You are on page 1of 116

UNIVERSIDAD ANDINA NESTOR CACERES VELASQUEZ

FACULTAD DE CIENCIAS DE LA EDUCACIÓN

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN AUTORIDADES UNIVERSITARIAS
RECTOR DE LA UANCV Dr. Julio Víctor Huamán Meza VICERECTOR ACADÉMICO Mag. Leopoldo Cari Ortiz VICERECTOR ADMINISTRATIVO Dra. Udelia Butrón Zevallos DECANO DE LA FACULTAD DE CIENCIAS DE LA EDUCACIÓN Dr. Pascual Huacasi Sucasaca SUPERVISOR GENERAL Dr. Pascual Huacasi Sucasaca Autores del Texto: Dr. Pascual Huacasi Sucasaca Mg. Marciano Toledo Pacha Bach. David Olaguivel Yturry SEDE CENTRAL DE ESTUDIO: FACULTAD DE CIENCIAS DE LA EDUCACION Ciudad Universitaria Fono: 051-600048 Email: www.dueduancv.edu.pe

INTRODUCCIÓN
LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 2

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN

El presente texto de Estadística Inferencial Aplicada a la Educación presentamos para los docentes participantes del Programa de Licenciatura en Educación Inicial de la Facultad de Ciencias de la Educación, de la UANCV, y al público lector dedicado a la investigación como herramienta de apoyo para el proceso del trabajo de investigación. El propósito fundamental del texto es hacer alcance sobre las nociones de estadística inferencial, el mismo para realizar los trabajos de investigación iniciando con etapa de planeamiento, recolección de datos, elaboración de datos, presentación de datos, y el análisis e interpretación de los mismos. Por lo que tiene la importancia para el desarrollo del trabajo de investigación en el campo de la educación, en ciencias sociales, y en otros campos afines. En efecto, el presente texto se ha organizado en cinco capítulos: El primero exponemos sobre conceptos básicos de estadística, haciendo alcance la parte teórica; en el segundo capítulo contiene medidas de tendencia central y de dispersión; continuando en el tercer capítulo con el muestreo estadístico; para luego pasando a la comprobación de hipótesis; y en el último capítulo verificando con la prueba de chi cuadrada. Finalmente presentamos autoevaluación y tablas respectivas. LOS DOCENTES

LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 3

4 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág.

2. Error estándar de la media Pág. Etapas de un estudio por muestreo 3. Comprobación de hipótesis referentes a la media de una población.4. Representaciones gráficas 2.1.4. Tipos de muestras 3. Prueba de hipótesis para dos medias de población (muestras grandes) 71 LICENCIATURA EN EDUCACIÓN INICIAL FACE .1.1.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN INDICE CAPITULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA 1.5.2. Concepto de Estadística: Descriptiva e Inferencial 1. Distribución de frecuencias 2.6. Inferencia estadística 3. Organización de tablas 2. La Estadística en el proceso de investigación 1.4.2. Variables Estadísticas CAPITULO II MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN 2. Medidas de posición o cuantiles CAPITULO III MUESTREO ESTADISTICO 3. 58 4.3.2. Medidas de tendencia central 2.3. 06 06 08 10 16 18 19 21 28 33 38 39 41 45 45 CAPITULO IV COMPROBACION DE HIPÓTESIS Introducción 47 4.5. 5 .UANCV Pág. Medidas de dispersión 2. Introducción 1.3.1. Introducción al muestreo 3.

Pruebas de hipótesis con muestras pequeñas.1. Análisis de cuadros de contingencia 105 Autoevaluación 109 Tablas 111 Bibliografía 115 LICENCIATURA EN EDUCACIÓN INICIAL FACE . 77 4.6.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN 4.5.3.5.7. 6 . Pruebas de bondad y ajuste: frecuencias desigualmente esperadas (de independencia).3. Prueba para la comparación de dos proporciones poblacionales. Prueba para comparar dos medias poblacionales dependientes (muestras pequeñas). Características de la distribución 96 5. 81 4. 100 5. Limitaciones de la Ji Cuadrada 104 5.8.4. 90 CAPITULO V PRUEBAS DE CHI CUADRADA 5.4. 74 4.UANCV Pág.2. Comprobación de hipótesis referentes a la proporción de una población. Prueba para comparar dos medias poblacionales independientes (muestras pequeñas). 85 4. Prueba para la media de la población (Muestras pequeñas) 82 4. Pruebas de bondad y ajuste (de homogeneidad) 96 5.

porque la función tradicional de los gobiernos centrales y del estado es y ha sido llevar la cuenta de la cantidad de habitantes. muchas actividades están relacionadas con la estadística y muchas ocupaciones implican el uso del método estadístico. empleo y desempleo. La evolución y el desarrollo de la estadística en el mundo actual ha superado el significado etimológico de la ciencia. con el fin de obtener conclusiones y para la toma de mejores decisiones sobre determinados hechos o fenómenos en LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN CAPITULO I CONCEPTOS BÁSICOS DE ESTADÍSTICA 1. nacional y mundial. Estadística: Descriptiva e Estadística: es la ciencia que tiene por objeto de recolectar. Concepto de Inferencial.UANCV Pág. desde el hogar hasta la política regional.2. defunciones. presentar. organizar. la estadística constituye en la actualidad un valioso instrumento de decisión en todas las situaciones de la vida. costo de vida y muchas otras características de nuestra sociedad. cantidad de empresas.1. producción. 1. resumir. mientas que algunos autores afirman que procede del alemán STAAT que significa “estado”. 7 . otros sostienen que deriva del latín STATUS que implica “situación”. analizar e interpretar datos en forma adecuada. Para algunos viene de la voz griega STATERA que significa “balanza”. Introducción En cuanto al origen etimológico de la palabra “estadística” existen diferentes opiniones y referencias. pues. nacimientos. impuestos.

que consiste en conocer la población. ej. La Estadística investigación. presentar. Sin embargo. las cuales han originado diversas rutas en la búsqueda del conocimiento. el Positivismo. Es decir.UANCV Pág.3. analizar y presentar datos de manera informativa. 1. debido a las diferentes premisas que sustentan. Así. De acuerdo a esta definición podemos clasificar la estadística en: Estadística Descriptiva: es un conjunto de métodos para organizar. desde la segunda mitad del siglo XX tales corrientes se han polarizado en dos enfoques principales: el cualitativo y el cuantitativo. Estadística Inferencial: conjunto de métodos utilizados para recolectar. la investigación científica se divide en dos grandes enfoques: Enfoque cualitativo: utiliza recolección de datos sin medición numérica para descubrir o afinar preguntas de LICENCIATURA EN EDUCACIÓN INICIAL FACE . cuando sólo se analiza y describe los datos. organizar. 8 . y utiliza el método deductivo en el análisis. que se puede aplicar las generalidades a las partes. en el proceso de A lo largo de la historia de la Ciencia han surgido diversas corrientes de pensamiento tales como: el Empirismo.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN estudio. en base a sus particularidades (muestras). el Materialismo Dialéctico. La inferencia estadística utiliza el método inductivo en el análisis. Hasta tablas y gráficos. analizar e interpretar datos de una población basándose en una muestra. la Fenomenología y el Estructuralismo.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN investigación y puede o no probar hipótesis en su proceso de interpretación. considerando las siguientes premisas: a) Delinea teorías y de ella deriva hipótesis o supuestos. b) Las hipótesis se someten a prueba para saber si son generalizables para poblaciones específicas y en contextos dados. Investigación Científica Enfoque Cualititativo Enfoque Cuantitativo Para generar conocimiento el enfoque cuantitativo se fundamenta en el método hipotético – deductivo.UANCV Pág. si los resultados de diversas investigaciones aportan evidencia a favor de las hipótesis se genera confianza en la teoría que las sustenta. Enfoque cuantitativo: usa recolección de datos para probar hipótesis con base en la medición numérica y el análisis estadístico para establecer patrones de comportamiento. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 9 . c) Si los resultados corroboran la hipótesis se aporta evidencia a su favor.

Y. x2. Si la variable que numéricamente. Las variables se designan con las últimas letras mayúsculas del abecedario: X. Z. Llamamos variables a los rasgos o características que varían entre los diferentes miembros de una población o muestra. tipo de automóvil.4. 1. raza. Si la variable que se estudia no se puede expresar numéricamente. x3.UANCV . Cuando estudiamos variables cualitativas nos interesa saber cuántos o en qué proporción los miembros de una población o muestra caen en cada categoría. Algunos ejemplos de variables cualitativas son: género. ¿qué porcentaje de la población tiene ojos azules?. y los valores de las variables se designan con las letras minúsculas: x1. 10 LICENCIATURA EN EDUCACIÓN INICIAL FACE . se Algunos ejemplos de los estudiantes de se estudia se puede expresar le llama variable cuantitativa. xn.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN La Estadística es la herramienta principal que se utiliza para someter a prueba las hipótesis en la investigación cuantitativa. Por ejemplo ¿qué porcentaje de los estudiantes de la UANCV son hombres?. religión. ¿de qué especialidades eran los docentes que rindieron el examen de nombramiento el año pasado?. lugar de nacimiento y color de ojos. estas variables son: las edades de una Institución Educativa. ¿qué porcentaje de la población son de nivel universitario?. se le llama variable cualitativa o atributo. Variables Estadísticas Concepto de variable. los Pág. Hay dos tipos básicos de variables: las que se obtienen de una población cualitativa y las que se obtienen de una población cuantitativa.….

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN promedios obtenidos al finalizar un año académico.2 km. o 355. LICENCIATURA EN EDUCACIÓN INICIAL FACE .5 Horas).) o el tiempo transcurrido de llegar de su vivienda a las aulas (0.). según la exactitud con que se mida puede ser de 355 km. 3. Las variables continuas son. el resultado de medir algo y no existen “huecos” entre los valores posibles. 30. por lo regular.78. 12. Las variables discretas sólo pueden asumir ciertos valores (generalmente números enteros) y suele haber “huecos” entre los valores.). 8. y el número de hijos por familia en el Departamento de Puno.). 2. Hay un “hueco” entre los valores posibles (entre 3 y 4 por ejemplo).5 Kg. Ejemplos de variables continuas son la talla de los estudiantes del 6to. Las variables continuas pueden asumir cualquier valor dentro de un rango específico. Grado o la distancia entre las ciudades de Puno y Arequipa (que. etc.UANCV Pág. Por ejemplo el número de aulas en una Institución Educativa (1. 15. Obsérvese que el número de aulas de una Institución Educativa puede ser 3. el número de estudiantes en cada grupo de Estadística (6. 11 . etc. Todos estos datos serán expresados con decimales. pero no puede ser 4.255 km). 355. el número de profesores de una determinada especialidad (3. Las variables cuantitativas se clasifican a su vez en variables discretas y continuas. 4 ó 5. Otros ejemplos pueden ser el peso de los alimentos que consumen los estudiantes (10. etc.

a los azules el 2.UANCV Pág. Se suman los valores asignados a los dulces de la bolsa y se divide entre el número de dulces y se dice que el color promedio es 3.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Discretas Cuantitativas Continuas Variables Ordinal Nominal Cualitativas De intervalo De razon Escalas de medición Las variables también se pueden clasificar de acuerdo a las escalas de medición. Supóngase que a los amarillos se les asigna el número 1 para identificarlos. En este ejemplo no se han usado correctamente las escalas de medición.56 ¿significa esto que el color promedio es morado rojizo?. Las escalas de medición indican. si en una bolsa de caramelos hay dulces de 4 colores. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 12 . Por ejemplo. a los rojos el 3 y a los morados el 4. qué cálculos se pueden realizar para resumir y presentar los datos y qué pruebas estadísticas pueden llevarse a cabo. con frecuencia.

como califica usted al maestro de esta clase?. Otra característica de estas categorías es que son colectivamente exhaustivas. No hay un orden particular para cada clase. un dulce no puede ser rojo y azul a la vez. 13 . “aceptable”. en una bolsa de caramelos no puede haber un dulce que no sea rojo. el más alto o el que nos da más informaciones el de razón. El siguiente nivel es el ordinal. ni azul. Las observaciones únicamente se pueden clasificar o contar. Las opciones son “excelente”. “bueno”. c) de intervalo. supóngase que un profesor de estadística es evaluado por sus alumnos al final del curso. Las categorías que se establecen son mutuamente excluyentes. los azules. no hay un orden natural. que todos los dulces deben pertenecer a una categoría. ya que sólo existen esos colores.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Existen cuatro niveles en la escala de medición: a) nominal. Clasificamos los dulces sólo por su color y podemos tomar primero los morados. es decir. “malo” y “pésimo”.UANCV Pág. y d) de razón. la pregunta que se les hace es ¿En general. Tiene todas las características del nivel nominal (sus categorías son mutuamente excluyentes y colectivamente exhaustivas). a) Variables de nivel nominal. Cada categoría es más alta o mejor que la siguiente. ni morado. b) Variables de nivel ordinal. o los de cualquier otro color. Sin embargo no se LICENCIATURA EN EDUCACIÓN INICIAL FACE . ni amarillo. Adicionalmente. Por ejemplo. b) ordinal. sus valores tienen un orden lógico natural. “excelente” es mejor que “bueno” y así sucesivamente. es decir. La clasificación de los caramelos por colores puede ser un ejemplo de nivel de medición nominal. El nivel más bajo en la escala es nominal.

Tiene todas las características del nivel ordinal. Supóngase que una persona tiene S/. adicionalmente el punto 0 indica la ausencia del valor que se mide. pero también se puede calcular la distancia entre cada uno. el peso. esto es posible porque un grado centígrado es una unidad constante de medición. pero. la distancia. Sólo se puede concluir que “excelente” es mejor que “malo”. Estos datos se pueden ordenar fácilmente. así. además la diferencia entre sus valores o categorías es de un tamaño constante. No se puede decir que la distancia entre “excelente” y “bueno” sea la misma que entre “malo” y “pésimo”. Supóngase que las temperaturas de tres días consecutivos en la Ciudad de Cusco fueron 20°C. pero. c) Variables de nivel de intervalo. eso quiere decir que no tiene dinero en esa cuenta. Un ejemplo es la temperatura. sólo que hace frío. Este es el siguiente nivel de la escala en orden ascendente. la altura. 0° no indica que no haya temperatura. Tiene todas las características del nivel de intervalo.00 en su estado de cuenta. Es importante notar que 0° es sólo un punto en la escala de medición. pero no se puede decir cuán mejor es. 0. no se puede decir que una calificación de “excelente” sea cuatro veces mejor que “malo”. d) Variables de nivel de razón.UANCV Pág. Ejemplos de este nivel son: el dinero. y que no representa la ausencia de valor. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 22°C y 24°C. 14 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN puede distinguir la magnitud de las diferencias entre categorías. Es el nivel de medición más alto. Más aún.

