Artículo de los payasos

Save this PDF as:
 WORD  PNG  TXT  JPG

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

Download "Artículo de los payasos"

Transcripción

1 Artículo de los payasos (Página 30 a 3 del libro de Técnica estadística y diseño de investigación) Utilizando los datos de la tabla 3 podemos completar la siguiente información (valores p de probabilidad de las pruebas t de Student, tamaño del efecto de diferencia estandarizada de medias de d de Cohen e intervalo de confianza de cada tamaño del efecto). En rojo se anotan los datos que se han obtenido con los datos ofrecidos en la tabla 3. Para estimar el tamaño del efecto y su intervalo de confianza: DIFERENCIA ESTANDARIZADA DE MEDIAS (d de Cohen): 1

2 Para calcular el valor p de probabilidad TABLA 3B: INCLUYE LOS DESCRIPTIVOS DE LAS VARIABLES (Media, Desviación Típica y n por condición), EL RESULTADO DE LA PRUEBA ESTADÍSTICA, SU VALOR P DE PROBABILIDAD, Y EL TAMAÑO DEL EFECTO CON SU INTERVALO DE CONFIANZA. Teniendo en cuenta el N total los grados de libertad del error de la prueba estadística t de Student es N-= 59. Tabla 3 B. Diferencias de niveles de malestar psicológico (FAS) y conductas desadaptativas (PHBQ) en el grupo experimental y control, medidos antes y después. Media DT n Media DT n t Valor p d 95%CI d FAS-1pre ,535, 0,47 FAS-post , PHB-1pre , PHB-post , , Interpretación. RESULTADOS NULOS: MANTENER LA HIPÓTESIS NULA Cuando los resultados de la investigación conducen a mantener la hipótesis nula sólo podemos concluir que con la evidencia encontrada en el estudio o pruebas no se puede rechazar la hipótesis nula (p>alfa). Algunos autores optan por estimar la potencia a posteriori de la prueba estadística pues este dato se puede calcular fácilmente en el SPSS pero no es una solución correcta. Evidentemente si la prueba estadística no ha rechazado la hipótesis nula ha sido porque no tenía potencia estadística. De este modo si calculamos la potencia estadística a posteriori ya sabemos que va a ser baja cuando se mantiene la hipótesis nula. Lo interesante de la potencia estadística es la denominada potencia estadística a priori que es necesaria para que el análisis tenga una alta probabilidad de detectar un efecto si realmente existe. Se considera que al menos la potencia estadística tendría que ser de 0.80, luego el error de Tipo II debe ser como mucho de 0.0 (Error de tipo II: 1-potencia). La potencia estadística a priori se utiliza en la fase de planificación del diseño estadístico suponiendo un determinado tamaño del efecto que se obtendrá en el experimento y la elección de un nivel de alfa. Por ejemplo, la planificación podría ser: potencia estadística de 0.80, alfa 0.05 y tamaño del efecto esperable en términos de d de Cohen=0.5 (tamaño del efecto mediano), entonces el tamaño de la muestra que se requiere es de 64 participantes por grupo o condición cuando se aplica una prueba t de Student. (Ver la tabla de la página 165 del libro Técnica estadística y diseño de investigación ). Por lo tanto el tamaño total de la muestra sería de 18 (N total) para que la prueba tenga una potencia estadística de 0.80, para trabajar con un alfa de 0.05 y si se obtiene un tamaño del efecto en el estudio de 0.5.

