El documento presenta información sobre estadística inferencial. Explica conceptos como parámetro, estadístico, confiabilidad, validez, prueba de hipótesis, nivel de significancia y errores tipo I y II. Además, describe factores importantes para el éxito de sistemas de datos e inteligencia de negocios como la calidad de la información, el sistema y el servicio.
La distribución t de Student surge al estimar la media de una población normal con muestras pequeñas cuando se desconoce la desviación estándar poblacional. Se usa para calcular intervalos de confianza, probar hipótesis con muestras pequeñas, y comparar dos muestras. A diferencia de la distribución Z, la varianza de t de Student depende del tamaño de la muestra y siempre es mayor a 1, pero ambas tienen forma de campana.
La prueba de Chi cuadrado es una prueba estadística importante que se usa para probar hipótesis sobre la homogeneidad y la independencia de poblaciones y variables, así como para determinar si una muestra se ajusta a una distribución teórica. Se basa en calcular la suma de las diferencias cuadráticas entre valores observados y esperados.
1. El documento trata sobre la estimación de parámetros estadísticos como medias y proporciones poblacionales a partir de datos de una muestra. 2. Explica los conceptos de estimación puntual e intervalal y cómo calcular los límites superiores e inferiores de un intervalo de confianza. 3. Incluye ejemplos sobre cómo estimar la media poblacional de gastos y el tiempo promedio de espera en una clínica veterinaria a partir de datos muestrales.
Este documento describe los conceptos y cálculos básicos relacionados con las medidas de tendencia central y dispersión en estadística descriptiva. Explica la tabla de distribución de frecuencia, intervalo de clase, media, mediana, moda y medidas de dispersión como desviación estándar y varianza. Además, proporciona ejemplos y fórmulas para calcular estas medidas para datos agrupados y no agrupados. Finalmente, incluye una bibliografía con enlaces a recursos adicionales sobre estadística descriptiva.
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Este documento describe los pasos básicos para realizar una prueba de bondad de ajuste. Estos incluyen definir la variable a analizar, obtener la media y varianza de los datos, elaborar un histograma de frecuencias, elegir una posible distribución de probabilidad, calcular los parámetros, realizar la prueba (como chi-cuadrada o Kolmogorov-Smirnov), y verificar si los datos cumplen con los criterios de la prueba. También presenta ejemplos de cómo aplicar estas pruebas para analizar datos de tiempos
Guia para el calculo del tamaño optimo de la muestrayovannygon
Este documento describe los métodos estadísticos para determinar el tamaño óptimo de una muestra para estudios de investigación. Explica que el tamaño de la muestra depende del nivel de confianza deseado y del error permitido, y proporciona fórmulas matemáticas específicas para calcular el tamaño de la muestra para poblaciones infinitas y finitas. También señala que el tamaño de la muestra variará dependiendo del tipo de muestreo y método de selección de la muestra.
Esta presentación contiene conceptos y definiciones del muestreo probabilístico, así como los diferentes métodos que se utilizan para dicho proceso con ejemplos ilustrativos, un tema correspondientes a la asignatura de estadística II
La distribución t de Student surge al estimar la media de una población normal con muestras pequeñas cuando se desconoce la desviación estándar poblacional. Se usa para calcular intervalos de confianza, probar hipótesis con muestras pequeñas, y comparar dos muestras. A diferencia de la distribución Z, la varianza de t de Student depende del tamaño de la muestra y siempre es mayor a 1, pero ambas tienen forma de campana.
La prueba de Chi cuadrado es una prueba estadística importante que se usa para probar hipótesis sobre la homogeneidad y la independencia de poblaciones y variables, así como para determinar si una muestra se ajusta a una distribución teórica. Se basa en calcular la suma de las diferencias cuadráticas entre valores observados y esperados.
1. El documento trata sobre la estimación de parámetros estadísticos como medias y proporciones poblacionales a partir de datos de una muestra. 2. Explica los conceptos de estimación puntual e intervalal y cómo calcular los límites superiores e inferiores de un intervalo de confianza. 3. Incluye ejemplos sobre cómo estimar la media poblacional de gastos y el tiempo promedio de espera en una clínica veterinaria a partir de datos muestrales.
Este documento describe los conceptos y cálculos básicos relacionados con las medidas de tendencia central y dispersión en estadística descriptiva. Explica la tabla de distribución de frecuencia, intervalo de clase, media, mediana, moda y medidas de dispersión como desviación estándar y varianza. Además, proporciona ejemplos y fórmulas para calcular estas medidas para datos agrupados y no agrupados. Finalmente, incluye una bibliografía con enlaces a recursos adicionales sobre estadística descriptiva.
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Este documento describe los pasos básicos para realizar una prueba de bondad de ajuste. Estos incluyen definir la variable a analizar, obtener la media y varianza de los datos, elaborar un histograma de frecuencias, elegir una posible distribución de probabilidad, calcular los parámetros, realizar la prueba (como chi-cuadrada o Kolmogorov-Smirnov), y verificar si los datos cumplen con los criterios de la prueba. También presenta ejemplos de cómo aplicar estas pruebas para analizar datos de tiempos
Guia para el calculo del tamaño optimo de la muestrayovannygon
Este documento describe los métodos estadísticos para determinar el tamaño óptimo de una muestra para estudios de investigación. Explica que el tamaño de la muestra depende del nivel de confianza deseado y del error permitido, y proporciona fórmulas matemáticas específicas para calcular el tamaño de la muestra para poblaciones infinitas y finitas. También señala que el tamaño de la muestra variará dependiendo del tipo de muestreo y método de selección de la muestra.
Esta presentación contiene conceptos y definiciones del muestreo probabilístico, así como los diferentes métodos que se utilizan para dicho proceso con ejemplos ilustrativos, un tema correspondientes a la asignatura de estadística II
El documento presenta información sobre dos pruebas estadísticas para analizar datos categóricos: la prueba de Ji cuadrado de independencia y la prueba Ji cuadrado de bondad de ajuste. La prueba de independencia determina si dos variables categóricas son independientes analizando las frecuencias observadas y esperadas en una tabla de contingencia. La prueba de bondad de ajuste compara los datos muestrales con una distribución teórica para evaluar si se ajustan a ella. El documento incluye ejemplos y pasos
1) El documento describe diferentes medidas de tendencia central como la media, mediana y moda que resumen la información de un conjunto de datos. 2) La media es la suma de todos los valores dividida por el número de observaciones, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor más frecuente. 3) Cada medida tiene propiedades específicas y se elige en función del tipo de variable y distribución de los datos.
