Artículo de los payasos

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

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos

Agro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,

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

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

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

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL MEDIDAS DE TENDENCIA CENTRAL Al describir grupos de observaciones, con frecuencia es conveniente resumir la información con un solo número. Este número que, para tal fin, suele situarse hacia el centro

Más detalles

Teorema Central del Límite (1)

Teorema Central del Límite (1) Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico

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

INFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón

INFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado

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

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar

Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Estadística para investigadores: todo lo que siempre quiso saber y nunca se atrevió a preguntar Módulo 2. Estadística Descriptiva: Medidas de síntesis Mª Purificación Galindo Villardón Mª Purificación

Más detalles

INFERENCIA ESTADISTICA

INFERENCIA ESTADISTICA 1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,

Más detalles

ESTADÍSTICA DESCRIPTIVA

ESTADÍSTICA DESCRIPTIVA ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el

Más detalles

CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA

CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA 3.- INTERVALO DE CONFIANZA PARA LA VARIANZA 4.- INTERVALO DE

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

UNIDAD 6. Estadística

UNIDAD 6. Estadística Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos

Más detalles

Reporte de Pobreza y Desigualdad DICIEMBRE 2015

Reporte de Pobreza y Desigualdad DICIEMBRE 2015 Reporte de Pobreza y Desigualdad DICIEMBRE 2015 1 Reporte de Pobreza y Desigualdad - Diciembre 2015 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas

Más detalles

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS

CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular

Más detalles

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17

Multicolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las

Más detalles

Reporte de Pobreza. Marzo 2016

Reporte de Pobreza. Marzo 2016 Reporte de Pobreza Marzo 2016 1 Reporte de Pobreza - Marzo 2016 Dirección responsable de la información estadística y contenidos: Dirección de Innovación en Métricas y Metodologías Realizadores: Melody

Más detalles

Fase 2. Estudio de mercado: ESTADÍSTICA

Fase 2. Estudio de mercado: ESTADÍSTICA 1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.

Más detalles

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios.

Ejemplos y ejercicios de. Estadística Descriptiva. yanálisis de Datos. 2 Descripción estadística de una variable. Ejemplos y ejercicios. ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS Ejemplos y ejercicios de Estadística Descriptiva yanálisis de Datos Diplomatura en Estadística Curso 007/08 Descripción estadística de una variable. Ejemplos

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

Reporte de Pobreza por Ingresos JUNIO 2015

Reporte de Pobreza por Ingresos JUNIO 2015 Reporte de Pobreza por Ingresos JUNIO 2015 1 Resumen Ejecutivo En el presente documento se exhiben los resultados obtenidos en el cálculo de pobreza y desigualdad por ingresos a partir de la Encuesta Nacional

Más detalles

Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Dispone de 1 hora para resolver las siguientes cuestiones planteadas. ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE ECONOMÍA Y NEGOCIOS EXAMEN TEÓRICO DE ESTADÍSTICA COMPUTARIZADA NOMBRE: PARALELO: Dispone de 1 hora para resolver las siguientes cuestiones planteadas.

Más detalles

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.

ANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada. ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos

Más detalles

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste

Contraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste 1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y

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

Tema 1.- Correlación Lineal

Tema 1.- Correlación Lineal Tema 1.- Correlación Lineal 3.1.1. Definición El término correlación literalmente significa relación mutua; de este modo, el análisis de correlación mide e indica el grado en el que los valores de una

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)

Más detalles

CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán

CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN. En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán CAPÍTULO 4 RECOPILACIÓN DE DATOS Y CÁLCULO DEL VPN En el presente capítulo se presenta lo que es la recopilación de los datos que se tomarán para realizar un análisis, la obtención del rendimiento esperado

Más detalles

CAPÍTULO VI RESULTADOS PESO (50 COMPRIMIDOS) INICIAL PESO (50 COMPRIMIDOS) FINAL PESO (50 COMPRIMIDOS) INICIAL PESO DEL PLATO

