ESCALAS DE MEDICIÓN ...

Save this PDF as:
 WORD  PNG  TXT  JPG

Tamaño: px
Comenzar la demostración a partir de la página:

Download "ESCALAS DE MEDICIÓN ..."

Transcripción

1 ESCALAS DE MEDICIÓN... Como la estadística analiza los datos y éstos son el resultado de las mediciones, necesitamos ocupar cierto tiempo para estudiar las escalas de medición. Este tema es de suma importancia, pues el tipo de escala de medición utilizado para reunir los datos ayuda a determinar el tipo de prueba de inferencia estadística a emplearse en el análisis de los datos. Desde un punto de vista teórico, una escala de medición puede tener uno o más de los siguientes atributos matemáticos: magnitud, un intervalo igual entre unidades adyacentes y un cero absoluto. Existen cuatro clases de escalas que aparecen de manera común en las ciencias del comportamiento: nominal, ordinal, de intervalo y razón o proporción. Ellas difieren en el número de atributos matemáticos que poseen. Escalas nominales Una escala nominal representa el nivel mínimo de medición y se utiliza con frecuencia para variables de naturaleza cualitativa y no cuantitativa. Algunos ejemplos de variables cualitativas son las marcas de zapatos deportivos, tipos de fruta, de música, los días de la semana, nacionalidad, creencia religiosa y color de los ojos. Al utilizar una escala nominal, la variable se divide en sus diversas categorías. Estas categorías comprenden las "unidades" de la escala y los objetos se "miden" al determinar la categoría a la cual pertenecen. Así, la medición con una escala nominal equivale, en realidad, a clasificar los objetos y a darles el nombre (de ahí lo de escala nominal) de la categoría a la cual pertenecen. Por ejemplo, si a usted le gusta correr, es probable que esté interesado en las diversas marcas de zapatos deportivos que se encuentren disponibles en el mercado, como Brooks, Nike, Adidas, Saucony y New Balance, por mencionar sólo algunas. Los zapatos deportivos son importantes porque, al correr, cada zapato tiene un contacto con el piso de unas 800 veces por milla. En una carrera de 5 millas, tendrá un contacto de 4000 veces. Si usted pesa 125 libras, tendría un impacto total de 300 toneladas sobre cada pie durante una carrera de 5 millas. Eso sí que es un peso. No es de sorprender que los corredores sean particularmente cuidadosos acerca de la elección de sus tenis. La variable "marca de zapatos deportivos" es de tipo cualitativa. Se mide en una escala nominal. Las diversas marcas representan sólo algunas de las posibles categorías (unidades) de esta escala. Si tuviéramos un grupo de zapatos deportivos y quisiéramos medirlos mediante esta escala, consideraríamos cada uno y determinaríamos su marca. Es importante observar que las unidades de una escala nominal son categorías, por lo que no existe una relación de magnitud entre ellas. Así, no existe una relación cuantitativa entre las categorías de Nike y Brooks. Nike no "es más marca de zapatos deportivos" que Brooks. Simplemente, son marcas distintas. Esto puede quedar más claro si tuviéramos que llamar a las categorías zapatos deportivos 1 y zapatos deportivos 2, en vez de Nike y Brooks. En este caso, los números 1 y 2 son sólo nombres y no poseen una relación de magnitud entre ellos. Una propiedad fundamental de las escalas nominales es la equivalencia. Esto quiere decir que todos los miembros de una clase dada son iguales desde el punto de vista de la variable de clasificación. Así, todas las parejas de tenis Nike son consideradas como iguales desde el punto de vista de "marca de zapatos deportivos", a pesar de que puede haber varios modelos distintos de tenis Nike.