El muestreo sistemático es una técnica de muestreo aleatorio en la que el investigador primero selecciona aleatoriamente el primer sujeto y luego selecciona cada enésimo sujeto de la lista, lo que garantiza una muestra representativa de la población a menos que se repitan características específicas cada intervalo; la ventaja principal es su simplicidad, pero puede comprometer la representatividad si coincide con un rasgo periódico oculto en la población.
Capítulo 1 : Introducción a la Estadística Aplicadaug-dipa
Este documento presenta una introducción al curso de estadística aplicada impartido a personal docente de la Universidad de Guayaquil. Explica conceptos básicos como variables, datos, población, muestra, tipos de variables, tablas de frecuencias y etapas de un estudio estadístico. También incluye ejemplos de problemas de investigación y una tabla de frecuencias como ejemplo para ilustrar el análisis de datos.
Este documento presenta conceptos básicos sobre distribuciones muestrales. Explica la teoría del muestreo, tipos de muestreo como el aleatorio simple, estratificado y por conglomerados. También define error muestral como la variación entre la media muestral y la media poblacional, y provee un ejemplo para ilustrar el cálculo del error muestral.
Este documento describe los conceptos básicos de las pruebas de hipótesis estadísticas. Explica que una hipótesis estadística es una proposición sobre un parámetro poblacional que se analiza con base en evidencia de una muestra. Luego detalla diferentes tipos de pruebas paramétricas y no paramétricas. Finalmente, presenta los pasos para realizar una prueba de hipótesis, incluyendo establecer hipótesis nula y alternativa, determinar una estadística de prueba y tomar una decis
Tablas de distribución de frecuencia datos agrupadosjalvarezp243
Este documento describe el procedimiento para construir una tabla de distribución de frecuencias con datos agrupados en intervalos. Explica cómo determinar los intervalos, calcular las frecuencias absolutas y relativas, y cómo interpretar la tabla resultante. Utiliza un ejemplo numérico para ilustrar cada paso del procedimiento.
Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Los percentiles dividen una distribución de frecuencia en 100 partes iguales y miden la posición de un valor dentro de la distribución. Se calculan comparando el valor con la frecuencia acumulada de los datos. Por ejemplo, el percentil 50 es el valor por debajo del cual se encuentra la mitad de los datos. Los percentiles proporcionan una forma útil de resumir y comparar conjuntos de datos.
Este documento introduce conceptos básicos de probabilidad como experimento aleatorio, espacio muestral, eventos y sucesos. Explica la diferencia entre fenómenos deterministas y aleatorios. Define conceptos como espacio muestral, eventos elementales, seguros e imposibles. También presenta operaciones básicas con eventos como unión, intersección y diferencia. Por último, introduce nociones de factorial, números combinatorios y permutaciones.
Este documento describe las etapas básicas para realizar pruebas de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, y determinar si se acepta o rechaza la hipótesis nula. También explica cómo realizar pruebas unilaterales, bilaterales, para una o dos medias poblacionales, y para observaciones emparejadas. Define los errores tipo I y II y cómo minimizarlos.
Este documento define y explica conceptos estadísticos clave como la varianza, desviación estándar y coeficiente de variación. La varianza mide la dispersión de los datos alrededor de la media y se calcula como la media de los cuadrados de las desviaciones. La desviación estándar es la raíz cuadrada de la varianza y muestra la dispersión en la misma unidad de medida de los datos. El coeficiente de variación permite comparar la dispersión de variables con diferentes unidades mediante la división de la desviación estándar entre la media.
El documento proporciona una descripción general de los análisis paramétricos y no paramétricos. Explica que los análisis paramétricos suponen distribuciones particulares de las variables y especifican parámetros, mientras que los análisis no paramétricos no tienen tantos supuestos. A continuación, resume varios métodos paramétricos comunes como la prueba t, ANOVA y regresión lineal, y métodos no paramétricos como la prueba Ji cuadrada y coeficientes de correlación de rangos.
La distribución t de Student surge cuando se estima la media de una población normal con una muestra pequeña. Se define como la razón entre una distribución normal y la raíz cuadrada de una ji-cuadrado dividida por sus grados de libertad. La distribución gamma describe el tiempo hasta que ocurren n eventos de un proceso de Poisson. La distribución normal describe muchos fenómenos naturales y se caracteriza por una campana simétrica centrada en la media.
Este documento presenta conceptos básicos sobre estadística inferencial y prueba de hipótesis. Explica que la estadística inferencial permite extraer conclusiones sobre una población a partir de una muestra. Luego, describe los pasos para realizar una prueba de hipótesis, incluyendo plantear hipótesis nula y alternativa, seleccionar un nivel de significancia, y tomar una decisión. Finalmente, ofrece ejemplos de cómo plantear hipótesis estadísticas para diferentes situaciones.
El documento presenta una introducción al análisis de varianza (ANOVA). Explica que el ANOVA permite probar la significancia de las diferencias entre más de dos medias muestrales y hacer inferencias sobre si muestras provienen de poblaciones con la misma media. Luego, aplica el ANOVA a un ejemplo sobre métodos de capacitación de empleados, calculando la varianza entre medias muestrales y dentro de muestras, y concluyendo que no hay evidencia para rechazar la hipótesis nula de que los métodos tienen el mismo efecto en
Este documento describe la distribución uniforme, tanto continua como discreta. Explica que en la distribución uniforme continua, todos los valores posibles dentro de un intervalo [a,b] tienen la misma probabilidad. También define la función de densidad de probabilidad, la función de distribución y los parámetros media, varianza y desviación típica para esta distribución. Finalmente, presenta un ejemplo numérico para ilustrar el cálculo de la probabilidad en la distribución uniforme discreta.
La distribucion normal y su uso en la inferencia estadisticaeraperez
Este documento describe la distribución normal y su uso en la inferencia estadística. Explica que la distribución normal surge de la agregación de muchos procesos aleatorios y se aproxima a muchos fenómenos naturales. También cubre conceptos como estimación, pruebas de hipótesis, calificación Z, y propiedades útiles de la distribución normal como aproximación en análisis de datos. Finalmente, incluye un ejemplo práctico sobre inspección de lotes de lápices.