CAPÍTULO VI RESULTADOS PESO (50 COMPRIMIDOS) INICIAL PESO (50 COMPRIMIDOS) FINAL PESO (50 COMPRIMIDOS) INICIAL PESO DEL PLATO CAPÍTULO VI RESULTADOS 6.1. CÁLCULOS 6.1.1. PORCENTAJE DE FRIABILIDAD RANGO: No mayor 1 % FÓRMULA % = PESO (50 COMPRIMIDOS) INICIAL PESO (50 COMPRIMIDOS) FINAL PESO (50 COMPRIMIDOS) INICIAL PESO DEL PLATO

Más detalles

Tercera práctica de REGRESIÓN.

Tercera práctica de REGRESIÓN. Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión

Más detalles

Objetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis

Objetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción

Más detalles

1) Subtest de Vocabulario: Incluye dos partes, vocabulario expresivo (con 45 items) y definiciones (con 37 elementos).

1) Subtest de Vocabulario: Incluye dos partes, vocabulario expresivo (con 45 items) y definiciones (con 37 elementos). Test Breve de Inteligencia de Kaufman (K-BIT) TUTORIAL El Test Breve de Inteligencia K-BIT es una excelente medida de lo que suele llamarse inteligencia general. Se trata de un test de screening, aplicable

Más detalles

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)

REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN

Más detalles

CAPITULO V CONCLUSIONES. a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución Salarial se

CAPITULO V CONCLUSIONES. a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución Salarial se CAPITULO V CONCLUSIONES 5.1 Conclusiones del Análisis A partir de los resultados obtenidos se llevan cabo las siguientes conclusiones: a) El índice de Gini, Theil y el Coeficiente de Variación la Distribución

Más detalles

TALLER ESTADISTICAS EN EXCEL MSP 21 VERANO 2014

TALLER ESTADISTICAS EN EXCEL MSP 21 VERANO 2014 TALLER ESTADISTICAS EN EXCEL MSP 21 VERANO 2014 AGENDA Estadísticas en Excel Construcción de una hoja de trabajo Puntuaciones por asistencia Calificaciones finales igual peso Calificaciones finales pesadas

Más detalles

Estadística Inferencial. Estadística Descriptiva

Estadística Inferencial. Estadística Descriptiva INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y

Más detalles

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza

Otra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer

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

TEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES

TEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES TEMA 7 LOS COSTES ESTÁNDARES: ANALISIS DE DESVIACIONES 7.1.- Introducción. La desviación de una partida contable es la diferencia que surge entre la cantidad presupuestada y la cantidad real. Por lo tanto,

Más detalles

OTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON

OTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta

Más detalles

CAPITULO V METODOLOGÍA DE LA INVESTIGACIÓN

CAPITULO V METODOLOGÍA DE LA INVESTIGACIÓN CAPITULO V METODOLOGÍA DE LA INVESTIGACIÓN Población y Muestra: El tipo de investigación es un estudio correlacional que consiste en ver la relación entre la variable independiente y dependiente. La población

Más detalles

Contenido Introducción Resumen Ejecutivo Objetivos del Estudio General Específicos...

Contenido Introducción Resumen Ejecutivo Objetivos del Estudio General Específicos... - 1-1. Contenido 1. Contenido... 1 2. Introducción... 2 3. Resumen Ejecutivo... 2 4. Objetivos del Estudio... 3 4.1. General... 3 4.2. Específicos... 3 5. Distribución de la Muestra... 4 6. Resultados

Más detalles

Tema 5. Medidas de posición Ejercicios resueltos 1

Tema 5. Medidas de posición Ejercicios resueltos 1 Tema 5. Medidas de posición Ejercicios resueltos 1 Ejercicio resuelto 5.1 Un Centro de Estudios cuenta con 20 aulas, de las cuales 6 tienen 10 puestos, 5 tienen 12 puestos, 4 tienen 15 puestos, 3 tienen