 Son exhaustivas. 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Escalas de medición Características que tiene Nomina l  Son mutuamente excluyentes. es arbitrario.  Son exhaustivas. es absoluto.  Son mutuamente excluyentes.  Son exhaustivas. 0° no indica que no haya temperatur a.00 indica que no hay dinero.  El cero no indica la ausencia del valor que se mide.  Son mutuamente excluyentes. Ordinal de Interval o de Razón LICENCIATURA EN EDUCACIÓN INICIAL FACE .  Son mutuamente excluyentes.  La temperatur a.  El cero indica la ausencia del valor que se mide.  La distancia entre cada valor no es medible. Ejemplo  Color  Raza  Sexo  Estado civil  Escalas de bueno. S/. regular y malo.  La distancia entre cada valor es igual. Característica s que no tiene  No establecen un orden.  Establecen un orden.  Establecen un orden.UANCV Pág.  Establecen un orden. 15 .  La distancia entre cada valor es igual.  Coeficiente de Inteligencia  El dinero.  Son exhaustivas.

tal que 2 a la k sea mayor que el número de datos (n). Esta regla sugiere seleccionar como el número de clases el menor número (k). Expresado en la siguiente fórmula: Donde: A = intervalo de clase H = mayor valor observado L = menor valor observado k = número de clases LICENCIATURA EN EDUCACIÓN INICIAL FACE . 16 .1. 2) Determinar el intervalo o la amplitud de clase. Los pasos para obtener una distribución de frecuencia son los siguientes: 1) Determinar el número de clases que se quiere.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN CAPITULO II MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSIÓN 2. Un método para determinar el número de clases es la regla “2 a la k”. Las clases juntas deben abarcar por lo menos la distancia entre el menor valor de los datos en bruto hasta el valor mayor. Es un agrupamiento de datos en categorías mutuamente excluyentes dando el número de observaciones en cada categoría.UANCV Pág. Distribución de frecuencias. Generalmente el tamaño de la clase o del intervalo debe ser el mismo para todas las clases.

4) Poner una marca por cada observación que quede en cada clase. Se trata de fijar los límites de cada clase de modo que cada observación se pueda colocar sólo en una clase. 17 . 18 25 21 26 22 18 18 17 19 23 17 21 20 23 19 20 22 18 19 19 1.UANCV Pág. 3) Fijar los límites de cada clase. 5) Contar en número de observaciones en cada clase (frecuencia de clase) La frecuencia relativa se obtiene dividiendo la frecuencia de clase entre el total de datos (n). Entonces el número de clases será de 5 LICENCIATURA EN EDUCACIÓN INICIAL FACE . La frecuencia porcentual se obtiene multiplicando la frecuencia relativa por 100. como por ejemplo un múltiplo de 10 o de 100. de la UANCV. Calculamos el número de clases o intervalos.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Generalmente el resultado de la fórmula se redondea a algún número adecuado. Se deben evitar los límites de clase que sean poco claros o que se sobrepongan. Ejemplo: Se tiene los siguientes datos: Edades de los estudiantes de la Especialidad de Matemática.

Se debe consideras algunos aspectos como el número de la tabla. lo cual simplifica toda la información y nos muestra de manera agradable.FACE 2011 – I de LICENCIATURA EN EDUCACIÓN INICIAL FACE . 18 . Organización en tablas Para una mejor representación de los datos obtenidos se construye una tabla de datos. cuerpo.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN 2. fuente y elaboración. titulo. Nro. Para nuestra ilustración usaremos el cuadro frecuencias anterior. Empezamos a construir nuestra distribución de frecuencias. Tabla Nro. 1 2 3 4 5 [Li – Ls> 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 xi 18 20 22 24 26 Tarjas ///// / ///// / //// // // fi 6 6 4 2 2 20 Fi 6 12 16 18 20 2.2. 01 Puno: Edades de los estudiantes del 4to semestre de la especialidad de Matemática .UANCV Pág. Ahora calcularemos la Amplitud 3.

Gráfico de Barras 6 Frecuencia 4 2 0 1 2 3 4 Grupo de edades 5 LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág. se hacen por lo general con llamadas gráficas de barras (en las que las clases se indican en el eje horizontal y las frecuencias de clase en el eje vertical) o con gráficas de pie. 2.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Edades 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 TOTAL Frecuencia 6 6 4 2 2 20 Porcentaje (%) 30 30 20 10 10 100 Fuente: Ficha de observación Elaboración: El docente. especialmente utilizadas para mostrar las frecuencias porcentuales.3. Las representaciones gráficas de las distribuciones de frecuencia. Representaciones gráficas. 19 .

puesto que en forma equitativa distribuye en base al círculo. Grafico circular 10% 10% 30% 1 2 20% 3 30% 4 5 Para el caso de gráfico circular mayor mente lo utilizaremos para ver los porcentajes.UANCV Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Este tipo de grafica normalmente se utiliza para visualizar las frecuencias absolutas. 20 . es decir los datos numéricos. Gráfico de líneas 7 6 5 4 3 2 1 0 1 2 3 Grupo de edades 4 5 Frecuencia LICENCIATURA EN EDUCACIÓN INICIAL FACE .

4.UANCV Pág. también pueden ser utilizadas (dependiendo de cómo se configuren) para dar una idea equivocada de la información que se quiere presentar. Es importante mencionar que si bien. Medidas de tendencia central El propósito de cualquier medida de tendencia central es indicar con precisión el centro de un conjunto de observaciones.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Para casos de seguimiento. 2. las representaciones gráficas sirven para dar una visión rápida de la forma en que se comportan los datos. la mediana y la moda. 21 . Gráfico de dispersión 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 Frecuencia Grupo de edades El caso de dispersión es para ver qué tan distantes se encuentran nuestros datos. Algunas de las medidas de tendencia central más comunes son la media aritmética. donde se requiere estudiar si se está mejorando o empeorando usaremos este tipo de gráfico. LICENCIATURA EN EDUCACIÓN INICIAL FACE .

También se le llama promedio y la vemos aplicada a diario en casi todos los espacios y medio dedicados a brindar información. 22 LICENCIATURA EN EDUCACIÓN INICIAL FACE . cuando lo que se calcula es la media de una muestra. el promedio de edades de los estudiantes de un nivel determinado. Así. ésta se representa con ( ̅ ). ésta se representa con la letra griega (). Definida formalmente. etc. el salario promedio de los empleados de una Institución Educativa. en tato es la más utilizada. las fórmulas son como sigue: Media poblacional Dónde: = Media poblacional = Representa cualquier valor particular = Número de individuos en la población ∑ = Indica la operación de adición Media muestral Dónde: ∑ ̅ ∑ ̅ = Media poblacional = Representa cualquier valor particular Pág. Cuando lo que se calcula es la media de una población. Algunos ejemplos puedan ser el promedio de notas obtenidas por un estudiante durante un año académico. Por otro lado.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Media aritmética La media aritmética es probablemente la medida de tendencia central más importante.UANCV . la media aritmética es la suma de todos los valores de una muestra o población dividida entre el número de valores de la población o muestra.

UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE . La media es útil para comparar dos poblaciones.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN = Número de individuos en la población = Indica la operación de adición ∑ Algunas características de la media aritmética son: Todo conjunto de datos de intervalo o de razón tienen una media. Un conjunto de datos sólo tiene una media. Expresado simbólicamente ∑( ̅) Ejemplo: Para datos no agrupados Se tiene las notas de 20 estudiantes: 12 17 15 11 12 8 11 10 15 13 18 16 14 15 12 9 16 14 15 12 ̅ ∑ ̅ Por lo tanto podemos concluir que el promedio de los 20 estudiantes es de 13 puntos. 23 . La media aritmética es la única medida de tendencia central en la que la suma de las desviaciones de los valores de la media será siempre cero.

la mediana es el promedio de los dos valores intermedios. La mediana es la observación central de los valores de una población o muestra una vez que éstos han sido ordenados de forma ascendente o descendente. Algunas características de la mediana son: LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág. la media aritmética puede no ser representativa. el punto central de ese grupo de datos se puede describir mejor utilizando la mediana. cuando en un conjunto de datos existe uno o dos muy grandes o muy pequeños. Para un número par de observaciones. 1 2 3 4 5 [Li – Ls> 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 xi 18 20 22 24 26 fi 6 6 4 2 2 20 xi * fi 108 120 88 48 52 416 ̅ ∑ Concluimos que el promedio de edades de los estudiantes de matemática de la UANCV es de 21 años. En esos casos. Mediana Algunas veces.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Para datos agrupados Tenemos las siguientes edades de estudiantes: Nro. 24 .

Un conjunto de datos sólo tiene una mediana. 25 . por eso es especialmente útil cuando se tienen estos valores. A la mediana no le afectan valores extremadamente grandes ni extremadamente pequeños. para lo cual se debe sumar ambos y dividir entre dos. En nuestro caso tenemos dos valores. 11 12 12 12 14 15 15 16 16 18 Una vez ordenado ubicamos el valor que este al centro o al medio.UANCV Pág. de intervalo o de razón tienen una mediana. Entonces tenemos como media la nota de 15. Ejemplo: Para datos no agrupados Tenemos las siguientes notas: 12 16 12 11 15 18 14 12 16 15 Como primer paso tenemos que ordenar los datos de menor a mayor.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Todo conjunto de datos ordinales. Para datos agrupados LICENCIATURA EN EDUCACIÓN INICIAL FACE .

26 . Reemplazamos los datos en la fórmula: [ ] LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Tenemos los siguientes datos: Nro. para lo cual dividimos: Entonces. ubicamos el intervalo según la siguiente condición: Elegimos el segundo intervalo.UANCV Pág. 1 2 3 4 5 [Li – Ls> 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 xi 18 20 22 24 26 fi 6 6 4 2 2 20 Fi 6 12 16 18 20 Usaremos la siguiente formula [ ] Primeramente tenemos que ubicar un intervalo.

Puede existir más de una moda para cada grupo de datos. Moda La moda es el valor que aparece con más frecuencia en un conjunto de datos.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN [ ] Por lo tanto se tiene una edad media de 20. LICENCIATURA EN EDUCACIÓN INICIAL FACE . A la moda no le afectan valores extremadamente grandes ni extremadamente pequeños. por eso es especialmente útil cuando se tienen estos valores. Algunas características de la moda son: Se puede determinar la moda en grupos de datos de todos los niveles (nominales. 27 .UANCV Pág. de intervalo y de razón). La moda es especialmente útil para encontrar el punto central de un grupo de datos de tipo nominal u ordinal. ordinales. - Ejemplo: Para datos no agrupados Se tiene las siguientes notas: 12 16 12 11 15 18 14 12 16 15 Para el caso de la moda es solamente determinar cuál es el valor que más se repite.

2. Ahora usaremos la siguiente fórmula: [ ( ( ( ) ( ) ) ( ) ) ] ] [ ( La moda es de 19 años. el rango se basa en la localización de los valores mayor y menor de LICENCIATURA EN EDUCACIÓN INICIAL FACE . Así.5. Por lo tanto la moda será la nota 12. 28 . 1 2 3 4 5 [Li – Ls> 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 xi 18 20 22 24 26 fi 6 6 4 2 2 20 Fi 6 12 16 18 20 Como en el caso de la mediana también tenemos que ubicar el intervalo con el que se calculara.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN En nuestro caso se puede ver que el valor 12 es el más que se repite. Para datos agrupados Tenemos: Nro. ) Medidas de dispersión Las medidas de dispersión se utilizan para obtener información complementaria a las medidas de tendencia central y miden la forma como se distribuyen los datos que integran una población o muestra.UANCV Pág.

Cuando lo que se calcula es la varianza de una población. LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN un grupo de datos. ésta se representa con la letra griega “ ” (elevada al cuadrado). y cuando lo que se calcula es la varianza de una muestra se representa con la letra “ ” (también elevada al cuadrado).UANCV Pág. Las fórmulas para calcular cada una son como sigue: Varianza poblacional ∑( ∑( ̅) ) Varianza muestral (Formula conceptual) ∑ (∑ ) Varianza muestral (Formula operacional) Es importante resaltar que la fórmula de la varianza muestral para cálculos tiene la ventaja de que no se necesita calcular la media para obtenerla. 29 . y como ya se mencionó. se basa en la diferencia entre el valor de cada observación y la media. y la varianza y la desviación estándar en las desviaciones de cada uno de los datos que integran la población o muestra con respecto de su media. En términos conceptuales la varianza es la media aritmética de las desviaciones de la media elevadas al cuadrado. Varianza La varianza es una de las medidas de tendencia central más reportadas.

UANCV Pág.38. 12 13 11 15 16 11 12 15 18 13 ∑ (∑ ) Entonces: ∑ (∑ ) ( ) Por lo tanto reemplazamos Asi. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 30 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Ejemplo: Para datos no agrupados Se tiene las notas de 10 estudiantes y se necesita calcular su varianza. verificamos que tenemos una varianza de 5.

) Resulta obvio pensar LICENCIATURA EN EDUCACIÓN INICIAL FACE . años al cuadrado. 1 2 3 4 5 [Li – Ls> 17 – 19 19 – 21 21 – 23 23 – 25 25 – 27 xi 18 20 22 24 26 fi 6 6 4 2 2 20 fi xi 108 120 88 48 52 416 fi xi2 1944 2400 1936 1152 1352 8784 ∑ (∑ ) Reemplazando tenemos: ( ) Finalmente tenemos una varianza de 6.91 Desviación estándar La varianza tiene la desventaja de que sus valores son difíciles de interpretar ya que están expresados en la unidad de medida de los datos que integran la población o muestra al cuadrado (p. 31 . metros al cuadrado.e.UANCV Pág. litros al cuadrado. etc.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Para datos agrupados Usando los datos del ejemplo anterior tenemos: Nro.

UANCV Pág. una definición formal de la desviación estándar es la raíz cuadrada positiva de la varianza. Las fórmulas que se utilizan para calcularla se pueden simplificar entonces en las siguientes expresiones: Desviación estándar poblacional: Desviación estándar poblacional: Ejemplo: Para datos no agrupados y datos agrupados √ Según el último resultado obtenido tenemos: √ Se concluye que se tiene un Desviación Estándar de 2. De este modo.63 lo que implica que se tiene una reducida variación. √ √ Coeficiente de Variación ̅ ( ) ( ( ) ) LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN que al calcular la raíz cuadrada de la varianza obtendremos valores expresados en la misma unidad de medida de que los datos que nos interesan. 32 .