2 Una operación que se realiza con frecuencia junto con la medición nominal es la de contar las instancias dentro de cada clase. Por ejemplo, si tuviéramos varios zapatos deportivos y determinamos la marca de cada uno, estaríamos realizando una medición nominal. Además, tal vez nos interese contar el número de zapatos que pertenecen a cada categoría. Así, podríamos tener 20 zapatos Nike, 19 Saucony y 6 New Balance en total. Estas frecuencias nos permiten comparar el número de tenis dentro de cada categoría. Esta comparación cuantitativa de las cantidades, dentro de cada categoría, no debe confundirse con la afirmación hecha arriba, en el sentido de que no existe una relación de magnitud entre las unidades de una escala nominal. Podemos comparar de manera cuantitativa las cantidades de zapatos Nike con las de zapatos Saucony, pero Nike no es "más marca de zapatos" de lo que es Saucony. Así, una escala nominal no tiene los atributos matemáticos de magnitud, intervalos iguales o cero absoluto. Sólo permite la clasificación de los objetos en categorías mutuamente excluyentes. Escalas ordinales La escala ordinal representa el siguiente nivel de medición, el cual es relativamente bajo de acuerdo con la propiedad de magnitud. Con esta escala, ordenamos los objetos medidos según si poseen más, menos o la misma cantidad de la variable medida. AsÍ, una escala ordinal permite determinar si A> B, A = B o A < B. Un ejemplo de una escala ordinal es el orden de los primeros cinco participantes en un concurso de oratoria, de acuerdo con su facilidad de palabra. Entre los oradores, la persona con el rango 1 fue considerada mejor que la persona que posee el rango 2, quien a su vez fue mejor que la de rango 3. La persona de rango 3 fue estimada como mejor orador que la de rango 4, la cual fue considerada mejor que la persona del rango 5. Es importante observar que aunque esta escala permite las comparaciones mejor que, igual a, o menor que, no dice nada sobre la magnitud de la diferencia entre las unidades adyacentes pertenecientes a dicha escala. En este ejemplo, la diferencia de facilidad de palabra entre las personas de rango 1 y 2 podría ser grande y la que existe entre los individuos de rango 2 y 3 podría ser pequeña. Así, una escala ordinal no tiene la propiedad de intervalos iguales entre las unidades adyacentes. Además, como todo lo que tenemos son órdenes relativos, la escala no dice nada acerca del nivel absoluto de la variable. Así, los oradores de los cinco primeros lugares podrían tener un gran nivel de facilidad de palabra o uno bajo. Esta información no se puede obtener de una escala ordinal. Otros ejemplos de escala ordinal son la clasificación de los corredores participantes en el Maratón de Boston de acuerdo con su orden de llegada, la clasificación de los equipos de fútbol americano colegial con base en las calificaciones de la Associated Press, el orden de los profesores según su capacidad de enseñanza y el orden de los estudiantes de acuerdo con su nivel de motivación. Escalas de intervalos La escala de intervalos representa un nivel superior de medición con respecto al de la escala ordinal. Posee las propiedades de magnitud e igualdad de intervalo entre las unidades adyacentes, pero no tiene un cero absoluto. AsÍ, la escala de intervalos posee las propiedades de la escala ordinal y tiene intervalos iguales entre las unidades adyacentes. Estos intervalos indican que existen cantidades iguales de la variable medida entre las unidades adyacentes sobre la escala.la escala Celsius, para medir la temperatura, es un buen ejemplo de la escala de intervalos. Tiene la propiedad de intervalos iguales entre las

3 unidades adyacentes pero no tiene un punto absoluto. La propiedad de intervalos iguales aparece por el hecho de que un cambio dado de calor producirá el mismo efecto en la lectura de temperatura en la escala, sin importar en qué parte de esta escala ocurra dicho cambio. Así, la cantidad adicional de calor que provocará un cambio en la lectura de la temperatura de 2 a 3 Celsius también producirá un cambio en la lectura de 51 a 52 o de 105 a 106 Celsius. Esto ilustra el hecho de que las cantidades iguales de calor quedan indicadas entre las unidades adyacentes en toda la escala. Como en una escala de intervalos existen cantidades iguales de la variable entre las unidades adyacentes de la escala en cuestión, las diferencias equivalentes entre los números de la escala representan diferencias de la misma magnitud en la variable. Así, podemos decir que la diferencia de calor es la misma entre 78 y 75 Celsius que entre 24 y 21 de la misma escala. Esto también implica, desde un punto de vista lógico, que las grandes diferencias entre los números de la escala representan, también, diferencias grandes entre la magnitud de la variable medida, y que diferencias pequeñas entre los números de la escala representan pequeñas diferencias en la magnitud de la variable medida. Así, la diferencia de calor entre 80 y 65 es mayor que la diferencia entre 18 y 15 Celsius, y la diferencia de calor entre 93 y 91 es menor que la diferencia entre 48 y 40 Ce1sius. En vista del análisis anterior, podemos ver que además de determinar si A = B, A > B o A < B, una escala de intervalos nos permite determinar si A - B = C D, A B > C - D, o A B < C - D. Escalas de razón o proporción El siguiente y máximo nivel de medición es la escala de razón. Tiene todas las propiedades de una escala de intervalos y, además, posee un cero absoluto. Sin éste no se pueden calcular las proporciones con las lecturas de la escala. Como este tipo de escala tiene un cero absoluto, se pueden utilizar las proporciones (de ahí el nombre escala de proporciones). Un buen ejemplo para ilustrar la diferencia entre la escala de intervalos y la de proporciones consiste en comparar la escala Celsius de temperatura con la escala Kelvin. El menor punto de la escala Kelvin es el cero absoluto (la ausencia completa de calor). El cero de la escala Celsius es la temperatura a la cual se congela el agua. Es un cero arbitrario, que en realidad ocurre a los 273 Kelvin. La escala Celsius es de intervalos y la escala Kelvin es de proporciones. La diferencia de calor entre 8 y 9 es igual a la diferencia entre 99 y 100 sin importar que la escala sea Celsius o Kelvin. Sin embargo, no podemos calcular proporciones con la escala Celsius. Una lectura de 20 Celsius no es el doble de caliente que 10 Celsius. Esto se puede comprobar al convertir las lecturas Celsius al calor real que representan. En términos del calor real, 20 Celsius es en realidad 293 K ( ), y 10 Celsius es en realidad 283 K ( ). Es obvio que 293 no es el doble de 283. Como la escala Kelvin tiene un cero absoluto, una lectura de 20 en esta escala es el doble de caliente que 10. Así, se pueden utilizar proporciones con la escala Kelvin. Otros ejemplos de variables medidas con escalas de proporciones son el tiempo de reacción, la longitud, el peso, la edad y la frecuencia de cualquier evento, como el numero de tenis Nike contenidos en el montón de zapatos deportivos ya analizado con anterioridad. Con una escala de este tipo, usted puede construir proporciones y realizar las demás operaciones matemáticas asociadas por lo general a los números (es decir, suma, resta; multiplicación y división). Las cuatro escalas de medición y sus características se resumen en la figura 2.1.

