Clase 2 - Estadística.ppt

1. INVESTIGACIÓN
“Es el conjunto de procedimientos que
desarrollamos para obtener
conocimientos nuevos, que necesitamos
para tomar decisiones que contribuyan a
resolver problemas cuyas soluciones
desconocemos (son nuevas para
nosotros)”.

2. CRITERIOS DE CLASIFICACIÓN

3. Predictiva
modelamiento
Explicativa
Estudios causa efecto
Diseños experimentales.
Correlacional
Se evalúa el grado de
relación que existe entre 2 ó más
conceptos o variables en un contexto dado.
Comparativa
Se basa en la caracterización
de un fenómeno o evento para más de un grupo.
Descriptiva
Se basa en la caracterización de un
fenómeno o evento para un grupo o muestra.
Exploratoria
Tiene lugar cuando el objetivo es examinar o
explorar un asunto poco estudiado o no abordado antes.

4. HIPÓTESIS DE INVESTIGACIÓN
 Proposiciones tentativas acerca de las
posibles relaciones entre dos o más
variables.
 Se someten a prueba mediante un
diseño de investigación.

5. Tipos de hipótesis de Investigación:
Hipótesis
Descriptivas:
valor de las variables
que se da en el
contexto de la
situación de interés
Correlacionales:
propone una interacción
en forma de (1) relación
entre variables, y de
(2) cómo es esa relación.
De Diferenciación:
propone en forma de
(1) diferencia entre
Grupos para la variable
de interés, y
(2) a favor de cual grupo
es la diferencia.
Causales:
establecen relación de
causalidad entre 2 o
más variables.

6. SISTEMA DE VARIABLES
 Es una característica de interés que
toma diferentes valores.
 Tipos de Variables:
Variables cualitativas o categóricas
Variables cuantitativas

7. Variables cualitativas
Expresan cualidades o categorías:
-No son variables numéricas, determinan una cualidad o
atributo.
-Descripción textual de algo.
Tipos de variables cualitativas:
Cualitativas de escala ordinal
No sólo clasifican sino que existe un orden o jerarquía
inherente entre las categorías.
Cualitativas de escala nominal
Sólo nominan o nombran, es la más simple de las
escalas de medición, clasifica los valores de los datos
sin indicar orden o jerarquía.

8. Variables cuantitativas
Son variables que se expresan numéricamente, resultan
de hacer mediciones o conteos.
Tipos de variables cuantitativas:
Cuantitativas discretas
-Toman valores enteros y no pueden tomar un valor
entre dos consecutivos.
-Resultan de recuentos.
Cuantitativas continuas
-Toman valores que pueden ser cualquiera de los
números reales, encontrando infinitos valores entre
dos distintos.
-Resultan de hacer mediciones.

9. De acuerdo a la causalidad se pueden nominar
a las variables como variables Independientes
y dependientes:
 En el caso de las independientes (X), es la
característica o propiedad que se supone la
causa del fenómeno estudiado.
 La dependiente (Y), es aquella cuya
modalidad o valores están en relación con los
cambios de la variable independiente.

10. TECNICAS E INSTRUMENTOS PARA EL
ANALISIS DE DATOS EN INVESTIGACIÓN
Estadística Descriptiva:
Métodos para organizar, resumir y presentar
datos de manera informativa.
Estadística inferencial:
-Métodos para determinar el comportamiento
de una variable en una población con base en
la información de una muestra.
-Hacer generalizaciones.
-Determinar diferencias basadas en criterios
científicos.

12. Análisis Exploratorio
(Distribución Normal y Transformaciones)
Frecuentemente se asume que se ha obtenido una
muestra aleatoria de una distribución de
probabilidad de tipo normal o de Gauss, pero en
muchas ocasiones esta suposición no resulta
válida.
Por esta razón se efectúa un conjunto de
procedimientos que determinan la distribución,
comportamiento y tendencias de los datos
recopilados en la investigación, al cual se
denomina análisis exploratorio de datos.

13. Pruebas Confirmativas de Normalidad.
Prueba de Kolmogorov-Smirnov
Este contraste, compara la función de
distribución (probabilidad acumulada) teórica
con la observada, y calcula un valor de
discrepancia, proporcionando asimismo un
valor de probabilidad P.
Hipótesis estadística para la Normalidad:
H0: Presentan Normalidad (P>0.05).
Hi: No presentan Normalidad (P<0.05).