3 Una mejor solución ante un resultado nulo (mantener la hipótesis nula) es calcular el tamaño del efecto y su intervalo de confianza y de esta manera interpretar conjuntamente los valores de la decisión estadística (con el valor p de probabilidad) y los valores de la magnitud del efecto (tamaño del efecto y su intervalo de confianza). En el estudio de los payasos se ha utilizado una metodología cuasi-experimental. Se comprueba que en el pre-test los grupos no son estadísticamente diferentes en las variables dependientes medidas. Sin embargo, en la fase de post-test se plantean las hipótesis de investigación donde es esperable que los payasos provoquen un efecto en las puntuaciones de los dos instrumentos. Es en el post-test donde sí se plantean hipótesis de efectos del tratamiento (payasos/control). En el FAS el valor del tamaño del efecto es cero pues las medias son iguales. En el caso del PHB el tamaño del efecto es , es decir, el grupo experimental tiene una puntuación media que está media desviación típica por debajo del grupo control en la variable de conductas desadaptativas. Es decir, si acompañamos el valor p de probabilidad de la prueba estadística o contraste (t de Student) con el valor del tamaño del efecto (recomendación del Manual de la American Psychological Association, 010) entonces podemos encontrar una mejor explicación o al menos plantear una hipótesis de trabajo más elaborada para el futuro. Un tamaño del efecto de 0.5 se considera medio en términos de Cohen y representa el valor del efecto en la mayoría de las intervenciones psicológicas. Por lo tanto, a pesar de que no se obtienen diferencias estadísticamente significativas entre los dos grupos, sí que existe un tamaño del efecto medio. Esta cuestión es importante porque supongamos que se mantiene la hipótesis nula pero al estimar el efecto se obtiene que d=0.0, efecto trivial. En este último caso se podría concluir que no hay diferencias estadísticamente significativas y que el tamaño del efecto es muy escaso o trivial. Sin embargo, en los resultados del estudio de los payasos no se rechaza la hipótesis nula pero conviene señalar que el efecto es medio, es decir, las puntuaciones del grupo control están por encima de las puntuaciones medias del grupo experimental en media desviación típica. Conviene recordar que el tamaño del efecto obtenido era negativo (d= ), lo que significa que la media del grupo experimental (que se suele colocar en primer lugar en la diferencia de medias) es menor que la media del grupo de control (que se suele colocar detrás en la diferencia de medias). Por lo tanto, si se mantiene la hipótesis nula pero el tamaño del efecto es medio entonces sí se podría suponer que probablemente el resultado nulo está relacionado con la falta de potencia estadística pues tamaño del efecto sí hay. Sin embargo, si se mantiene la hipótesis nula con un tamaño del efecto trivial entonces sólo podemos concluir que con los resultados aportados no hay evidencia para rechazar la hipótesis nula, siendo el tamaño del efecto trivial. De este modo, al incorporar el valor del tamaño del efecto la interpretación dicotómica del modelo tradicional de la hipótesis nula adquiere una mayor dimensión que mantener o rechazar H 0 y ofrece una interpretación más amplia de la realidad. Por todo ello, el movimiento de la reforma estadística y el Manual de la American Psychological Association (010) recomiendan acompañar siempre los valores p de probabilidad del valor del tamaño del efecto y su intervalo de confianza. El intervalo de confianza del tamaño del efecto permite valorar la precisión de la estimación del valor puntual del tamaño del efecto. Por ello, intervalos de confianza amplios son menos precisos ya que incluyen un amplio rango de valores puntuales del tamaño del efecto. Cuanto menor el intervalo de confianza mayor es la precisión de la estimación puntual realizada. Si el intervalo de confianza del tamaño del efecto incluye el valor de 0 entonces se mantiene la hipótesis nula ya que el valor de cero es una posibilidad de todos los valores que forman el intervalo de confianza y el cero es el valor compatible con la hipótesis nula. De este modo, conociendo el intervalo de confianza del tamaño del efecto se puede realizar directamente la comprobación estadística de la hipótesis nula. Pero conviene tener en cuenta que una utilidad destacada del conocimiento del intervalo de confianza es su amplitud para poder valorar el grado de precisión de la estimación puntual. Por ejemplo, si el tamaño del efecto d de Cohen es igual a 0.8, que es un tamaño del efecto grande, pero su intervalo de confianza oscila desde 0.04 a 1.56 entonces resulta que la estimación puntual de 0.8 tiene escasa precisión pues el tamaño del efecto podría ser desde muy pequeño (d=0.04) hasta muy grande (d=1.56). En definitiva, lo ideal es encontrar más trabajos sobre la temática de los payasos y comparar los tamaños del efecto obtenidos en cada estudio para poder hacer interpretaciones más ajustadas a la realidad. Sería ideal tener un estudio de meta-análisis donde se resumieran los efectos de los payasos de hospital en un conjunto de estudios que aborden la misma temática resumiendo la evidencia con un tamaño del efecto medio y su intervalo de confianza que es el estadístico que aporta el estudio de meta-análisis. 3