4 ESCALAS DE MEDICIÓN EN LAS CIENCIAS DEL COMPORTAMIENTO En las ciencias del comportamiento, muchas de las escalas utilizadas se consideran con frecuencia: como si fuesen de intervalos, sin establecer con claridad que la escala, en realidad, posee intervalos iguales entre unidades adyacentes. La medición del IQ; las variables emocionales como la ansiedad y la depresión; las variables de la personalidad como la autosuficiencia, la introversión, la extroversión y la dominancia; las variables de eficiencia o logros terminales. Con todas estas variables es claro que las escalas no son de proporciones. Por ejemplo, con el IQ, si una persona ha obtenido un cero en la escala de inteligencia para adultos de Wechsler (WAIS), no podríamos decir que tiene inteli gencia nula. Se supone que se encontrarían algunas preguntas que podría contestar el individuo en cuestión, de modo que tendría un IQ superior a cero. Así, la prueba WAIS no tiene un punto cero absoluto y las proporciones no son adecuadas. Por lo tanto, no es correcto decir que una persona con un IQ de 160 es el doble de inteligente que alguien con un IQ de 80. Por otro lado, parece que podemos hacer algo más que sólo especificar un ordenamiento de los individuos. Una persona que posee un IQ de 100, tiene una inteligencia más cercana a alguien con un IQ de 110 que otra con un IQ de 60. Esto parece ser una escala de intervalos, pero es difícil establecer que la escala realmente posea intervalos iguales entre las unidades adyacentes. Muchos investigadores consideran tales variables como si fuesen medidas en escalas de intervalos, en particular cuando el instrumento de medición es bastante estándar, como es el caso del WAIS. Es mucho más discutible considerar como escalas de intervalos las escalas poco estándar y que miden variables psicológicas. Este tema surge en particular en la estadística inferencial, donde el nivel de las escalas puede influir sobre la elección de la prueba a realizar en el análisis de datos. Existen dos posturas al respecto. La primera afirma que el uso de ciertas pruebas, como la t de Student y el análisis de la varianza, deben limitarse a los datos que pertenecen a escalas de intervalos y de proporciones. La segunda postura no está de acuerdo y afirma que estas pruebas también se pueden utilizar con datos nominales y ordinales. Este tema, empero, es demasiado complejo para ser considerado ahora. * DEFINICIÓN.Los límites reales de una variable continua son aquellos valores que están por arriba y por debajo de los valores registrados, a una distancia que es igual a la mitad de la unidad de medida mínima en la escala. Por ejemplo, si la variable es el peso, la menor unidad es 1 libra, y registramos 180 libras, los límites reales están arriba y abajo de 180 en 1/2 libra. Así, los límites reales son y libras.* Si la unidad mínima fuese 0.1 libras y no 1 libra y registramos libras, entonces los límites reales serían ½ (0.1), es decir, y

5 Cifras significativas En la estadística analizamos datos; este análisis implica muchos cálculos matemáticos. Con mucha frecuencia, tenemos un residuo decimal, por ejemplo, después de realizar una división. Cuando esto ocurre, necesitamos decidir la cantidad de cifras decimales que utilizaremos para el residuo.. En las ciencias físicas, por lo general, se utiliza el mismo número de cifras significativas que tienen los datos en bruto. Por ejemplo, si medimos el peso de cinco sujetos hasta tres cifras significativas (173, 156, 162, 165 Y 175 libras), y queremos calcular el promedio de estos pesos, nuestra respuesta debe contener sólo tres cifras significativas. Así, La respuesta de166.2 se redondea a tres cifras significativas, dando un resultado final de 166 libras. Por varias razones, este procedimiento no se ha seguido en las ciencias del comportamiento, sino que se ha establecido una tradición en la cual la mayor parte de los valores finales se dan con dos o tres cifras decimales, sin importar el número de cifras significativas de los datos en bruto. Como éste es un texto para su uso en las ciencias del comportamiento, hemos optado por seguir esta tradición. Así, en este libro daremos la mayor parte de nuestras respuestas finales hasta con dos cifras decimales. En ciertas ocasiones habrá excepciones. Por ejemplo, los coeficientes de correlación y de regresión tienen tres cifras decimales y los valores de probabilidad se dan, a menudo, hasta con cuatro cifras decimales, lo que es consistente con la tradición. Es una práctica común realizar todos los cálculos intermedios con dos o más cifras decimales de las que tendrá la respuesta final. Así, cuando se pida que esta última tenga dos cifras decimales, usted deberá realizar los cálculos intermedios con al menos cuatro cifras decimales y redondear la respuesta final a dos cifras. Redondeo Dado que estaremos dando nuestras respuestas finales con dos y en ciertas ocasiones hasta con tres o cuatro cifras decimales, necesitamos decidir cómo determinar el valor del último dígito. Por fortuna, las siguientes reglas de redondeo son bastante sencillas y directas: 1. Divida el número que desee redondear en dos partes: la respuesta potencial y el residuo. 2. Coloque un punto decimal al frente del primer dígito del residuo, creando con ello un iduo decimal. 3. Si el residuo decimal es mayor que 1/2' sume 1 al último dígito de la respuesta..si el residuo decimal es menor que 1/2' deje el último dígito de la respuesta sin cambio. 5. Si el residuo decimal es igual a 1/2' sume 1 al último dígito de la respuesta si es un dígito impar, pero si es par, déjelo sin cambio. Para realizar este redondeo, el número se separa en dos partes: la respuesta potencial y el residuo. Como estamos redondeando a dos cifras decimales, la respuesta potencial termina en la segunda cifra decimal. El resto del número constituye el residuo. Para el primer número, , constituye la respuesta potencial y.350 el residuo. Como.350 es menor que 1/2' el último dígito de la respuesta potencial permanece sin cambio y la respuesta final es Para el segundo número, , el residuo decimal (.761) es mayor que 1/2' Por lo tanto, debemos sumar 1 al último dígito, por lo que la respuesta correcta es Para los dos números siguientes, el residuo decimal es igual a 1/2' El número se convierte en debido a que el último dígito de la respuesta potencial es par. El número se convierte en debido a que el último dígito es impar.