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo

Más detalles

RELACIÓN DE EJERCICIOS TEMA 2

RELACIÓN DE EJERCICIOS TEMA 2 1. Sea una distribución estadística que viene dada por la siguiente tabla: Calcular: x i 61 64 67 70 73 f i 5 18 42 27 8 a) La moda, mediana y media. b) El rango, desviación media, varianza y desviación

Más detalles

Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete

Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Trabajo de fin del curso SimSEE 2, Grupo 1, pág 1/9 Evaluación del impacto económico en el sector energético dado por los embalses para riego existentes en la cuenca de aporte a Rincón del Bonete Magdalena

Más detalles

Curso PIRPIR-COPPA2013 Prof. Concha Fernández Esquemas de contenidos

Curso PIRPIR-COPPA2013 Prof. Concha Fernández Esquemas de contenidos Curso PIRPIR-COPPA2013 Prof. Concha Fernández Esquemas de contenidos Características: propio sj. se califica, clasifica o describe. material flexible adaptado al caso y objetivos, semi-estructurado, no-enmascarado,

Más detalles

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción

Curso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones

Más detalles

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS

Más detalles

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión

INTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------

Más detalles

Transformaciones de variables

Transformaciones de variables Transformaciones de variables Introducción La tipificación de variables resulta muy útil para eliminar su dependencia respecto a las unidades de medida empleadas. En realidad, una tipificación equivale

Más detalles

Tema 11: Intervalos de confianza.

Tema 11: Intervalos de confianza. Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por

Más detalles

CAPÍTULO 4 TÉCNICA PERT

CAPÍTULO 4 TÉCNICA PERT 54 CAPÍTULO 4 TÉCNICA PERT Como ya se mencionó en capítulos anteriores, la técnica CPM considera las duraciones de las actividades como determinísticas, esto es, hay el supuesto de que se realizarán con

Más detalles

Medidas de dispersión

Medidas de dispersión Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia

Más detalles

Esquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor

Esquema (1) Análisis de la Varianza y de la Covarianza. ANOVA y ANCOVA. ANOVA y ANCOVA 1. Análisis de la Varianza de 1 Factor Esquema (1) Análisis de la arianza y de la Covarianza ANOA y ANCOA 1. (Muestras independientes). () 3. Análisis de la arianza de Factores 4. Análisis de la Covarianza 5. Análisis con más de Factores J.F.

Más detalles

TRATAMIENTO DE PUNTAJES

TRATAMIENTO DE PUNTAJES TRATAMIENTO DE PUNTAJES Andrés Antivilo B. Paola Contreras O. Jorge Hernández M. UNIDAD DE ESTUDIOS E INVESTIGACIÓN Santiago, 2015 [Escriba texto] TABLA DE CONTENIDO TRATAMIENTO DE LOS PUNTAJES... 4 1.1.

Más detalles

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016

Pruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016 Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica

Más detalles

ESTADÍSTICA SEMANA 3

ESTADÍSTICA SEMANA 3 ESTADÍSTICA SEMANA 3 ÍNDICE MEDIDAS DESCRIPTIVAS... 3 APRENDIZAJES ESPERADOS... 3 DEFINICIÓN MEDIDA DESCRIPTIVA... 3 MEDIDAS DE POSICIÓN... 3 MEDIDAS DE TENDENCIA CENTRAL... 4 MEDIA ARITMÉTICA O PROMEDIO...

Más detalles

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad

A. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad 15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo

Más detalles

Los factores de mayor incidencia causantes de estrés, son el Psicológico

Los factores de mayor incidencia causantes de estrés, son el Psicológico CAPITULO V 5.1 Análisis e interpretación de Resultados Cuadro # 1 Nivel de significancia según X² CLASIFICACION F % Psicológico/Emocional 210 53.57 Fisico/Biologico 91 23.21 Social 57 14.54 Industrial/Laboral

Más detalles

Tema 8. Análisis de dos variables Ejercicios resueltos 1

Tema 8. Análisis de dos variables Ejercicios resueltos 1 Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los

Más detalles

Prueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:

Prueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual: Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos

Más detalles

Los Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística?