14. Pruebas Confirmativas de
Normalidad.
Prueba de Shapiro-Wilks
Se recomienda para contrastar el ajuste de
nuestros datos a la normalidad, sobre todo
cuando la muestra es pequeña (n<30).
Mide el ajuste de la muestra a una recta, de tal
manera que nos permite además apreciar el
ajuste o desajuste de forma visual:
Hipótesis estadística para la Normalidad:
H0: Presentan Normalidad (P>0.05).
Hi: No presentan Normalidad (P<0.05).

15. Gráfico de caja y bigotes

16. Posibles soluciones cuando se rechaza
la hipótesis de normalidad
 La solución puede ser emplear
pruebas no paramétricas.
 La solución más simple y efectiva
suele ser utilizar una transformación
para convertir los datos en normales.

17. Transformaciones más comunes.
 cuando los datos provienen de
(recuentos), √(x+1) y √(x+0.5) si se
presentan ceros en los recuentos.
 Para variables que presenten crecimiento
exponencial o valores muy extremos, se
utiliza la transformación Log10 X.
 Para porcentajes (%) se aplica la
transformación ARCO SENO (X/100)

18. Estadísticos Descriptivos
Los estadísticos descriptivos son
medidas para resumir datos
correspondientes a variables
cuantitativas. Comprenden medidas de
tendencia central, dispersión y forma de
la distribución.

19. Medidas de Posición Central
 Media. Media aritmética: suma de
todas las puntuaciones dividida por el
número de puntuaciones.
 La mediana. Valor de la variable que
deja por debajo de si al 50% de las
observaciones.
 La moda. Es el valor que más se repite.

21. Medidas de Dispersión.
Son aquellas que miden la variabilidad de un
conjunto de datos. La magnitud de la
variabilidad es pequeña cuando los valores
están cercanos entre sí; si éstos son muy
diferentes la dispersión es grande.

22.  Varianza.
 Desv. Estándar.
 Amplitud o rango. Diferencia entre el valor
más grande (máximo) y el más pequeño
(mínimo).
 E.T. media.
 Coeficiente de Variabilidad.

23. DEFINICIÓN DE UN DISEÑO
EXPERIMENTAL.
Es la secuencia completa de los pasos
que se deben tomar de antemano, para
planear y asegurar la obtención de toda
la información relevante y adecuada al
problema bajo investigación, la cual será
analizada estadísticamente para obtener
conclusiones válidas y objetivas con
respecto a los objetivos planteados.

25. Diseño Pre-experimental
En ellos no hay selección aleatoria
de los elementos, ni se incluye un
grupo control.
La prueba t para muestras pareadas
(relacionadas) permite contrastar hipótesis
referidas a este tipo de diseño.

26. Hipótesis estadística Bilateral
para t de student para una
muestra:
 H0: = 0 (P>0.05).
 Hi: ≠ 0 (P<0.05).

27. Diseño Cuasi-experimental
Es aquel en que dos grupos de elementos se escogen al
azar y se ubican en un grupo experimental que recibe
un tratamiento, y en uno de control que no lo recibe.
Al final del experimento, se compara el desempeño de
los dos grupos, por lo que las diferencias observadas
deben ser consecuencia del tratamiento. Es
fundamental que la elección de los elementos sea al
azar, así como su asignación a uno u otro grupo, e
igual la determinación de los grupos a ser tratados o
elegidos como control.
La Prueba t de student para 2 muestras
independientes Permite contrastar hipótesis para
este tipo de diseño referidas a la diferencia entre las
medias, utilizamos las medias muestrales para
contrastar las hipótesis estadísticas.

28. Hipótesis estadística Bilateral para t de
student para dos muestras Independientes:
H0: μ1 = μ2 (P>0.05).
Hipótesis estadísticas Unilaterales para t de
student para dos muestras Independientes:
H0: μ1 ≥ μ2 (P>0.05). H0: μ1 ≤ μ2
(P>0.05).
Hi: μ1 < μ2 (P<0.05). Hi: μ1 > μ2 (P<0.05).

29. Supuestos:
 Distribución normal por cada grupo.
 Homocedasticidad:(varianzas
homogéneas, prueba de Levene).