4 Por lo tanto, lo que queda claro en el artículo es que no hay diferencias estadísticamente entre los grupos en el post-test de FAS y PHB pero en el cuestionario de FAS se observa un tamaño del efecto medio cuyo intervalo oscila desde a El intervalo tiene el valor de cero lo que indica que se mantiene la hipótesis nula pero sus valores van desde tamaños del efecto grande (>0.80) hasta 0.01, siendo la precisión de la estimación puntual escasa. De nuevo nos señala que su valor p de probabilidad está cercano al 0.05 (pero es un poco mayor, exactamente p = ) porque el intervalo casi no contiene el valor de cero. La interpretación de los hallazgos será más completa si se interpretan conjuntamente la decisión estadística y el tamaño del efecto tal y como recomienda el Manual del APA (010). Por lo tanto, la redacción del apartado de resultados podría ser más adecuada si se realizase teniendo en cuenta ambos elementos. Como ejemplo podría ser así en el caso de las puntuaciones de post-test (ver tabla 3B): Tabla 3 B. Diferencias de niveles de malestar psicológico (FAS) y conductas desadaptativas (PHBQ) en el grupo experimental y control, medidos antes y después. Media DT n Media DT n t Valor p d 95%CI d FAS-1pre ,535, 0,47 FAS-post , PHB-1pre , PHB-post , , Nueva redacción de los resultados primeros En la tabla 3B se presentan las medias, desviaciones estándar, pruebas t-student y el tamaño del efecto d de Cohen junto con su intervalo de confianza de los niveles de malestar psicológico y de las conductas desadaptativas de los niños/as de nuestra muestra. Los payasos no tuvieron un efecto estadísticamente significativo sobre el malestar de los niños y niñas. Tampoco se observan efectos de interacción entre la intervención de los payasos y las medidas antes y después del malestar psicológico (tabla 4). Si observamos las medias, en ambos grupos, experimental y control, hay un aumento del malestar psicológico que experimental los niños/as, registrado mediante la escala FAS (Tabla 3B).(Esta frase no tiene sentido pues no se analizan los datos ni se aporta información de ningún tipo ni es objetivo de las hipótesis). No se halló un efecto estadísticamente significativo de los payasos en las conductas desadaptativas, ni efectos de interacción entre las medidas antes y después de las conductas desadaptativas, ausencia y presencia de payasos (tabla 5). Sin embargo, si observamos las puntuaciones medias, el grupo que recibe la intervención (grupo experimental) presenta una puntuación menor en la variable de conductas desadaptativas una semana después de la intervención quirúrgica (Media: 19, DT: 11.73) en comparación al grupo control (Media: 5.30, DT: 13.7) una semana después de la intervención de los payasos. Aunque se puede observar una fuerte tendencia (p=0.06), no hay diferencias estadísticamente significativas (tabla 3B). Las diferencias entre los dos grupos no son estadísticamente significativas pero se observa que el tamaño del efecto es medio (d=-0.50, 95%IC ). Por lo tanto, conviene considerar la posibilidad de la falta de potencia estadística para detectar un tamaño del efecto medio ya que con 61 sujetos no es suficiente para detectar un valor del tamaño del efecto de o.5 con un alfa de 0.05 y una potencia estadística de

