Puntajes estándar y curva normal

Slides:



Advertisements
Presentaciones similares
Puntajes estándar y curva normal
Advertisements

TEMA 3 : DISTRIBUCIONES DE PROBABILIDADES EN LA UNIDAD ANTERIOR ESTUDIAMOS EL CONCEPTO DE PROBABILIDAD, AQUÍ INTEGRAREMOS UN EXPERIMENTO O EXPERIENCIA.
Nazira Calleja. Es un índice estadístico que cuantifica la magnitud de la relación entre dos variables o la diferencia entre dos grupos. Indica qué tan.
AREA ESTADÍSTICA. ACTIVIDAD 1 En un ensayo de sanidad vegetal se estudia el efecto de una nueva formulación química para el control de una plaga en ajos.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
ESTADÍSTICA DESCRIPTIVA MEDIDAS DE VARIABILIDAD Psic. Gerardo A. Valderrama M.
Estadística inferencial. ¿Qué es? La Estadística inferencial o Inferencia estadística estudia cómo sacar conclusiones generales para toda la población.
MEDIDAS DE TENDENCIA CENTRAL
1. Parámetros estadísticos: Medidas de Centralización: Medias, moda y Mediana Medidas de Posición:Cuartiles,Deciles,Centiles Medidas de Dispersión: Rango,
Unidad1: La Naturaleza de las Ciencias “Física como la ciencia de la medición”
ESTADISTICA I Ing. Jahaziel Acosta. CUANTILES Los cuantiles son medidas de tendencia no centrales, que permiten determinar la proporci ó n de la poblaci.
DISTRIBUCIÓN NORMAL.
Medidas de centralización:  Media aritmética, mediana y moda para: i) listas de datos ii) datos agrupados en una tabla de frecuencia iii) datos agrupados.
PPTCEG049EM32-A16V1 Distribución normal EM-32. Recordemos… -¿Cómo se calcula el valor esperado para una determinada variable aleatoria? -¿Cómo es posible.
Bioestadística Distribuciones de probabilidad: la distribución normal.
MODELO PROBABILÍSTICO NORMAL Psic. Gerardo A. Valderrama M.
Bioestadística Distribuciones muestrales para variables cuantitativas.
ESTADÍSTICA Mercedes de la Oliva ESTADÍSTICA INFERENCIAL Teorema Central del límite Distribución de media y proporción muestral.
1.3.1Media aritmética, geométrica y ponderada 1.3.2Mediana 1.3.2Moda Regresar.
1 Ejemplo Consideremos los datos de un estudio donde se les mide la talla en centímetros a 20 jugadores del equipo Nacional de Handbol de EE. UU. seleccionados.
DISTRIBUCIONES DE Probabilidad
Valor que toma la variable aleatoria
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
ESTADÍSTICAS INFERENCIALES
FACULTAD DE PSICOLOGÍA ESCUELA DE PSICOLOGÍA ELABORACIÓN DE PRUEBAS
Curso de Elaboración de Pruebas Prof. Gerardo A. Valderrama M
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
Intervalos de Confianza
Matemáticas 2º Bachillerato CS
7.1 Procedimientos paramétricos para datos cuantitativos
ESTADÍSTICA UNIDIMENSIONAL
DISTRIBUCION DE PROBABILIDAD NORMAL
UNIDAD 4: ESTADÍSTICA Y PROBABILIDAD
ESTADÍSTICA UNIDIMENSIONAL
ESTADÍSTICA DESCRIPTIVA: OBTENCIÓN Y ORGANIZACIÓN DE LOS DATOS
CONCEPTOS BASICOS ESTADISTICA.-Conjunto de métodos que nos permiten tomar decisiones en momentos de incertidumbre (duda). Tiene como objetivo que la información.
¿Cuándo usar esta distribución?
Estadística: conceptos básicos y definiciones.
DISTRIBUCIÓN DE PROBABILIDAD PARA VARIABLES CONTÍNUAS.
 ANALISIS DE DATOS CUANTITATIVOS Se efectúa con: Programas computacionales de análisis estadístico CAPITULO 10 Paola Pérez Montiel.
ANALISIS DE DATOS CUANTITATIVOS
Estadística.
1 VARIABLE: es lo que se va a medir y representa una característica de la UNIDAD DE ANÁLISIS. VARIABLE: es lo que se va a medir y representa una característica.
Modelo de ajuste a muestras pequeñas con valores extremos positivos
ETAPA DE ANÁLISIS E INTERPRETACIÓN DE DATOS: MEDIDAS DE RESUMEN
Principios de Estadística
Nivel de dificultad de una prueba Leptocúrtica (dispersión baja); Platicúrtica (dispersión alta); Mesocúrtica (dispersión media).
Universidad Autónoma de Baja California
Universidad Peruana de Ciencias Aplicadas Matemática Básica (C.C.) Sesión 13.1 Ciclo
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
La mayoría de las variables aleatorias que se presentan en los estudios relacionados con las ciencias sociales, físicas y biológicas, por ejemplo, el peso.
ESTIMACIÓN (Inferencia Estadística) Intervalos de Confianza
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES.
Excel Estadístico Medidas de Dispersión.
UNIVERSIDAD LATINA DE COSTA RICA DISTRIBUCION NORMAL
Medidas de Dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución con respecto de su media.
UD 5: DISTRIBUCIÓN BINOMIAL Y NORMAL
MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I 1º BTO A
ESTADISTICA MEDIDAS DE DISPERSIÓN Cristian Gómez Coordinar Técnico Calidad Laboratorio Labsai.
UNIVERSIDAD DE LOS ANDES CENTRO DE INVESTIGACIONES PSICOLÓGICAS
URBINA GUADARRAMA GILBERTO MORENO CONTRERAS TANGANXOAN ZUANGUA
1 Temario de la asignatura Introducción. Análisis de datos univariantes. Análisis de datos bivariantes. Series temporales y números índice. Probabilidad.
CAPITULO 3: MEDIDAS DE VARIABILIDAD Y ASIMETRÍA
DISTRIBUCION NORMAL. Una de las distribuciones de frecuencia más importantes en la estadística es la distribución normal La distribución de probabilidad.
Comparación de medias para datos relacionados
MEDIDAS DE DISPERSIÓN “Medidas de dispersión”. Miden qué tanto se dispersan las observaciones alrededor de su media. MEDIDAS DE DISPERSIÓN.
Distribución Normal. La Normal Estándar El modelo normal estándar es el de una variable aleatoria continua cuya imagen son todos los números reales.
Transcripción de la presentación:

