ESTADÍSTICAS INFERENCIALES

Presentación del tema: "ESTADÍSTICAS INFERENCIALES"— Transcripción de la presentación:

1

2 ESTADÍSTICAS INFERENCIALES
DE LA POBLACIÓN A LA MUESTRA Prof. Gerardo A. Valderrama M.

3 “El objetivo principal de un investigador del comportamiento es el de describir, analizar, diagnosticar y pronosticar el comportamiento de una variable en una población determinada”

4 POBLACIÒN PROBLEMA VARIABLE(S) MEDICIÓN DE MEDICIÓN DE UN LA TOTALIDAD
DE LA POBLACIÓN MEDICIÓN DE UN SEGMENTO DE LA POBLACIÓN: MUESTRA Todos los sujetos Altos costos Sin errores Una parte de la población Costos más bajos Diferencias con la población

5 VARIABLES ALEATORIAS Es aquella generada por un proceso aleatorio :
Todos los miembros de la población deben tener la misma probabilidad de ser seleccionados para la muestra El sujeto seleccionado, al momento de medirse, debe reflejar uno de los posibles resultados existentes en la población Discretas Contínuas EJEMPLOS DE VARIABLES ALEATORIAS

6 EJEMPLOS DE VARIABLES ALEATORIAS PSICOLÓGICAS
Personalidad Inteligencia

7 VARIABLES DISCRETAS O CATEGÓRICAS
Pueden tener dos o más subconjuntos del tipo de objeto medido Al momento de ser medidas, los resultados no pueden asumir valores fraccionales Los sujetos que están en una categoría poseen o no la propiedad medida Cada categoría se identifica con un nombre o un número: Hombre Mujer, o, En estos casos, el número no posee significado cuantitativo

8 EJEMPLO DE VARIABLES DISCRETAS
Tipo de bachillerato Ciencias Letras Comercio Rendimiento académico Alto Medio Bajo Inteligencia Deficiente Promedio Alta

9 VARIABLES ALEATORIAS CONTÍNUAS
Son aquellas capaces de asumir cualquier valor dentro de un intervalo Refleja al menos, un orden de rango, o sea, un valor mayor implica más de la propiedad que un valor menor Se miden por lo menos en una escala de intervalos “Tanto las variables discretas como las continuas, como resultado de la medición aplicada en psicología, deben reflejar los posibles eventos del estudio, además de sus probabilidades”

10 ESCALAS DE MEDICIÓN CONTÍNUAS
Escalas de Temperatura C y F

11 EJEMPLOS DE VARIABLES ALEATORIAS
Inteligencia:

12 DISTRIBUCIÓN DE PROBABILIDAD
Una variable aleatoria se refiere al resultado de un experimento aleatorio Los experimentos aleatorios generan eventos, con valores asignados y con probabilidades para cada uno de ellos. Cuando los posibles valores de una variable aleatoria son presentados con sus probabilidades, tenemos una Distribución de Probabilidad

13 DISTRIBUCIONES DE PROBABILIDAD DISCRETA
1. Lanzamiento de un dado común POSIBLES RESULTADOS Resultado 1 2 3 4 5 6 “p” 1/6 2. Seleccionar aleatoriamente un sujeto de una población de hombres y mujeres Sexo Masculino Femenino Total Sujetos 125 175 300 “p” 0.42 0.58 1.00

14 DISTRIBUCIÓN DE PROBABILIDADES CONTÍNUAS
LA DISTRIBUCIÓN NORMAL

15 ERROR DE MUESTREO Al seleccionarse muestras, las medias aritméticas de cada una de ellas son diferentes por aleatoriedad. También es evidente que entre la media muestral y la poblacional existan diferencias A estas diferencias se les denomina ERROR DE MUESTREO El error de muestreo es independiente del proceso de selección: es inevitable MUESTRA: Estadístico conocido POBLACIÓN: PARÁMETRO DESCONOCIDO Error de Muestreo

16 el valor del estadístico muestral será:
ERROR DE MUESTREO el valor del estadístico muestral será: > que el parámetro poblacional desconocido O < que el parámetro poblacional desconocido

17 ERROR ESTÁNDAR DE LA MEDIA
El error estándar de la media aritmética es un estimador de la desviación estándar de la distribución muestral de medias del mismo tamaño, tomadas de una población: σx Fórmula del error estándar de la media: σx σx = s / √ n – 1 Donde: σx : Error estándar de la media S: desviación estándar de la muestra n: tamaño de la muestra

18 EJEMPLO DE CÁLCULO DEL σx
Una muestra de 75 entrevistados alcanzó una media de 46 con una desviación estándar de ¿Cuál sería el σx ? σx = 4.8 / √ 75 – 1 = 0.56 Esto significa que: El 68% de las medias se encuentran entre 46 +/ = – 46.56 El 95% de las medias se encuentra ente 46 +/- (2)(0.56) = – 47.12 El 99% de las medias se encuentra entre 46 +/- (3)(0.56) = – 47.68 Probabilísticamente, la media poblacional desconocida debe ubicarse dentro de estos intervalos

