Rodrigo Ferrer Urbina Universidad de Tarapacá, Arica Doctor en Psicología (UAM-España) Máster en Metodología de las Ciencias del Comportamiento y de la.

Presentación del tema: "Rodrigo Ferrer Urbina Universidad de Tarapacá, Arica Doctor en Psicología (UAM-España) Máster en Metodología de las Ciencias del Comportamiento y de la."— Transcripción de la presentación:

1 Rodrigo Ferrer Urbina Universidad de Tarapacá, Arica Doctor en Psicología (UAM-España) Máster en Metodología de las Ciencias del Comportamiento y de la Salud (UAM-España) Magíster en Psicología Social (UTA-Chile) Psicólogo (UTA-Chile).

2  Población o universo: Totalidad sobre la que se quiere concluir. ◦ Censo: Estudio poblacional. ◦ Parámetros: Información que se extrae de una población (se representan con letras griegas).  Muestra: Parte de la población desde la que se realizan inferencias. ◦ Estadísticos: Información que se extrae de una muestra (se representan con letras latinas mayúsculas).

3  Para que las inferencias sean válidas, la muestra debe ser representativa de la población. ◦ La aleatoriedad (muestreos probabilísticos) es la única garantía de representatividad la ser los parámetros desconocidos.  Todos tienen la misma probabilidad de ser elegidos.  La probabilidad de elegir un caso no influye la probabilidad del otro. ◦ Muestreos con reposición y sin reposición. ◦ Muestreos no probabilísticos.

4  Muestreo aleatorio simple.  Muestreo aleatorio sistemático. ◦ k=N/n, numero aleatorio de k  Muestreo aleatorio estratificado.  Muestreo por conglomerados.  Muestreo polietápico.

5  El muestreo probabilístico nos permite conocer que tan probable es que nos equivoquemos (usando como referencia el promedio), es decir, obtener un nivel de confianza de los resultados y, por ende, el margen de error.

6 Valor de k1,651,962,242,58 Nivel de confianza90%95%97,5%99%

7  Parámetros y estadísticos son valores concretos que resumen información de una variable de medida (representación numérica de una variable medida).  Los parámetros son constantes (para un momento dado)  Los estadísticos provienen de muestras aleatorias, por lo que cambiarán de valor según la muestra de la que provengan. En síntesis: los estadísticos son VARIABLES ALEATORIAS.

8  Centro: indica el valor mas probable de una variable (variables categóricas) o el valor hacia el cual tienden a concentrarse los valores más probables.  Dispersión: cuanto se alejan los valores del centro.  Forma: la probabilidad de cada uno de los valores observados (en el caso de una distribución teórica, valores posibles).

9  En CDF esta toda la información de una variable y con ello se puede establecer su función (ecuación) de probabilidad. La función permite conocer la probabilidad de cada uno de los valores observados (o teóricos).  A esta función se le denomina simplemente distribución. ◦ Distribuciones empíricas. ◦ Distribuciones teóricas.

10  Teoría de la probabilidad: fundamento del análisis de datos para hacer inferencias estadísticas.  Elementos básicos. ◦ Experimento aleatorio. ◦ Espacio muestral (E). ◦ Sucesos (S).  Elemental o simple.  Compuesto.  Seguro.  Imposible.  Relaciones de sucesos. ◦ Unión (∪). ◦ Intersección (∩). ◦ Sucesos iguales. ◦ Sucesos exclusivos.

11  En términos excesivamente simples: que tan fácil o difícil es que suceda algo…. que tan probable (posible) o improbable (imposible) es que X suceso ocurra. ◦ Punto de vista a priori (clásico)… distribuciones teóricas.  Principio de indiferencia (todos los sucesos tienen la misma probabilidad de ocurrir) ◦ Punto de vista a posteriori (estadístico)… distribuciones empíricas.  Frecuencia de un suceso ante un número de ensayos que tiende a infinito…. Punto de estabilización.

12  El calculo de probabilidades (base de la inferencia estadística), es posible debido a una serie de propiedades, p.e.: ◦ Regla de la multiplicación  P(S1|S2)=P(S1∩S2)/P(S2).  Sucesos independientes P(S1|S2)=P(S1)*P(S2). ◦ Regla de la suma  Procesos exclusivos: P(S1∪S2)=P(S1) + P(S2).  Procesos no exclusivos: P(S1∪S2)=P(S1) + P(S2) - P(S1∩S2).