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Cifras significativas e incertidumbre en las mediciones

Cifras significativas e incertidumbre en las mediciones Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades

Más detalles

ESTADISTICA PARA RELACIONES LABORALES

ESTADISTICA PARA RELACIONES LABORALES ESTADISTICA PARA RELACIONES LABORALES CURSO 2010 TURNO NOCTURNO CLASE 14/4/2010 Variables Hemos visto que nos interesa caracterizar a nuestra unidades de análisis. Las VARIABLES nos permiten hacer esa

Más detalles

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán

Capítulo 4 MEDIDA DE MAGNITUDES. Autor: Santiago Ramírez de la Piscina Millán Capítulo 4 MEDIDA DE MAGNITUDES Autor: Santiago Ramírez de la Piscina Millán 4 MEDIDA DE MAGNITUDES 4.1 Introducción El hecho de hacer experimentos implica la determinación cuantitativa de las magnitudes

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

Sesión 2 Introducción 2

Sesión 2 Introducción 2 Sesión 2 Introducción 2 Objetivo El alumno identificará las diferentes escalas de medición, así como la definición y conceptos básicos de la probabilidad. Contenido de la sesión Figura 2-1 Contenido de

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

Curso: Estadísticas.

Curso: Estadísticas. Curso: Estadísticas. 1 1 La estadística es una herramienta indispensable para todas las disciplinas del conocimiento universal. La estadística es una colección de información numérica, que se refiere a

Más detalles

TEMA : LAS VARIABLES

TEMA : LAS VARIABLES TEMA : LAS VARIABLES Las variables se pueden definir como todo aquello que vamos a medir, controlar y estudiar en una investigación o estudio. Por lo tanto, es importante, antes de iniciar una investigación,

Más detalles

1. MEDIDAS DE TENDENCIA CENTRAL

1. MEDIDAS DE TENDENCIA CENTRAL 1. MEDIDAS DE TENDENCIA CENTRAL Lo importante en una tendencia central es calcular un valor central que actúe como resumen numérico para representar al conjunto de datos. Estos valores son las medidas

Más detalles

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 rafael.dearce@uam.es El objeto de las tablas de contingencia es extraer información de cruce entre dos

Más detalles

Tema 4 : Tabulación de datos

Tema 4 : Tabulación de datos Tema 4 : Tabulación de datos La tabulación consiste en presentar los datos estadísticos en forma de tablas o cuadros. --Partes de una tabla TITULO de la tabla, que debe ser preciso y conciso CONTENIDO,

Más detalles

Tema 3: Variables. Medidas. Síntesis de datos estadísticos.

Tema 3: Variables. Medidas. Síntesis de datos estadísticos. Tema 3: Variables. Medidas. Síntesis de datos estadísticos. --Variables. Como ya se vio en el tema 1, las variables son características que se distinguen por la variabilidad con que se manifiestan en los

Más detalles

ESTRATEGIAS DE CÁLCULO MENTAL

ESTRATEGIAS DE CÁLCULO MENTAL ESTRATEGIAS DE CÁLCULO MENTAL El cálculo mental consiste en realizar cálculos matemáticos utilizando sólo el cerebro sin ayudas de otros instrumentos como calculadoras o incluso lápiz y papel. Las operaciones

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

Tema 2 Estadística Descriptiva

Tema 2 Estadística Descriptiva Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 2700 individuos con 8 variables. Los datos provienen de una encuesta nacional realizada

Más detalles

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación.