Puntajes estándar y curva normal Nazira Calleja

Curva normal “Dios ama la curva normal” Campana de Gauss Pocos casos La mayoría de los casos Pocos casos

Habilidades cognitivas Distribución normal Distribución de datos de una variable que asemeje la forma de una curva normal En la naturaleza, casi todas las variables se distribuyen de esta forma Habilidades cognitivas ESTATURA Peso IQ Calificaciones Hojas de los árboles Cabellos de las personas

Historia de la distribución normal 1733 Abraham De Moivre presentó la distribución normal por primera vez. 1809 Gauss justificó rigurosamente la distribución normal de los errores. El nombre de Gauss se ha asociado a esta distribución porque la usó con profusión cuando analizaba datos astronómicos. Algunos autores le atribuyen un descubrimiento independiente del de De Moivre. Fue una de las mentes más brillantes que han vivido sobre la Tierra.

Historia de la distribución normal 1812 Laplace amplió el concepto en su libro Teoría analítica de las probabilidades y usó la distribución normal en el análisis de errores de experimentos. Lo que sabes es muy poco; lo que ignoramos, inmenso. Esprit Jouffret usó el nombre de "campana" (bell surface) por primera vez. 1875 Francis Galton, Charles Pierce y Wilhelm Lexis otorgaron independientemente la denominación de "distribución normal".

Distribución normal Unimodal Media = Mediana = Modo Mesocúrtica Simétrica

Distribución normal Pafnuty Chebichov Sólo 27 de 10,000 caerán fuera del área de 3 desviaciones estándar a ambos lados de la media. Pafnuty Chebichov

Curva normal o Campana de Gauss

Distribución normal Combinaciones

Puntajes estandarizados Puntajes Z Estandarización Puntajes originales o brutos X Puntajes estandarizados Z Puntaje Z: Número de desviaciones estándar en el que se encuentra ubicado un puntaje en relación con la media de la distribución. En SPSS: Analizar – Descriptivos – Guardar valores tipificados como variables

Distribución de puntajes Z puntajes estandarizados Z Distribución de puntajes originales o brutos X Media = 0 Desviación estándar = 1

Puntaje Z De X a Z De Z a X Puntaje X

El puntaje Z indica: a) Qué tan lejos se encuentra de la media. -3 -2 -1 1 2 3 b) En qué dirección. Puntaje Z positivo: El puntaje X es > la media Se ubica a la derecha o arriba de la media Puntaje Z negativo: El puntaje X es < la media Se ubica a la izquierda o abajo de la media

Los estadísticos han construido tablas que indica el valor de estas proporciones para cada posible puntaje Z, que ahora se calcula electrónicamente. Calculadoras electrónicas de puntajes Z y áreas bajo la curva: http://davidmlane.com/hyperstat/normal_distribution.html http://psych.colorado.edu/~mcclella/java/normal/normz.html