Los cuantiles o cuantilas más usados en el análisis estadístico. deciles y percentiltes. los valores en la distribución de frecuencias se dan en términos de porcentaje. = 12.UANCV Pág. los cuantiles se usan frecuentemente para describir el comportamiento de una población. son: Cuartiles. Medidas de Posición o Cuantiles Son estadígrafos que dividen a una distribución de frecuencia de datos en otras proporciones y no solo en mitades como lo hace la mediana. Donde: LICENCIATURA EN EDUCACIÓN INICIAL FACE . Los Cuartiles Los cuartiles dividen a un conjunto de observaciones en cuatro partes iguales. 33 .[ –∑ ] . Cuyas fórmulas son: ∑ + c. y 25% de éstas superiores a él. y 75% superiores a él. inferiores o iguales a él. Denotados por “Qn”.V. tenemos que: Q1 Q2 Q3 /------------/----------------/----------------/---------------/ Xmín 25% 25% 25% 25% Xmáx El primer cuartil al que se llama Q1 es el valor por debajo del cual se encuentra el 25% de las observaciones.6. representando gráficamente. 2. lo que nos indica que tenemos una variación moderada.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Concluimos que el C. quintiles. iguales o menores a él.64%. y el tercer cuartil o Q3 es el valor por debajo del cual se encuentra el 75% de las observaciones. el segundo cuartil o Q2 es igual a la mediana.

Cálculo de Q1. entonces: + c.[ Ejemplo: –∑ ∑ ] . Haberes [ [ 90 – 120 120 – 150 150 – 180 180 – 210 210 – 240 240 – 270 270 . 34 LICENCIATURA EN EDUCACIÓN INICIAL FACE .300 TOTAL Nro de trabajad fi 11 13 20 17 15 3 1 n = 80 Nro acumulado de trabajad Fi 11 24 44 61 76 79 80 Fuente: Ficha de observación Elaboración: El investigador. Determinar cuartiles Q1. Datos: ∑ ∑ ∑ . i).[ –∑ ] Teniendo una distribución de frecuencia “X” (cuadro) de los 80 trabajadores según sus haberes.[ * –∑ ] + Pág.y + c.Q2 y Q3.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN ∑ ∑ ∑ + c.UANCV .

o sea el 75% de trabajadores. es decir 20 de ellos tienen haberes inferiores o iguales a 140. es decir. Cálculo de Q2.[ * –∑ ] + * + Es decir. entonces: + c. que el segundo cuartil determina que el 50% de los trabajadores ganan como máximo 174 dólares.80 dólares y los 60 restantes. ii).80 dólares. De la misma forma se puede hallar el Q3.UANCV Pág. Datos: ∑ ∑ ( ) ∑ . 35 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN * + El Q1 implica que el 25% del total de trabajadores. Quintiles “Kn” Son estadígrafos de posición que dividen al total de las observaciones en cinco partes iguales. tienen haber superior a 140. que LICENCIATURA EN EDUCACIÓN INICIAL FACE .

calcular: D6. Solución: Datos: LICENCIATURA EN EDUCACIÓN INICIAL FACE .[ –∑ ] Ejemplo: Considerando el cuadro anterior. 36 . significa que cada decil representa el 10% de las observaciones. Su fórmula es: ∑ + c.UANCV Pág. K1 K2 K3 K4 /------------/--------------/---------------/--------------/----------------/ Xmín Xmáx Las fórmulas y el procedimiento técnico para calcular las quintiles con datos agrupados es el mismo que se emplea para los cuartiles.[ –∑ ] Deciles “Dn” Los deciles dividen a un grupo de datos en diez partes iguales.[ ∑ –∑ ] . … y + c. con la única diferencia que se divide la sumatoria de frecuencia entre 5.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN entre dos quintiles consecutivos se encuentre no más del 20% del total de las “n” observaciones. D1 D2 D3 D4 D5 D6 D7 D8 D9 /-----/--------/-------/--------/--------/--------/--------/--------/-------/-------/ ………………………… ∑ Cuya fórmula es: + c.

.1 dólares.[ –∑ ] .….P98 P99 /----/----/------/---------------------/-----------------------/----/-----/ Cuya fórmula y procedimientos es el mismo de las anteriores. Se aplican cuando existen numerosos valores de la variable con una alta frecuencia total. 37 . con la diferencia de que se divide la sumatoria de frecuencias entre 100. Percentiles.99. P1 P2 P3 ………………P50………………. “Pn” Son valores que dividen la muestra ordenada en forma ascendente o descendente en 100 partes iguales. entonces: +c.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN ∑ ∑ ( ) ∑ . y cada percentil representa el 1% de los datos. LICENCIATURA EN EDUCACIÓN INICIAL FACE . n = 1.UANCV Pág.[ –∑ ] + * + * Significa que el 60% de los trabajadores tienen haberes iguales o inferiores a 187. ∑ + c.2.

Población: es un conjunto de todos los elementos (unidades de análisis) que pertenecen al ámbito espacial donde se desarrolla el trabajo de investigación. que es el muestreo.UANCV Pág. 38 . El muestreo es el proceso de extracción de una muestra. Introducción al muestreo Una vez definida el problema a investigar. representativo de la población debidamente seleccionada. ya que a partir de la muestra se estimará las características de la población que no se conoce.1. con lo que se disminuyen los costos y tiempos necesarios para la realización del estudio LICENCIATURA EN EDUCACIÓN INICIAL FACE . determinadas las dimensiones e indicadores de las variables y delimitado el campo de investigación. ¿Por qué tomar una muestra en lugar de estudiar a todos los elementos de una población? La principal ventaja de tomar una muestra consiste en que –si el diseño muestral se ha realizado cumpliendo los requisitos de aleatoriedad– una vez teniendo información de ella se pueden generalizar esos conocimientos a toda la población. Muestra: es una parte o subconjunto. se hace otra opción antes de iniciar con el trabajo de campo.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN CAPITULO III MUESTREO ESTADISTICO 3. formuladas las hipótesis. el objeto del muestreo es seleccionar una muestra que represente a toda la población entera.

Consiste en establecer los objetivos del estudio y la forma en que se propone llegar a ellos. Muestra no probabilística: la elección de los elementos no depende de la probabilidad. sino de causas relacionadas con las características del investigador o del que hace la muestra. para ello solo se selecciona una muestra de algunas Instituciones Educativas. realizar el estudio a toda la población de estudiantes de Puno sería muy tedioso. 3. b) Selección del método adecuado de muestreo. Es decir.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Algunos ejemplos pueden ser los siguientes: Se desea aplicar una nueva estrategia de enseñanza. si el muestreo será probabilístico o no probabilístico Muestra probabilística: muestra seleccionada de tal forma que cada elemento de la población tiene la misma probabilidad (distinta de cero) de ser escogidos en la muestra. c) Determinación del error de muestreo.UANCV Pág. Consiste en determinar el margen de error aceptado en el LICENCIATURA EN EDUCACIÓN INICIAL FACE .2. 39 . Para determinar las intenciones de voto de una futura elección estudiantil es necesario tomar una muestra de los estudiantes matriculados debido al alto costo de encuestar a miles de estudiantes antes de una elección. Etapas de un estudio por muestreo Las etapas de un estudio por muestreo son las siguientes: a) Planeación del estudio.

ocasionados por la falta de capacitación o de personal calificado. (Ejemplo. 40 . Es aquel producido intencionalmente por el sujeto estudiado. Error de: encuesta sistemático. d) Determinación del tamaño de la muestra. Error de: respuesta sistemático. Es aquel que se produce de manera no intencional debido a errores en el manejo de los datos capturados. por ejemplo. Estimación del ingreso medio de un padre de familia). Es importante también considerar los errores de respuesta sistemático y encuesta sistemático.UANCV Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN cálculo de la muestra. La fórmula estadística para el cálculo del tamaño mínimo de la muestra será: ( ) LICENCIATURA EN EDUCACIÓN INICIAL FACE .

Presentación de resultados.UANCV Pág. f). se calcula mediante la técnica estratificada de fracción de grupos a partir de las sub poblaciones por cada Institución Educativa. Consiste en preparar un reporte o presentación de modo que las conclusiones del estudio sean fácilmente utilizables para la toma de decisiones. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Selección de los sujetos que integrarán la muestra. Consiste en aplicar los cuestionarios o realizar los experimentos que son objeto del estudio. h). Recopilación de la información. 3. 41 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Y para calcular sub muestras. g). Consiste en designar y contactar a los elementos que integrarán la muestra. Cálculo de las inferencias o estimaciones. ( ) .3. Consiste en elaborar las pruebas estadísticas que se hayan definido en la planeación del estudio a fin de llegar a la consecución de los objetivos del mismo. Tipos de muestras Existen básicamente dos clases de muestras: muestra probabilístico o no probabilístico. e).

UANCV Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Probabilistico No Probabilistico Aleatorio simpe A jucio Aleatorio sistemático Por conveniencia Aleatorio estratificado Por conglomerados Muestreo aleatorio simple. 42 . La selección de los individuos puede hacerse utilizando una tabla de números aleatorios. Muestreo aleatorio sistemático. o bien un software de computación que cuente con esa función. una tómbola. Es la muestra que se determina y selecciona tomando un número de la población. si se tiene una población de 9000 docentes de EBR y una muestra de 500. Ejemplo. que corresponde al resultado de dividir la población entre el tamaño de la muestra. entonces se divide 9000 entre 500 y se LICENCIATURA EN EDUCACIÓN INICIAL FACE . Es una muestra seleccionada de modo que cada uno de los elementos o personas de la población tengan las mismas posibilidades de ser incluido en la muestra.

K = N/n. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Se divide una población en subgrupos llamados estratos y se selecciona una muestra de cada uno de ellos. posteriormente se toma una muestra representativa de los conglomerados seleccionados.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN obtiene 18. Muestreo por conglomerados. Muestreo aleatorio estratificado. que es el tamaño de la muestra. Como ya se mencionó. una muestra sistemática. la desviación estándar o cualquier otro parámetro que se calcule de la muestra muy probablemente no serán idénticos al cálculo que se haga con base en la población. Los tipos de muestreo no probabilísticas suponen un procedimiento de selección informal y un poco arbitrario. hasta completar 500. Para lograr esto. 43 . una muestra estratificada. se puede seleccionar una muestra aleatoria simple. Distribuciones muestrales Antes de hablar de las distribuciones muestrales es preciso conocer un concepto fundamental para su comprensión: “el error de muestreo”. una muestra por conglomerados o una combinación de estos métodos. Asimismo. Esto implica que tenemos que tomar de la población (nómina de docentes con sus respectivos números) un docente por cada 16 números. la característica principal del muestreo aleatorio es que todos los elementos de la población tengan la misma probabilidad de ser incluidos en la muestra. en donde K = un intervalo de selección sistemática. Se divide la población en subgrupos llamados conglomerados (unidades primarias) y se selecciona una muestra aleatoria de estas.UANCV Pág. Sin embargo lo más probable es que la media de la muestra no sea idéntica a la media de la población.

75) son el error que se comete al estimar la media de la población mediante una media de la muestra. El tamaño de estos errores variará de una muestra a otra.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN El error de muestreo.75. 44 . LICENCIATURA EN EDUCACIÓN INICIAL FACE . Supón por ejemplo que las calificaciones del primer período de exámenes en la materia de estadística II de un grupo de cuatro estudiantes son de 97. que se encuentra mediante (97+100+99+85)/4. En este caso el error de muestreo de la primera muestra sería –2. Del mismo modo. el error de muestreo sería de 2. Ambas diferencias (-2. que se encuentra mediante (95. La media de la muestra sería 98. La media de todas las calificaciones (media de la población) sería 95. que se obtiene mediante la siguiente fórmula (la media de la población menos la media de la muestra): ̅ Donde: = media de la población ̅ = media de una muestra Para la segunda muestra. que se obtiene mediante (97+99)/2. es igual a la diferencia entre un estadístico de la muestra y el parámetro poblacional correspondiente.25 – 92. 99 y 85. 100.5. entonces.75 y 2. supón que se toma una muestra aleatoria de dos estudiantes cuyas calificaciones son 97 y 99.75.5). Otra muestra de dos calificaciones podría ser 100 y 85.UANCV Pág. con una media de 92. y estos errores de muestreo se deben al azar.25.

Esta estimación se conoce como el error estándar de la media y se puede calcular con la siguiente fórmula: LICENCIATURA EN EDUCACIÓN INICIAL FACE . 3. un investigador rara vez recoge datos sobre más una o dos muestras. si el investigador sólo tiene información de una muestra.5. como pueden imaginarse. con lo que perdería todo el sentido el proceso del muestreo.4. Sin embargo sí existe un buen método para estimar la desviación estándar de la distribución muestral de medias sobre la base de los datos recogidos en una sola muestra. Calcular una distribución muestral de medias requiere todo el esfuerzo (y el costo) de estudiar a cada uno de los miembros de una población. no tiene un conocimiento real sobre la media de las medias ni sobre la desviación estándar de la distribución muestral. La inferencia estadística Como ya se ha mencionado la inferencia estadística se refiere a obtener información válida para una población entera a partir del estudio o análisis de una muestra. Sin embargo. 45 . ya que la media de las medias toma un valor que es igual a la verdadera media de la población.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN 3.UANCV Pág. Error estándar de la media Hasta ahora hemos hecho de cuenta que se tiene información de primera mano acerca de la distribución muestral de las medias. Entonces. Si así fuera sería una tarea muy simple hacer generalizaciones para una población. Un ejemplo de este tipo de inferencia son las estimaciones de parámetros de la población a partir de parámetros de la muestra.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Error estandar de la media ̅ √ Donde: ̅= = = Error estándar de la media (una estimación de la desviación estándar de la distribución muestral de las medias) Desviación estándar de una muestra Tamaño de la muestra Este cálculo es conocido también como un estimador puntual. Valor que se calcula a partir de la información de la muestra y que se usa para estimar el parámetro de la población. Estimador puntual. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 46 .UANCV Pág.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN CAPITULO IV COMPROBACIÓN DE HIPÓTESIS Introducción En los temas anteriores iniciamos el estudio de la inferencia estadística. que se desarrolla con el propósito de realizar pruebas. De esta manera comenzaremos por establecer algunas definiciones. La aplicación de una nueva estrategia al grupo experimental es mejor que el grupo control. en lugar de calcular un rango de valores dentro del cual se espera que se encuentre el parámetro de la población.UANCV Pág. Hipótesis: Enunciado acerca de un parámetro de la población.5 años. Una vez que se ha establecido una hipótesis. El salario inicial promedio para los egresados de las carreras de educación es de S/. Sin embargo. estimar el valor de un parámetro de la población. se realizará una prueba de hipótesis acerca de una afirmación sobre un parámetro de la población. 1. Algunos ejemplos de afirmaciones que se podrían probar utilizando pruebas de hipótesis son: El promedio de notas de los estudiantes de estadística es de más de 16. con base en ésta. se utilizan los datos para verificar que tan razonable es dicha LICENCIATURA EN EDUCACIÓN INICIAL FACE . En este tema continuaremos con el estudio de la inferencia estadística. Una familia típica vive en el mismo domicilio durante más 16. 47 . Describimos la forma de seleccionar una muestra aleatoria y.200 al mes.