T de student para dos muestras independientesJoseph AB
Este documento describe la prueba t de Student para muestras independientes. Explica que se usa para comparar las medias de dos grupos independientes en una variable dependiente. Proporciona un ejemplo de comparar el peso promedio de personas sometidas a dos dietas diferentes. Detalla cómo calcular el estadístico t y determinar si la diferencia entre las medias es estadísticamente significativa usando valores críticos y el nivel de significación.
El documento describe el proceso de análisis de datos cuantitativos. Explica que los datos primero deben ser codificados y transferidos a una matriz de datos antes de ser analizados usando programas estadísticos. Luego describe diferentes tipos de análisis estadísticos como estadística descriptiva, inferencial, análisis multivariado y tanto análisis paramétricos como no paramétricos que pueden usarse dependiendo del nivel de medición de las variables y las hipótesis planteadas. Finalmente, enfatiza que el objetivo
El documento presenta información sobre dos pruebas estadísticas para analizar datos categóricos: la prueba de Ji cuadrado de independencia y la prueba Ji cuadrado de bondad de ajuste. La prueba de independencia determina si dos variables categóricas son independientes analizando las frecuencias observadas y esperadas en una tabla de contingencia. La prueba de bondad de ajuste compara los datos muestrales con una distribución teórica para evaluar si se ajustan a ella. El documento incluye ejemplos y pasos
1) El documento describe diferentes medidas de tendencia central como la media, mediana y moda que resumen la información de un conjunto de datos. 2) La media es la suma de todos los valores dividida por el número de observaciones, la mediana es el valor central cuando los datos están ordenados, y la moda es el valor más frecuente. 3) Cada medida tiene propiedades específicas y se elige en función del tipo de variable y distribución de los datos.
El muestreo sistemático es una técnica de muestreo aleatorio en la que el investigador primero selecciona aleatoriamente el primer sujeto y luego selecciona cada enésimo sujeto de la lista, lo que garantiza una muestra representativa de la población a menos que se repitan características específicas cada intervalo; la ventaja principal es su simplicidad, pero puede comprometer la representatividad si coincide con un rasgo periódico oculto en la población.
Capítulo 1 : Introducción a la Estadística Aplicadaug-dipa
Este documento presenta una introducción al curso de estadística aplicada impartido a personal docente de la Universidad de Guayaquil. Explica conceptos básicos como variables, datos, población, muestra, tipos de variables, tablas de frecuencias y etapas de un estudio estadístico. También incluye ejemplos de problemas de investigación y una tabla de frecuencias como ejemplo para ilustrar el análisis de datos.
Este documento presenta conceptos básicos sobre distribuciones muestrales. Explica la teoría del muestreo, tipos de muestreo como el aleatorio simple, estratificado y por conglomerados. También define error muestral como la variación entre la media muestral y la media poblacional, y provee un ejemplo para ilustrar el cálculo del error muestral.
Este documento describe los conceptos básicos de las pruebas de hipótesis estadísticas. Explica que una hipótesis estadística es una proposición sobre un parámetro poblacional que se analiza con base en evidencia de una muestra. Luego detalla diferentes tipos de pruebas paramétricas y no paramétricas. Finalmente, presenta los pasos para realizar una prueba de hipótesis, incluyendo establecer hipótesis nula y alternativa, determinar una estadística de prueba y tomar una decis
Tablas de distribución de frecuencia datos agrupadosjalvarezp243
Este documento describe el procedimiento para construir una tabla de distribución de frecuencias con datos agrupados en intervalos. Explica cómo determinar los intervalos, calcular las frecuencias absolutas y relativas, y cómo interpretar la tabla resultante. Utiliza un ejemplo numérico para ilustrar cada paso del procedimiento.
Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Los percentiles dividen una distribución de frecuencia en 100 partes iguales y miden la posición de un valor dentro de la distribución. Se calculan comparando el valor con la frecuencia acumulada de los datos. Por ejemplo, el percentil 50 es el valor por debajo del cual se encuentra la mitad de los datos. Los percentiles proporcionan una forma útil de resumir y comparar conjuntos de datos.
Este documento introduce conceptos básicos de probabilidad como experimento aleatorio, espacio muestral, eventos y sucesos. Explica la diferencia entre fenómenos deterministas y aleatorios. Define conceptos como espacio muestral, eventos elementales, seguros e imposibles. También presenta operaciones básicas con eventos como unión, intersección y diferencia. Por último, introduce nociones de factorial, números combinatorios y permutaciones.
Este documento describe las etapas básicas para realizar pruebas de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, y determinar si se acepta o rechaza la hipótesis nula. También explica cómo realizar pruebas unilaterales, bilaterales, para una o dos medias poblacionales, y para observaciones emparejadas. Define los errores tipo I y II y cómo minimizarlos.
Este documento define y explica conceptos estadísticos clave como la varianza, desviación estándar y coeficiente de variación. La varianza mide la dispersión de los datos alrededor de la media y se calcula como la media de los cuadrados de las desviaciones. La desviación estándar es la raíz cuadrada de la varianza y muestra la dispersión en la misma unidad de medida de los datos. El coeficiente de variación permite comparar la dispersión de variables con diferentes unidades mediante la división de la desviación estándar entre la media.
El documento proporciona una descripción general de los análisis paramétricos y no paramétricos. Explica que los análisis paramétricos suponen distribuciones particulares de las variables y especifican parámetros, mientras que los análisis no paramétricos no tienen tantos supuestos. A continuación, resume varios métodos paramétricos comunes como la prueba t, ANOVA y regresión lineal, y métodos no paramétricos como la prueba Ji cuadrada y coeficientes de correlación de rangos.
La distribución t de Student surge cuando se estima la media de una población normal con una muestra pequeña. Se define como la razón entre una distribución normal y la raíz cuadrada de una ji-cuadrado dividida por sus grados de libertad. La distribución gamma describe el tiempo hasta que ocurren n eventos de un proceso de Poisson. La distribución normal describe muchos fenómenos naturales y se caracteriza por una campana simétrica centrada en la media.
Este documento presenta conceptos básicos sobre estadística inferencial y prueba de hipótesis. Explica que la estadística inferencial permite extraer conclusiones sobre una población a partir de una muestra. Luego, describe los pasos para realizar una prueba de hipótesis, incluyendo plantear hipótesis nula y alternativa, seleccionar un nivel de significancia, y tomar una decisión. Finalmente, ofrece ejemplos de cómo plantear hipótesis estadísticas para diferentes situaciones.
