Cierre de Leccin.
Revisiones Retrospectivas y trabajo futuro
1. Estudiantes que hicieron la primera entrega del Anlisis de Caso / Proyecto 2. Registro de Incidentes.
1. Visin desde la pgina web. 2. Resolucin de dudas. 3. Sntesis de preguntas y respuestas.
1. Inicio del Test de Entrada 2. Desarrollo del test de Entrada. 3. Cierre del Test de Entrada.
1. 2. 3. 4. Dar por finalizado el test Hacer anlisis de resultados Hacer comparacin con resultados de primeras entregas de caso Recoger observaciones
10
Conductivo
ALCON
Activo Ldico Constructivo
Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013
11
Cadenas de Markov
12
INTRODUCCIN A LA INFERENCIA ESTADSTICA Un estudio estadstico plantea, extraer conclusiones sobre la naturaleza de una poblacin grande, que no puede estudiarse en su totalidad, y por lo tanto hay que analizar y valorar una parte de ella. Este hecho permite justificar y establecer diferentes tcnicas de muestreo.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
La Investigacin Sustentado por Procesos INTRODUCCIN A LA INFERENCIA ESTADSTICA Los trminos bsicos, son: estadstico y estimacin (especficamente, estimador). Estadstico: es una medicin cuantitativa, derivada de un conjunto de datos de una muestra, con el objetivo de estimar o inferir caractersticas de una poblacin o modelo estadstico. El estimador Es un estadstico (en funcin de la muestra) usado para estimar un parmetro desconocido de la poblacin.
13
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
14
Por otra parte, deducir leyes de probabilidad en determinadas caractersticas de una poblacin, si solo se conoce una muestra, es el principal problema a resolver, cuando se estudian relaciones especficas y se intenta extenderlas desde una muestra particular hacia el resto de individuos de la poblacin. Es decir, La tarea fundamental de la estadstica inferencial, es hacer deducciones de la poblacin, a partir de una muestra extrada de la misma !.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
15
La deduccin (inferencia desde causas a efectos) y La induccin (inferencia desde los efectos a las causas).
Pero adems, de estos modos de inferencia tradicionales, hay un primer modo -la abduccin-. La abduccin es la gnesis de hiptesis en el razonamiento cientfico, pues es el proceso de razonamiento mediante el cual, se crean nuevas ideas, hiptesis explicativas y teoras cientficas como primer paso en toda investigacin".
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
16
17
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
18
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
19
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
20
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
21
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
Ahora nos ocuparemos del problema de verificar si de un conjunto de datos se puede afirmar que proviene de una determinada distribucin
22
Las pruebas paramtricas asumen los parmetros de la de la variable (media y varianza) y un tipo de
distribucin normal
Las pruebas no paramtricas no asumen ningn parmetro de distribucin de las variables muestrales.
Estas no sern objeto de estudio por ahora. El clculo de estas pruebas, es sencillo, desde el punto de vista manual y matemtico, sin embargo y siguiendo con nuestra prctica, facilita el trabajo hacerlo con la hoja de calculo de Excel pues lo importante es descargarnos la tarea de clculo matemtico y dedicarnos a la interpretacin de resultados y toma de decisiones.
PRUEBA DE FISHER Es la prueba estadstica de eleccin cuando la prueba de chi.cuadrado no puede ser empleada por tamao muestral insuficiente.
24
La prueba de Chi- Cuadrado es considerada como una prueba no paramtrica que mide la discrepancia (bondad de ajuste) entre una distribucin observada a partir de la muestra y otra terica que se supone debe seguir esa muestra, indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar en el contraste de hiptesis. Esta prueba se basa en la hiptesis nula (H0) de que no hay diferencias significativas entre la distribucin muestral y la terica. Mientras que la hiptesis alternativa (H1) siempre se enuncia como que los datos no siguen la distribucin supuesta.