Lecturas previas Cuando llegue a su primera sesión de laboratorio debe haber estudiado el contenido de la lectura que aparece a continuación. Laboratorio 1 Medición e incertidumbre La descripción de los fenómenos naturales comienza con la observación; el siguiente paso consiste en asignar a cada cantidad observada un número, es decir en medir

Más detalles

CARTAS DE CONTROL. FeGoSa

CARTAS DE CONTROL. FeGoSa Las empresas en general, ante la apertura comercial han venido reaccionando ante los cambios y situaciones adversas, reaccionan por ejemplo ante: Disminución de ventas Cancelación de pedidos Deterioro

Más detalles

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales 1 2 3 4 5 6 ESQUEMA DEL CURSO ESTADÍSTICA BÁSICA DISEÑO DE EXPERIMENTOS CURSO DE ESTADÍSTICA STICA BÁSICAB ESTADÍSTICA DESCRIPTIVA TIPOS DE VARIABLES MEDIDAS DE POSICIÓN CENTRAL Y DE DISPERSIÓN TABLAS

Más detalles

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación

Más detalles

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde

Más detalles

La estadística descriptiva o deductiva, es la parte de la estadística que trata de la obtención y compendio de datos.

La estadística descriptiva o deductiva, es la parte de la estadística que trata de la obtención y compendio de datos. REVISTA CUBANA I)E PSICOLOGÍA Vol. 9, No. 2,1992 MÉTODOS ESTADÍSTICOS APLICADOS A LA INVESTIGACIÓN PSICOLÓGICA Martha Vázquez Villazón y María Eugenia de Bernard Cerezo. Facultad de Psicología, Universidad

Más detalles

TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION

TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION Resumen Cap. 8 del libro Introducción a la Investigación Pedagógica de Ary, Jacobs y Razavieh y cap 9. del libro Metodología

Más detalles

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS 1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Nociones Básicas sobre Medición. Ubicación: 1-4

Nociones Básicas sobre Medición. Ubicación: 1-4 Autor: Título: QUINTANA, Eva Nociones Básicas sobre Medición Ubicación: 1-4 Extensión: 4 páginas Año Publicación: 2008 Editor: Escuela Virtual Nociones Básicas Sobre Medición EN QUÉ CONSISTE LA MEDICIÓN?

Más detalles

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I) VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El

Más detalles

Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008.

Examen de la asignatura Estadística aplicada a las ciencias sociales Profesor Josu Mezo. 9 de junio de 2008. Examen de la asignatura "Estadística aplicada a las ciencias sociales" Profesor Josu Mezo. 9 de junio de 2008. Pregunta nº 1 (5 puntos). En una base de datos sobre los países del mundo se incluyen una

Más detalles

TÍTULO: LA MEDICIÓN DE LAS VARIABLES EN LA INVESTIGACIÓN EDUCATIVA Y SU RELACIÓN CON EL SISTEMA NUMÉRICO.

TÍTULO: LA MEDICIÓN DE LAS VARIABLES EN LA INVESTIGACIÓN EDUCATIVA Y SU RELACIÓN CON EL SISTEMA NUMÉRICO. TÍTULO: LA MEDICIÓN DE LAS VARIABLES EN LA INVESTIGACIÓN EDUCATIVA Y SU RELACIÓN CON EL SISTEMA NUMÉRICO. TITLE: MEASUREMENT OF THE VARIABLES IN THE EDUCATIVE RESEARCH AND IT S RELATIONSHIP WITH THE NUMERICAL

Más detalles

ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS

ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS Profesor del del curso: curso: Ing. Ing. Celso Celso Gonzales INTRODUCCION OBJETIVOS Comprender qué es y porqué se estudia la

Más detalles

Telos ISSN: 1317-0570 wileidys.artigas@urbe.edu Universidad Privada Dr. Rafael Belloso Chacín Venezuela

Telos ISSN: 1317-0570 wileidys.artigas@urbe.edu Universidad Privada Dr. Rafael Belloso Chacín Venezuela Telos ISSN: 1317-0570 wileidys.artigas@urbe.edu Universidad Privada Dr. Rafael Belloso Chacín Venezuela Orlandoni Merli, Giampaolo Escalas de medición en Estadística Telos, vol. 12, núm. 2, mayo-agosto,

Más detalles

Nº Persona Altura (m) Peso (Kg.) Nº Persona Altura (m) Peso (Kg.) 001 1.94 95.8 026 1.66 74.9 002 1.82 80.5 027 1.96 88.1 003 1.79 78.2 028 1.56 65.

Nº Persona Altura (m) Peso (Kg.) Nº Persona Altura (m) Peso (Kg.) 001 1.94 95.8 026 1.66 74.9 002 1.82 80.5 027 1.96 88.1 003 1.79 78.2 028 1.56 65. .1. DIAGRAMAS DE DISPERSIÓN Diagramas de Dispersión Los Diagramas de Dispersión o Gráficos de Correlación permiten estudiar la relación entre 2 variables. Dadas 2 variables X e Y, se dice que existe una

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

Más detalles

Curso de Estadística no-paramétrica

Curso de Estadística no-paramétrica Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació

Más detalles

VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA

VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA Título del Informe: Análisis de validez y fiabilidad del cuestionario de encuesta a los estudiantes para la evaluación de la calidad de la docencia Fecha:

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias

GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias ECONOMETRIA I. Departamento de Fundamentos del Análisis Económico Universidad de Alicante. Curso 2011/12 GUIÓN TEMA 4. VARIABLES BINARIAS 4.1. Variables binarias Bibliografía apartados : Greene, 8.2 A.F.Gallastegui:

Más detalles

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL

MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL MEDIDAS DE DISPERSIÓN EMPLEANDO EXCEL Las medias de tendencia central o posición nos indican donde se sitúa un dato dentro de una distribución de datos. Las medidas de dispersión, variabilidad o variación

Más detalles

GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS

GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS GRÁFICAS DE CONTROL DE LA CALIDAD EMPLEANDO EXCEL Y WINSTATS 1) INTRODUCCIÓN Tanto la administración de calidad como la administración Seis Sigma utilizan una gran colección de herramientas estadísticas.