Tabla de Z Z Los estadísticos han construido tablas que indica el valor de estas proporciones para cada posible puntaje Z. % Z Z % % Z Calculadoras electrónicas de puntajes Z y áreas bajo la curva: http://davidmlane.com/hyperstat/normal_distribution.html http://psych.colorado.edu/~mcclella/java/normal/normz.html

Puntaje Z Puntaje X Percentil

Ejemplo 1 Una compañía farmacéutica fabrica píldoras de vitaminas que contienen un promedio de 507 gramos de vitamina C con una desviación estándar de 3 gramos. -3 -2 -1 1 2 3 498 501 504 507 510 513 516 68% 95% 99.7%

Puntajes brutos de creatividad Puntajes z de creatividad Casos Puntajes brutos de creatividad Puntajes z de creatividad 1 12 -0.23 2 13 0.04 3 9 -1.05 4 18 1.41 5 7 -1.60 6 14 0.31 8 16 0.86 10 -0.78 11 19 1.68 15 17 20 -0.51 Media 12.85 Desviación estándar 3.66 Ejemplo 2

Puntajes brutos de creatividad Puntajes z de creatividad Casos Puntajes brutos de creatividad Puntajes z de creatividad 1 12 -0.23 2 13 0.04 3 9 -1.05 4 18 1.41 5 7 -1.60 6 14 0.31 8 16 0.86 10 -0.78 11 19 1.68 15 17 20 -0.51 Media 12.85 Desviación estándar 3.66 Ejemplo 2

Caso núm. 5 (con puntaje bruto de 7): El puntaje bruto de 7 se encuentra 1.6 unidades de desviación estándar debajo de la media

Puntajes brutos de creatividad Puntajes z de creatividad Casos Puntajes brutos de creatividad Puntajes z de creatividad 1 12 -0.23 2 13 0.04 3 9 -1.05 4 18 1.41 5 7 -1.60 6 14 0.31 8 16 0.86 10 -0.78 11 19 1.68 15 17 20 -0.51 Media 12.85 Desviación estándar 3.66 Ejemplo:

Caso núm. 14 (con puntaje bruto de 19): El puntaje bruto de 19 se encuentra 1.68 unidades de desviación estándar arriba de la media

Comparación de puntajes de diferentes distribuciones con puntajes z Puntaje bruto Puntaje z 0.25 1.28 2.33 Percentil Juan en aritmética Alicia en aritmética Juan en español Alicia en español

Comparación de puntajes de diferentes distribuciones con puntajes z Ejemplo 3 Estudiante 1 Estudiante 2 Examen Estadística Contabilidad Puntaje obtenido 76 (de 100) 82 (de 100) ¿Quién tuvo una mejor ejecución, el estudiante A o el estudiante B? Es difícil comparar los puntajes obtenidos por ambos porque puede ser, entre otras cosas, que la clase de contabilidad haya sido más fácil que la de estadística; o que los alumnos de contabilidad hayan variado más o menos que los de estadística en sus calificaciones finales... Sólo se pueden comparar si las tales calificaciones se convierten en puntajes estandarizados.

Comparación de puntajes de diferentes distribuciones con puntajes z Estudiante A Estudiante B Examen Estadística Contabilidad Puntaje obtenido 76 (de 100) 82 (de 100) Media 54 72 Desviación estándar 20 15 Puntaje Z (76-54)/20 = 1.1 (82-72)/15 = 0.67 Conclusión: La ejecución del estudiante A fue mejor que la del estudiante B. En este ejemplo, la unidad de medición fue la misma (puntaje sobre 100); sin embargo, también es posible hacer comparaciones de puntajes de distribuciones basadas en unidades diferentes. Todo lo que se necesita es conocer la media y la desviación estándar de las distribuciones correspondientes.

Zleche = ––––––––––––– = 3.25 Zjamón = ––––––––––––– = 2.60 Ejemplo 4 El precio promedio de un litro de leche es de $6.30 y la desviación estándar es de 80 centavos. El precio promedio de un paquete de jamón es de $18.00 y la desviación estándar es de $1.50. Si pagamos $8.90 por un litro de leche y $21.90 por un paquete de jamón en un supercito de 24 horas, ¿cuál es relativamente más caro? 8.90 – 6.30 Zleche = ––––––––––––– = 3.25 0.80 21.90 – 18.00 Zjamón = ––––––––––––– = 2.60 1.50 Leche: Conclusión: Estamos pagando un poco más por la leche que por el jamón. Jamón:

Teorema del límite central Una distribución tenderá a ser aproximadamente normal en la medida que se aumenta el tamaño de la muestra.