H0 : f( x, ) = F0 (x, ) H1 : f( x, ) F0 (x, )
25
La estructura bsica de la prueba para la bondad del ajuste se muestra en la siguiente tabla
Clases Frecuencias observadas (foi) Frecuencias esperadas en base a H0 (fei) (foi fei) 2 ___________ fei
1 2
fo1 fo2
fe1 fe2
3
:
fo3
:
fe3
:
K Total
fok n
fek n
26
27
Estadstico de Prueba
Interpretacin: cuanto mayor sea el valor de X2, menos verosmil es que la hiptesis H0 sea correcta. De la misma forma, cuanto ms se aproxima a cero el valor de Chi-cuadrado, ms ajustadas estn ambas distribuciones. Si X2 =0 La frecuencia terica y observada concuerdan exactamente. Si X2 >0 Mientras mayor es la diferencia mayor es la discrepancia. Debemos comparar el valor calculado, con el observado para determinar si dicha variacin es aleatoria. En la prctica :Si Ho. = 0 no existe diferencia significativa entre la distribucin de la frecuencia Observada y la distribucin Terica especficamente con los mismos parmetros.
28
Para formular la hiptesis nula debern tenerse en cuenta los siguientes aspectos
INTRODUCCIN A LA INFERENCIA ESTADSTICA: PRUEBA NO PARAMTRICAS, Bondad de ajuste Se realizo una encuesta en la universidad y se les pregunto a los estudiantes si estaran o no de acuerdo en sustituir por completo la modalidad presencial por la modalidad de estudio a distancia y se obtuvieron los siguientes datos:
Hombres (Real) 58 11 10 Mujeres (Real) Descripcin 35 Estn de acuerdo 25 Neutrales 23 No estn de acuerdo Descripcin 47,65 Estn de acuerdo 18,44 Neutrales 16,91 No estn de acuerdo
PRUEBA.CHI se calcula con Excel: devuelve el valor de la distribucin chi cuadrado (2) para la estadstica y los grados de libertad apropiados. Se desea comprobar si la probabilidad de que las tendencias de la muestra sean iguales a las tendencias esperadas en la poblacin H0: H1:
Mujeres (Esperado)
fo fe= 0 fo fe 0
PRUEBA.CHI
0,000308 Se aproxima a 0
Acepto H0, los datos de la muestra se comportan muy parecido a los esperados
31
"El mtodo cientfico parte de la observacin de una realidad, elaborada con hiptesis explicativas, que deben contrastarse o probarse, y si dicha hiptesis se acepta, inducir una formalizacin, con principios, leyes y proposiciones, para conformar una teora cientfica".
El modelo general del planteamiento de un estudio, sigue la siguiente secuencia:
1. 2. 3. 4. 5. 6. 7. Hiptesis de trabajo Objetivos Diseo de estudio Seleccin de variables Definicin de variables Escala de medida Protocolo de recogida de datos 8. Seleccin de la muestra (Cuntos? Quines?) 9. Recogida de datos 10.Automatizacin de los datos 11.Depuracin de los datos 12.Anlisis 13.Resultados 14.Conclusiones
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
32
Definir objetivos es fundamental al estructurar un estudio. Deben estar claramente definidos para tomar decisiones sobre: el tipo de estudio ms apropiado, la seleccin de la muestra, el tamao muestral, las variables a medir y el anlisis estadstico a realizar. Investigar se fundamenta en la incertidumbre de algn hecho o fenmeno que el investigador desea resolver, realizando mediciones en los objetos del estudio". En el establecimiento de objetivos, es esencial, la revisin bibliogrfica, como:
Fuente de ideas susceptibles de investigacin. Valoracin de los conocimientos actuales sobre el tema. Valoracin sobre la pertinencia y viabilidad del proyecto. Provisin del marco conceptual para la investigacin. Ayuda en la delimitacin del objetivo especfico. Informacin de aspectos concretos de: Diseo Estrategias Procedimientos Pautas de seguimiento Criterios de seleccin Determinacin del tamao de la muestra Definicin de variables Instrumentos de medicin Prevencin de problemas Anlisis estadstico
Es necesaria la Comparacin de los propios resultados con estudios similares y la Contribucin a la valoracin de la validez extrema. jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
33
FACTIBLE
NOVEDOSA
Nmero adecuado de individuos Experiencia tcnica adecuada Abordable en cuanto a tiempo y dinero Manejable en cuanto al alcance
Confirma o refuta hallazgos previos Amplia hallazgos previos Proporciona nuevos resultados
TICA Y RELEVANTE
Conocimiento cientfico Polticas Lneas de investigacin futuras factibles, interesantes, novedosas, ticas y relevantes
La no claridad en la pregunta limita calcular el tamao muestral del estudio, dado, que se necesita precisar y conocer: seguridad de estimacin, precisin de inferencia, poder estadstico o capacidad de detectar diferencias.
