“Año del Dialogo y la Reconciliación Nacional”

UNIVERSIDAD PRIVADA DE TACNA

FACULTAD DE INGENIERÍA
ESCUELA PROFESIONAL DE INGENIERIA AMBIENTAL

“Resumen del Capítulo II: Método Científico del

libro, Estadística Experimental, herramienta para la
investigación”

Curso: Diseño Experimentales

Docente: Ing. Agrónomo Juan Carlos Romaina
Estudiante:
Rafael Puma Condori (2017057804)
Ciclo – Escuela : V – EPIAM
Fecha de Entrega:
Tacna – Perú
2019
 CAPITULO II: EL METODO CIENTIFICO
El método científico es una metodología para obtener nuevos conocimientos, que ha

caracterizado históricamente a la ciencia, y que consiste en la observación sistemática,

medición, experimentación, y la formulación, análisis y modificación de hipótesis.

El método científico contiene 4 elementos importantes

a) Las observaciones experimentales

b) Contraste de Hipótesis

c) Intervalos de confianza

d) Resultados e interpretación

1. Las observaciones experimentales

Son aquellas observaciones que se realiza como resultado de un experimento en lo cual

describen la consecuencia obtenida en un experimento básico y elemental.

2. Gráfico de Dispersión

Un diagrama de dispersión o gráfica de dispersión o gráfico de dispersión es un tipo de

diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos

variables para un conjunto de datos. Para esto se puede utilizar programa como Excel.
3. StatAdvisor

El StatAdvisor es un intérprete de resultados. Crea un párrafo o dos explicando, con

un lenguaje sencillo, el significado de sus resultados estadísticos, al tiempo que

captura los resultados reales de su análisis e indica si las pruebas son estadísticamente

significativas.

4. Histograma
Es una representación gráfica de una variable en forma de barras, donde la superficie

de cada barra es proporcional a la frecuencia de los valores representados. Sirven para

obtener una "primera vista" general, o panorama, de la distribución de la población,

o de la muestra, respecto a una característica, cuantitativa y continua (como la

longitud o el peso). De esta manera ofrece una visión de grupo permitiendo observar

una preferencia, o tendencia, por parte de la muestra o población por ubicarse hacia

una determinada región de valores dentro del espectro de valores posibles (sean

infinitos o no) que pueda adquirir la característica.

5. Los contrastes de Hipótesis y Planteamiento de Problema

Se refiere a la hipótesis estadística, estas hipótesis estadísticas se refiere a

declaraciones o supuestos tentativos acerca del valor de un parámetro de una

población. En la hipótesis estadística derivada, existen dos tipos Hipótesis Nula y la

Hipótesis alternativa, la hipótesis nula es una afirmación que no se rechaza a menos

que los datos de la muestra parezcan evidenciar que es falsa., la hipótesis alternativa

son las factores de la cual se sospecha pudiera ser cierta, y es planteada por el

investigador.

6. Especificación del nivel de significación

El nivel de significación de una prueba estadística es un concepto estadístico asociado

a la verificación de una hipótesis. En pocas palabras, se define como la probabilidad

de tomar la decisión de rechazar la hipótesis nula cuando ésta es verdadera (decisión

conocida como error de tipo I, o "falso positivo").

El nivel de significación (o nivel de α) es un umbral que permite determinar si el

resultado de un estudio se puede considerar estadísticamente significativo después de

realizar las pruebas estadísticas planificadas. El nivel de significación se suele

establecer en un 5% (o 0,05), aunque se pueden usar otros niveles en función del

estudio. Esto representa la probabilidad de rechazar la hipótesis nula cuando es

verdadera. Por ejemplo, un nivel de significación de 0,05 indica un riesgo del 5% de

concluir que existe una diferencia entre los resultados del estudio y la hipótesis nula

cuando en realidad no hay ninguna diferencia.

7. Distribución Normal

La distribución normal es una distribución con forma de campana donde las

desviaciones estándar sucesivas con respecto a la media establecen valores de

referencia para estimar el porcentaje de observaciones de los datos. Estos valores de

referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y t.

8. La regla de decisión
La aplicación de la regla de decisión en la segunda manera consiste en rechazar la

Hipótesis Nula si el estadístico de contraste se sitúa en la región de rechazo (conjunto

de valores cuya probabilidad de ocurrencia es muy baja bajo el supuesto de que la

Hipótesis Nula sea verdadera).

9. El estadístico de prueba

Es una variable aleatoria que se calcula a partir de datos de muestra y se utiliza en

una prueba de hipótesis. Puede utilizar los estadísticos de prueba para determinar si

puede rechazar la hipótesis nula. El estadístico de prueba compara sus datos con lo

que se espera bajo la hipótesis nula.

