dsadasd dsadsa dsads

1. UNIVERSIDAD DE GUADALAJARA
CENTRO UNIVERSITARIO DEL SUR
ANALISIS DE DATOS

2. ANALISIS DE DATOS
Se efectúa sobre la matriz de datos
utilizando un programa de
computadora.

3. ¿Qué análisis pueden efectuarse en los
datos?
Los análisis dependen de tres factores:
 El nivel de medición de las variables.
 La manera como se hayan formulado
las hipótesis.
 El interés del investigador.

4. Los principales análisis que pueden
efectuarse son:
 Estadística descriptiva para las
variables.
 Puntuaciones “Z”.
 Razones y tasas.
 Cálculos y razonamientos de
estadística inferencial.
 Pruebas paramétricas.
 Pruebas no paramétricas.
 Análisis multivariados.

5. PUNTUACIONES z
 Son transformaciones que se pueden
hacer a los valores o puntuaciones
obtenidas, con el proposito de analizar
su distancia respecto a la media, en
unidades de desviación estandar
 Su fórmula es: _ X = valor a
transformar

Z = X - X X = media
s s = desviación
estandar

6. EJEMPLO
 Supongamos que en una distribución de
frecuencias obtuvimos una media de 60 y
una desviación estándar de 10 y deseamos
comparar una puntuación de “50”, vamos a
transformarla en una puntuación z
 z = 50 – 60 = -1.00
10
Entonces decimos que el valor 50 está
localizado a una desviación estándar por
debajo de la media

7. UTILIDAD
 Nos permite comparar puntuaciones de dos
distribuciones diferentes
 Por ejemplo preprueba y postprueba en un
estudio experimental.
Un trabajador obtuvo en la preprueba una
productividad de 130 (la media fue de 122.5 y
la d.s. de 10). Y en la postprueba obtuvo 135
(la media fue de 140 y la d.s. 9.8) ¿mejoró la
productividad?

8. Razones y tasas
Una razón es la relación entre dos categorías.
Ejemplo:
Categoría Frecuencias absolutas
Masculino 60
Femenino 30
La razón de hombres a mujeres es de 60/30=2.

9. Una tasa
Es la relación entre el numero de casos,
frecuencias o eventos de una categoría y el
numero total de observaciones, multiplicada
por un multiplo de 10, generalmente 100 o
1000.
La formula es:
Tasa =
Numero de eventos durante un periodo x 100 o 1000
Numero total de eventos posibles

10. ESTADISTICA INFERENCIAL
 De la muestra de la población
 Estadígrafos. Son los datos
encontrados en la muestra
 Parámetros. Son los datos de la
población total

11. UTILIDAD
 Probar hipótesis
 Estimar parámetros

12. Procedimiento de la estadística inferencial

13. Se pueden cometer errores al realizar estadística
inferencial.
Nunca podemos estar completamente
seguros de nuestra estimación. trabajamos
con altos niveles de confianza o seguridad
y, aunque el riesgo es mínimo, podría
cometerse un error. Los resultados posibles
al probar hipótesis pueden ser.
1. Aceptar una hipótesis verdadera (decisión
correcta}.
2. Rechazar una hipótesis falsa (decisión
correcta).
3. Aceptar una hipótesis falsa (error conocido
como del Tipo II o beta).
4. Rechazar una hipótesis verdadera (error
conocido como de Tipo I o error
Alfa).

14. Ambos tipos de error son indeseables y puede
reducirse la posibilidad de que
se presenten mediante:
a) Muestras representativas probabilísticas.
b) Inspección cuidadosa de los datos.
c) Selección de las pruebas estadísticas
apropiadas.
d) Mayor conocimiento de la población.

15. PRUEBA DE HIPOTESIS
 Sirven para determinar si la hipótesis
es congruente con los datos obtenidos
de la muestra
 Es importante la Distribución
muestral y el Nivel de
significancia

16. Distribución muestral
 Es un conjunto de valores sobre una
estadística
Esta da lugar a las curvas de distribución se
dice que una curva tiene distribución normal
si:
Es unimodal La asimetría es cero
La base está dada en unidades de desviación
estandar
Es mesocúrtica
La media, mediana y moda coinciden en un
mismo punto

17. Distribución muestral
 Es un connjunto de valores sobre una
estadística calculada de todas las muestras
posibles de determinado tamaño (Wiersma,
1986)
 Las distribuciones muestrales de medias son
probablemente las más conocidas
 Se expresa por el teorema central del límite
que especifica que la distribución muestral
tiene una media igual a la de la población,
una varianza igual a la de la población/ n

18. NIVEL DE SIGNIFICANCIA
 La probabilidad de que ocurra un evento
oscila entre 0 y 1
 Al aplicar este concepto a la distribución
muestral, tomamos el área como 1.00.
 Para probar hipótesis inferenciales respecto
a la media el investigador debe evaluar si es
alta o baja la probabilidad de que la media de
la muestra esté cerca de la media de
distribución muestral.

19. NIVEL DE SIGNIFICANCIA
 Si es baja, el investigador no podrá
generalizar hacia la población
 Si es alta, el investigador podrá hacer
generalizaciones.
 Esto es el nivel de significancia o nivel alfa
(nivel α es un nivel de la probabilidad de
equivocarse y se fija antes de probar la
hipótesis)
 Normalmente se acepta un error del 5%,
0.05, pero también se puede aceptar el 0.01

20.  El nivel de significancia es un valor de
certeza que fija el investigador a priori

21. BIBLIOGRAFIA
 Hernandez Sampieri, Fernandez
Collado, Baptista Lucio.
METODOLOGIA DE LA
INVESTIGACIÓN. Mc Graw Hill.México
2001