SesióN 11

1,281 views

Published on

Published in: Travel
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,281
On SlideShare
0
From Embeds
0
Number of Embeds
22
Actions
Shares
0
Downloads
18
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

SesióN 11

  1. 1. Estadística (Psicología) Sesión N°11 (29/07/2008) Prof. Ricardo Escalante
  2. 2. Introducción <ul><li>Revisando el contexto en el ámbito de la estadística inferencial podemos reafirmar sus propósitos: </li></ul><ul><ul><li>La prueba de hipótesis </li></ul></ul><ul><ul><li>La estimación de parámetros </li></ul></ul><ul><li>La gran mayoría de las aplicaciones de la estadística inferencial requieren de la prueba de hipótesis. </li></ul><ul><li>La prueba de hipótesis figura como el aporte de la estadística inferencial a la metodología científica como medio de verificación objetiva que garantiza la existencia de la ciencia. </li></ul><ul><li>La experimentación es el centro del método científico y se plantea en términos de hipótesis. </li></ul>
  3. 3. Introducción <ul><li>En muy pocas ocasiones los resultados de los experimentos resultan muy evidentes y no se hace necesario la aplicación de ningún tipo de inferencia </li></ul><ul><li>No obstante, debido a la variabilidad inherente de un sujeto a otro respecto a la variable en estudio, se hace necesario el auxilio de la estadística inferencial para apreciar el efecto de la variable independiente. </li></ul>
  4. 4. Situación inicial <ul><li>El Programa Samuel Robinson diseñado por la escuela de ingeniería de la Universidad Central de Venezuela tiene el propósito de atender estudiantes que han cosechado un fracaso en su primer intento a ingresar a la carrera de ingeniería y alfabetizarlo en términos científicos. </li></ul><ul><li>Hasta ahora el éxito del programa se observa en la actitud de sus egresados y en el supuesto éxito que tiene el estudiante después de hacerlo. </li></ul><ul><li>Se quiere medir el éxito en términos concretos para determinar si el programa es efectivo. </li></ul><ul><li>Por ello se decide tomar una muestra de 10 sujetos que ingresan al programa y registrar la calificación obtenida en el primer intento (fallido) de ingreso a la UCV </li></ul>
  5. 5. Situación inicial <ul><li>La idea consiste en registrar la diferencia en los exámenes de admisión antes de tomar el curso y después, para así “medir” si el programa marca la “diferencia” </li></ul>Sujeto Calificación después Calificación antes Diferencia (puntos) 1 835 492 + 343 2 812 522 + 290 3 763 634 + 129 4 733 567 + 166 5 639 671 <ul><li>32 </li></ul>6 811 436 + 375 7 776 609 + 167 8 753 581 + 172 9 714 635 + 79 10 702 558 + 144
  6. 6. La prueba del signo <ul><li>Podríamos analizar estos datos con diversas pruebas de inferencia estadística como la prueba del signo, la de rangos con signos para pares igualados de Wilcoxon o la t de Student para grupos correlacionados. </li></ul><ul><li>La elección de la prueba a utilizar depende de la sensibilidad y de que los datos del experimento cumplan con los supuestos de la prueba. </li></ul><ul><li>Para el caso que nos ocupa utilizaremos la prueba del signo </li></ul><ul><li>La prueba del signo “ignora” la magnitud de las diferencias entre los resultados tomando en cuenta únicamente su dirección o signo. </li></ul>
  7. 7. La prueba del signo <ul><li>Al tomar sólo el signo omite una buena cantidad de información, con lo cual podemos afirmar que es una prueba con un alto grado de insensibilidad </li></ul><ul><li>Si sólo consideramos los signos de la diferencia de los resultados entonces el experimento que acabamos de aplicar arrojó 9 signos positivos de 10 posibles. </li></ul><ul><li>La calificación obtenida en la prueba de admisión por los estudiantes fue mayor después de haber hecho el curso, aún así no podemos concluir que el Programa Samuel Robinson produce un incremento en la calificación de la prueba de admisión. </li></ul><ul><li>Lo cierto es que el resultado después de pasar por el Programa es factor aleatorio. </li></ul>
  8. 8. La prueba del signo <ul><li>Existen múltiples factores que pueden haber intervenido en ambas calificaciones. </li></ul><ul><li>Parece improbable obtener 9 signos positivos de 10 posibles </li></ul><ul><li>Debido a que esta ocurrencia es “rara” podemos rechazar el “azar” </li></ul><ul><li>Debido a que la muestra fue aleatoria se supone que es representativa y bien podríamos generalizar los resultados para toda la población. </li></ul><ul><li>. . . . . Ahora bien . . . . </li></ul><ul><li>Supongamos que la probabilidad de obtener 9 de 10 solo por azar es de 1 en 3 ¿podríamos rechazar el azar como causante de los resultados? </li></ul><ul><li>En este caso la decisión no es ni sencilla, ni clara… </li></ul>
