Académique Documents
Professionnel Documents
Culture Documents
CUANTITATIVOS
Qu procedimiento se sigue
para analizar
cuantitativamente los datos?
ANALSIS DE DATOS
Los anlisis de los datos dependen de tres factores:
a) El nivel de medicin de las variables.
b) La manera como se hayan formulado las hiptesis.
c) El inters del investigador.
El investigador busca, en primer trmino, describir sus datos y
posteriormente efectuar anlisis
estadsticos para relacionar sus variables. Es decir, realiza anlisis
de estadstica descriptiva para cada una de las variables de la
matriz (tems) y luego para cada una de las variables del estudio,
finalmente aplica clculos estadsticos para probar sus hiptesis.
Hay alguna
otra estadstica
descriptiva?
La asimetra es una estadstica necesaria para
conocer cunto se parece nuestra distribucin a
una distribucin terica llamada curva normal y
constituye un indicador del lado de la curva donde
se agrupan las frecuencias. Si es cero (asimetra =
0), la curva o distribucin es simtrica. Cuando es
positiva, quiere decir que hay ms valores
agrupados hacia la izquierda de la curva (por
debajo de la media). Cuando es negativa, significa
que los valores tienden a agruparse hacia la
derecha de la curva (por encima de la media).
La curtosis es un indicador de lo plana o picuda
que es una curva. Cuando es cero (curtosis = 0),
significa que puede tratarse de una curva normal.
Si es positiva, quiere decir que la curva, la
distribucin o el polgono es ms picuda(o) o
elevada(o). Si la curtosis es negativa, indica que
es ms plana la curva. La asimetra y la curtosis
requieren mnimo de un nivel de medicin por
intervalos.
La validez
la validez del contenido se obtiene mediante las
opiniones de expertos y al asegurarse que las
dimensiones medidas por el instrumento sean
representativas del universo o dominio de dimensiones
de la(s) variable(s) de inters (a veces mediante un
muestreo aleatorio simple). La evidencia de la validez de
criterio se produce al correlacionar las puntuaciones de
los participantes, obtenidas por medio del instrumento,
con sus valores logrados en el criterio. Recordemos que
una correlacin implica asociar puntuaciones obtenidas
por la muestra en dos o ms variables.
En qu consiste la prueba de
hiptesis?
La prueba de hiptesis permite determinar si la hiptesis
poblacional es congruente con los datos obtenidos en la
muestra
Una hiptesis se retiene como un valor aceptable del
parmetro, si es consistente con los datos. Si no lo es, se
rechaza (pero los datos no se descartan)
Qu es una distribucin muestral?
Una distribucin muestral es un conjunto de valores sobre
una estadstica calculada de todas las muestras posibles de
determinado tamao de una poblacin. Las distribuciones
muestrales de medias son probablemente las ms conocidas.
Qu es el nivel de
significancia?
nivel de significancia o nivel alfa (), el cual es un nivel de la
probabilidad de equivocarse y se fija antes de probar hiptesis inferenciales.
Se pueden cometer errores al probar hiptesis y realizar estadstica
inferencial?
Nunca estaremos completamente seguros de nuestra estimacin. Trabajamos
con altos niveles de confianza o seguridad, pero, aunque el riesgo es mnimo,
podra cometerse un error. Los resultados posibles al probar hiptesis seran:
1. Aceptar una hiptesis verdadera (decisin correcta).
2. Rechazar una hiptesis falsa (decisin correcta).
3. Aceptar una hiptesis falsa (conocido como error del Tipo II o error beta).
4. Rechazar una hiptesis verdadera (conocido como error del Tipo I o error
alfa).
PRUEBA DE HIPOTESIS
Hay dos tipos de anlisis estadsticos que pueden
realizarse para probar hiptesis: los anlisis paramtricos y
los no paramtricos. Cada tipo posee sus caractersticas y
presuposiciones que lo sustentan; la eleccin de qu clase
de anlisis efectuar depende de estas presuposiciones. De
igual forma, cabe destacar que en una misma
investigacin es posible llevar a cabo anlisis paramtricos
para algunas hiptesis y variables, y anlisis no
paramtricos para otras. Asimismo, los anlisis a realizar
dependen de las hiptesis que hayamos formulado y el
nivel de medicin de las variables que las conforman.
Anlisis paramtricos
Cules son los supuestos o las presuposiciones de la
estadstica paramtrica?
Qu es el coeficiente de
correlacin de Pearson?
Definicin: es una prueba estadstica para analizar la
relacin entre dos variables medidas en un nivel por
intervalos o de razn. El coeficiente de correlacin de
Pearson se calcula a partir de las puntuaciones
obtenidas en una muestra en dos variables. Se
relacionan las puntuaciones recolectadas de una
variable con las puntuaciones obtenidas de la otra, con
los mismos participantes o casos.
Qu es la regresin lineal?
Es un modelo estadstico para estimar el efecto de una variable sobre
otra. Est asociado con el coeficiente r de Pearson. Brinda la
oportunidad de predecir las puntuaciones de una variable tomando
las puntuaciones de la otra variable. Entre mayor sea la correlacin
entre las variables (covariacin), mayor capacidad de prediccin.
Hiptesis: correlacionales y causales.
Variables: dos. Una se considera como independiente y otra como
dependiente. Pero, para poder hacerlo, debe tenerse un slido
sustento terico.
Nivel de medicin de las variables: intervalos o razn.
Procedimiento e interpretacin: la regresin lineal se determina con
base en el diagrama de dispersin
Qu es la prueba t ?
Es una prueba estadstica para evaluar si dos grupos difieren entre s de
manera significativa respecto a sus medias en una variable.
Qu es la prueba de diferencia
de proporciones?
Es una prueba estadstica para analizar si dos
proporciones o porcentajes difieren significativamente
entre s.
Estadstica multivariada
Hasta aqu hemos visto pruebas paramtricas con una
sola variable independiente y una dependiente. Pero
qu ocurre cuando tenemos diversas variables
independientes y una dependiente, varias
independientes y dependientes? Esquemas del tipo,
como se muestra en la fi gura
Anlisis no paramtricos
Cules son las presuposiciones de la estadstica
no paramtrica?
Para realizar los anlisis no paramtricos debe partirse
de las siguientes consideraciones:
1. La mayora de estos anlisis no requieren de
presupuestos acerca de la forma de la distribucin
poblacional. Aceptan distribuciones no normales.
2. Las variables no necesariamente tienen que estar
medidas en un nivel por intervalos o de razn; pueden
analizar datos nominales u ordinales