Los términos de prueba de hipótesis y probar una hipótesis se utilizan de manera indistinta. 48 .UANCV Pág.5 horas. Un juez parte de la hipótesis de que una persona que es acusada de un crimen es inocente y sujeta esta hipótesis a comprobación.5). Para comprobar la validez de esta afirmación ( = 2. calcular la media y aceptar o rechazar la hipótesis. supón que el resultado de calcular la media de la muestra es de 2horas.5 horas. Como ya dijimos. Resulta obvio que una media muestral de 2. El costo de localizar y encuestar a la totalidad de los participantes de Licenciatura en Educación Inicial en las diferentes sedes del país sería exorbitante.5 horas de desplazamiento de los participantes provocaría un rechazo de la hipótesis. Prueba de hipótesis: Procedimiento que se basa en la evidencia de las muestras y en la teoría de probabilidad para determinar si la hipótesis es un enunciado razonable. ¿Esta cifra es bastante LICENCIATURA EN EDUCACIÓN INICIAL FACE . es preciso elegir una muestra de la población de todos los participantes. No es posible ponerse en contacto con todos los participantes del programa a nivel nacional para comprobar que la media de desplazamiento sea efectivamente de 2. La prueba de hipótesis se inicia con una afirmación sobre un parámetro de la población: como la media de la población. revisando la evidencia y oyendo testimonios hasta llegar a un veredicto. Un ejemplo puede ser el siguiente: En el sistema legal del Perú.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN afirmación. esta afirmación se conoce como hipótesis. con base en ciertas reglas de decisiones. una persona es inocente hasta que se demuestre lo contrario. Sin embargo. Una hipótesis podría ser que el tiempo de desplazamiento por los estudiantes de Licenciatura en Educación Inicial en las diferentes sedes es de 2.

UANCV Pág. 49 . Paso 1 Establecer las hipótesis nula y alterna Seleccionar un nivel de significancia Paso 2 Paso 4 Formular la regla de decisión Identificar y calcular la estadística de prueba Paso 3 No rechazar H0 Paso 5 Tomar una decisión Rechazar H0 y Aceptar H1 Paso 1. Plantear la hipótesis nula (H0) y la hipótesis alternativa (H1) El primer paso consiste en establecer la hipótesis que se prueba.5 horas entre las medias al error de muestreo.5 para aceptar como razonable la afirmación de que la media poblacional es de 2. LICENCIATURA EN EDUCACIÓN INICIAL FACE . o bien esta diferencia es significativa desde el punto de vista de la estadística? A continuación se propone y explica un procedimiento de 5 pasos para probar una hipótesis. es decir. La letra H significa hipótesis y el subíndice cero supone “sin diferencia”.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN cercana a 2.5 horas? ¿Se puede atribuir la diferencia de 0. Se le conoce como hipótesis nula y se le designa con H0. la hipótesis nula supone que no hay diferencia entre el parámetro de la población y el de la muestra.

Por lo tanto.. por ello la alternativa consiste en tomar una muestra. Como ejemplo tenemos que el nivel de inteligencia de los estudiantes del primer semestre es de 110 según el test aplicado. También es preciso enfatizar que generalmente una hipótesis nula comienza con o contiene la siguiente afirmación: “No existe diferencia significativa entre. Es muy importante decir que si no se rechaza la hipótesis nula con base en los datos de la muestra. Para demostrar sin lugar a dudas que la hipótesis nula es verdadera sería necesario conocer el parámetro de la población.” LICENCIATURA EN EDUCACIÓN INICIAL FACE . para aceptarla o para rechazarla.UANCV Pág. La hipótesis nula no se rechaza a menos que los datos de la prueba proporcionen evidencia convincente de que es falsa.. se plantea la hipótesis nula para el propósito de la prueba. es decir.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Hipótesis nula: Una afirmación que establece que no hay diferencia significativa entre el valor de un parámetro de la población y el valor de un parámetro de la muestra. es decir. 50 . la hipótesis nula no se puede aceptar. eso no quiere decir que la hipótesis nula sea verdadera. Por lo regular esto no es posible. se tendría que practicar un censo para conocer el parámetro de la población sobre el que se está haciendo una afirmación. Esto se escribiría así: H0:μ = 110 Hablando en términos generales. únicamente significa que no fue posible rechazar la hipótesis nula con base en lo datos disponibles.

00 LICENCIATURA EN EDUCACIÓN INICIAL FACE . por su parte. La hipótesis alternativa se acepta si los datos de la muestra proporcionan evidencia estadística suficiente para afirmar que la hipótesis nula es falsa.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN De esta manera el planteamiento formal de la hipótesis nula del ejemplo anterior sería el siguiente: H0: El promedio de notas alcanzado por los estudiantes de estadística no tiene diferencia significativa con 16puntos. Un ejemplo que ayudará a clarificar lo que significan la hipótesis nula y la hipótesis alternativa es el siguiente: Un artículo reciente publicó que el promedio de ingreso familiar es de S/. H0: μ = 800 soles H0: El promedio de ingreso familiar es de S/. el primer paso consiste en determinar la hipótesis nula y la hipótesis alternativa. Se designa con H1 y también se conoce como hipótesis de investigación. 800. 800. 51 . describe la conclusión a la que se llegará si se rechaza la hipótesis nula. Hipótesis alternativa: Una afirmación que se acepta si los datos de la muestra proporcionan evidencia suficiente de que la hipótesis nula es falsa.00 H1: μ ≠ 800soles H1: el promedio de ingreso familiar es de S/. 800.00 Para realizar una prueba estadística sobre esta afirmación. La hipótesis alternativa.UANCV Pág.

De manera convencional se asigna un nivel de significancia de 0. como se expresa en la definición. Seleccionar un nivel de significancia. representa el riesgo que se asume de rechazar la hipótesis nula cuando ésta es verdadera. la letra griega alfa. De hecho es un valor que se deja al criterio del investigador. Se le conoce así porque. el siguiente paso consiste en definir el nivel de significancia. Luego de establecer la hipótesis nula y alternativa.UANCV Pág. el investigador debe decidir el nivel de significancia antes de formular una decisión y de recolectar datos sobre la muestra. Así. Para ilustrar como se puede rechazar una hipótesis nula cuando es verdadera pondremos el siguiente ejemplo: Supón que la política de aceptación de embarques en un almacén de una empresa que se dedica a armar computadoras personales es que “El Departamento de Control de Calidad tomará una muestra aleatoria de todos los embarques que se reciban. Si más del 6% de LICENCIATURA EN EDUCACIÓN INICIAL FACE . Nivel de significancia: La probabilidad de rechazar la hipótesis nula cuando es verdadera. El nivel de significancia se designa con . No hay un nivel de significancia que se aplique a todas las pruebas. de 0.01 para el aseguramiento de calidad o para estudios médicos. Probabilidad de cometer el error de tipo I. 52 .10 para encuestas políticas. Se le conoce también como nivel de riesgo.05 (5 por ciento) a los proyectos de investigación de artículos de consumo o de ciencias sociales y de 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Paso 2.

000. es decir un 8%. H1: El porcentaje de artículos defectuosos del embarque es más de 6%. se rechazó la hipótesis nula de que el embarque estaba por debajo de la norma cuando éste debió aceptarse. El embarque se rechazó porque excedía el valor máximo de 6% de artículos por debajo de la norma. 53 . El día de hoy se recibió un lote de 4. se cometió un error de tipo I ( ). cuando es verdadera.000 tarjetas madre del proveedor Deltron.1% estaba defectuoso. el embarque será rechazado”. Supongamos. sin embargo.UANCV Pág. Error de tipo I: Rechazar la hipótesis nula. H0: El porcentaje de artículos defectuosos del embarque es 6% o menos. que las cuatro tarjetas seleccionadas en la muestra eran las únicas defectuosas en todo el embarque de 4. Se toma una muestra de 50 tarjetas madre y se encuentra que 4 de ellas son defectuosas. H0. En ese caso menos del 6% del embarque estaba por debajo de la norma y el rechazo del embarque fue un error.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN los artículos están por debajo de la norma. En términos de prueba de hipótesis. Al rechazar una hipótesis verdadera. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Entonces sólo el 0. Si más del 6% de la totalidad del embarque estaba defectuoso. entonces la decisión de rechazarlo fue correcta.

El siguiente cuadro resume las decisiones que el investigador puede tomar y las consecuencias posibles de éstas. En temas posteriores utilizaremos t y ji cuadrada. podría ser que las 48 tarjetas en buenas condiciones de la muestra fueran las únicas y que las 3. por casualidad.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Luego entonces. H0. y no obstante. Existen muchas estadísticas de prueba. En este módulo veremos z como estadística de prueba. lo aceptara. sin saberlo. De acuerdo con la política de aceptación de embarques. recibiera un embarque que contuviera el 15% de artículos defectuosos. Calcular el estadístico de prueba.UANCV Pág. Error de tipo II: No rechazar la hipótesis nula. cuando es falsa. Pero. La empresa cometería un error de tipo II si. el lote hubiera sido aceptado.952 restantes estuvieran defectuosas. 54 . existe otro tipo de error. Hipótesis nula H0 es verdad H0 es falso No rechaza H0 Decisión correcta Error de tipo II Rechaza H0 Error de tipo I Decisión correcta Paso 3. el LICENCIATURA EN EDUCACIÓN INICIAL FACE . ¿Cómo podría ocurrir esto? Supongamos que en un embarque similar se toma una muestra de 50 tarjetas de las cuales 2 resultan defectuosas (4%) y las 48 restantes están en buenas condiciones. así como.

Distribución z como estadística de prueba ̅ √ Dónde: ̅ = media de la muestra = media de la población = desviación estándar de la población n = tamaño de la muestra z = valor estándar LICENCIATURA EN EDUCACIÓN INICIAL FACE . la estadística z se calcula por la siguiente fórmula.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN coeficiente de correlación lineal simple de Pearson y su fórmula es: (∑ √[ (∑ ) (∑ ) (∑ ) ] * (∑ )( ) ) (∑ ) + ∑ Estadística de prueba: Un valor que se calcula con base en información de la muestra. y que se utiliza para determinar si se rechaza o no la hipótesis nula.UANCV Pág. En la prueba de hipótesis para la media. 55 .

que. El valor z se basa en la distribución de muestreo de las medias de las muestras.65.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Cuando no se conoce el valor de la desviación estándar de la población ( ). El área o región de rechazo define la ubicación de todos aquellos valores que son tan grandes o tan pequeños que la probabilidad de que ocurran bajo una hipótesis nula verdadera es bastante remota. 56 . se puede utilizar el valor de la desviación estándar de la muestra (S) para aproximarlo. como ya hemos visto. Observa los siguientes puntos en el diagrama: a) El área en la que no se rechaza la hipótesis nula está a la izquierda de 1. LICENCIATURA EN EDUCACIÓN INICIAL FACE . al encontrar cuántas desviaciones estándar separan a ̅ de . b) El área de rechazo está a la derecha de 1. Más adelante veremos cómo llegar a este valor. tiene una distribución normal cuando la muestra es razonablemente grande. con una media igual a la media de la población ( ) y con una desviación estándar igual a √ . La siguiente gráfica muestra la región de rechazo de una prueba de significancia que veremos más a delante en este tema.UANCV Pág. Paso 4. Formular la regla de decisión. Así es posible determinar si la diferencia entre la media de la muestra ( ̅ ) y la media de la población ( ) es importante desde el punto de vista estadístico. utilizando la fórmula anterior. Regla de decisión: Es una afirmación de las condiciones bajo las que se rechaza la hipótesis nula y bajo las que no se rechaza.65.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN c) Se aplica una prueba de una cola. También esto lo veremos más adelante. d) Se eligió un nivel de significancia de 0.05 e) La distribución de muestreo de z se distribuye normalmente. f) El valor 1.65, que es el valor crítico, separa las regiones en las que se rechaza y no se rechaza la hipótesis nula. Valor crítico: Punto de división entre la región en que se rechaza la hipótesis nula y la región en que no se rechaza.

Distribución de muestreo para la estadística z, prueba de una cola a la derecha, nivel de sig. 0.05

Paso 5. Tomar una decisión. El último paso consiste en tomar la decisión de rechazar o no la hipótesis nula.
LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 57

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN

Por ejemplo, con base en la gráfica anterior, si al calcular el valor de z el resultado es 2.34, la hipótesis nula se rechaza. La decisión de rechazar la hipótesis nula se tomó debido a que 2.34 se encuentra dentro de la región de rechazo; es decir, más allá de 1.65. De esta manera se puede afirmar que es altamente improbable que un valor z que se calcula de este tamaño (2.34) se deba a una variación de muestreo (casualidad). En caso de que el valor calculado de z hubiera sido menor a 1.65, por ejemplo 0.71, la hipótesis nula no se habría rechazado. Se razonaría entonces que un valor tan pequeño no podría atribuirse a la casualidad, es decir, a la variación de muestreo. Como puedes observar sólo es posible tomar una de dos decisiones: ya sea rechazar o no la hipótesis nula.

4.1.

Comprobación de hipótesis referentes a la media de una población

Pruebas de significancia de una y dos colas Antes de ver un ejercicio práctico sobre pruebas de hipótesis, estableceremos la diferencia entre una prueba de dos colas y una de una sola. En la gráfica anterior se indica que se aplica una prueba de una cola. Por lo que la región de rechazo es solo una: la cola derecha de la distribución, sin embargo es también posible que la zona de rechazo se ubique en la cola derecha. Para ilustrarlo pondremos el siguiente ejemplo.
LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 58

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Al departamento de nutrición de la Dirección Regional de Educación quiere hacer un estudio sobre el peso neto de una presentación de Galletas Fortificadas. El cereal se empaca en cajas de 453 grs., de modo que las hipótesis quedan de la siguiente manera: H0: μ ≤ 453 grs. H0: El peso promedio de los cereales es igual o menor a 453 gramos. H1: μ > 453 grs. H1: El peso promedio de los cereales es mayor a 453 gramos. Observa que el signo de desigualdad en la hipótesis alternativa señala a la derecha o parte superior de la distribución (Este ejemplo corresponde a la gráfica anterior). Asimismo observa que la hipótesis nula incluye el signo de igual. Recuerda que la condición de igualdad siempre aparece en la hipótesis nula y nunca en la alternativa. El siguiente diagrama muestra una situación en la que la región de rechazo se encuentra en la parte izquierda (mínima) de la distribución.

LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 59

Por lo tanto considera que si el promedio es inferior a 10 el nuevo método no serviría.UANCV Pág. 60 . En este caso las hipótesis nula y alternativa serían: H0: μ ≥ 10estudiantes H1: μ <10 estudiantes Una forma de determinar cuál es la región de rechazo consiste en observar la dirección del signo de desigualdad en la hipótesis alternativa (ya sea < o >). En este caso señala a la izquierda y por lo tanto la región de rechazo es la cola izquierda o mínima de la distribución. caso contrario mantendrá el nuevo sistema.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Un ejemplo que corresponde a esta gráfica puede ser el siguiente: Supongamos que el Director de una Institución Educativa se propone disminuir la deserción escolar para lo cual implementa un nuevo sistema de orientación al educando para lo cual considera un promedio de 10 estudiantes que se desertan por aula. LICENCIATURA EN EDUCACIÓN INICIAL FACE .