El documento presenta una introducción al análisis de varianza (ANOVA). Explica que el ANOVA permite probar la significancia de las diferencias entre más de dos medias muestrales y hacer inferencias sobre si muestras provienen de poblaciones con la misma media. Luego, aplica el ANOVA a un ejemplo sobre métodos de capacitación de empleados, calculando la varianza entre medias muestrales y dentro de muestras, y concluyendo que no hay evidencia para rechazar la hipótesis nula de que los métodos tienen el mismo efecto en
Este documento describe la distribución uniforme, tanto continua como discreta. Explica que en la distribución uniforme continua, todos los valores posibles dentro de un intervalo [a,b] tienen la misma probabilidad. También define la función de densidad de probabilidad, la función de distribución y los parámetros media, varianza y desviación típica para esta distribución. Finalmente, presenta un ejemplo numérico para ilustrar el cálculo de la probabilidad en la distribución uniforme discreta.
La distribucion normal y su uso en la inferencia estadisticaeraperez
Este documento describe la distribución normal y su uso en la inferencia estadística. Explica que la distribución normal surge de la agregación de muchos procesos aleatorios y se aproxima a muchos fenómenos naturales. También cubre conceptos como estimación, pruebas de hipótesis, calificación Z, y propiedades útiles de la distribución normal como aproximación en análisis de datos. Finalmente, incluye un ejemplo práctico sobre inspección de lotes de lápices.
T de student para dos muestras independientesJoseph AB
Este documento describe la prueba t de Student para muestras independientes. Explica que se usa para comparar las medias de dos grupos independientes en una variable dependiente. Proporciona un ejemplo de comparar el peso promedio de personas sometidas a dos dietas diferentes. Detalla cómo calcular el estadístico t y determinar si la diferencia entre las medias es estadísticamente significativa usando valores críticos y el nivel de significación.
El documento describe el proceso de análisis de datos cuantitativos. Explica que los datos primero deben ser codificados y transferidos a una matriz de datos antes de ser analizados usando programas estadísticos. Luego describe diferentes tipos de análisis estadísticos como estadística descriptiva, inferencial, análisis multivariado y tanto análisis paramétricos como no paramétricos que pueden usarse dependiendo del nivel de medición de las variables y las hipótesis planteadas. Finalmente, enfatiza que el objetivo
El documento presenta conceptos básicos de estadística como parámetros, estadígrafos, estimación e inferencia estadística. Explica qué son los estimadores puntuales e intervalales y cómo construir intervalos de confianza para la media, varianza y proporción poblacional a partir de datos muestrales. Incluye ejemplos para ilustrar el cálculo de intervalos de confianza y conclusiones acerca de parámetros desconocidos de una población.
Se_9_UPN_Modificado año 2016 clases presencialesingrhuacho
Este documento presenta información sobre estimación estadística. Explica la diferencia entre estimación puntual y por intervalo. La estimación puntual provee un solo valor para estimar un parámetro poblacional, mientras que la estimación por intervalo provee un rango de valores con un nivel de confianza. Luego, detalla cómo calcular intervalos de confianza para la media poblacional usando la desviación estándar poblacional o muestral y diferentes valores críticos de la distribución normal. Finalmente, presenta ejemplos numéricos de c
El documento presenta información sobre estadística descriptiva e inferencial. Explica conceptos como población, muestra, variables, parámetros, estadísticos, hipótesis estadísticas, niveles de significancia, errores tipo I y II, y estadísticos para probar hipótesis sobre medias, varianzas y proporciones. También presenta ejemplos de hipótesis y su análisis estadístico para comparar el rendimiento académico de alumnos de dos universidades.
El documento presenta un programa de actividades de un curso de análisis estadístico de procesos de dos días. El primer día incluye clases sobre calidad, Seis Sigma y conceptos estadísticos relacionados con el análisis de procesos, así como talleres prácticos. El segundo día se enfoca en herramientas modernas de calidad y en la evaluación del curso.
Este documento describe conceptos básicos de estimación de parámetros poblacionales a partir de muestras. Explica que los estadísticos de una muestra son estimaciones del valor real del parámetro en la población. Detalla dos tipos de estimación: puntual, que proporciona un único valor, e intervalal, que provee un rango de valores posibles expresado con un grado de confianza. Además, define conceptos como parámetro, estimador, intervalo de confianza e introduce métodos para estimar la media, varianza y proporción de una
Este documento trata sobre estimación estadística inferencial. Explica que la estimación es usar medidas de una muestra para predecir valores de parámetros de la población. Detalla dos métodos de estimación: por punto y por intervalo. También presenta fórmulas para estimar la media y proporción poblacional y provee un ejemplo numérico de cada una.
1. Explica conceptos clave como nivel de significación, valor P, error e, y desviación estándar.
2. Detalla fórmulas para determinar el tamaño de muestra según si la variable es cuantitativa o cualitativa, y la población es finita o infinita.
3. Resuelve 4 ejemplos aplicando las fórmulas al tamaño de muestra requerido.
El documento describe diferentes técnicas estadísticas que se pueden utilizar para la elaboración de un proyecto de investigación. Explica brevemente la estadística descriptiva, que sirve para presentar y resumir la información de un conjunto de datos a través de tablas, gráficos y medidas numéricas. También menciona la inferencia estadística y los métodos paramétricos y no paramétricos para el contraste de hipótesis.
Este documento trata sobre la estimación estadística e inferencia estadística. Explica que la inferencia estadística permite hacer conclusiones sobre una población basadas en los datos de una muestra. Describe los conceptos de parámetro, estimador, estimación puntual e intervalal. Presenta ejemplos de cómo estimar medias y proporciones poblacionales a partir de datos muestrales.
El documento describe una unidad de estimación de parámetros que incluye estimación puntual y por intervalos. La estimación puntual calcula valores estadísticos para estimar parámetros de poblaciones, mientras que la estimación por intervalos provee rangos de valores dentro de los cuales es probable que se encuentren los parámetros. El documento también presenta ejemplos numéricos de cómo aplicar estos métodos.
Este documento trata sobre la estimación estadística. Explica que la estimación es una aproximación de un parámetro poblacional a partir de los datos de una muestra. Define conceptos como estimador, intervalo de confianza e intervalo de estimación. Presenta fórmulas para calcular intervalos de confianza para la media y las proporciones con diferentes niveles de confianza. También incluye ejemplos para ilustrar cómo aplicar estos conceptos.
