El documento define las estadísticas inferenciales como procedimientos matemáticos que se utilizan para hacer inferencias sobre una población a partir de una muestra. Menciona que tienen dos propósitos principales: probar hipótesis nulas y estimar la probabilidad de que los hallazgos de una muestra reflejen los parámetros de la población. También identifica dos tipos de errores que pueden cometerse: error tipo I y error tipo II.

1. Unidad V – Estudio de Investigación Estadísticas Inferenciales Preparado por: Sandra Zapata Casiano

2. Objetivos Definir el término estadística inferencial, estadísticas paramétricas, no paramétricas, parámetro de decisión estadística “level of significance”, error de tipo I y error de tipo II Mencionar los dos propósitos principales de las estadísticas inferenciales Señalar los tipos de errores que pueden cometerse cuando se usan estadísticas inferenciales Mencionar ejemplos de estadísticos de prueba de relación y diferencia Identificar los elementos a utilizarse en la crítica de las estadísticas inferenciales en una investigación

3. Estadísticas Inferenciales Procedimientos matemáticos que se utilizan cuando se desea hacer inferencias, predicciones o desarrollar conclusiones acerca de un fenómeno en una población dada.

4. Propósitos de las Estadísticas Inferenciales Probar una hipótesis nula Estimar con que probabilidad los hallazgos encontrados en una muestra reflejan los parámetros de la población

5. Tipos de Errores en Estadísticas Inferenciales Rechazo de la hipótesis nula cuando se debió haber aceptado Altamente peligroso Puede controlarse estableciendo el parámetro de decisión estadística “level of significance” antes de comenzar el estudio B. Error de Tipo II Aceptar la hipótesis nula cuando se debió haber rechazado A. Error de Tipo I

6. Parámetro de Decisión Estadística “Level of Significance”  alpha Es el grado o nivel de riesgo de cometer un error de tipo I, que el investigador esta dispuesto a asumir en su investigación (.05, .01, .001) Mientras más bajo se fija el alpha más confiables son los resultados Una disminución en el riesgo de cometer un error de tipo I, aumenta riesgo de cometer un error de tipo II.

7. Tipos de Estadísticas Inferenciales Paramétricas Usadas cuando el nivel de medición es de tipo intervalo Se tiene una idea general de cómo se pueden distribuir los datos No Paramétricas Usadas cuando el nivel de medición es de tipo nominal u ordinal No se tiene una idea clara de como se distribuyen los datos **Ambas buscan probar hipótesis que establezcan diferencias entre grupo o relación entre estos.

8. Estadísticos de Prueba de Diferencia Prueba T ANOVA MANOVA ANCOVA B. No Paramétricos Chi Square Prueba de Fisher Mann Whitney U A. Paramétricos

9. Estadísticos de Prueba de Diferencia Prueba T- establece si los promedios de 2 grupos completamente independientes son diferentes (intervalo/razón) ANOVA – Establece si los promedios de más de dos grupos son diferentes (intervalo). MANOVA- Establece si los promedios de grupos son diferentes cuando se usa más de una variable dependiente. ANCOVA – Establece si los promedios de grupos son diferentes a los que se le ha introducido un tratamiento, a la vez que se controla estadísticamente por variables extrañas igualando los grupos A. Paramétricos

10. Estadísticos de Prueba de Diferencia Chi square- Determina si existe diferencia entre grupos (nominal) Prueba de Fisher – Igual al anterior pero usada solo en muestras pequeñas. MANN Whitney U- Igual al anterior pero para grupos independientes B. No Paramétricos

11. Estadísticos de Prueba de Relación Prueban grado de asociación que existe entre 2 o más variables Tipos Correlación de Pearson Spearman Rho Regresión Multiple A. Correlaciones -

12. Estadísticos de Prueba de Relación Correlación de Pearson Valores varían entre 1 y -1 (correlaciones perfectas); un valor de 0 indica que no existe una relación. Spearman Rho Determinan el nivel de asociación entre dos grupos de datos a nivel de medición de rango Regresión Múltiple Mide la relación entre una variable dependiente a nivel de intervalo y varias variables independientes A. Correlaciones -

13. Otros Estadísticos de Prueba Avanzados “ Path Analysis” Prueba cuan fuerte son las relaciones que el investigador ha hipotetizado y en que orden se relacionan “ Factor Analysis” Ayudan a medir confiabilidad y validez de un concepto