19 ESTIMACIÓN ESTADÍSTICA
Se refiere al conjunto de procedimientos estadísticos dirigidos a aproximar los valores muestrales, a los correspondientes valores poblacionales ESTIMACIÓN PUNTUAL ESTIMACIÓN POR INTERVALOS

20 ESTIMACIÓN PUNTUAL Paso 1
Se selecciona una muestra aleatoria de la población objetivo del estudio Paso 2 Se calcula uno o más valores estadísticos determinados por el problema (media, varianza, desviación estándar, etc) Paso 3 A estos valores se les considera un buen estimador del parámetro, aunque no se cuente con más evidencia estadística.

21 ESTIMACIÓN POR INTERVALOS
Procedimiento a través del cual se estima probabilísticamente, que a partir de los datos muestrales, el parámetro poblacional se encuentre dentro de un intervalo de confianza bajo la curva normal Por estar ubicados bajo la curva, los límites de dichos intervalos se determinan a partir de los correspondientes valores Z

22 INTERVALOS DE CONFIANZA
Entre –z y + z hay un de probabilidades: Zc = +/- 1.64 Entre-2z y +2z hay un de probabilidades: Zc = +/- 1.96 Entre -3z y +3z hay un de probabilidades : Zc = +/- 2.58

23 CÁLCULO DEL INTERVALO DE CONFIANZA (IC)
El primer paso para establecer el IC es el de determinar el nivel de probabilidad que deseamos para la estimación Para el 95% (0.95) el valor de ZC es de 1.96 Para el 99% (0.99) el valor de ZC es de 2.58 Por lo general, los IC se determinan al 95% o al 99% de confianza En segundo lugar se establece si la población original es finita o finita. 3. Se calcula el IC IC para una media, población infinita: IC= Media +/- Zc (s/√n) IC para una media, población finita:IC= Media +/- Zc (s/√n)√ Np – n Np – 1

24 EJEMPLO DE CÁLCULO DE UN IC PARA UNA POBLACIÓN INFINITA
Media = 46; S = 4.8 σx = 0.56 P = 95%; Zc = 1.96 IC= Media +/- Zc (s/√n) IC = 46 +/- (1.96)(4.8 / √ 75 = 46 +/- (0.55) LS = = 46.55 LI = = 45.45

25 EJEMPLO DE CÁLCULO DE UN IC PARA UNA POBLACIÓN FINITA
Media = 46; S = 4.8 σx = 0.56 N = 500 P = 95%; Zc = 1.96 IC= Media +/- Zc (s/√n)√ Np – n Np – 1 IC = 46 +/- (0.55) √ 500- 1 IC = 46 +/- (0.55)(0.92) = 46 +/ LS = = 46.51 LI = 46 – 0.51 = 45.49

26 TAMAÑO DE LA MUESTRA El desarrollo de investigaciones comportamentales requiere de la definición de tamaños muestrales de mucha confiabilidad. El tomar muestras muy grandes afecta los costos de los estudios; si es muy pequeña afecta la validez del estudio. Por lo tanto es necesario que “n” tenga un tamaño adecuado para los fines que se tratan de alcanzar.

27 ASPECTOS A CONSIDERAR AL MOMENTO DE DEFINIR EL TAMAÑO DE “n”
La amplitud del intervalo de confianza; 95% ó 99%. El valor de Zc correspondiente al nivel de probabilidad seleccionado:} 95% ………Zc = 1.96 99% Zc = 2.58 3. La diferencia esperada con relación al parámetro estimado: d2 4. El valor de S2 poblacional o de un estimador 4. Tipo de población: infinita o finita

28 ESPECIFICACIÓN DE LA σ2 POBLACIONAL
En la mayoría de las ocasiones, la σ2 poblacional es desconocida. Por lo tanto, lo que se hace es una estimación: Muestra piloto Estudios previos Estudios similares

29 FORMULAS PARA EL CALCULO DE n
1. TAMAÑO DE POBLACIÓN DESCONOCIDO n = Z2σ2 d2 Donde: z2: cuadrado de la puntuación z correspondiente al 95% (1.96) o al 99% (2.58) σ2 : varianza de la población o un estimador de ella d2: diferencia esperada entre la media de la muestra y la de la población

30 TAMAÑO DE POBLACIÓN CONOCIDO
n = N z2σ2_____ z2σ2 + d2 (N – 1) Donde: z2: cuadrado de la puntuación z correspondiente al 95% (1.96) o al 99% (2.58) σ2 : varianza de la población o un estimador de ella d2: diferencia esperada entre la media de la muestra y la de la población N : tamaño de la población

31