Este documento presenta un programa de certificación de Black Belts en Seis Sigma que cubre temas de medición. En la sección V.D sobre estadística básica, explica conceptos como términos estadísticos, el teorema del límite central, estadísticas descriptivas como medidas de tendencia central y dispersión, y métodos gráficos. Luego, la sección V.E cubre probabilidad y distribuciones de probabilidad, y la sección V.F habla sobre la capacidad de procesos y sus índices.
El documento proporciona información sobre conceptos fundamentales de metrología como unidades, magnitudes, definiciones, incertidumbre de la medida, expresión de resultados, fuentes de error, tratamiento estadístico de datos, distribuciones de probabilidad y gráficos de control. Explica las unidades del SI, tipos de errores, cálculo de incertidumbre, presentación de resultados, distribución normal y su uso para contrastar hipótesis.
Este documento presenta información sobre estimaciones estadísticas. Explica que el propósito de las estimaciones estadísticas es determinar aproximaciones a valores desconocidos en una población. Luego discute los conceptos de estimación puntual e intervalos de confianza, y factores que afectan la amplitud de los intervalos de confianza como el tamaño de la muestra y la desviación estándar poblacional. También cubre temas como errores estándar y métodos para estimar el tamaño muestral óptimo.
Control de calidad Presentación Unidad Vcarlos lopez
Este documento presenta información sobre distribuciones de probabilidad y muestreo estadístico. Explica las distribuciones binomial, Poisson y normal, incluyendo sus características y aplicaciones. También describe el muestreo aleatorio simple y los objetivos e índices de calidad del muestreo aceptación-rechazo de lotes, buscando conciliar los intereses del proveedor y cliente.
Este documento trata sobre estimación estadística. Explica que la estimación es usar medidas de una muestra para predecir valores de parámetros de la población. Discuten dos tipos de estimación: por punto, que calcula un único valor, y por intervalo, que calcula un rango de valores con un cierto nivel de confianza. Proporcionan fórmulas para estimar la media poblacional, la desviación estándar poblacional y la proporción poblacional. También incluyen ejemplos para ilustrar cómo aplicar estas fó
El documento presenta información sobre las medidas de dispersión y asimetría que se abordarán en la unidad 1 del curso de Estadística para los Negocios I. Se definirán conceptos como rango, varianza, desviación estándar y coeficiente de variabilidad, los cuales permiten medir qué tanto se dispersan los datos alrededor de la media. También se explicará el cálculo e interpretación de estas medidas tanto para datos agrupados como no agrupados.
Este documento presenta los resultados de una investigación sobre la calidad de la atención y la satisfacción de los pacientes en el Puesto de Salud Uchumayo en Maranura, Perú en 2018. La investigación encontró que los niveles de calidad en la atención y satisfacción de los pacientes son intermedios, ya que la mayoría de los resultados sobre las dimensiones de calidad y satisfacción estuvieron por encima del promedio. Específicamente, la calidad de atención fue evaluada positivamente en aspectos como infraestructura, instalaciones, cumpl
Este documento presenta la estructura general de una tesis. Se divide en capítulos que incluyen la introducción, marco teórico, metodología y resultados. El índice enumera los elementos de cada capítulo de manera ascendente o con letras para facilitar la navegación del contenido.
El documento presenta un análisis FODA de una empresa turística. Identifica sus fortalezas como la variedad de productos, habilidades de marketing y liderazgo, y capacidades administrativas. Señala como debilidades la escasez de personal administrativo y falta de control y dirección. Entre las oportunidades se encuentran nuevos mercados, alianzas e internacionalización. Las amenazas incluyen posibles ataques legales ambientalistas. El análisis FODA busca determinar estrategias a partir de estas evaluaciones internas y externas
Este documento presenta información sobre estrategias en salud. Brevemente discute las definiciones de estrategia, las cinco P's de la estrategia (plan, pauta de acción, patrón, posición y perspectiva), y realiza un análisis FODA. También analiza la situación demográfica y de salud de la región de Arequipa en Perú, incluyendo las principales causas de morbilidad. Finalmente, resume las 15 Estrategias Sanitarias Nacionales establecidas por el Ministerio de Salud de Perú.
El documento describe el sistema de salud del Perú. El sistema de salud peruano tiene dos sectores, público y privado. El sector público ofrece servicios de salud subsidiados a través del Ministerio de Salud y el Seguro Integral de Salud, así como servicios de seguridad social a través de EsSalud. El principal reto es ampliar la cobertura a más del 10% de la población que actualmente no tiene acceso a servicios básicos de salud.
El documento lista 39 infracciones de tránsito graves y 39 infracciones muy graves según el código de tránsito peruano. Incluye acciones como conducir bajo la influencia de alcohol u otras drogas, no tener licencia de conducir, desobedecer señales de tránsito, causar accidentes, entre otras.
El documento resume el informe del Índice Mensual de la Producción Nacional de agosto de 2013 publicado por el Instituto Nacional de Estadística e Informática del Perú. Reporta que la producción nacional creció 4.31% en agosto de 2013, sostenida por el crecimiento de sectores como comercio, construcción, servicios a empresas, transporte y comunicaciones, y minería e hidrocarburos. Durante enero-agosto de 2013, la economía peruana creció 4.91% y en el periodo anualizado de setiembre 2012
Este documento presenta la historia y operaciones de Nestlé en Perú desde 1919 hasta la actualidad. Detalla la evolución de la compañía desde su llegada al país hasta convertirse en líder del sector de alimentos. Incluye información sobre la visión, misión y valores de Nestlé, así como su portafolio de productos de café como Nescafé Tradición y análisis de su posicionamiento en el mercado peruano.
Este documento presenta un proyecto de tesis para optar el título de Cirujano Dentista. El proyecto busca determinar el nivel de conocimientos sobre el uso de antibióticos y analgésicos en patologías dentales en los alumnos de la Clínica Odontológica de la Universidad José Carlos Mariátegui de Moquegua. Se describe la problemática de la prescripción inadecuada de medicamentos por parte de los estudiantes y se justifica la importancia de medir su nivel de conocimiento. Se presentan los objetivos, variables e hipótes
José Luis Jiménez Rodríguez
Junio 2024.
“La pedagogía es la metodología de la educación. Constituye una problemática de medios y fines, y en esa problemática estudia las situaciones educativas, las selecciona y luego organiza y asegura su explotación situacional”. Louis Not. 1993.
