Estadisticas Inferenciales

18,062 views
16,683 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
18,062
On SlideShare
0
From Embeds
0
Number of Embeds
198
Actions
Shares
0
Downloads
290
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Estadisticas Inferenciales

  1. 1. Unidad V – Estudio de Investigación Estadísticas Inferenciales Preparado por: Sandra Zapata Casiano
  2. 2. Objetivos <ul><li>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 </li></ul><ul><li>Mencionar los dos propósitos principales de las estadísticas inferenciales </li></ul><ul><li>Señalar los tipos de errores que pueden cometerse cuando se usan estadísticas inferenciales </li></ul><ul><li>Mencionar ejemplos de estadísticos de prueba de relación y diferencia </li></ul><ul><li>Identificar los elementos a utilizarse en la crítica de las estadísticas inferenciales en una investigación </li></ul>
  3. 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. 4. Propósitos de las Estadísticas Inferenciales <ul><li>Probar una hipótesis nula </li></ul><ul><li>Estimar con que probabilidad los hallazgos encontrados en una muestra reflejan los parámetros de la población </li></ul>
  5. 5. Tipos de Errores en Estadísticas Inferenciales <ul><li>Rechazo de la hipótesis nula cuando se debió haber aceptado </li></ul><ul><li>Altamente peligroso </li></ul><ul><li>Puede controlarse estableciendo el parámetro de decisión estadística “level of significance” antes de comenzar el estudio </li></ul><ul><li>B. Error de Tipo II </li></ul><ul><li>Aceptar la hipótesis nula cuando se debió haber rechazado </li></ul>A. Error de Tipo I
  6. 6. Parámetro de Decisión Estadística “Level of Significance”  alpha <ul><li>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) </li></ul><ul><li>Mientras más bajo se fija el alpha más confiables son los resultados </li></ul><ul><li>Una disminución en el riesgo de cometer un error de tipo I, aumenta riesgo de cometer un error de tipo II. </li></ul>
  7. 7. Tipos de Estadísticas Inferenciales <ul><li>Paramétricas </li></ul><ul><li>Usadas cuando el nivel de medición es de tipo intervalo </li></ul><ul><li>Se tiene una idea general de cómo se pueden distribuir los datos </li></ul><ul><li>No Paramétricas </li></ul><ul><ul><li>Usadas cuando el nivel de medición es de tipo nominal u ordinal </li></ul></ul><ul><ul><li>No se tiene una idea clara de como se distribuyen los datos </li></ul></ul>**Ambas buscan probar hipótesis que establezcan diferencias entre grupo o relación entre estos.
  8. 8. Estadísticos de Prueba de Diferencia <ul><li>Prueba T </li></ul><ul><li>ANOVA </li></ul><ul><li>MANOVA </li></ul><ul><li>ANCOVA </li></ul><ul><li>B. No Paramétricos </li></ul><ul><li>Chi Square </li></ul><ul><li>Prueba de Fisher </li></ul><ul><li>Mann Whitney U </li></ul>A. Paramétricos
  9. 9. Estadísticos de Prueba de Diferencia <ul><li>Prueba T- </li></ul><ul><ul><li>establece si los promedios de 2 grupos completamente independientes son diferentes (intervalo/razón) </li></ul></ul><ul><li>ANOVA – </li></ul><ul><ul><li>Establece si los promedios de más de dos grupos son diferentes (intervalo). </li></ul></ul><ul><li>MANOVA- </li></ul><ul><ul><li>Establece si los promedios de grupos son diferentes cuando se usa más de una variable dependiente. </li></ul></ul><ul><li>ANCOVA – </li></ul><ul><ul><li>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 </li></ul></ul>A. Paramétricos
  10. 10. Estadísticos de Prueba de Diferencia <ul><li>Chi square- </li></ul><ul><ul><li>Determina si existe diferencia entre grupos (nominal) </li></ul></ul><ul><li>Prueba de Fisher – </li></ul><ul><ul><li>Igual al anterior pero usada solo en muestras pequeñas. </li></ul></ul><ul><li>MANN Whitney U- </li></ul><ul><ul><li>Igual al anterior pero para grupos independientes </li></ul></ul>B. No Paramétricos
  11. 11. Estadísticos de Prueba de Relación <ul><ul><li>Prueban grado de asociación que existe entre 2 o más variables </li></ul></ul><ul><li>Tipos </li></ul><ul><li>Correlación de Pearson </li></ul><ul><li>Spearman Rho </li></ul><ul><li>Regresión Multiple </li></ul>A. Correlaciones -
  12. 12. Estadísticos de Prueba de Relación <ul><li>Correlación de Pearson </li></ul><ul><ul><li>Valores varían entre 1 y -1 (correlaciones perfectas); un valor de 0 indica que no existe una relación. </li></ul></ul><ul><li>Spearman Rho </li></ul><ul><ul><li>Determinan el nivel de asociación entre dos grupos de datos a nivel de medición de rango </li></ul></ul><ul><li>Regresión Múltiple </li></ul><ul><ul><li>Mide la relación entre una variable dependiente a nivel de intervalo y varias variables independientes </li></ul></ul>A. Correlaciones -
  13. 13. Otros Estadísticos de Prueba Avanzados <ul><li>“ Path Analysis” </li></ul><ul><ul><li>Prueba cuan fuerte son las relaciones que el investigador ha hipotetizado y en que orden se relacionan </li></ul></ul><ul><li>“ Factor Analysis” </li></ul><ul><ul><li>Ayudan a medir confiabilidad y validez de un concepto </li></ul></ul>

×