5 Diferencia estandarizada de medias (d de Cohen) El estimador de tamaño del efecto más utilizado en la investigación psicológica es la denominada d de Cohen cuando el diseño incluye una variable continua (variable dependiente Y) y una variable nominal de tipo dicotómico con dos grupos (variable independiente con dos condiciones, A=). La diferencia estandarizada de medias d de Cohen es la diferencia entre las medias de las puntuaciones del grupo A y las del grupo B dividido por la desviación típica común. El signo del valor d es arbitrario. Generalmente la diferencia de medias se obtiene como puntuaciones del grupo experimental menos las puntuaciones del grupo de control. Así, si el cambio en la variable dependiente supone aumentar las puntuaciones entonces el signo de la d de Cohen se espera que sea positivo. Si, por el contrario, el efecto del tratamiento supone disminuir la puntuación en la variable dependiente entonces el signo del valor de d de Cohen se espera negativo. En términos de estimación muestral (Cohen, 1988; Hedges, 1981) (se conoce también como la g de Hedges) el valor d de Cohen se obtiene como: M d [1] 1 M S COMÚN Donde M 1 es la media del grupo 1, M es la media del grupo y S COMÚN es la desviación típica común de las puntuaciones de los dos grupos. La desviación típica común se estima a través de: ( n1 1) S1 ( n 1) S S COMÚN [] n n 1 Donde n 1 y n son los tamaños muestrales de los grupos experimental y control respectivamente y S² 1 y S² son las varianzas de los dos grupos mencionados. Transformaciones que permiten una aproximación al tamaño del efecto Se puede obtener el valor de tamaño del efecto si se hace una transformación de la t de Student a d de Cohen con la siguiente fórmula para diseños entre-sujetos o muestras independientes: d 1 grados libertad n n t n n [3] 1 O, lo que es lo mismo, d n n 1 tentresujet os [4] n1n 5

6 La interpretación del tamaño del efecto se realiza en términos de puntuaciones de diferencia estandarizada tipo puntuaciones z. Es decir, la diferencia estandarizada de medias entre dos grupos se interpreta en unidades de desviación típica. Las indicaciones de tamaño del efecto ofrecidas por Cohen (1988) dentro del área de las Ciencias Sociales definen al tamaño del efecto como pequeño cuando d = 0. desviaciones estándar, al tamaño del efecto como mediano cuando d = 0.5 desviaciones estándar y al tamaño del efecto como grande cuando d = 0.8 desviaciones estándar. Por ejemplo, si d = 1 el tamaño del efecto es grande (mayor a 0,8) señalando que la media del grupo experimental se encuentra una desviación típica por encima del grupo de control o grupo de comparación. Normalmente para calcular la puntuación de diferencia se sitúa primero el grupo experimental donde generalmente se esperan efectos positivos y por lo tanto mayores que los del grupo de control (media del grupo experimental-media del grupo de control). Si el valor de d de Cohen fuese negativo entonces el grupo experimental presenta una puntuación menor que la del grupo de control. Valorar el contexto donde se estiman los efectos Los valores de los tamaños del efecto propuestos por Cohen (1988) no son valores fijos para todas las áreas de investigación porque un tamaño del efecto de 0.0 podría ser grande en algunos contextos teniendo en cuenta sus implicaciones prácticas mientras que en otros ámbitos podría ser pequeño o quizás mediano. Por ejemplo la vacuna de Jonas Salk para prevenir la polio en la población pediátrica general o el efecto de la aspirina para prevenir el infarto de miocardio tienen valores de tamaño del efecto pequeños pero representan efectos grandes desde su análisis sustantivo o de importancia clínica. Teniendo en cuenta el bajo coste de la aspirina y la posibilidad de salvar vidas entonces su efecto es grande desde un punto de vista sustantivo o de prevención. En cambio, un tamaño del efecto de 0.80 podría ser pequeño en otros contextos como por ejemplo sería el caso del tratamiento farmacológico para la depresión y el incremento del riesgo de suicidio. Hay que tener en cuenta que la estimación del tamaño del efecto no nos informa de la significación práctica, clínica o social del hallazgo. Sólo el juicio del profesional podrá informar de la utilidad de los hallazgos. El tamaño del efecto es un índice estadístico y no informa de la utilidad clínica o social de los efectos del tratamiento y por lo tanto tampoco aporta información directa de la importancia de los efectos. La significación clínica de un tratamiento está relacionada con estándares externos proporcionados por los propios clínicos o profesionales y no por el valor del índice del tamaño del efecto estimado. Un valor del tamaño del efecto pequeño puede ser clínicamente significativo y un valor del tamaño del efecto grande puede ser insignificante o trivial desde el punto de vista práctico del hallazgo. Tamaño del efecto y solapamiento de las distribuciones de los grupos Cohen (1988) proporciona una imagen mental de los tamaños del efecto gracias a la conversión de sus valores en términos de solapamiento de las curvas normales de los dos grupos (grupo experimental y grupo de control) donde el grado de solapamiento está determinado por el valor de tamaño del efecto d. Cuanto mayor el tamaño del efecto menor es el solapamiento entre las curvas de ambas poblaciones. Es decir, asumiendo que las dos distribuciones de puntuaciones tiene una forma similar entonces las medias de los dos grupos serán diferentes si el solapamiento de sus distribuciones es pequeño. De este modo, el tamaño del efecto se obtiene midiendo el grado de solapamiento de las puntuaciones de los grupos experimental y control. El valor de tamaño del efecto de 0 indica un completo solapamiento (100%) entre las distribuciones de los dos grupos, siendo por lo tanto sus medias idénticas y las puntuaciones de los grupos indistinguibles (ver Tabla 1). En cambio, si un investigador obtiene un tamaño del efecto de d = 0,1 entonces el porcentaje de solapamiento entre los dos grupos sería de 9.3% lo que significa que sólo el 7,7% de los sujetos del grupo 1 obtendrían puntuaciones que no son obtenidas por los del grupo. En otras palabras, aproximadamente el 9% de los sujetos del grupo 1 obtienen puntuaciones que están dentro de la distribución de las puntuaciones obtenidas por el grupo dado que el porcentaje de solapamiento es del 45%. Si el tamaño del efecto fuese de d = 3,0 entonces 6