Más detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

2 Métodos combinatorios

2 Métodos combinatorios 2 Métodos combinatorios Las pruebas pueden aplicarse de muchas maneras, es decir, existen diferentes formas de preparar casos de prueba. En este capítulo se presentan dos formas de prueba muy fáciles de

Más detalles

CAPÍTULO 4. ANÁLISIS FINANCIERO. CÓMO DIAGNOSTICAR LA SITUACIÓN DE UNA EMPRESA.

CAPÍTULO 4. ANÁLISIS FINANCIERO. CÓMO DIAGNOSTICAR LA SITUACIÓN DE UNA EMPRESA. CAPÍTULO 4. ANÁLISIS FINANCIERO. CÓMO DIAGNOSTICAR LA SITUACIÓN DE UNA EMPRESA. CAPÍTULO 4. ANÁLISIS FINANCIERO. CÓMO DIAGNOSTICAR LA SITUACIÓN DE UNA EMPRESA. 4.1 INFORMACIÓN FINANCIERA DE LA EMPRESA.

Más detalles

Tema 2. Variables y medidas

Tema 2. Variables y medidas Curso de Estadística Aplicada a las Ciencias Sociales Tema 2. Variables y medidas Fuentes: Manual (2.1.) y Agresti (cap. 2) Tema 2. Variables y medidas Introducción 1. Variables, valores y escalas 2. Definición

Más detalles

El concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G.

El concepto de asociación estadística. Tema 6 Estadística aplicada Por Tevni Grajales G. El concepto de asociación estadística Tema 6 Estadística aplicada Por Tevni Grajales G. En gran medida la investigación científica asume como una de sus primera tareas, identificar las cosas (características

Más detalles

Estimación de parámetros, validación de modelos y análisis de sensibilidad

Estimación de parámetros, validación de modelos y análisis de sensibilidad Tema 6 Estimación de parámetros, validación de modelos y análisis de sensibilidad 6.1 Calibración Una vez que se ha identificado el modelo y se ha programado, necesitamos aplicarlo al problema concreto

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. María José Rubio

Más detalles

COLOMBIAN BANDS ORIGEN

COLOMBIAN BANDS ORIGEN COLOMBIAN BANDS Las Colombian Bands mas allá de ser una simple estrategia, son un GPS para ubicar el precio actual dentro del mapa general de la historia de la paridad, para mi son mis hijas favoritas,

Más detalles

Universidad de la Frontera

Universidad de la Frontera Universidad de la Frontera Facultad de Ingeniería, Ciencias y Admistración Departamento de Matemática Actividad Didáctica: El Abaco TALLER # 2 - Sistema Decimal El ábaco es uno de los recursos más antiguos

Más detalles

Problemas indecidibles

Problemas indecidibles Capítulo 7 Problemas indecidibles 71 Codificación de máquinas de Turing Toda MT se puede codificar como una secuencia finita de ceros y unos En esta sección presentaremos una codificación válida para todas

Más detalles

Divisibilidad y números primos

Divisibilidad y números primos Divisibilidad y números primos Divisibilidad En muchos problemas es necesario saber si el reparto de varios elementos en diferentes grupos se puede hacer equitativamente, es decir, si el número de elementos

Más detalles

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población.

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población. Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta

Más detalles

Medidas de tendencia Central

Medidas de tendencia Central Medidas de tendencia Central 7.1 Media 7.1.1 Media para un conjunto de datos no agrupados Este parámetro lo usamos con tanta cotidianidad que nos será muy familiar, aunque también aprenderemos algunas

Más detalles

Estimación en multiplicación y división

Estimación en multiplicación y división Estimación en multiplicación y división Una vez los estudiantes han adquirido experiencia con el redondeo de números y se sienten cómodos con estimación en adición y sustracción, parece ser que el aprender

Más detalles

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1

CURSO 2010-2011 TECNOLOGÍA TECNOLOGÍA 4º ESO TEMA 5: Lógica binaria. Tecnología 4º ESO Tema 5: Lógica binaria Página 1 Tecnología 4º ESO Tema 5: Lógica binaria Página 1 4º ESO TEMA 5: Lógica binaria Tecnología 4º ESO Tema 5: Lógica binaria Página 2 Índice de contenido 1. Señales analógicas y digitales...3 2. Código binario,

Más detalles

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO?