Los Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística? Los Gráficos Que son? Cual es su relación con la estadística? Que factores se deben considerar para leerlos correctament e? Cuales son los tipos que conoces La representación grafica de datos sobre un

Más detalles

conocida comúnmente, como la Campana de Gauss ".

conocida comúnmente, como la Campana de Gauss . CURSO DE ESTADÍSTICA INFERENCIAL EJERCICIOS Y PROBLEMAS RESUELTOS DE DISTRIBUCIÓN NORMAL Prof.:MSc. Julio R. Vargas A. La Distribución Normal: La distribución normal N (μ, σ): es un modelo matemático que

Más detalles

ARTROPLASTIA DE CADERA

ARTROPLASTIA DE CADERA 1 La degeneración articular de la esta causada fundamentalmente por la artrosis. La artrosis grave origina dolor y una importante limitación e incapacidad para el desarrollo de las actividades diarias.

Más detalles

Estadística para la toma de decisiones

Estadística para la toma de decisiones Estadística para la toma de decisiones ESTADÍSTICA PARA LA TOMA DE DECISIONES. 1 Sesión No. 7 Nombre: Distribuciones de probabilidad para variables continúas. Objetivo Al término de la sesión el estudiante

Más detalles

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO

Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos de la clase Objetivos de la estadística. Concepto y parámetros

Más detalles

Problemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.

Problemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15. Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,

Más detalles

METODOLOGÍA DE INVESTIGACIÓN

METODOLOGÍA DE INVESTIGACIÓN ÍNDICE Objetivos de la investigación... 1 Población objetivo... 1 Periodicidad... 1 Método de investigación... 1 Alcance de la investigación... 2 Mejoras introducidas en la encuesta a partir 2012... 3

Más detalles

Nivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94

Nivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94 6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios

Más detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos

Más detalles

EJERCICIOS RESUELTOS TEMA 7

EJERCICIOS RESUELTOS TEMA 7 EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de

Más detalles

A qué nos referimos con medidas de dispersión?

A qué nos referimos con medidas de dispersión? Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal

Más detalles

DISTRIBUCIÓN N BINOMIAL

DISTRIBUCIÓN N BINOMIAL DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina

Más detalles

1. Caso no lineal: ajuste de una función potencial

1. Caso no lineal: ajuste de una función potencial 1. Caso no lineal: ajuste de una función potencial La presión (P) y el volumen (V ) en un tipo de gas están ligados por una ecuación del tipo PV b = a, siendo a y b dos parámetros desconocidos. A partir

Más detalles

ENUNCIADOS DE PROBLEMAS

ENUNCIADOS DE PROBLEMAS UNIVERSIDAD CARLOS III DE MADRID ECONOMETRÍA I 22 de Septiembre de 2007 ENUNCIADOS DE PROBLEMAS Muy importante: Tenga en cuenta que algunos resultados de las tablas han podido ser omitidos. PROBLEMA 1:

Más detalles

USBA ÁLVAREZ DE SOTOMAYOR GABINETE DE PSICOLOGÍA CAP. CMS (PSI). D. JUAN CARLOS ORGANERO ALMODOVAR TTE. CMS (PSI). D. DAVID MARTINEZ HERRAIZ

USBA ÁLVAREZ DE SOTOMAYOR GABINETE DE PSICOLOGÍA CAP. CMS (PSI). D. JUAN CARLOS ORGANERO ALMODOVAR TTE. CMS (PSI). D. DAVID MARTINEZ HERRAIZ USBA ÁLVAREZ DE SOTOMAYOR GABINETE DE PSICOLOGÍA CAP. CMS (PSI). D. JUAN CARLOS ORGANERO ALMODOVAR TTE. CMS (PSI). D. DAVID MARTINEZ HERRAIZ INTRODUCCIÓN Chernóbil en abril de 1986 Zohar (1980). conjunto