000.025 + 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN En resumen. Debido a que existen dos posibilidades.UANCV Pág.025.5 en cada una). Si se rechaza la hipótesis nula y se acepta la alternativa. una prueba es de una cola cuando la hipótesis alternativa establece una dirección. una prueba de dos colas será aquella en la que la hipótesis alternativa no establece una dirección. el ingreso medio de los hombres podrá ser mayor que el de las mujeres o viceversa. en el caso de las dos colas. 61 . La siguiente gráfica ilustra las dos áreas de rechazo y los valores críticos. H1: El ingreso medio de los hombres es mayor que el ingreso medio de las mujeres.95 + 0. Por lo tanto. un área de rechazo de 5% (por ejemplo) se divide en partes iguales entre las dos colas de la distribución (2. Observa que el área total de la distribución es de 1. LICENCIATURA EN EDUCACIÓN INICIAL FACE . como: H0: No hay diferencia entre el ingreso medio de las mujeres y el de los hombres. como: H0: El ingreso medio de las mujeres es menor o igual al ingreso medio de los hombres. que se encuentra por 0. H1: Existe una diferencia entre el ingreso medio de las mujeres y el de los hombres.

Un ejemplo en que se aplican los 5 pasos descritos anteriormente puede ser el siguiente: Un estudio sobre desnutrición infantil muestra como resultado que los estudiantes tienen una media histórica de 200 estudiantes desnutridos y una desviación estándar de 16 desnutridos. Dicho de otra forma. con un nivel de significancia de 0. E. El Director de la Región de Educación de Puno quiere saber si cual el cambio en relación al número de estudiantes desnutridos a nivel de una Institución Educativa. 62 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Prueba de la media de la población: muestra grande.UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE . desviación estándar de la población conocida. ¿el número de estudiantes desnutridos de una I.01? Los registros muestran que en 50 instituciones educativas se produjo como resultado un promedio de 203 estudiantes desnutridos. es diferente de 200 niños.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN

Paso 1
La hipótesis nula es “la media de la población es 200 estudiantes desnutridos”. La hipótesis alternativa es entonces “la media de la población es diferente de 200 estudiantes desnutridos” o “la media de la población no es 200 estudiantes”, o bien: H0: μ = 200 estudiantes desnutridos H1: μ ≠ 200 estudiantes desnutridos Se trata de una prueba de “dos colas”, porque la hipótesis alternativa no establece ninguna dirección. En otras palabras no afirma si el promedio es mayor o menor de 200estudiantes desnutridos.

Paso 2 Como ya se dijo, se utiliza el nivel de significancia 0.01. Este es , la probabilidad de cometer un error de tipo I. Es decir, es el riesgo de rechazar una hipótesis nula verdadera. Paso 3
La estadística de prueba de una muestra grande es z. Transformar los datos de producción a unidades estándar (valores z) permite no sólo utilizarlos en este problema, sino también en otros problemas de prueba de hipótesis. La fórmula, como ya vimos, es:

LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 63

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Distribución z como estadística de prueba
̅ √

(

) (

)

Paso 4
La regla de decisión se formula hallando los valores críticos de z con base en las tablas del porcentaje de área bajo la curva normal (tablas de z). Como se trata de una prueba de dos colas, la mitad de 0.01, es decir 0.005, está en cada cola. Por lo tanto, el área en la que no se rechaza la hipótesis nula, entre los dos valores críticos, es 0.99. Las tablas del porcentaje del área bajo la curva se basan en una mitad del área bajo la curva, o 0.5000. Luego, 0.500 – 0.005 es 0.4950, de modo que 0.4950 es el área entre 0 y el valor crítico. Localiza 0.4950 en el cuerpo de la tabla. EL valor más próximo es 0.4951. A continuación se lee el valor crítico en la fila y columnas correspondientes a 0.4951, este es 2.58. Por lo tanto la regla de decisión es: Rechazar la hipótesis nula y aceptar la hipótesis alternativa, si el valor calculado de z no está entre –2.58 y +2.58. No rechazar la hipótesis nula si z cae entre – 2.58 y +2.58.

LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 64

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN

Paso 5
De acuerdo con el cálculo del valor z que se hizo en el paso 3 y con la regla de decisión formulada en el paso anterior, se llega a la conclusión de que la media de la población no es diferente de 200. Esto debido a que z = 1.32 no cae en la región de rechazo y por lo tanto no se cuenta con elementos para rechazar la hipótesis nula (que dice que la media de estudiantes desnutridos es de 200 por Institución Educativa). El resumen de los cinco pasos se muestra en la siguiente gráfica.

¿Se comprobó que el nivel de desnutridos seguirá siendo de 200 estudiantes? En realidad no. Desde el punto de vista nutricional, fue no poder desaprobar la hipótesis nula. El no poder desaprobar la hipótesis nula de la que la media de la población es de 200 no es lo mismo que decir que es cierta.
LICENCIATURA EN EDUCACIÓN INICIAL FACE - UANCV

Pág. 65

las hipótesis también son diferentes. Si se absuelve a una persona de un delito. En el primer caso.UANCV . Supón que el Director lo que quiere saber es si hubo una reducción en el número de desnutridos. 66 LICENCIATURA EN EDUCACIÓN INICIAL FACE . Debido a que interesan preguntas diferentes. En símbolos quedaría de la siguiente manera: Prueba de dos colas H0: μ = 200 estudiantes H1: μ ≠ 200 estudiantes Prueba de una cola H0: μ ≥ 200 estudiantes H1: μ < 200 estudiantes Pág.E. el número de desnutridos fue menos a 200? Observas la diferencia en el modo en que se formula el problema. Para ilustrar una prueba de una cola. En otras palabras. La interpretación correcta es que no fue posible desaprobar la hipótesis nula. Esto es lo que se hace en una prueba de hipótesis estadística cuando se rechaza la hipótesis nula.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Como dijimos al principio. sólo interesaba informar al director si hubo un cambio en el nivel nutricional de las I. Para explicarlo supón que se acusa a una persona de un delito. la conclusión fue que no hubo suficientes evidencias para probar que el acusado era culpable (no que era inocente). la conclusión es análoga a la del sistema judicial. y ahora se desea saber si hubo una reducción. se cambiará la pregunta. se quería saber si había una diferencia en la media de desnutridos por aula. No interesaba saber si el cambio fue un aumento o una disminución. con base en las mejoras nutricionales en la alimentación de los estudiantes. pero el juez la absuelve. ¿se puede concluir que. Prueba de una cola En el ejemplo anterior.

Una muestra aleatoria de 64 estudiantes universitarios reveló que el año pasado consumieron 64. En el nivel de significancia de 0. Según esta investigación la desviación estándar es de 11. o bien: H0: μ = 68 litros de gaseosas de cola al año H1: μ ≠ 68 litros de gaseosas de cola al año Paso 2 Como ya se dijo. Este es α. porque para una prueba de una cola todo el riesgo se encuentra en una sola dirección.05. LICENCIATURA EN EDUCACIÓN INICIAL FACE . se utiliza el nivel de significancia 0. Ejemplo Un estudio sobre el consumo de Gaseosas mostró que el adulto típico consume 68 litros de gaseosas de cola al año.3 litros. 67 .05.UANCV Pág. la probabilidad de cometer un error de tipo I. a) ¿Es posible concluir que existe una diferencia entre el consumo medio de los estudiantes universitarios y el de los adultos en general? b) ¿Es posible concluir que el promedio de consumo para los estudiantes universitarios es menor que para los adultos en general? Respuesta inciso a) Paso 1 La hipótesis nula es “la media de la población es 68”.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Los valores críticos para una prueba de una cola y para una prueba de dos colas también son distintos.2 litros en promedio. La hipótesis alternativa es entonces “la media de la población es diferente de 68” o “la media de la población no es 68”.

68 . Por lo tanto. de modo que 0. Transformar los datos del consumo de gaseosas de cola a unidades estándar (valores z) permite no sólo utilizarlos en este problema. es 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Es decir. sino también en otros problemas de prueba de hipótesis. o 0. es decir 0. es el riesgo de rechazar una hipótesis nula verdadera.4750 en el cuerpo de la tabla. La fórmula.500 – 0. Paso 3 La estadística de prueba de una muestra grande es z. Las tablas del porcentaje del área bajo la curva se basan en una mitad del área bajo la curva.4750.05. entre los dos valores críticos. como ya vimos. LICENCIATURA EN EDUCACIÓN INICIAL FACE .95.4750 es el área entre 0 y el valor crítico.5000.025. Luego. está en cada cola.025 es 0.UANCV Pág. el área en la que no se rechaza la hipótesis nula. 0. Localiza 0. la mitad de 0. es: Distribución z como estadística de prueba ̅ √ ( ) ( √ ) Paso 4 La regla de decisión se formula hallando los valores críticos de z con base en las tablas del porcentaje de área bajo la curva normal (tablas de z). Como se trata de una prueba de dos colas.

96. Así se puede decir que la evidencia de la muestra indica que el nivel de consumo anual de gaseosas de cola es diferente para la muestra de estudiantes universitarios y para la población en general.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN A continuación se lee el valor crítico en la fila y columnas correspondientes a 0. se llega a la conclusión de que la media de la población es diferente de 68. si el valor calculado de z no está entre –1. Respuesta inciso b) Paso 1 H0: μ ≥ 68 litros de gaseosas de cola al año H1: μ < 68 litros de gaseosas de cola al año LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág. 69 . Por lo tanto la regla de decisión es: Rechazar la hipótesis nula y aceptar la hipótesis alternativa. este es 1.69 no cae en la región de rechazo y por lo tanto no se cuenta con elementos para rechazar la hipótesis nula (que dice que la media de consumo de la población es igual a 68 litros de gaseosas de cola). Otra forma de decirlo es que el consumo medio de gaseosas de cola para los estudiantes universitarios es diferente de 68 litros.96. No rechazar la hipótesis nula si z cae entre – 1. La diferencia de 3.4750.96 y +1.87 litros entre el consumo de la población en general y el de los estudiantes universitarios no puede atribuirse a la casualidad. Paso 5 De acuerdo con el cálculo del valor z que se hizo en el paso 3 y con la regla de decisión formulada en el paso anterior.96 y +1. Esto debido a que z = -2.96.

Paso 5 De acuerdo con el cálculo del valor z que se hizo en el paso 3 y con la regla de decisión formulada en el paso anterior. Esto debido a que z = -2.69 cae en la región de rechazo y por lo tanto se cuenta con elementos para rechazar la hipótesis nula (que dice que la media de consumo de la población es mayor o igual a 68 litros de gaseosas de cola).05 Paso 3 Distribución z como estadística de prueba ̅ √ ( ) ( √ ) Paso 4 Rechazar la hipótesis nula y aceptar la hipótesis alternativa.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Paso 2 α = 0.65. si el valor calculado de z es menor que – 1. Así se puede decir que la evidencia de la muestra indica que el nivel de consumo anual de gaseosas de cola es LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág.65. 70 . No rechazar la hipótesis nula si z es mayor que – 1. se llega a la conclusión de que el consumo medio de gaseosas de cola es menor de 68 litros.

o bien. Prueba de hipótesis para dos medias de población (muestras grandes) En esta sección se verá al procedimiento para probar si dos medias poblacionales son iguales con base a la información que se tiene de dos muestras de éstas.2.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN menor para la muestra de estudiantes universitarios que para la población en general.UANCV Pág. Computación e Informática. 71 . 4. Se desea conocer la diferencia que existe en relación al rendimiento académico de los estudiantes varones y mujeres de la especialidad de Matemática. Algunas aplicaciones de este tipo de planteamiento son las siguientes:    El Docente del curso de estadística desea saber si el promedio general de los estudiantes es igual al del semestre pasado. que la diferencia entre ambas medias muestrales es tan grande que se puede concluir que las medias poblacionales no son iguales. El Coordinador General de Licenciatura en educación Inicial le interesa conocer el nivel de satisfacción de los participantes en relación a los docentes. Otra forma de decirlo es que el consumo medio de gaseosas de cola para los estudiantes universitarios es menor de 68 litros. en las sedes de Arequipa y Cusco. En estos casos es preciso seleccionar una muestra aleatoria de cada población y calcular su media.87 litros entre el consumo de la población en general y el de los estudiantes universitarios no puede atribuirse a la casualidad. La diferencia negativa de 3. para LICENCIATURA EN EDUCACIÓN INICIAL FACE .

LICENCIATURA EN EDUCACIÓN INICIAL FACE . determinar si las medias poblacionales son iguales o existe alguna diferencia entre ellas. Prueba de hipótesis para dos medias poblacionales ̅ √ ̅ Dónde: ̅ = Media de la primera muestra ̅ = Media de la segunda muestra = Varianza de la primera muestra = Varianza de la segunda muestra = Tamaño de la primera muestra = Tamaño de la segunda muestra z = Valor estándar En el siguiente ejemplo se ilustran los detalles de los cálculos e interpretación de este tipo de pruebas. 72 .UANCV Pág. sobre este aspecto existen bastantes discrepancias entre los varones y las mujeres. Ejemplo Se pide a cada uno de los estudiantes la opinión sobre el tiempo de libre que deberían tener entre cada curso. ya que se sabe que los docentes ingresan una vez terminada la anterior clase.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN posteriormente. para lo cual se realizó un estudio teniendo como muestra 100 mujeres y 50 varones de toda la población de la Facultad de Ciencias de la Educación. Por su puesto hay una diferencia en la fórmula del estadístico z. utilizando el método de los cinco pasos.

50 minutos 5. 73 .30 minutos basada en Estudiantes Varones Mujeres Tamaño de la muestra 50 100 A un nivel de significancia de 0.40 minutos 0.01.30 minutos Desviación estándar de la muestra 0.UANCV Pág. ¿es razonable concluir que el tiempo libre solicitado es mayor para los varones? Paso 1 H0: μ1 ≤ μ2 H1: μ1> μ2 Paso 2 α = 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN reportándose la siguiente información muestras de ambos tipos de estudiantes: Media de la muestra 5.01 Paso 3 Prueba de hipótesis para dos medias poblacionales ̅ √ ̅ √ LICENCIATURA EN EDUCACIÓN INICIAL FACE .

si el valor calculado de z excede 2. 74 .UANCV Pág. Algunos ejemplos de situaciones en las que se puede aplicar este tipo de pruebas pueden ser los siguientes:  El Director de Servicios Profesionales de la Universidad informa que el 80% de sus egresados se insertan en el mercado laboral en LICENCIATURA EN EDUCACIÓN INICIAL FACE . Paso 5 Debido a que el valor calculado de z (3.33.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Paso 4 Rechazar la hipótesis nula y aceptar la hipótesis alternativa. Es decir. también se pueden hacer pruebas de hipótesis respecto de proporciones. 4.33). Comprobación de hipótesis referentes a la proporción de una población Pruebas de hipótesis respecto de las proporciones Las pruebas de hipótesis que hemos visto hasta el momento se han referido únicamente a la media. Aunque. que con base en la información de las muestras se puede concluir que el tiempo libre exigido por los varones es mayor que el de las mujeres.33.3. No rechazar la hipótesis nula si z es menor a 2. se rechaza la hipótesis nula y se acepta la de investigación. como podrán suponer.13) es mayor que el valor crítico (2.