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? El precio, o valor de mercado, de cada participación oscila según la evolución de los valores que componen

Más detalles

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

Más detalles

INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA 1

INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA 1 INVESTIGACION Y ESTADISTICA I GLOSARIO GUIA PARA LOS CONCEPTOS BASICOS DE LA LOGICA CUANTITATIVA I. El problema y las hipótesis María Teresa Sirvent Qué caracteriza a una pregunta científica que orienta

Más detalles

PARA QUÉ NÚMEROS REALES... 2 SUCESIONES... 3 NÚMEROS COMPLEJOS... 5 CÓNICAS... 6 FUNCIÓN INVERSA... 7 FUNCIONES CUADRÁTICAS... 8

PARA QUÉ NÚMEROS REALES... 2 SUCESIONES... 3 NÚMEROS COMPLEJOS... 5 CÓNICAS... 6 FUNCIÓN INVERSA... 7 FUNCIONES CUADRÁTICAS... 8 PARA QUÉ SIRVE? Índice NÚMEROS REALES.... 2 SUCESIONES.... 3 SUCESIONES ARITMÉTICAS Y GEOMÉTRICAS.... 4 NÚMEROS COMPLEJOS.... 5 CÓNICAS.... 6 FUNCIÓN INVERSA.... 7 FUNCIONES CUADRÁTICAS.... 8 TEOREMA DE

Más detalles

Análisis e Interpretación de Datos Unidad XI. Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN

Análisis e Interpretación de Datos Unidad XI. Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN Análisis e Interpretación de Datos Unidad XI Prof. Yanilda Rodríguez MSN Prof. Madeline Fonseca MSN Prof. Reina del C.Rivera MSN Competencias de Aprendizaje Al finalizar la actividad los estudiantes serán

Más detalles

ESTADÍSTICA SEMANA 4

ESTADÍSTICA SEMANA 4 ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...

Más detalles

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes.

Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. Capítulo 2. Técnicas de Evaluación de la inversión en activos no circulantes. 2.1 Generalidades. En la actualidad, en lo referente a las finanzas uno de los grandes problemas que los administradores y

Más detalles

Unidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal)

Unidad I. 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Unidad I Sistemas numéricos 1.1 Sistemas numéricos (Binario, Octal, Decimal, Hexadecimal) Los computadores manipulan y almacenan los datos usando interruptores electrónicos que están ENCENDIDOS o APAGADOS.

Más detalles

PRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. Juan José Hernández Ocaña

PRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. Juan José Hernández Ocaña PRUEBAS PARAMETRICAS Los métodos paramétricos se basan en el muestreo de una población con parámetros específicos, como la media poblacional, la desviación estándar o la proporción p. Además deben de reunir

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

USAC FACULTAD DE INGENIERÍA ÁREA DE ESTADÍSTICA Coordinación

USAC FACULTAD DE INGENIERÍA ÁREA DE ESTADÍSTICA Coordinación USAC FACULTAD DE INGENIERÍA ÁREA DE ESTADÍSTICA Coordinación MANUAL DE ESTADÍSTICA DESCRIPTIVA Guatemala, noviembre 011 ÍNDICE DE CONTENIDOS página ESTADÍSTICA DESCRIPTIVA 1 DÍA 1 1 I UNIDAD: INTRODUCCIÓN

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función

Más detalles

Límites. Definición de derivada.

Límites. Definición de derivada. Capítulo 4 Límites. Definición de derivada. 4.1. Límites e indeterminaciones Hemos visto en el capítulo anterior que para resolver el problema de la recta tangente tenemos que enfrentarnos a expresiones

Más detalles

PRESENTACIÓN DE RESULTADOS EN LÍNEA Y TELECONFERENCIA SEGUNDO TRIMESTRE DE 2014 SESIÓN DE PREGUNTAS Y RESPUESTAS

PRESENTACIÓN DE RESULTADOS EN LÍNEA Y TELECONFERENCIA SEGUNDO TRIMESTRE DE 2014 SESIÓN DE PREGUNTAS Y RESPUESTAS FECHA: Julio 31 de 2014 PRESENTACIÓN DE RESULTADOS EN LÍNEA Y TELECONFERENCIA SEGUNDO TRIMESTRE DE 2014 SESIÓN DE PREGUNTAS Y RESPUESTAS 1. Podríamos ver un segundo semestre similar al segundo trimestre,

Más detalles

TEMA 2. LA MEDICIÓN EN PSICOLOGÍA

TEMA 2. LA MEDICIÓN EN PSICOLOGÍA TEMA 2. LA MEDICIÓN EN PSICOLOGÍA 1. La Psicometría Concepto Niveles de contenido 2. La medición Funciones generales Funciones específicas Condiciones de la medición 3. Variables: Definición y clasificación

Más detalles

Fundamentos de Estadística Pablo Cazau

Fundamentos de Estadística Pablo Cazau Fundamentos de Estadística Pablo Cazau Prefacio Capítulo 1: Introducción a la estadística 1.1 Definición y utilidad de la estadística 1.2 Clasificaciones de la estadística 1.3 Población y muestra 1.4 Estructura

Más detalles

Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal

Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal Unidad 1 Sistemas de numeración Binario, Decimal, Hexadecimal Artículo adaptado del artículo de Wikipedia Sistema Binario en su versión del 20 de marzo de 2014, por varios autores bajo la Licencia de Documentación

Más detalles

Problemas Resueltos de Desigualdades y Programación Lineal

Problemas Resueltos de Desigualdades y Programación Lineal Universidad de Sonora División de Ciencias Exactas y Naturales Departamento de Matemáticas. Problemas Resueltos de Desigualdades y Programación Lineal Para el curso de Cálculo Diferencial de Químico Biólogo

Más detalles

UNED. [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes.