7 existiría sólo un 7% de solapamiento entre las dos distribuciones de manera que podríamos concluir que el efecto del tratamiento pudo discriminar de forma fiable a los grupos. El 9% de los sujetos del grupo 1 obtuvo puntuaciones superiores a las del grupo de control. Tabla 1. Interpretación de los valores de tamaño del efecto de d de Cohen % de d de r Percentil Coeficiente de determinación Solapamiento Cohen Correlación % * (% varianza explicada) (Overlap Percent OL %) R 7

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.

Estadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min. Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del

Más detalles

Número de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto?

Número de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto? Tamaño del Efecto (ej. d, 2, f, phi ): qué magnitud del efecto se trata de detectar? Número de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto? Error de Tipo I, α (Nivel

Más detalles

ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA

ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una

Más detalles

ÍNDICE INTRODUCCIÓN... 21

ÍNDICE INTRODUCCIÓN... 21 INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.

Más detalles

Longitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.

Longitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab. LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia

Más detalles

BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN

BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes

Más detalles

1. Realice la prueba de homogeneidad de variancias e interprete los resultados.

1. Realice la prueba de homogeneidad de variancias e interprete los resultados. 1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR

Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.

Más detalles

ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN

ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:

Más detalles

Análisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina

Análisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina Análisis Estadístico Dra. Adela Del Carpio Rivera Doctor En Medicina ANTE LA GRAN CANTIDAD DE INFORMACIÓN Debemos saber discernir entre: Cuál es la información que necesitamos Si el estudio tiene real

Más detalles

Prueba t para muestras independientes

Prueba t para muestras independientes Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente

Más detalles

DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas

DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas DISEÑO CON MÁS DE DOS CONDICIONES (A>2) ANOVA unifactorial con A>2 y contraste de hipótesis específicas Hasta ahora hemos ido desarrollando las pruebas parámetricas para contrastar hipótesis de un grupo

Más detalles

Selección Diseño de Cribado

Selección Diseño de Cribado Selección Diseño de Cribado Resumen La sección diseño experimental del STATGRAPHICS puede crear una amplia variedad de diseños dirigidos a mostrar los factores más importantes que afectan un proceso. Se