2. PARAMETRO
Es un numero que describe una
característica de la población Los estadísticos se utilizan
para estimar los
parámetros de la población
ESTADISTICO
Es un numero que se calcula a partir
de los datos de una muestra
3. Confiabilidad – Validez
(Precisión – Exactitud)
Baja precisión
Bajo sesgo
Baja precisión
Alto sesgo
Alta precisión
Alto sesgo
Alta precisión
Bajo sesgo
4. COEFICIENTE DE CONFIABILIDAD
Muy baja Baja Regular Aceptable Elevada
0 0.2 0.4 0.6 0.8 1
0% de confiabilidad en la
medición (medición
contaminada de error)
100% de confiabilidad en la
medición (no hay error)
5. Se conoce la
desviación estándar
de la población
No se conoce la
desviación estándar
de la población
Tamaño de la
muestra ˃ 30
Distribución Normal
Tabla z
Distribución Normal
Tabla z
Tamaño de la
muestra ˂ 30
Distribución Normal
Tabla z
Distribución t
Tabla t
6. PRUEBA DE HIPOTESIS
1. Pruebas de las hipótesis.
• H0
• H1
1. Significancia de α
2. Criterio de decisión
– Estadística Critica
• >
• <
• ≠
– Cálculos (Programas)
3. Decisión
7. ¿Qué factores son importantes y significativos para
el éxito de un sistema de Data Warehouse e
Inteligencia de Negocios en el caso de las empresas
usuarias en un pais en vias de desarrollo 2017?
H1: Las calidades de la información, del sistema y
del servicio esta positivamente relacionada con
el uso del sistema
H2: Las calidades de la información del sistema y
del servicio esta positivamente relacionada con
la satisfacción del usuario
9. HI: Las calidades de la información, del sistema y
del servicio esta positivamente relacionada con
el uso del sistema
HI2: La calidad del sistema esta positivamente
relacionada con el uso del sistema
HI3: La calidad del servicio esta positivamente
relacionada con el uso del sistema
HI1: La calidades de la información esta
positivamente relacionada con el uso del sistema
12. La calidad
del Servicio
Soporte que
tienen que tener
los usuarios del
sistema por
parte del
personal de
tecnologías de
información
• Capacitación
brindada al
usuario
• Respuesta pronta
del personal
• Solución efectiva
• Apoyo y soporte
directo
13. La calidad de la información
1 2 3 4 5 6 7
Insuficiente Suficiente
1 2 3 4 5 6 7
Baja Alta
1 2 3 4 5 6 7
Baja Alta
1 2 3 4 5 6 7
Baja Alta
1. Relevancia (utilidad y aplicabilidad) de los datos
1 2 3 4 5 6 7
Baja Alta
2. Nivel de detalle de los datos
3. Exactitud de los datos
4. Actualidad de los datos
5. Comprensión de los datos
1 2 3 4 5 6 7
Baja Alta
6. Los datos que provee el sistema están completos
14. Uso del sistema
1 2 3 4 5 6 7
Insuficiente Suficiente
1 2 3 4 5 6 7
Baja Alta
1. Uso general
1 2 3 4 5 6 7
Baja Alta
2. Uso promedio
3. Tiempo de utilización por vez
16. HI1: La calidades de la información esta
positivamente relacionada con el uso del sistema
H01: La calidades de la información no esta
relacionada con el uso del sistema
NIVEL DE SIGNIFICANCIA α =0.01
22. ANALISIS ESTADISTICO DE DOS
VARIABLES
Cuantitativas Cualitativas
¿Existe
relación lineal?
Tablas
contingencia
23. TIPOS DE VARIABLES
Cuantitativas Cualitativas
sus
modalidades
son medibles
sus
modalidades no
pueden ser
medidas
Carácter estadístico: propiedad de la población (atributo)
26. Tipos de errores
Ho cierta H1 cierta
Rechazo de
Ho
Error tipo I
Decisión
correcta
Aceptación
de Ho
Decisión
correcta
Error tipo II
Error tipo I: NIVEL DE SIGNIFICACION = α
(fijada por el investigador)
Error tipo II: Asociado a la potencia de la prueba estadística
(desconocido)
27.
28.
29.
30. μx:Ho
μx:Ho
μx:Ho
μx:H1
μx:H1
μx:H1
1
2
3
Dos colas
Una cola derecha
Una cola izquierda
31. Nivel de significancia
«Máxima cantidad de error que estamos
dispuestos a aceptar para dar como valida la
hipótesis del investigador y/o el estudio»
5%0.05α
32. Nivel de confianza
«Valor de la confianza que permite aceptar que
los datos obtenidos en la muestra describen
correctamente a la población»
95%0.95α-1
37. Hipótesis General
Los planes de estudio influyen en calidad de la formación profesional de los
alumnos de administración de la Universidad X y Y.
Hipótesis Especifica
a) Los niveles del rendimiento académico de los alumnos de administración
en relación con la profundidad de los conocimientos en administración
exigidos por los planes curriculares es en promedio insuficiente
b) Existe diferencia significativa entre el nivel de rendimiento académico de
los alumnos de administración de la Universidad X y de la Universidad Y,
en relación con los conocimientos en administración exigidos por los
planes curriculares
39. Ho: μ1 = ˃14
H1: μ1 ˂ 0
a) Los niveles del rendimiento académico de los alumnos de administración en
relación con la profundidad de los conocimientos en administración exigidos por
los planes curriculares es en promedio insuficiente
Prueba de una sola cola
• Nivel de significancia = 5% = 0.05
• Estadístico «t student» para la media
40.
41. Interpretación grafica
=0.05
1 -
Región de
Aceptación
Ho
Región de rechazo Ho
tt = -1.96Tc(x-y) = -8.99 tcx = -1.26tcy = -12.84 Tc(x-y) =4-673
42. DESICIÓN
• Con un nivel de significancia del 5%, el t calculado para el rendimiento
academico de todos los alumnos de la muestra (sin distinguir la
universidad de procedencia), es de - 8.99 ubicandose en la región de
rechazo de la hipótesis nula. Por lo tanto se rechaza la hipótesis nula y se
acepta la hipótesis de investigación.
• H1: μ1 ˂ 0
→“el rendimiento académico promedio de los alumnos de administración
en relación con la profundidad de los conocimientos de administración
exigidos por los planes curriculares, es insuficiente”.
43. Análisis individual por Universidad
• Para el caso de Universidad X el valor de t calculado es - 1.26, la cual
se ubica en la región de aceptación de la hipótesis nula. Por lo tanto
se acepta la hipótesis nula y se rechaza la hipótesis de investigación.