LICENCIATURA EN EDUCACIÓN INICIAL FACE . El área de biblioteca de la Universidad manifiesta que solo el 35% de estudiantes solicitan el préstamo de libros. Para comprobar esta afirmación se toma una encuesta de 2.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN puestos que guardan relación directa con su campo de estudios.UANCV Pág. según estadísticas se sabes que el 80% de ingresantes a la universidad son egresados de colegios estatales. Utiliza el procedimiento de la prueba de hipótesis para comprobar la procedencia de los estudiantes. Una fracción. 75 . Un Director desea saber si existen diferencias entre las proporciones de estudiantes de sexo masculino y femenino que desean estudiar en una universidad nacional. Recuerda que: = tamaño de la muestra = proporción de la población Ejemplo El Rector de la Universidad desea conocer si los ingresantes a la universidad provienen de colegios estatales. relación o porcentaje que indica la parte de una población o muestra que tiene una característica de interés particular.   Proporción. Un requisito para poder aplicar la prueba de hipótesis para las proporciones es que tanto como ( ) sean al menos de 5. Los resultados de la encuesta indican que 1550 de los estudiantes provienen de colegios estatales.000 estudiantes matriculados.

La fórmula que se aplica es: Prueba de hipótesis para una proporción poblacional Dónde: = proporción de la muestra = proporción de la población = tamaño de la muestra = error estándar de la proporción de la población Se calcula por √ ( convierte en: ) de modo que la fórmula se Prueba de hipótesis para una proporción poblacional √ ( ) LICENCIATURA EN EDUCACIÓN INICIAL FACE .80 H1: P < 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Solución Paso 1 H0: P ≥ 0.80 Paso 2 α = 0. 76 .05 Paso 3 z es la estadística apropiada.UANCV Pág.

los estudiantes de la universidad en su mayoría provienen de colegios estatales.65. el valor crítico es de –1.65.05. A continuación se presentan varios ejemplos:  El Director de Recursos Humanos desea saber si existe una diferencia entre la proporción de empleados sindicalizados que faltan más de LICENCIATURA EN EDUCACIÓN INICIAL FACE . Dicho de otro modo. de dos Con frecuencia el interés radica en saber si dos proporciones de población son iguales. así: Rechazar la hipótesis nula y aceptar la alternativa si el valor calculado de z cae a la izquierda de –1. de modo que la hipótesis nula no se rechaza al nivel de significancia de 0. Paso 5 El valor calculado de z (-0.05. de lo contrario.4.280) no está en la región de rechazo. 4.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN √ ( ) Paso 4 Debido a que la prueba es de una cola y a que α = 0. 77 . Prueba para la comparación proporciones poblacionales.UANCV Pág. no rechazar la hipótesis nula.

El docente de Licenciatura desea saber si existe diferencia proporcional en cuanto a las tardanzas de los participantes varones y mujeres. 78 . se utiliza el estadístico de la distribución normal estándar. dado que las muestras deben ser mayores a 30 y tener una distribución normal. tomando la proporción de niños y niñas. z = valor estándar. = proporción de la segunda muestra. LICENCIATURA EN EDUCACIÓN INICIAL FACE . y en todos los que se desea comparar proporciones. En este caso también. Es decir. y el valor de z se calcula por la siguiente fórmula: Prueba de hipótesis poblacionales para dos proporciones √ ( ) ( ) Dónde: = tamaño de la primera muestra. para lo cual se tiene una propuesta. = tamaño de la segunda muestra. sino valores nominales.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN cinco días al año con respecto a la proporción de empleados no sindicalizados. se hace una entrevista a los alumnos para averiguar la preferencia si están de acuerdo o no. no se trata de comparar mediciones (como en el caso de las medias).   Nota que en los ejemplos anteriores. cada artículo de la muestra puede clasificarse como “éxito” o “fracaso”.UANCV Pág. = proporción de la primera muestra. Se desea dotar de desayunos escolares.

50 Pág.20 0. Ejemplo: Una editorial introdujo un texto educativo con el nombre de “Raulito”.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN = proporción conjunta. que se calcula con la siguiente fórmula: Proporción conjunta Dónde: = número de elementos que poseen la característica buscada en la primera muestra. Varias pruebas comparativas indican que “Raulito” tiene una alta aceptación de los estudiantes. 79 LICENCIATURA EN EDUCACIÓN INICIAL FACE . y que indiquen cuál es el que consideran mejor. = número de elementos que poseen la característica buscada en la segunda muestra. Se plantea como estrategia el estudio sobre dicho texto teniendo en cuenta la aceptación de los docentes varones y mujeres. entre los que se encuentra “Raulito”. Se usará una prueba en la que se pedirá a cada una de los profesores de la muestra analizar varios textos. Los resultados fueron los siguientes: Profesore s Mujeres Varones Prefiriero Prefiriero n n otro “Raulito” texto 20 80 100 100 TOTA L 100 200 Proporció n de “Raulito” 0.UANCV .

si el valor calculado de z cae entre –1. 80 .96 y +1.05 Paso 3 Prueba de Hipótesis para dos proporciones poblacionales √ ( ) ( ) √ ( ) ( ) Paso 4 No rechazar la hipótesis nula.96. Rechazar la hipótesis nula y aceptar la hipótesis de investigación si z no cae entre – 1.96 y +1.96.UANCV Pág. Paso 1 H0: p1 = p2 H1: p1 ≠ p2 Paso 2 α = 0. LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Se utilizará el procedimiento de prueba de hipótesis de cinco pasos.

Es decir. Para emplear este estadístico es necesario conocer la desviación estándar (σ) de la población o tener una muestra grande de más de 30 observaciones. En estos casos. Sin embargo. Al igual que la distribución z. Cuando se utiliza la t de Student. A continuación se mencionan algunas características de esta distribución.96 y +1. es una distribución continua. Pruebas de pequeñas hipótesis con muestras En los casos anteriores se ha utilizado el estadístico de prueba de la distribución estándar o z.5. Al igual que la distribución z. que con base en la información de las muestras se puede concluir que la proporción de los Profesores que consideran mejor el texto “Raulito” es distinta a la proporción de las Profesoras. se supone que la población tiene una distribución normal.96).UANCV Pág. 4. se rechaza la hipótesis nula y se acepta la de investigación. tiene forma de campana y es simétrica. o también conocida como distribución t. 81 . El estadístico de prueba adecuado es la t de Student. se puede utilizar la desviación estándar de la muestra (S) para aproximar (σ).00) no cae entre los valores críticos (-1. en muchos casos no se conoce σ y el número de observaciones de la muestra es menor a 30. LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Paso 5 Debido a que el valor calculado de z (-5. pero no es posible utilizar la distribución z como estadístico de prueba.

debido a que existe una variabilidad mayor en las medias de muestras calculadas a partir de muestras pequeñas. Como resultado de ello los valores críticos de t para un nivel de significancia en particular son de mayor magnitud que los valores correspondientes. pero que si desviación estándar no se conoce. Prueba para la media de la población (muestras pequeñas) Supón que se quiere comparar la media de la muestra con una media poblacional supuesta.UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 82 . La distribución t de Student tiene mayor amplitud que la distribución z. a medida que aumenta el tamaño de la muestra. la distribución t se aproxima a la distribución normal estándar (z). que es posible afirmar que la población tiene una distribución aproximada a la normal. otra distribución tpara una muestra con 21 observaciones y así sucesivamente.6. En otras palabras. sino una familia de distribuciones t. La distribución t es más ancha y más plana en el centro que la distribución z. Existe una distribución t para una muestra con 20 observaciones. - - 4. y que el número de observaciones de la muestra es menor a 30. pero con desviaciones estándar diferentes de acuerdo con el tamaño de la muestra n. se tiene menos confianza en las estimaciones resultantes y son menos apropiadas para rechazar la hipótesis nula.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN No hay una sola distribución t. sin embargo. Todas con la misma media 0. Supón también.

01 Paso 3 LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN En este caso. Paso 1 H0: μ ≥ 600 soles H1: μ <600 soles Paso 2 α = 0.00 por mes. A continuación se presenta un ejemplo que servirá para concretar estos conceptos. Pero estudios hechos por otras instituciones manifiestan que el ingreso promedio es mayor. Como consecuencia de esto se toma una muestra aleatoria de 26 familias de una Institución Educativa y se calcula una media de S/. ¿Se podría concluir que el ingreso económico promedio familiar es menor a 600 soles? Se utilizará el procedimiento de cinco pasos para la prueba de hipótesis. pero se tendrá que utilizar la distribución t como estadístico de prueba. 600.01. se puede sustituir la desviación estándar de la muestra por la desviación estándar de la población.00. 570. Ejemplo: El Departamento de Estadística informa que el ingreso económico promedio de los padres de familia es de S/.00 Con un nivel de significancia de 0.UANCV Pág. 83 . 100. con una desviación estándar de S/.

Después de determina si la prueba es de una o dos colas.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Distribución t como estadístico de prueba para la media de la población ̅ √ Dónde: ̅ = media de la muestra = media de la población = desviación estándar de la muestra = tamaño de la muestra √ Paso 4 Los valores críticos de t se encuentran en las tablas de la Distribución t de Student. La columna de la izquierda tiene el encabezado de “grados de libertad. Se localiza la columna con el nivel de significancia seleccionado. gl”.01” hasta su intersección con la fila correspondiente a 25 LICENCIATURA EN EDUCACIÓN INICIAL FACE . primero se localiza la línea de los grados de libertad apropiados. Se sigue la columna titulada “una cola 0. que en este caso es de 0. escrito n–1. En este caso el número de observaciones en la muestra es 26. Para encontrar en valor crítico. El número de grados de libertad es el número de observaciones de la muestra menos el número de muestras. En este caso se tiene una prueba de una cola. por lo que hay 26–1 = 25 grados de libertad. Por lo tanto se encuentra en la parte de la tabla titulada “una cola”.01.UANCV Pág. 84 .

con base en la información de la muestra. Dicho de otro modo. no se cuenta con elementos suficientes para afirmar que el ingreso económico promedio sea menor que S/.485 Paso 5 Dado que el valor calculado de t (-1. En este apartado se extiende esta idea a dos muestras. el valor crítico es negativo.485). no existe evidencia de que la diferencia de S/. La interrogante que se busca responder es si ambas medias son iguales en términos estadísticos.00 4.7. En otras palabras. no está en la región de rechazo. no se tienen elementos para rechazar la hipótesis nula. 85 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN grados de libertad. El valor es de 2.00 pesos entre la media de la población y la media de la muestra sea estadísticamente significativa. La regla de decisión es rechazar la hipótesis nula y aceptar la hipótesis de investigación si el valor calculado de t es menor a –2. es decir.485. 30. Prueba para comparar dos medias poblacionales independientes (muestras pequeñas) En el aparatado anterior se seleccionó una sola muestra aleatoria y se comparó su media con el valor supuesto de la media poblacional. Como se trata de una prueba de una cola y la región de rechazo está en la cola izquierda. Se requiere de tres supuestos para realizar esta prueba: LICENCIATURA EN EDUCACIÓN INICIAL FACE . 600.UANCV Pág.530) está a la derecha del valor crítico (-2.

La siguiente fórmula se emplea para combinar las varianzas de la muestra. las dos varianzas muestrales deben combinarse para hacer una estimación de la varianza poblacional.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Las poblaciones muestreadas tienen una distribución normal. Varianza combinada ( )( ( ) ( ) )( ) Dónde: = es la varianza de la primera muestra = es la varianza de la segunda muestra El valor de t se calcula con la siguiente fórmula: LICENCIATURA EN EDUCACIÓN INICIAL FACE . Como generalmente la varianza de la población es desconocida. Observa que se encuentran involucrados dos factores: el número de observaciones de cada muestra y las propias desviaciones estándar de cada muestra.UANCV Pág. 86 . En esencia se calcula la media ponderada de las dos desviaciones estándar muestrales y se utiliza esta estimación de la desviación estándar de la población. Las desviaciones estándar de ambas poblaciones son iguales. Las dos muestras son independientes.

Para responder la pregunta planteada utiliza un nivel de significancia de 0. existen n1 + n2 –2 grados de libertad. dicho estudio se basa en las diferencias de tiempo en la entrega de un examen.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Prueba de hipótesis para dos medias poblacionales independientes y pequeñas ̅ √ * ̅ + Dónde: ̅ = Media de la primera muestra ̅ = Media de la segunda muestra = Tamaño de la primera muestra = Tamaño de la segunda muestra = Estimación combinada de la varianza de la población Como ya dijimos. A continuación se muestran los resultados en minutos. 87 . Ejemplo: Un Docente interesado en el tiempo de culminación de un examen realizar un estudio en base a dos salones. el número de grados de libertad es igual al número de elementos muestreados menos el número de muestras.UANCV Pág. para lo cual se plantea la pregunta: ¿existe alguna diferencia en el tiempo de entrega de un examen de los estudiantes del 6to grado? Para evaluar el estudio se tomó dos salones con muestras de 5 y 6 estudiantes. LICENCIATURA EN EDUCACIÓN INICIAL FACE .10. Debido a que hay dos muestras.

UANCV Pág. 88 .10 Paso 3 La t de Student se calcula en tres pasos: a) Cálculo de las desviaciones estándar y de las medias de las muestras Salón 1 X1 2 4 9 3 2 20 X12 4 16 81 9 4 114 X2 3 7 5 8 4 3 30 ∑ (∑ ) Salón 2 X22 9 49 25 64 16 9 172 Varianza muestral LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Salón 1 (minutos) 2 4 9 3 2 Paso 1 H0: μ1 = μ2 Salón 2 (minutos) 3 7 5 8 4 3 H1: μ1 ≠ μ2 Paso 2 α = 0.

0976 ̅ = 20 / 5 = 4 ̅ = 30 / 6 = 5 b) Combinación de las varianzas de las muestras Varianza combinada ( )( ( )( ( ) ) ( ) ( ) )( ) ( )( ) c) Determinar t Prueba de hipótesis para dos medias poblacionales independientes y pequeñas ̅ √ * ̅ + LICENCIATURA EN EDUCACIÓN INICIAL FACE .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN (Formula operacional) = 2. 89 .9155 = 2.UANCV Pág.