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud

Más detalles

Metodologías De Investigación

Metodologías De Investigación Metodologías De Investigación Pfra. Dolores Frías Navarro M. Dolores Frías http://www.uv.es/friasnav 1 Diseños Experimentales Al menos una variable independiente de tratamiento que es introducida por el

Más detalles

ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA

ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )

Más detalles

UNIVERSIDAD DE MANAGUA Al más alto nivel

UNIVERSIDAD DE MANAGUA Al más alto nivel UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:

Más detalles

Ejemplos Resueltos Tema 4

Ejemplos Resueltos Tema 4 Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis

Más detalles

Caso particular: Contraste de homocedasticidad

Caso particular: Contraste de homocedasticidad 36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos

Más detalles

CONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN

CONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo

Más detalles

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO

Más detalles

Módulo de Estadística

Módulo de Estadística Módulo de Estadística Tema 8: Introducción a los contrastes de hipótesis Tema 6: Contrastes de hipótesis 1 Objetivos del tema Introducir el concepto de contraste de hipótesis Diferenciar entre hipótesis

Más detalles

Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para

Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad

Más detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

Potencia estadística

Potencia estadística Potencia estadística M. Dolores Frías http://www.uv.es/~friasnav 1 Potencia Estadística 1 - Es la probabilidad que tiene la prueba estadística para rechazar una hipótesis NULA FALSA Tiene un rango de 0

Más detalles

Conceptos básicos de inferencia estadística (IV): Inferencia no paramétrica: Contrastes de aleatoriedad.

Conceptos básicos de inferencia estadística (IV): Inferencia no paramétrica: Contrastes de aleatoriedad. Conceptos básicos de inferencia estadística (IV): Inferencia no paramétrica: Contrastes de aleatoriedad. Tema 1 (IV) Estadística 2 Curso 08/09 Tema 1 (IV) (Estadística 2) Contrastes de aleatoriedad Curso

Más detalles

TEMA 10 COMPARAR MEDIAS

TEMA 10 COMPARAR MEDIAS TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,

Más detalles

Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo

Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,

Más detalles

ACTIVIDAD 3: Intervalos de Confianza para 1 población

ACTIVIDAD 3: Intervalos de Confianza para 1 población ACTIVIDAD 3: Intervalos de Confianza para 1 población CASO 3-1: REAJUSTE DE MÁQUINAS Trabajamos como supervisores de una máquina dedicada a la producción de piezas metálicas cuya longitud sigue una distribución

Más detalles

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data

Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data Estadísticas Elemental Tema 3: Describir, Explorar, y Comparar Data (parte 2) Medidas de dispersión 3.1-1 Medidas de dispersión La variación entre los valores de un conjunto de datos se conoce como dispersión

Más detalles

Ejercicio 1(10 puntos)

Ejercicio 1(10 puntos) ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa

Más detalles

3 ANALISIS DESCRIPTIVO DE LOS DATOS

3 ANALISIS DESCRIPTIVO DE LOS DATOS 3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3

Más detalles

Lucila Finkel Temario

Lucila Finkel Temario Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión

Más detalles

BIOSESTADÍSTICA AMIGABLE

BIOSESTADÍSTICA AMIGABLE BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

Contraste de hipótesis. Comparación de más de dos medias independientes mediante pruebas no paramétricas: Prueba de Kruskal-Wallis Autores

Contraste de hipótesis. Comparación de más de dos medias independientes mediante pruebas no paramétricas: Prueba de Kruskal-Wallis Autores REVISTA OCTUBRE 2013:Maquetación 1 30/11/2013 18:09 Página 45 166 Enfermería del Trabajo 2013; III: 166-171 Metodología de Investigación Enfermera Contraste de hipótesis. Comparación de más de dos medias

Más detalles

Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013

Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013 Problemas Prueba de significación de la hipótesis nula Vicente Manzano-Arrondo, 2013 Ejercicios resueltos En los dos casos que siguen resuelven cada decisión estadística mediante tres procedimientos: intervalo

Más detalles

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto

Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta

Más detalles

ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)

ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI

Más detalles

Estadísticas Pueden ser

Estadísticas Pueden ser Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más

Más detalles

ANALIZAR Comparar medias

ANALIZAR Comparar medias Diseño entre-grupos univariado unifactorial con A>2. Contraste de hipótesis específicas Dolores Frías-Navarro Universidad de Valencia http://www.uv.es/friasnav/ Hasta ahora hemos ido desarrollando las

Más detalles

TEMA 8 (b) Índice. Normas para la interpretación de las puntuaciones de los tests (Tests referidos a las normas)

TEMA 8 (b) Índice. Normas para la interpretación de las puntuaciones de los tests (Tests referidos a las normas) TEMA 8 (b) Normas para la interpretación de las puntuaciones de los tests (Tests referidos a las normas) Índice 1. La interpretación de las puntuaciones 2. Interpretación normativa: Grupo normativo 3.

Más detalles

Comparación de dos métodos de aprendizaje sobre el mismo problema

Comparación de dos métodos de aprendizaje sobre el mismo problema Comparación de dos métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.

Más detalles

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016

INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016 ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una

Más detalles

Tema 8: Contraste de hipótesis

Tema 8: Contraste de hipótesis Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste

Más detalles

T. 6 Estadísticos de posición individual

T. 6 Estadísticos de posición individual T. 6 Estadísticos de posición individual 1 1. Los porcentajes acumulados 2. Las puntuaciones típicas 2.1. Las escalas derivadas Hasta ahora se ha abordado la descripción de los datos de conjuntos de observaciones

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. Prólogo a la Segunda Edición INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.

Más detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más detalles

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)

Correlación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre

Más detalles

El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar?

El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar? El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar? OBJETIVOS Comprender la lógica que rige la realización de los cálculos, relativos al tamaño de la muestra, en estudios clínicos La Cuestión Clave

Más detalles

LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO

LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA

Más detalles

Capítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias

Capítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes

Más detalles

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS

ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de

Más detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia

Más detalles

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados

Más detalles

Práctica 2. Hipótesis de investigación

Práctica 2. Hipótesis de investigación Práctica 2. Hipótesis de investigación Teniendo en cuenta los resultados de la investigación anterior, un segundo equipo de investigadores diseña un nuevo fármaco para aumentar la extroversión. Han introducido

Más detalles

2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:

2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que: Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través

Más detalles

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado

Gráfico 1: Evolución del exceso de rentabilidad de la empresa y de la cartera de mercado Caso 1: Solución Apartado a) - 2 0 2 4 6 0 2 0 4 0 6 0 8 0 1 0 0 p e r i o d E x c e s s r e t u r n, c o m p a n y a e x c e s s r e t u r n m a r k e t p o r t f o l i o Gráfico 1: Evolución del exceso

Más detalles

Grupo: Fecha: Nombre y Apellidos. -1. Formular la hipótesis nula y la hipótesis alternativa

Grupo: Fecha: Nombre y Apellidos. -1. Formular la hipótesis nula y la hipótesis alternativa 1 Grupo: Fecha: Nombre y Apellidos. -1. Formular la hipótesis nula y la hipótesis alternativa -2. Decidir el nivel de significación estadística a priori -3. Decidir qué prueba estadística es la más recomendable

Más detalles

TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS

TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis

Más detalles

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24

Pregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24 Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales

Curso de Estadística Aplicada a las Ciencias Sociales Curso de Estadística Aplicada a las Ciencias Sociales Tema 10. Estimación de una proporción Cap. 0 del manual Tema 10. Estimación de una proporción Introducción 1. Distribución en el muestreo de una proporción.

Más detalles

1º CURSO BIOESTADÍSTICA

1º CURSO BIOESTADÍSTICA E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo

Más detalles

Conceptos del contraste de hipótesis

Conceptos del contraste de hipótesis Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de

Más detalles

Universidad Nacional Autónoma de México Facultad de Psicología

Universidad Nacional Autónoma de México Facultad de Psicología Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica

Más detalles

Tema 9: Contraste de hipótesis.