  9. 9. La prueba del signo <ul><li>Se hace necesaria una regla para determinar cuándo la probabilidad obtenida es lo suficientemente pequeña para rechazar el azar como causante de la diferencia </li></ul><ul><li>Esto implica establecer un nivel crítico de probabilidad, conocido como nivel alfa utilizado como referencia para comparar los resultados. </li></ul><ul><li>El diseño experimental utilizado se conoce como el diseño de medidas repetidas o de grupos correlacionados. </li></ul><ul><li>Las características esenciales son la existencia e resultados pareados en las condiciones, y el hecho de que la diferencia entre éstos es analizada. </li></ul><ul><li>En el experimento con los aspirantes a ingresar a la UCV se utilizaron los mismos sujetos en cada condición. </li></ul>
  10. 10. Diseño de medidas repetidas <ul><li>De esta manera estos individuos hicieron las veces de su propio grupo control </li></ul><ul><li>Formadas las parejas con los resultados, se establece la diferencia entre ellas. </li></ul><ul><li>En la forma más elemental de este diseño se utilizan dos condiciones: </li></ul><ul><ul><li>Una experimental y </li></ul></ul><ul><ul><li>Una de control </li></ul></ul><ul><li>Se busca que las dos condiciones sean lo más parecidas posible a excepción de los valores que toma la variable independiente. </li></ul><ul><li>En nuestro caso el participar en el programa Samuel Robinson es la variable independiente. </li></ul>
  11. 11. Hipótesis alternativa ( H 1 ) <ul><li>En cualquier experimento existen dos hipótesis que compiten entre sí para explicar los resultados: la hipótesis alternativa y la hipótesis nula. </li></ul><ul><li>La hipótesis alternativa es la que sostiene que la variable independiente es la causa de la diferencia de los resultados entre las condiciones. </li></ul><ul><li>En este caso la hipótesis de que “participar el Programa Samuel Robinson afecta el resultado de la admisión a la escuela de ingeniería de la UCV” </li></ul>
  12. 12. Hipótesis alternativa ( H 1 ) <ul><li>La hipótesis alternativa puede ser: </li></ul><ul><ul><li>Direccional “participar el Programa Samuel Robinson favorece la admisión a la escuela de ingeniería de la UCV” </li></ul></ul><ul><ul><li>No direccional “participar el Programa Samuel Robinson afecta el resultado de la admisión a la escuela de ingeniería de la UCV” </li></ul></ul><ul><li>La hipótesis nula ( H 0 ) es la contrapartida lógica de la hipótesis alternativa (en términos análogos sería el complemento de la hipótesis alternativa) </li></ul>
  13. 13. Hipótesis nula ( H 0 ) <ul><li>Si la hipótesis nula es falsa entonces la hipótesis alternativa es verdadera. Por lo tanto, las dos hipótesis tienen que ser: </li></ul><ul><ul><li>Mutuamente excluyentes </li></ul></ul><ul><ul><li>Conjuntamente exhaustivas </li></ul></ul><ul><li>Si la hipótesis alternativa es no direccional, especifica que la variable independiente influye sobre la variable dependiente. </li></ul><ul><li>En nuestro caso de ser así, especifica que participar el Programa Samuel Robinson afecta puntaje de la prueba de admisión a la escuela de ingeniería de la UCV </li></ul><ul><li>Para esta clase de hipótesis, la hipótesis nula indica que la variable independiente no influye sobre la variable dependiente </li></ul>
  14. 14. Hipótesis nula ( H 0 ) <ul><li>El proceso consiste entonces en evaluar primero la hipótesis nula intentando demostrar que es falsa; si esto se logra, la hipótesis alternativa debe ser verdadera. </li></ul><ul><li>En el caso de hipótesis alternativa direccional es análogo: </li></ul><ul><ul><li>Esto no significa cambio direccional sino negación de la proposición. </li></ul></ul><ul><li>La razón por la cual se evalúa la hipótesis nula directamente en lugar de la hipótesis alternativa es que podemos calcular la probabilidad de eventos aleatorios pero no hay forma de calcular la probabilidad de hipótesis alternativa. </li></ul>
  15. 15. Regla de decisión (nivel  ) <ul><li>Se evalúa H 0 suponiendo que es verdadera y constatando si dicho supuesto es razonable, al calcular la probabilidad de obtener el resultado si sólo opera al azar . </li></ul><ul><li>Si la probabilidad resultante es menor o igual que un nivel de probabilidad crítico, llamado nivel alfa (  ) rechazamos la hipótesis nula </li></ul><ul><li>Al rechazar H 0 aceptamos de forma tácita H 1 , debido a que si el experimento se hace correctamente, ésta es la única explicación posible. </li></ul><ul><li>Rechazar H 0 implica aceptar que los resultados del experimento son significativos o confiables. </li></ul><ul><li>Si la probabilidad obtenida es mayor que el valor alfa concluimos que no podemos rechazar H 0 </li></ul>
  16. 16. Regla de decisión (nivel  ) <ul><li>La regla de decisión es: </li></ul><ul><li>El nivel  se establece al inicio del experimento. </li></ul><ul><li>Generalmente son  =0,05 y  =0,01 </li></ul><ul><li>De momento supongamos que para el ejemplo  =0,05 </li></ul><ul><ul><li>Determinar la probabilidad de obtener 9 signos positivos de 10 posibles cuando solamente interviene el azar </li></ul></ul><ul><ul><li>Comparar esta probabilidad con  </li></ul></ul>

×