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
34
Cuando hay minas por todas partes, uno, no debe aventurarse, sin un detector de minas (M. Susser).
35
El conocimiento de la metodologa y su aplicacin debe reconocerse como un elemento til, necesario y atractivo, para responder preguntas y discriminar lo seguro y correcto de lo que no lo es tanto.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
36
El grupo que en realidad podemos estudiar (los que tienen telfono) se denomina poblacin de estudio.
37
En este caso, las muestras que seleccionadas son sesgadas. El tipo de sesgo debido a diferencias sistemticas entre poblacin objetivo y poblacin de estudio se denomina sesgo de seleccin.
Hay otras fuentes de error/sesgo:
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
38
Cmo se hace?
Ejemplo: Solicitar que lance una moneda antes de responder y
Si sale cara que diga la opcin compremetida (no tiene por qu avergonzarse, la culpa es de la moneda) Si sale cruz que diga la verdad (no tiene por qu avergonzarse, el encuestador no sabe si ha salido cara o cruz) Aunque no se sabe cul es la verdad en cada individuo, se puede hacer una idea porcentual sobre la poblacin, viendo en cunto se alejan las respuestas del 50%.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
39
Diferencia entre los que han dicho s y los que deban hacerlo por que as lo indicaba la moneda
No son mitad y mitad! Porcentaje estimado de ndice de consumo de drogas es: Los que deben decir la verdad jueves, 12 de septiembre de 2013
Copyright CIDLIS UIS 2013
40
PRODUCTOS
DISEO MUESTRAL
Muestreo Sistemtico
Muestreo Estratificado
Muestreo de Conglomerados
Tamao de Muestra
Tamao de Muestra
Tamao de Muestra
Tamao de Muestra
Aplicaciones
Aplicaciones
Aplicaciones
Aplicaciones
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
41
Muestreo sistemtico
Muestreo estratificado
Muestreo de grupo
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
42
MUESTREOS NO PROBABILISTAS No se conoce la probabilidad. Son muestreos que seguramente esconden sesgos. En principio no se pueden extrapolar los resultados a la poblacin.
A pesar de ello una buena parte de los estudios que se publican usan esta tcnica. Puff!
En adelante se trata exclusivamente muestreos con la menor posibilidad de sesgo (probabilistas): aleatorio simple, sistemtico, estratificado y por grupos.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
43
No interviene el orden
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
44
El muestreo aleatorio con reposicin es tambin denominado muestreo aleatorio simple, se caracteriza por que cada elemento de la poblacin tiene la misma probabilidad de ser elegido, y las observaciones se realizan con reemplazo. De este modo, cada observacin se realiza sobre la misma poblacin (no disminuye en las extracciones sucesivas).
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
45
Sntesis,
Se eligen individuos de la poblacin de estudio, de manera que todos tienen la misma probabilidad de aparecer, hasta alcanzar el tamao muestral deseado. Se puede realizar partiendo de listas de individuos de la poblacin, y eligiendo individuos aleatoriamente con un computador. Normalmente tiene un coste bastante alto su aplicacin. En general, las tcnicas de inferencia estadstica suponen que la muestra ha sido elegida usando MAS, aunque en realidad se use alguna de las que veremos a continuacin.