90 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN √ * + Paso 4 Los grados de libertad son iguales al número de elementos muestreados menos el número de muestras. la evidencia de las muestras indica que no hay elementos suficientes para decir que existe una diferencia entre los tiempos de entrega de un examen en los dos salones escogidos como muestra. Así los valores críticos de t para gl = 9. son +1. la regla de decisión es no rechazar la hipótesis nula si el valor calculado de t cae entre – 1.833 y +1.10. ya que el valor calculado de t (-0.833. para una prueba de dos colas y con nivel de significancia 0. Dicho de otro modo.833. Entonces.833 y –1. En este caso n1 + n2 –2 es igual a (5 + 6) – 2 = 9 grados de libertad.833 y + 1.622) cae entre los valores críticos (–1.UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE .833). Paso 5 La decisión es no rechazar la hipótesis nula.

existen situaciones en las que las muestras no son independientes. esto significa que las muestras de los tiempos utilizando uno y otro salón no están relacionado de modo alguno. Para cada profesor casa habrá un par de evaluaciones. 91 . Esto también se conoce como muestra en pares. sólo hay una muestra. Para la prueba de hipótesis el interés recae en la distribución de las diferencias del valor calculado. el director selecciona 10 profesores y pide tanto a laUNA como a la UANCV que hagan una evaluación. se supondría que ambas universidades harían valoraciones semejantes.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN 4.8. las muestras están relacionadas o son dependientes. se está investigando si la media de la distribución de las diferencias es cero. es decir. Las muestras eran independientes. cada profesor tendrá un valor estimado por la UNA y otro por la UANCV. La muestra se construye a partir de las diferencias entre los valores calculados por la UNA y por la UANCV para LICENCIATURA EN EDUCACIÓN INICIAL FACE . para lo cual recurre a dos universidades (UNA y UANCV) para que se tome un examen sobre aspectos pedagógicos. Prueba para poblacionales pequeñas) comparar dos medias dependientes (muestras En el apartado anterior se probó la diferencia entre las medias a partir de dos muestras independientes. es decir. Un ejemplo de esto puede ser el siguiente: Debido a las múltiples quejas de los padres de familia respecto a la enseñanza de los profesores el Director decide realizar una evaluación a los profesores. En consecuencia. Para decirlo de manera más formal. Sin embargo. Se comparó la diferencia entre el tiempo de entrega de dos salones de clases. Para comprobarlo.UANCV Pág.

En caso contrario.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN cada profesor. Se utiliza el símbolo para indicar la media de la población de la distribución de las diferencias. 92 . Distribución t como estadístico de prueba para la comprobación de medias independientes ̅ √ Para esta fórmula los grados de libertad se calculan por n–1 ̅ = Media de la diferencia entre las observaciones por pares o relacionadas = Desviación estándar de la distribución de las diferencias entre las observaciones por pares o relacionadas = Número de observaciones por pares La desviación estándar de las diferencias ( ) se calcula por: LICENCIATURA EN EDUCACIÓN INICIAL FACE . El estadístico de prueba es t y se calcula a partir de la siguiente fórmula. la media será diferente de cero. si una de las universidades constantemente reporta valores más altos. Si las dos universidades reportan valores semejantes.UANCV Pág. se espera que la media de la distribución de las diferencias sea cero. algunas veces la UNA estará más alta y otras veces será la UANCV. Sin embargo.

¿puede decirse que existe una diferencia entre la media de los valores calculados de los profesores? LICENCIATURA EN EDUCACIÓN INICIAL FACE . se supone que la población de diferencias tiene una distribución normal.UANCV Pág. A continuación se desarrolla el ejemplo citado: Ejemplo: Los resultados de las evaluaciones en puntos de las dos universidades son los siguientes: Profesor 1 2 3 4 5 6 7 8 9 10 UNA 135 110 131 142 105 130 131 110 125 149 UANCV 128 105 119 140 98 123 127 115 122 145 Con un nivel de significancia de 0. 93 .05.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Desviación estándar de las diferencias √∑ (∑ ) Como en las pruebas anteriores.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Paso 1 H0: μd = 0 H1: μd ≠ 0 Paso 2 α = 0. 94 .UANCV Pág.05 Paso 3 La t de Student se calcula en tres pasos: a) Cálculo de la media de la diferencia entre las observaciones por pares Valor calculado en puntos Diferencia al cuadrado ( d2 ) 49 25 144 4 49 49 16 25 9 16 386 Profesor 1 2 3 4 5 6 7 8 9 10 UNA 135 110 131 142 105 130 131 110 125 149 UANCV 128 105 119 140 98 123 127 115 122 145 ̅ Diferencia (d) 7 5 12 2 7 7 4 -5 3 4 46 LICENCIATURA EN EDUCACIÓN INICIAL FACE .

95 . En este caso n1–1 es igual a 10 – 1 = 9 grados de libertad.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN b) Calculo de la desviación estándar de la distribución de las diferencias entre las observaciones por pares o relacionadas Desviación estándar de las diferencias √∑ (∑ ) √ ( ) c) Determinar t Distribución t como estadístico de prueba para la comprobación de medias independientes ̅ √ donde: √ Paso 4 Los grados de libertad son iguales al número de elementos muestreados menos el número de muestras.UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Porque hay 10 profesores evaluados.

ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Así los valores críticos de t para gl = 9.262 y – 2.262. LICENCIATURA EN EDUCACIÓN INICIAL FACE . la regla de decisión es no rechazar la hipótesis nula si el valor calculado de t cae entre +2.262. Entonces.305) no cae entre los valores críticos (+2. para una prueba de dos colas y con nivel de significancia 0. Paso 5 La decisión es rechazar la hipótesis nula. 96 .262). Dicho de otro modo. son +2. la evidencia de la muestra indica que hay elementos suficientes para decir que existe una diferencia entre los valores que sobre los mismos profesores hacen las universidades UNA y UANCV.UANCV Pág.262 y – 2.05. ya que el valor calculado de t (3.262 y – 2.

Pruebas de bondad homogeneidad) y ajuste (de La prueba de bondad y ajuste es una de las pruebas no paramétricas más utilizadas. se ha trabajado mayormente con datos que eran de la escala de intervalo o de razón. Esta prueba se puede usar para datos de cualquier nivel.UANCV Pág. Este tipo de pruebas se conocen con el nombre de pruebas no paramétricas o pruebas de distribución libre.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN CAPITULO V PRUEBAS DE CHI CUADRADA 5. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Características de la distribución En los capítulos anteriores.2. En estas pruebas hemos tenido el supuesto de que los datos provienen de distribuciones normales.1. como pesos. ingreso económico o edades. Este tipo de pruebas se utilizan para ver que tan bien se ajusta un conjunto de datos observados a un conjunto de datos esperados. 97 . 5. en las que no se necesita hacer ningún supuesto acerca de la forma de la distribución de la población de la que provienen los datos. En este tema veremos cómo se desarrollan pruebas de hipótesis para datos de escala ordinal o nominal. Esto quiere decir que se realizan a partir de datos nominales u ordinales y que las pruebas están libres de supuestos acerca de la forma de la distribución de la población. notas.

teniendo los siguientes resultados: Profesor Nro. se tiene 7 docentes aptos y que laboraron el año anterior. Para ello realiza una pequeña encuesta a los padres de familia en relación a la preferencia de docentes que requieren para la enseñanza a sus hijos. Ejemplo: El Director de una Institución Educativa requiere contratar el personal docente de la especialidad de matemática para el año académico. Es decir. En este caso cualquier LICENCIATURA EN EDUCACIÓN INICIAL FACE . El problema es qué docentes contratar si se redujo la cantidad de docentes a contratar. el director considera que así se logrará la mayor satisfacción de los padres de familia. se esperaría la misma preferencia por el profesor Alex Ticona o Elmer Delgado. 98 .UANCV Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN En el primer ejemplo corresponde a frecuencias igualmente esperadas o de frecuencias homogéneas. ¿se puede concluir todos los profesores tienen la misma preferencia? Si no hay una diferencia significativa entre las frecuencias observadas y las frecuencias esperadas. de Preferencias Nro. esperado Alex Ticona 13 20 Carlos Pineda 33 20 Jhon Arévalo 14 20 Oswaldo Sánchez 7 20 Rafael Muñoz 36 20 Elmer Delgado 17 20 TOTAL 120 120 Con base en esta información. se supondría que las frecuencias observadas fueran iguales o aproximadamente iguales.

o podríamos concluir que hay preferencia por alguno de los profesores? Paso 1 H0: fo = fe H1: fo ≠ fe Paso 2 α = 0. donde: k = Número de categorías = Frecuencia observada en determinada una categoría Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN diferencia observada entre el conjunto de frecuencias observadas y esperadas. podría atribuirse al muestreo o a la casualidad. Estadístico de Prueba ji cuadrada ∑[ ( ) ] Con k –1 grados de libertad. mientras que la de Rafa Muñoz se muestra con mayor preferencia.UANCV . 99 LICENCIATURA EN EDUCACIÓN INICIAL FACE . Como hay 120 padres de familia en la muestra. esperaríamos que a cada profesor le correspondieran 20 preferencias. Sin embargo la encuesta del conjunto de frecuencias observadas indica que las preferencias de Oswaldo Sánchez tienen muy poco.05 Paso 3 La estadística de prueba adecuada es ji cuadrada que se designa por . ¿Se debe esta diferencia de preferencia a la casualidad.

el número de grados de libertad en este tipo de problemas. 100 . La suma es el valor de .45 1. Columna 2: Elevar al cuadrado cada una de las ) diferencias observadas entre y . de Número ( Preferencias esperado 13 33 14 7 36 17 120 20 20 20 20 20 20 120 (1) ) -7 13 -6 -13 16 -3 0 ( (2) ) 49 169 36 169 256 9 2 χ = 2.45 34.45 12. Como ya dijimos. LICENCIATURA EN EDUCACIÓN INICIAL FACE . se calcula por k –1. La suma de estas diferencias es cero. Esto es ( Columna 3: Dividir los resultados de la columna 2 entre la frecuencia esperada y sumar estos valores. la distribución es en realidad una familia de distribuciones.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN = Frecuencia esperada en una categoría determinada Para realizar el cálculo de se siguen los siguientes tres (sub) pasos: Columna 1: Determinar las diferencias entre y .UANCV Pág.4 ( (3) ) Profesor Ticona Pineda Arévalo Sánchez Muñoz Delgado TOTAL Paso 4 Al igual que la distribución t. Dado que hay 6 categorías o profesoresk –1 = 6 – 1 = 5 grados de libertad. cada distribución de la familia cambia de acuerdo al número de grados de libertad.8 8.45 8.8 0. Nro.

070. se rechaza la hipótesis nula y se acepta la hipótesis de investigación. se rechaza H0 y se acepta H1 Paso 5 Dado que el valor que se encontró para fue de 34. como el caso de las preferencias de docentes.3. Así concluimos que es muy improbable que todos los docentes tengan la misma preferencia.UANCV Pág.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Luego entonces.05. Que se encuentra localizando 5 grados de libertad en el margen izquierdo y moviéndose horizontalmente hasta la columna marcada con 0. buscando en las tablas de . dónde se esperaba que todos tuvieran la misma preferencia. la regla de decisión es: No rechazar H0 si el valor que se encuentre para es menor que 11. Si el valor calculado es igual o mayor al valor crítico. Pruebas de bondad y ajuste: frecuencias desigualmente esperadas (de independencia) En los ejercicios anteriores se esperaba que la frecuencia de todas las variables fuera igual.070. De esta manera.05 es 11. la diferencia entre las frecuencias observadas y esperadas no se debe a la casualidad. 101 . En otras palabras.40. encontramos que el valor crítico para 5 grados de libertad con α = 0. sino que estas diferencias son lo suficientemente grandes para considerarlas significativas. 5. La LICENCIATURA EN EDUCACIÓN INICIAL FACE .

14% tres.UANCV Pág. El siguiente ejemplo ilustra el caso de las frecuencias desiguales y también proporciona un uso práctico de esta herramienta estadística. encontrar si una experiencia local difiera de una experiencia nacional. 6% seis y 2% siete. Ejemplo: Un estudio nacional sobre el número de veces que fue hospitalizado un docente durante un lapso de dos años reveló que 40% ingresó sólo una vez. las frecuencias observadas se presentan en la siguiente tabla: Número de hospitalizaciones 1 2 3 4 5 6 7 Número de docentes (fo) 165 79 50 44 32 20 10 400 Obviamente el número de frecuencias locales no se puede comparar con los porcentajes nacionales. 20% dos veces. 8% cinco. 10% cuatro. De este modo se toma una muestra de 400 docentes y se determina cuántas veces fueron hospitalizados. 102 . sería LICENCIATURA EN EDUCACIÓN INICIAL FACE . Un estudio de la Dirección de Educación de Arequipa requiere comparar la experiencia del esta demarcación con las cifras nacionales.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN prueba de ji cuadrada también se puede usar cuando las frecuencias esperadas no son iguales.

pero los porcentajes nacionales se pueden convertir en frecuencias esperadas. Como ya se mencionó.UANCV Pág. 103 . a nivel nacional 40% de los docentes que necesitaron hospitalización en dos años. 20% de los 400 muestreados habrían sido hospitalizados dos veces y así sucesivamente. se esperaría que la frecuencia de hospitalizaciones en Arequipa coincidiera con la frecuencia observada a nivel nacional. En la siguiente tabla se muestran las frecuencias observadas y las esperadas. la necesitaron sólo una vez. Número Número Número de observado de esperado de hospitalizacione hospitalizacione hospitalizacione s s (fo) s (fe) 1 165 160 = 40% * 400 2 79 80 = 20% * 400 3 50 56 = 14% * 400 4 44 40 = 10% * 400 5 32 32 = 8% * 400 6 20 24 = 6% * 400 7 10 8 = 2% * 400 400 400 Una vez determinadas las frecuencias esperadas. Paso 1 H0: fo = fe No hay diferencia entre la experiencia local y la experiencia nacional LICENCIATURA EN EDUCACIÓN INICIAL FACE . se procede a plantear las hipótesis. Es decir. así que si no hubiera diferencia entre las cifras de Arequipa y las nacionales.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN como comparar peras con manzanas. entonces 40% de los cuatrocientos muestreados habrían sido hospitalizados sólo una vez durante este período.