Tema 9: Contraste de hipótesis. Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los

Más detalles

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández

Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema

Más detalles

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE

ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por

Más detalles

Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.

Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan

Más detalles

CONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...

CONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo... CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................

Más detalles

Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo

Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las

Más detalles

CURSO: ANALISIS ESTADISTICO DE RIESGOS

CURSO: ANALISIS ESTADISTICO DE RIESGOS MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE

7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago

Más detalles

Ejercicios resueltos

Ejercicios resueltos UNIDAD TEMÁTICA 7 CONTRASTE DE HIPÓTESIS ENUNCIADO 1 Se ha realizado una encuesta en una población mediante una muestra de 200 personas resultando 72 fumadores. (a Estima la proporción de fumadores así

Más detalles

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II

DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro

Más detalles

Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T

Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes

Más detalles

EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS

EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS 1. Qúe propiedad o propiedades caracterizan a una distribución normal tipificada frente a una distribución normal cualquiera? a. El área bajo su función de densidad

Más detalles

PRACTICAS DE TAMAÑO DE EFECTO Y POTENCIA

PRACTICAS DE TAMAÑO DE EFECTO Y POTENCIA PRACTICAS DE TAMAÑO DE EFECTO Y POTENCIA 1.- Introducción... 2 2.- Comparación de una media observada y otra teórica... 2 3.- Comparación de dos medias observadas en grupos independientes... 5 4. - Comparación

Más detalles

Estadísticamente significativo o clínicamente relevante?

Estadísticamente significativo o clínicamente relevante? Adolfo Figueiras Guzmán rof. Titular de edicina reventiva e Saúde ública (USC) Estadísticamente significativo o clínicamente relevante? Índice 1. 1. Introducción 2. 2. Objetivos 3. 3. Desarrollo Conceptos

Más detalles

FACULTAD: CIENCIAS DE LA EDUCACION CURSO: ESTADISTICA SOCIAL

FACULTAD: CIENCIAS DE LA EDUCACION CURSO: ESTADISTICA SOCIAL INFORMACIÓN GENERAL FACULTAD: CIENCIAS DE LA EDUCACION CURSO: ESTADISTICA SOCIAL Carrera: LICENCIATURA EN TRABAJO SOCIAL Nombre del Curso: ESTADISTICA SOCIAL Pre-requisito: Ciclo: Código: Código: Plan:

Más detalles

Impacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo. Metodología del estudio

Impacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo. Metodología del estudio Impacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo Metodología del estudio : objetivos del estudio, contenidos del cuestionario utilizado, ficha técnica y técnicas

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de

Más detalles

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera

Más detalles

VALIDEZ DE LA INVESTIGACIÓN: VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO, DE CONCLUSIÓN ESTADÍSTICA

VALIDEZ DE LA INVESTIGACIÓN: VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO, DE CONCLUSIÓN ESTADÍSTICA VALIDEZ DE LA INVESTIGACIÓN: VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO, DE CONCLUSIÓN ESTADÍSTICA 1 Validez de la investigación VALIDEZ INTERNA: el diseño de investigación es lo suficientemente sensible

Más detalles

VALIDEZ DE LA INVESTIGACIÓN (I): VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO

VALIDEZ DE LA INVESTIGACIÓN (I): VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO MÉTODOS Y DISEÑOS DE INVESTIGACIÓN TEMA 3 VALIDEZ DE LA INVESTIGACIÓN (I): VALIDEZ INTERNA, EXTERNA Y DE CONSTRUCTO 2011/12 1 Validez de la investigación VALIDEZ INTERNA: el diseño de investigación es

Más detalles

LECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos

LECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis

Más detalles

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS

INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15

Más detalles

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS

3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS 1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias

Más detalles

Tema 5: Introducción a la inferencia estadística

Tema 5: Introducción a la inferencia estadística Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas

Más detalles

Estimación de Parámetros.

Estimación de Parámetros. Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un

Más detalles

EL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN

EL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN VALIDEZ INTERNA EL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN Existen fórmulas que nos permiten calcular la muestra en base a características

Más detalles

Estadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con

Estadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental

Más detalles