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
46
EJEMPLO
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
47
EJEMPLO
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
48
Se aplica cuando es difcil tener una lista de todos los individuos que forman parte de la poblacin de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos. Si se intenta hacer un estudio sobre los habitantes de una ciudad, el muestreo aleatorio simple puede resultar muy costoso, porque estudiar una muestra de tamao n implica enviar a los encuestadores a n puntos distintos de la citada ciudad, de modo que en cada uno de ellos slo se realiza una entrevista. En esta situacin se puede realizar ms econmica, con el denominado muestreo por conglomerados, que consiste en elegir aleatoriamente ciertos barrios dentro de la ciudad, para despus elegir calles y edificios. Una vez elegido el edificio, se entrevista a todos los vecinos Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos seleccionados o bien seguir aplicando dentro de ellos ms muestreos por grupos, por estratos, por aleatorios simples, Para conocer la opinin de los ingenieros elctricos, podemos elegir a varias regiones colombianas, en varios provincias, y dentro de ellas varios pueblos, Al igual que en el muestreo estratificado, al extrapolar los resultados a la poblacin hay que tener en cuenta el tamao relativo de unos grupos con respecto a otros. Regiones con diferente poblacin pueden tener probabilidades diferentes de ser elegidas, provincias, electrificadoras grandes frente a pequeos,
EJEMPLO
DIFERENCIA
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
49
El marco de la muestra es una representacin de los elementos de la poblacin meta. Consiste en una lista o grupo de indicaciones para identificar la poblacin sobre la que se quiere realizar el estudio. Algunos ejemplos de marco de muestra incluyen el directorio telefnico, una lista de universidades, una lista de estudiantes de un curso o materia. Si no puede compilarse una lista, deben especificarse, por lo menos, algunas indicaciones para identificar la poblacin meta.
Seleccionar la tcnica de muestreo a utilizar implica la toma de varias decisiones, pues se debe decidir, se utiliza una estrategia de muestra bayesiana o tradicional, muestra con o sin reemplazo y si emplear una muestra de probabilidad o no probabilidad
50
2 2
p*q
entonces se aplica la
2 E la poblacin,
2
Z p * q * N
2
( N * E ) ( Z
2
2 2
* p * q)
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
51
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
52
jueves, 12 de Copyright septiembre CIDLIS UIS de 2013 jueves, 12 de septiembre de 2013 2013
53
Diseo de experimentos
54
55
V. Dependiente
V. Extraa
Medicin
Control
56
V. Extraa
Copyright CIDLIS UIS 2013
Confusin
57
Variable dependiente
La variable dependiente es conocida, tambin, por variable de medida, de respuesta o de resultado.
Es aquel aspecto de comportamiento sobre el que esperamos observar el efecto de la variacin sistemtica de la variable independiente.
59
Control experimental
El control consiste en eliminar o bien neutralizar cualquier fuente de variacin extraa capaz de confundir la accin de la variable de tratamiento
60
1. Formulacin de la hiptesis. 2. Seleccin de la variable independiente y dependiente adecuada. 3. Control de las variables extraas. 4. Manipulacin de la/s variable/s independiente/s y registro de la variable dependiente o de medida. 5. Anlisis estadstico de los datos. 6. Inferencia de la relacin entre la variable independiente y la dependiente.
61
62
OBJETIVOS
Maximizar la variancia sistemtica primaria
CONSECUCIN
Mediante la adecuada eleccin de los valores de la variable independiente
63
64
Aleatorizacin Constancia
66
Diseos entre-grupos
Simple Factorial
Diseos experimentales
Simple Factorial
Diseos mixtos
67
68
http://www.youtube.com/watch?v=f_Hx0pOJEuY
jueves, 12 de Copyright CIDLIS UIS 2013 jueves, 12 de septiembre de 2013 septiembre de 2013
La Investigacin Sustentado por Procesos 5. Ajustes de Caso y Proyecto Resolucin de Preguntas al Anlisis de Caso / Proyecto Ajuste al Anlisis de Caso / Proyecto
69
70
71
1. Inicio del Test de Salida 2. Desarrollo del test de Salida. 3. Cierre del Test de Salida
La Investigacin Sustentado por Procesos 7. Test de Salida: Caso y proyecto. Se hace despus de la actividad de Proyecto de Clase.
72
73
Estado1
Docencia
Discencia Evaluacin
Ejecucin, Cumplido
74
Lneas de Investigacin: Calidad, Ingeniera, Sistemas y Modelado Organizacional de Conocimiento Gnosis Avanzada en Ingeniera y Telemtica Aplicada
Escuela de Ingeniera Elctrica, Electrnica y de Telecomunicaciones
Facultad de Ingenieras Fsico-Mecnicas Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones Centro de Innovacin y Desarrollo para la Investigacin en Ingeniera del Software
CONSTRUIMOS FUTURO
75
Facultad de Ingenieras Fsico-Mecnicas Escuela de Ingenieras Elctrica, Electrnica y de Telecomunicaciones Centro de Innovacin y Desarrollo para la Investigacin en Ingeniera del Software
CONSTRUIMOS FUTURO