UNED. [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes. 2009 UNED [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes. 1 ÍNDICE 3.1 Introducción 3.2 Objetivos 3.3 Muestras independientes o relacionadas 3.4 Contraste de hipótesis sobre

Más detalles

Investigación de Mercados

Investigación de Mercados Investigación de Mercados 1 Sesión No. 3 Nombre: Proceso de Medición Contextualización Para qué sirve el proceso de medición? Cada vez que te solicitan calificar o responder algún cuestionario, se trata

Más detalles

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo.

Iniciaremos nuestro estudio de teoría combinatoria enunciando los principios aditivo y multiplicativo de conteo. COMBINATORIA Introducción a la Combinatoria Recuento A menudo se presenta la necesidad de calcular el número de maneras distintas en que un suceso se presenta o puede ser realizado. Otras veces es importante

Más detalles

Capítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor

Capítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,

Más detalles

4.3 Variables de la Estadística descriptiva

4.3 Variables de la Estadística descriptiva 4.3 4.3.1 Conceptos básicos en Estadística El origen de Estadística puede remontarse a los recuentos de datos. El hombre hace acopio de datos para tener información sobre características de ciertos colectivos

Más detalles

En cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.

En cualquier caso, tampoco es demasiado importante el significado de la B, si es que lo tiene, lo interesante realmente es el algoritmo. Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa

Más detalles

Introducción a la estadística y SPSS

Introducción a la estadística y SPSS Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I

Más detalles

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción

Más detalles

Regla Comercial y Descuento compuesto.

Regla Comercial y Descuento compuesto. Regla Comercial y Descuento compuesto. Regla comercial: consiste en calcular el monto que se acumula durante los periodos de capitalización completos, utilizando la fórmula de interés compuesto, para luego

Más detalles

lll. RESULTADOS 1) Análisis de poder discriminativo (prueba t)

lll. RESULTADOS 1) Análisis de poder discriminativo (prueba t) lll. RESULTADOS En el análisis de los resultados provenientes del trabajo de campo, es importante mencionar que debido a la estructura y contenido del instrumento, se procedió al análisis cuantitativo.

Más detalles

ANALISIS MULTIVARIANTE

ANALISIS MULTIVARIANTE ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,

Más detalles

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST

UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST UNIDAD DIDÁCTICA 7 ANÁLISIS DE ÍTEMS Y BAREMACIÓN DE UN TEST 7.1. ANÁLISIS DE LOS ÍTEMS Al comenzar la asignatura ya planteábamos que uno de los principales problemas a los que nos enfrentábamos a la hora

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS 6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA

Más detalles

CAPÍTULO III. Metodología. 3.1 Tipo de Investigación. La investigación se define como un estudio sistemático, controlado, empírico,

CAPÍTULO III. Metodología. 3.1 Tipo de Investigación. La investigación se define como un estudio sistemático, controlado, empírico, 49 CAPÍTULO III 3.1 Tipo de Investigación La investigación se define como un estudio sistemático, controlado, empírico, reflexivo y crítico de proposiciones hipotéticas sobre las supuestas relaciones que

Más detalles

LOS INSTRUMENTOS DE MEDIDA

LOS INSTRUMENTOS DE MEDIDA LOS INSTRUMENTOS DE MEDIDA Los instrumentos de medida pueden introducir un error sistemático en el proceso de medida por un defecto de construcción o de calibración. Sólo se elimina el error cambiando

Más detalles

UNIDAD I INTRODUCCIÓN. Funciones y aplicaciones de la estadística

UNIDAD I INTRODUCCIÓN. Funciones y aplicaciones de la estadística UNIDAD I INTRODUCCIÓN Funciones y aplicaciones de la estadística 1 INTRODUCCIÓN Hay varias razones por las que el alcance de la estadística y la necesidad de estudiar la estadística han crecido de manera

Más detalles

APLICACIONES DE INFERENCIA

APLICACIONES DE INFERENCIA APLICACIONES DE INFERENCIA CONTENIDO DE LA PRESENTACIÓN Un ejemplo desarrollado dentro del marco del proyecto MaMaEuSch como aplicación de la Inferencia. Una serie de applets relacionados con la inferencia.

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

PRESENTACIÓN GRÁFICA DE LOS DATOS

PRESENTACIÓN GRÁFICA DE LOS DATOS PRESENTACIÓN GRÁFICA DE LOS DATOS Una imagen dice más que mil palabras, esta frase explica la importancia de presentar los datos en forma gráfica. Existe una gran variedad de gráficos y la selección apropiada

Más detalles

La Estadística y el método científico. Datos Estadísticos. Tipos de Datos

La Estadística y el método científico. Datos Estadísticos. Tipos de Datos Apuntes de Métodos Estadísticos I Prof. Gudberto J. León R. I- 9 La Estadística y el método científico Los métodos estadísticos utilizan el método científico, que consiste en cinco pasos básicos: 1. Definir

Más detalles

MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II

MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio

Más detalles