“el rendimiento académico de los alumnos de administración de la
Universida X en relación con la profundidad de los conocimientos
de administración exigidos por los planes curriculares, no es
insuficiente”.
• Para el caso de la UNSCH el valor calculado de t (- 12.74) se ubica en
la región de rechazo de la hipótesis nula. Por lo tanto se rechaza la
hipótesis nula y se acepta la hipótesis de investigación.
“el rendimiento académico promedio de los alumnos de
administración de la Universida Y en relación con la profundidad de
los conocimientos de administración exigidos por los planes
curriculares, es insuficiente”.
44. Ho: μ1 - μ1 = 0
H1: μ1 – μ2 ≠ 0
b) Existe diferencia significativa entre el nivel de rendimiento académico de
los alumnos de administración de la Universidad X y de la Universidad
Y, en relación con los conocimientos en administración exigidos por los
planes curriculares
Prueba de dos colas
• Nivel de significancia = 5% = 0.05
• Estadístico «t student» para la diferencia de
medias
45. Ambas Universidades
t (1 – α/2, «n1+n2» – 2)
t calculada
t tabulada
Ambas Universidades
t (1 – 0.05/2, 218 – 2) = -1.6518
(n1 – 1)S2 + (n1 – 1)S2
S2 =
n1+ n2 - 2
S2 = 3.4119
t = 8.6323
2
2
2
1
2
1
21
n
s
n
s
xx
z
48. DESICIÓN
• Con un nivel de significancia del 5%, el t calculado para el rendimiento
academico de todos los alumnos de la muestra (sin distinguir la
universidad de procedencia), es de - 8.99 ubicandose en la región de
rechazo de la hipótesis nula. Por lo tanto se rechaza la hipótesis nula y se
acepta la hipótesis de investigación.
• H1: μ1 ˂ 0
→“el rendimiento académico promedio de los alumnos de administración
en relación con la profundidad de los conocimientos de administración
exigidos por los planes curriculares, es insuficiente”.
49. Ho: μ1 – μ2 = 0
H1: μ1 – μ2 ≠ 0
a) Los niveles del rendimiento académico de los alumnos de administración en
relación con la profundidad de los conocimientos en administración exigidos por
los planes curriculares es en promedio insuficiente
51. TABLA DE FRECUENCIAS
Fo Fe Fo-Fe (Fo-Fe)2 (Fo-Fe)2/Fe
Conoce centros laborales
y cree en las
oportunidades
5 6.1 -1.1 1.21 0.20
Conoce centros laborales
y no cree en las
oportunidades
10 115.9 -105.9 11214.81 96.76
No conoce centros
laborales y si cree en las
oportunidades
117 8.9 108.1 11685.61 1312.99
No conoce centros
laborales y no cree en las
oportunidades
168 169.1 -1.1 1.21 0.01
Total 1409.96
=15*
122/300
=285*
122/300
=15*
178/300
=285*
178/300
52.
53. Gráfico de la distribución Ji Cuadrado
1 -
Región de
Aceptación
Ho
Región de rechazo H1
2
gl,
54. CHI CUADRADA
• Grados de Libertad=(N°filas-1)(N°columnas-1)
• Nivel de confianza = 0.05
• Chi cuadrada Tabla = 3.84
Si X2c ˂ X2t se Rechaza Ht
X2c = 1409.96 > X2t = 3.84
se Acepta Ho
(0 < 2 < +)
55. X2c = 1409.96X2t = 3.84
=0.05
1 -
Región de
aceptación
Región de rechazo
H1: El conocimiento que tenga la familia, la escuela y la comunidad sobre la
existencia de centros de labores no significa que estos le ofrezcan
mayores oportunidades de superación a los estudiantes del C.E. XXX
Quillabamba 2017
56. BONDAD DE AJUSTE
• También se puede usar el estadístico ji-
cuadrado para evaluar cuán buena puede
resultar una distribución teórica, cuando
pretende representar la distribución real de
los datos de una muestra determinada. A esto
se le llama evaluar la bondad de un ajuste.
Probar la bondad de un ajuste es ver en qué
medida se ajustan los datos observados a una
distribución teórica o esperada.
57. Hipótesis trabajo
Ht: los datos se ajustan a la
distribución teórica.
Hn: los datos no se ajustan a la
distribución teórica.
TIPO FRECUENCIA
ESPERADA
AB 2%
A 30.50%
B 9.30%
O 58.20%
60. CHI CUADRADA
• Grados de Libertad= 3
• Nivel de confianza = 0.01
• Chi cuadrada Tabla = 11.34
Si X2c ˂ X2t se Rechaza Ht
X2c = 0.73 ˂ X2t = 11.34
se Acepta Ht
X2c = 0.73 > α = 0.01
61. X2c = 0.73 X2t = 11.34
=0.01
1 -
Región de
aceptación
Región de rechazo
62. Ejemplo
Supongamos que un investigador está
interesado en evaluar la asociación entre uso de
cinturón de seguridad en vehículos particulares
y el nivel socioeconómico del conductor del
vehículo. Con este objeto se toma una muestra
de conductores a quienes se clasifica en una
tabla de asociación, encontrando los siguientes
resultados:
63. Ho: El uso de cinturón de seguridad es
independiente del nivel
socioeconómico
H1: El uso de cinturón de seguridad
depende del nivel socioeconómico
Nivel socioeconómico
Bajo medio alto total
si 8 15 28 51
no 13 16 14 43
Total 21 31 42 94
64. Nivel socioeconómico
Bajo medio alto total
si 11.39 16.82 22.79 51
no 9.61 14.18 19.21 43
Total 21 31 42 94
Frecuencias esperadas
66. CHI CUADRADA
• Grados de Libertad= 2
• Nivel de confianza = 0.05
• Chi cuadrada Tabla = 5.9
Si X2c ˂ X2t se Rechaza H0
X2c = 5.24 ˂ X2t = 5.9
se Acepta H1
67. X2c = 5.24 X2t = 5.9
=0.05
1 -
Región de
aceptación