400 0.500 2. es decir 7 – 1 = 6 grados de libertad y un LICENCIATURA EN EDUCACIÓN INICIAL FACE .UANCV Pág.643 0. considerando k – 1 grados de libertad.378 Paso 4 El valor crítico se encuentra utilizando la tabla de la distribución de ji cuadrada.05 Paso 3 La estadística de prueba adecuada es ji cuadrada que se designa por Estadístico de Prueba ji cuadrada ( ∑[ Con k –1 grados de libertad ) ] Número de hospitalizaciones 1 2 3 4 5 6 7 TOTAL fo 165 79 50 44 32 20 10 120 fe 160 80 56 40 32 24 8 120 (fo fe) 5 -1 -6 4 0 -4 2 0 (fo fe)2 25 1 36 16 0 16 4 χ2 = (fo .667 0. 104 .000 0.156 0.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN H1: fo ≠ fe Sí hay diferencia entre la experiencia local y la experiencia nacional Paso 2 α = 0.013 0.fe)2 fe 0.

la frecuencia esperada en cada celda debe ser de 5 o más. y al dividir entre un número muy pequeño se obtiene un cociente muy grande.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN nivel de significancia de 0. De esta manera el valor crítico es 12. fue de 2. 105 .592. En otras palabras. Limitaciones de la ji cuadrada La ji cuadrada puede llevar a conclusiones erróneas cuando en una celda (o en varias) se tiene una frecuencia esperada demasiado pequeña.05. Existen dos reglas generales en relación con las celdas con frecuencias muy pequeñas: a) Si sólo hay dos celdas (tablas de 2 X 2). De otro modo no se puede utilizar la ji cuadrada. se rechaza H0 y se acepta H1 Paso 5 Dado que el valor que se encontró para no se rechaza la hipótesis nula.4.378. LICENCIATURA EN EDUCACIÓN INICIAL FACE . 5. Esto puede ocurrir porque las frecuencia esperadas aparecen en el denominador de la fórmula. la Dirección Regional de Arequipa podrá concluir que la situación local respecto a la hospitalización de docentes enfermos es la misma que en otras partes del país. Si el valor calculado es igual o mayor al valor crítico.UANCV Pág.592. La regla de decisión es entonces: No rechazar H0 si el valor que se encuentre para es menor que 12.

se utiliza para saber si existe alguna relación entre estos dos rasgos.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN b) Si hay más de dos celdas. Paso 2 α = 0. 5.5. la prueba de ji cuadrada también se puede utilizar cuando se analizan dos rasgos a la vez. ¿existe alguna relación entre la satisfacción laboral y el lugar de procedencia de los profesores? Paso 1 H0: No hay relación entre la satisfacción y el lugar de procedencia del profesor.UANCV Pág. no se debe utilizar la ji cuadrada cuando más del 20% de las celdas tienen una frecuencia esperada menor a 5. Ejemplo: El jefe de personal de la DREP. H1: Hay relación entre la satisfacción y el lugar de procedencia del profesor. En estos casos. 106 . desea investigar sobre la opinión de satisfacción laboral de los profesores respecto al lugar de procedencia. se analizaba únicamente una variable y un rasgo.01 El personal de la DREP entrevistó a una muestra aleatoria de 200 profesores. y con base en los LICENCIATURA EN EDUCACIÓN INICIAL FACE . Dicho de otra forma. Sin embargo. Análisis de cuadros de contingencia En las pruebas de bondad y ajuste que vimos anteriormente.

UANCV Pág. 107 . regular e insatisfactoria.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN resultados. Satisfacción laboral Lugar de Procedencia Excelente Buena Regular Insatisfactoria Puno 27 35 33 25 Otro lugar 13 15 37 25 Total 40 50 60 50 Paso 3 La estadística de prueba adecuada es ji cuadrada que se designa por Estadístico de Prueba ji cuadrada ( ∑[ ) ] Para conocer las frecuencias observadas se utiliza la siguiente fórmula: Frecuencia esperada de una celda ( ) ( ) LICENCIATURA EN EDUCACIÓN INICIAL FACE . clasificaron su satisfacción laboral como excelente. buena. En la siguiente tabla se muestran los resultados obtenidos para esta muestra.

UANCV Pág. tenemos: ( ) ( ) ( ) ( ) Paso 4 El valor crítico se encuentra utilizando la tabla de la distribución de ji cuadrada. Para conocer los grados de libertad se utiliza la siguiente fórmula: gl = (número de renglones – 1) (número de columnas – 1) gl = (r –1) (c –1) LICENCIATURA EN EDUCACIÓN INICIAL FACE . 108 .ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Utilizando esta fórmula se obtiene el siguiente cuadro: Satisfacción Laboral Lugar de InsatisExcelente Buena Regular Procedencia factoria fo Puno Otro lugar Total 27 13 40 fe fo fe fo fe fo fe fo Total fe 24 35 30 33 36 16 15 20 27 24 40 50 50 60 60 25 30 120 120 25 20 80 80 50 50 200 200 Sustituyendo la fórmula para el cálculo de ji cuadrada y comenzando por la celda superior izquierda.

La regla de decisión es entonces: No rechazar H0 si el valor que se encuentre para es menor que 11. buscando en las tablas de la distribución de ji cuadrada.729.01. se obtiene el valor crítico de 11.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN En este problema: gl = (2 – 1) (4 – 1) gl = 3 El nivel de significancia. 109 . Si el valor calculado es igual o mayor al valor crítico. Luego entonces. se rechaza H0 y se acepta H1 Paso 5 Dado que el valor que se encontró para no se rechaza la hipótesis nula. como ya se determinó es α = 0. LICENCIATURA EN EDUCACIÓN INICIAL FACE . En otras palabras.UANCV Pág. fue de 5.345.345. concluimos que no hay relación entre la satisfacción laboral y el lugar de procedencia de los profesores.

1. Analice los datos. 2. cuyos datos corresponden a puntajes obtenidos en un examen psicológico realizado a estudiantes universitarios en la Ciudad de Juliaca. calcule las medidas de tendencia central. y medidas de dispersión.12 15 0.18 Con los datos anteriores. 110 . Calcule el tamaño de muestra considerando que se cometerá el 5% de error en la investigación y un error del 10% respecto a la proporción y determine el tipo de muestreo que debe realizarse.12 31 9 4 0. [ Li – Ls> 20 – 22 22 – 24 24 – 26 26 – 28 28 – 30 30 – 32 32 – 34 34 – 36 TOTAL fi 4 6 6 Fi hi 0. Se tiene una población de 1000 estudiantes. Complete la siguiente distribución de frecuencias. para lo cual se desea obtener una muestra representativa. Realice el Cuadro estadístico y gráficas.UANCV Pág. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Se realizó un estudio piloto lo cual dio que 15 de 50 estudiantes tienen notas mayores a 14.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN AUTOEVALUACIÓN El trabajo que se presenta a continuación debe ser remitido por el sistema virtual a la Sede Central.

utilizando un nivel de significancia del 1%.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN De los siguientes datos tomados en relación al número de estudiantes desaprobados en el curso de matemática. los estudiantes no superan una velocidad de 60 palabras por minuto. calcule las medidas de tendencia central y las medidas de dispersión.05 por hora. 4. Para una muestra de 30 profesores. 7. Pruebe la hipótesis nula de que en general.UANCV Pág. resultado un promedio de 63 palabras por minuto y una desviación estándar de 5 palabras por minuto. el salario medio es de S/.50 por hora. 111 . 7. 1. y la desviación estándar de S/. suponga que los salarios de ambos colegios tienen una distribución normal. 1.20. y una desviación estándar de S/. Pruebe la hipótesis de igualdad a un nivel de =5% LICENCIATURA EN EDUCACIÓN INICIAL FACE . el salario medio es de S/. Una muestra aleatoria de 30 estudiantes se somete a una prueba de mecanografía. 7 4 10 9 15 12 7 9 7 3. para una muestra aleatoria de 40 profesores de otro colegio particular.00.

7507 ± 1.1503 LICENCIATURA EN EDUCACIÓN INICIAL FACE .8808 ± 1.8808 ± 1.5758 ± 2.7507 ± 1.8782 ± 2.8416 ± 0.5758 ± 2.6449 ± 1.8070 ± 2.06 0.9600 ± 1.2816 ± 1.03 0.0902 ± 2.3263 ± 2.4051 ± 1.02 0.05 0.005 0.04 0.002 0.08 0.UANCV Pág.0537 ± 1.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN DISTRIBUCIÓN NORMAL ESTÁNDAR Z TABLA DE VALORES CRÍTICOS α 0. 112 .1701 ± 2.4395 ± 1.5548 ± 1.0364 ± 0.15 0.2816 ± 1.01 0.0537 ± 1.3263 ± 2.6745 2 COLAS ± 3.10 0.25 1 COLA ± 2.6449 ± 1.20 0.

695 0.895 1.012 2.740 1.250 3.686 0.060 2.657 6.074 2.687 0.500 2.350 1.718 0.650 2.056 2.978 0.683 0.807 2.624 2.943 1.067 1.860 0.812 1.356 1.703 0.079 1.365 4.95 0.683 0.066 1.734 1.879 0.684 0.386 1.703 1.541 5.485 2.995 31.889 0.947 2.318 1.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN TABLA t-Student 1  G.106 3.797 2.376 1.143 2.706 1.397 1.920 4.753 1.063 1.383 1.870 0.363 1.330 1.779 2.717 1.920 0.042 0.602 2.819 2.727 0.076 1.321 1.372 1.262 2.697 2.353 3.729 1.533 1.860 1.856 0.854 0.771 2.250 1.306 2.101 2.108 1.831 2.447 2.714 1.699 1.771 1.110 2.776 2.314 1.697 0.833 1.684 0.708 1.796 1.863 0.058 1.688 0.689 0.156 1.638 1.303 2.975 6.552 2.683 0.160 2.000 0.711 0.059 1.313 1.868 0.120 2.182 2.765 0.093 2.685 0.941 0.725 1.100 1.467 2.315 1.873 0.965 9.060 1.721 1.861 2.083 1.782 1.686 0.857 0.845 2.179 2.055 1.365 2.061 0.816 0.086 2. 113 .088 1.99 0.886 1.85 1.925 4.746 1.145 2.319 1.169 3.866 0.711 1.858 0.898 2.311 1.069 1.896 0.690 0.747 4.862 0.694 0.90 3.883 0.821 2.756 2.080 2.479 2.571 1.316 1.132 2.700 0.355 3.201 2.134 1.75 1.131 2.337 1.074 1.750 LICENCIATURA EN EDUCACIÓN INICIAL FACE .052 2.707 3.858 0.492 2.977 2.681 2.228 2.80 1.064 1.457 3.706 0.855 0.896 2.415 1.685 0.921 2.473 2.878 2.440 1. L.190 1.056 1.119 1.963 1.310 0.078 1.508 2.861 0.314 12.876 0.701 1.341 1.706 2.583 2.UANCV Pág.854 0.856 0.787 2.032 3.048 2.069 2.821 63.764 2.071 1.345 1.462 2.604 3.045 2.763 2.499 3.333 1.323 1.567 2.688 0.906 0.057 1.055 3.476 1.692 0.061 1.528 2.064 2.741 0.093 1.691 0. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 0.518 2.325 1.684 0.841 3.539 2.855 0.761 1.998 2.015 2.055 0.859 0.328 1.865 0.718 2.058 1.

74 37.17 LICENCIATURA EN EDUCACIÓN INICIAL FACE .31 45.38 9.85 34.89 40.49 28.31 19.07 12.33 124.65 41.58 40. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 40 50 60 70 80 90 100 0.36 40.38 35.41 32.L.95 104. 114 .35 11.67 33.49 11.29 49.46 45.84 14.81 0.22 27.72 46.42 83.86 16.28 15.93 40.24 10.48 36.31 23.99 7.08 90.87 30.30 140.20 28.55 19.64 46.65 38.53 96.53 19.89 63.98 59.56 36.02 13.36 23.36 14.81 9.45 16.43 112.59 50.025 5.57 118.93 48.28 49.18 45.1 2.005 7.99 17.30 27.77 55.11 41.57 38.07 15.40 42.09 40.09 21.50 79.49 91.53 101.96 48.54 24.71 4.80 34.81 18.08 39.34 0.65 50.14 12.48 21.92 39.16 38.69 29.92 43.05 3.38 100.03 22.92 35.34 42.64 42.76 67.19 37.56 43.00 33.78 38.15 124.81 21.29 41.67 23.30 95.12 27.58 32.14 30.19 31.99 27.59 28.63 118.72 37.41 34.21 11.62 30.14 31.28 18.09 16.58 107.68 25.55 20.81 36.26 51.02 106.12 135.02 20.88 113.20 34.67 66.61 6.56 0.14 129.01 17.42 37.02 7.15 88.34 24.41 29.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN Tabla Distribución de Chi-cuadrado G.78 9.74 26.00 41.53 32.56 46.17 35.32 128.21 24.51 16.17 74.76 28.25 7.99 52.73 26.34 71.59 14.81 63.27 35.68 15.48 20.30 29.40 85.59 25.83 14.68 21.34 53.21 116.19 26.UANCV Pág.19 44.82 31.17 36.77 25.92 23.95 23.64 12.98 44.75 18.34 13.28 21.84 5.60 12.06 22.85 30.88 10.01 6.00 26.01 33.77 79.81 32.69 76.80 44.63 9.50 0.32 32.92 18.

Díaz Santos.  CORDOVA ZAMORA. Douglas A. Lima. “Estadística Aplicada”.1996. s/f. Máximo.México.L LICENCIATURA EN EDUCACIÓN INICIAL FACE .2007.2007. Estadística Aplicada.Lima.Lima  DE LA HORRA N.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN BIBLIOGRAFÍA  CALZADA BENZA.2007.A. Estadística Aplicada a los Negocios y a la Economía.  LÁZARO CARRIÓN. Máximo. José y Juan. Moisés.  MOYA C. José.UANCV Pág.  FERNANDEZ CHAVESTA. "Métodos Estadísticos para la Investigación". Estadística Aplicada I y II. y otros. Tópicos de Estadística Descriptiva y Probabilidad.2006. Manuel.  MITACC MEZA.  LIND.  MITACC MEZA. 115 . Julián. Tópicos de Estadística Inferencial. Rufino y SARAVIA A. “Inferencia Estadística para economía y administradores”.  CASA S.2007. Gregorio. Centro de estudios Ramón Areces S. Probabilidades e Inferencia Estadística. Inferencia Estadística.Lima.Lima.

 ZEA F. Wladimir “Tablas Estadísticas”.ESTADÍSTICA INFERENCIAL APLICADA A LA EDUCACIÓN  MURRAY R. David. LICENCIATURA EN EDUCACIÓN INICIAL FACE . Estadística Básica para Ciencias Sociales y Educación. Paraninfo S.2002. “Estadística”.  PEREZ LEGOAS. BRAVO. Luís A. “Manual de Estadística” EUME-NET.Lima. Stephens.A.2007. LARRY J. Spiegel.2001. "Técnicas de Investigación Social". 116 .  RUIZ M. México.Edit. Wilfredo y IBAÑEZ Q.  SIERRA  SIERRA BRAVO. España.UANCV Pág. Mc Graw Hill. "Diccionario Práctico de Estadística".