Más detalles

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL

LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, M TENDENCIA CENTRAL PreUnAB LOS ESTADÍGRAFOS BÁSICOS Y SU INTERPRETACIÓN, MEDIDAS DE TENDENCIA CENTRAL Clase # 26 Noviembre 2014 ESTADÍGRAFOS Concepto de estadígrafo Un estadígrafo, o estadístico, es un indicador que se calcula

Más detalles

3.1. Administración de la medición y de la información estratégica:

3.1. Administración de la medición y de la información estratégica: Unidad III Aspectos Generales Sobre la Gestión de la Calidad 3.1. Administración de la medición y de la información estratégica: Los siguientes criterios corresponden a la administración de la medición

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

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento

Más detalles

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo)

CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA. (Se utiliza el valor de la función en el extremo izquierdo de cada subintervalo) CALCULO INTEGRAL CONCEPTOS DE AREA BAJO LA CURVA El problema del área, el problema de la distancia tanto el valor del área debajo de la gráfica de una función como la distancia recorrida por un objeto

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición... Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................

Más detalles

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)

INTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith) INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que

Más detalles

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra

Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad

Más detalles

Prácticas de Ecología Curso 3 Práctica 1: Muestreo

Prácticas de Ecología Curso 3 Práctica 1: Muestreo PRÁCTICA 1: MUESTREO Introducción La investigación ecológica se basa en la medición de parámetros de los organismos y del medio en el que viven. Este proceso de toma de datos se denomina muestreo. En la

Más detalles

Tema 4. Probabilidad Condicionada

Tema 4. Probabilidad Condicionada Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello

Más detalles

8.2.5. Intervalos para la diferencia de medias de dos poblaciones

8.2.5. Intervalos para la diferencia de medias de dos poblaciones 8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:

Más detalles

LIGAMIENTO Y RECOMBINACIÓN

LIGAMIENTO Y RECOMBINACIÓN LIGAMIENTO Y RECOMBINACIÓN Los principales apartados de este tema serán: Introducción n y Estimación n de la fracción n de recombinación Ánálisis del ligamiento: Planteamiento directo Planteamiento inverso

Más detalles

TEMA 3: Contrastes de Hipótesis en el MRL

TEMA 3: Contrastes de Hipótesis en el MRL TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.E. CURSO 2012-2013 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumno debe elegir sólo una de las pruebas (A o B). - Cada una de las preguntas

Más detalles

Tipo de punta (factor) (bloques)

Tipo de punta (factor) (bloques) Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos

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

EL PROBLEMA DE LA TANGENTE

EL PROBLEMA DE LA TANGENTE EL PROBLEMA DE LA TANGENTE El problema de definir la tangente a una curva y f (x) en un punto P ( x, y ) ha llevado al concepto de la derivada de una función en un punto P ( x, y ). Todos sabemos dibujar

Más detalles

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa

Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Universidad de Sonora Departamento de Matemáticas Área Económico Administrativa Materia: Estadística I Maestro: Dr. Francisco Javier Tapia Moreno Semestre: 015- Hermosillo, Sonora, a 14 de septiembre de

Más detalles

CARRASCO RIVERA OSCAR IVAN NAVA MARTÍNEZ JANETT ADRIANA MENDOZA GARCIA BLANCA AZUCENA REYES MARILES NORMA KARINA ROMERO VICTORINO ALEJANDRO

CARRASCO RIVERA OSCAR IVAN NAVA MARTÍNEZ JANETT ADRIANA MENDOZA GARCIA BLANCA AZUCENA REYES MARILES NORMA KARINA ROMERO VICTORINO ALEJANDRO DE INVESTIGAC IÓN EN PSICOLOGIA CARRASCO RIVERA OSCAR IVAN NAVA MARTÍNEZ JANETT ADRIANA MENDOZA GARCIA BLANCA AZUCENA REYES MARILES NORMA KARINA ROMERO VICTORINO ALEJANDRO Para entender, evaluar, y dirigir

Más detalles

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis

Matemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José

Más detalles