Región de rechazo
=0.1 → X2t = 4.61Si cambiamos (error tipo I)
Si X2c ˂ X2t se Rechaza H0
X2c = 5.24 > X2t = 4.61
se Acepta Ho
H1: El uso de cinturón de seguridad depende del nivel
socioeconómico
Ho: El uso de cinturón de seguridad es independiente del nivel
socioeconómico
69. Prueba t para dos muestras suponiendo varianzas iguales
Variable 1 Variable 2
Media 11.7142857 15.4285714
Varianza 17.9047619 9.95238095
Observaciones 7 7
Varianza agrupada 13.9285714
Diferencia
hipotética de las
medias 0
Grados de libertad 12
Estadístico t -1.86189867
P(T<=t) una cola 0.04363853
Valor crítico de t
(una cola) 1.78228756
P(T<=t) dos colas 0.08727707
Valor crítico de t
(dos colas) 2.17881283
70. Contrates de medias
• Entre el G N°1 y G N°2, t=1.723
• Entre el G N°2 y G N°3, t=3.181
• Entre el G N°1 y G N°1, t=1.458
Entre el G N°1 y G N°2, 3.72 es inferior 5.74 → no significativa
Entre el G N°2 y G N°3, 3.14 es inferior 5.74 → no significativa
Entre el G N°1 y G N°1, 6.86 es superior 5.74→ significativa
=0.05
Entre el G N°1 y G N°2, 3.72 es inferior 7.47 → no significativa
Entre el G N°2 y G N°3, 3.14 es inferior 7.47 → no significativa
Entre el G N°1 y G N°1, 6.86 es inferior 7.47 → no significativa
=0.01
Entre el G N°1 y G N°2, 3.72 es inferior 4.93 → No significativa
Entre el G N°2 y G N°3, 3.14 es inferior 4.93 → No significativa
Entre el G N°1 y G N°1, 6.86 es superior 4.93 → significativa
=0.10
71. Formulas
│M1-M2│= t √ CM (1/n1+1/n2)
t = √(k-1)F
t = √(3-1)3.51
t = 2.664
t = √(k-1)F
t = √(3-1)6.01
t = 3.446
t = √(k-1)F
t = √(3-1)2.62
t = 2.289
│M1-M2│= 2.664 √ 16.26 (1/7+1/7) = 5.74
│M1-M2│= 3.446 √ 16.26 (1/7+1/7) = 7.47
│M1-M2│= 2.664 √ 16.26 (1/7+1/7) = 4.93
=0.10=0.05 =0.01
73. VALIDEZ DE LOS INSTRUMENTOS
• EN QUE MIDA LO QUE TIENE QUE MEDIR
• AL ESTIMAR LA VALIDEZ ES NECESARIO SABER
QUE VARIABLE CRITERIO SE DESEA ESTUDIAR
74. TIPOS DE VALIDEZ
• VALIDEZ DE CONTENIDO
• VALIDEZ DE CONSTRUCTO
• VALIDEZ DE CRITERIO EXTERNO O EMPIRICA
75. VALIDEZ DE CONTENIDO
• Validez racional o logica
• Se refiere al grado en que un instrumento
refleja un dominio especifico del contenido de
lo que se quiere medir
• El instrumento debe tener representados
todos los itemes del dominio de contenido de
las variables a medir
76. ITEM
CRITERIOS A EVALUAR
Observaciones (si debe
eliminarse o modificarse
un item)
Claridad de
redaccion
Coherencia
interna
Induccion a
la respuesta
Lenguaje
adecuado con el
nivel del
informante
Mide lo
que
pretende
si no si no si no si no si no
1
2
3
n
Aspectos generales si no
El instrumento contiene instrucciones claras y precisas para responder el
cuestionario
Los items permiten el logro de los objetivos de la investigacion
Los items estan distribuidos en forma logica y secuencial
El numero d elos items es suficiente para recoger la informacion
Validez
Aplicable si no Aplicable atendiendo las observaciones si no
Validado por:
________________
Firma
C.I.: Fecha telefono
77. VALIDEZ DE CONSTRUCTO
• Hasta donde el instrumento mide realmente
un rasgo determinado y con cuanta eficiencia
lo hace
78. VALIDEZ DE CRITERIO EXTERNO O
EMPIRICA
• Se estudia comparando los puntajes de un
instrumentocon una o mas variables externas
denominadas variables de criterio
• Indice de validez
79. Confiabilidad del instrumento
• Probar el instrumento – Prueba piloto de 14 a
30 personas
• Metodos
– Test-Retest
– Coeficiente alfa Cronbach
– Metodo Kunder-richarson 20
80. TEST-RETEST: Correlación de PEARSON
HEMITEST: Correlación de PEARSON y Spearman-Brown
METODO DE DIVISION POR MITADES DE GUTMAN:
Correlación de PEARSON y Spearman-Brown
ALFA CRONBRACH
METODO KUNDER Y RICHARSON O FORMULA KR-20
81. ejercicio
• En una investigación se ha recogido los
siguientes datos correspondientes a las
variables propuestas:
– Estado general de salud: Escala de Likert
Muy bueno = 4, Bueno = 3, Regular = 2, Malo = 1
– Genero: Femenino = 1, Masculino = 2
– Nivel de ejercicio: Escala de Likert
Ninguno = 0, Moderado = 1, Intenso = 2
83. 21
2
, xxx
32
2
, xxx
31
2
, xxx
femenino masculino total
muy bueno 1 2 3
bueno 1 6 7
regular 4 0 4
malo 0 1 1
total 6 9 15
intenso moderado ninguno total
femenino 1 1 4 6
masculino 5 4 0 9
total 6 5 4 15
intenso moderado ninguno total
muy bueno 3 0 0 3
bueno 2 5 0 7
regular 0 0 4 4
malo 1 0 0 1
total 6 5 4 15
84. Chi cuadrada
fo fe (fo-fe)2/fe
muy bueno-masculino
1 1.2 0.03
muy bueno-femenino
2 1.8 0.02
bueno-masculino 1 2.8 1.16
bueno-femenino 6 4.2 0.77
regular-masculino 4 1.6 3.60
regular-femenino 0 2.4 2.40
malo-masculino 0 0.4 0.40
malo-femenino 1 0.6 0.27
total 8.65
Grados de Libertad= 3
Nivel de confianza = 0.05
Chi cuadrada Tabla = 7.81
85.
86. - - -X2 - - -
X2c = 8.65
X2t = 7.81
( α
Región de
Aceptación
Ho
Región de rechazo Ho
87. CONCLUSION
Grados de Libertad= 3
Nivel de confianza = 0.05
Se rechaza Ho
α= 0.0421
Conclusión: El estado general de salud esta
asociado al genero
8.6>x p;3
2
P