10. El valor critico

Un valor crítico es un punto en la distribución del estadístico de prueba bajo la

hipótesis nula que define un conjunto de valores que apoyan el rechazo de la hipótesis

nula. Este conjunto se denomina región crítica o de rechazo.

11. Prueba de Hipótesis para la media

El propósito de la prueba de hipótesis es determinar si un valor propuesto (hipotético)

para un parámetro poblacional, por ejemplo para una media, debe aceptarse como

plausible con base en la evidencia muestra. Recuérdelas distribuciones de muestreo,

en general el valor de una media muestra difiere del valor de la media poblacional. Si el

valor de un estadístico muestra, como la media muestra es cercano al valor propuesto

con parámetro y solo difiere en una cantidad que resulta des esperarse debido al

muestreo aleatorio, entonces no se rechaza el valor hipotético. Si el estadístico muestra difiere del

valor propuesto en una cantidad que no es atribuible a la casualidad, entonces se rechaza la

hipótesis por no considerarse plausible.

La regla de decisión

𝑿− 𝝁
𝒁𝒄 = 𝝈
√𝑵

12. Pruebas de Hipótesis para proporciones

Cuando el objetivo del muestreo es evaluar la validez de una afirmación con respecto

a la proporción de una población, es adecuado utilizar una prueba de una muestra.

La metodología de prueba depende de si el número de observaciones de la muestra

es grande o pequeño.
Como se habrá observado anteriormente, las pruebas de grandes muestras de medias

y proporciones son bastante semejantes. De este modo, valores estadísticos de prueba

miden la desviación de un valor estadístico de muestra a partir de un valor propuesto.

Y ambas pruebas se basan en la distribución normal estándar para valores críticos.

Quizá la única diferencia real entre las ambas radica en la forma corno se obtiene la

desviación estándar de la distribución de muestreo.

Esta prueba comprende el cálculo del valor estadístico de prueba Z

13. Intervalo de Confianza

El intervalo de confianza describe la variabilidad entre la medida obtenida en un

estudio y la medida real de la población (el valor real). Corresponde a un rango de

valores, cuya distribución es normal y en el cual se encuentra, con alta probabilidad,

el valor real de una determinada variable.

Para encontrar el límite inferior

𝝈
𝑿 − 𝒁𝑶 ( )
√𝑵

Para encontrar el límite superior

𝝈
𝑿 + 𝒁𝑶 ( )
√𝑵

Entonces el Intervalo de Confianza queda definido como

𝝈 𝝈
𝑷 (𝑿 − 𝒁𝑶 ( ) ≤ 𝝁 ≤ 𝑿 + 𝒁𝑶 ( )) = 𝟏𝟎𝟎(𝟏 − 𝜶)
√𝑵 √𝑵
14. Intervalo de confianza para diferencia de medias

El procedimiento para construir un intervalo de confianza para la diferencia entre dos

medias muéstrales de una población. Cuyo error estándar de la diferencia es:

𝝈𝟐𝟏 𝝈𝟐𝟐
𝝈𝝏 = √ +
𝒏 𝟏 𝒏𝟐

15. Estimación de la proporción poblacional

Es frecuente, en los sondeos de opinión, investigar las preferencias de la población

por una determinada opción A, frente a otra opción B.

Por ejemplo : ¿qué proporción de posibles votantes optan por un candidato A frente a

otro B?.

Otras veces interesa saber, qué proporción de individuos de una población, presentan

una característica A, frente a los que no la presentan.

En cualquier caso, como normalmente no podemos estudiar a todos los individuos de

una población porque, o es muy caro o sencillamente es imposible, tenemos que tomar

una muestra

Estudiamos la proporción de individuos que presentan la característica, objeto de

estudio, en la muestra que hemos tomado, así tenemos la proporción de la muestra,

que representaremos por P ( p mayúscula) ; en general, no coinciden la proporción de

la población, p y la proporción de la muestra P

Sea la muestra que hemos tomado, de n individuos, si al individuo que presenta la

característica objeto de estudio, le asignamos el valor 1 y al que no la presenta le

asignamos el valor 0, tenemos el parámetro de la muestra Sj, que representa el

número j de individuos de la muestra, que presentan la propiedad objeto de estudio.

La proporción de la muestra, P, es:

16.

Si tomamos aleatoriamente muestras de tamaño n, el parámetro Sj de las muestras

sigue, una distribución binomial b(n,p), donde p es la proporción de la población.

Y podemos definir la variable xj :

Que también sigue una distribución binomial y que bajo ciertas condiciones, se
puede aproximar por una distribución normal estándar.

Como :

Y xj se ajusta a una distribución normal estándar, la proporción de las muestras de

tamaño n, P sigue una distribución normal, de media p (proporción de la población)
y desviación típica :