Los pasos básicos para un experimento son:

 Planeamiento estadístico de la investigación, lo cual incluye encontrar fuentes de

información, selección de material disponible en el área y consideraciones éticas
para la investigación y el método propuesto. Se plantea un problema de estudio,
 Diseñar el experimento concentrándose en el modelo y la interacción entre
variables independientes y dependientes. Se realiza un muestreo consistente en
la recolección de datos referentes al fenómeno o variable que deseamos estudiar.
Se propone un modelo de probabilidad, cuyos parámetros se estiman mediante
estadísticos a partir de los datos de muestreo. Sin embargo, se mantiene lo que
se denominan «hipótesis sostenidas» (que no son sometidas a comprobación). Se
valida el modelo comparándolo con lo que sucede en la realidad. Se utiliza
métodos estadísticos conocidos como test de hipótesis o prueba de significación.
 Se producen estadísticas descriptivas.
 Inferencia estadística. Se llega a un consenso acerca de qué dicen las
observaciones acerca del mundo que observamos.
 Se utiliza el modelo validado para tomar decisiones o predecir acontecimientos
futuros. Se produce un reporte final con los resultados del estudio.

Técnicas de análisis estadístico

Algunos tests y procedimientos para investigación de observaciones bien conocidos

son:

 Prueba t de Student
 Prueba de χ²
 Análisis de varianza (ANOVA)
 U de Mann-Whitney
 Análisis de regresión
 Correlación
 Iconografía de las correlaciones
 Frecuencia estadística
 Análisis de frecuencia acumulada
 Prueba de la diferencia menos significante de Fisher
 Coeficiente de correlación producto momento de Pearson
 Coeficiente de correlación de rangos de Spearman
 Análisis factorial exploratorio
 Análisis factorial confirmatorio
Medidas de tendencia central

Al describir grupos de observaciones, con frecuencia es conveniente resumir la

información con un solo número. Este número que, para tal fin, suele situarse hacia el
centro de la distribución de datos se denomina medida o parámetro de tendencia
central o de centralización. Cuando se hace referencia únicamente a la posición de
estos parámetros dentro de la distribución, independientemente de que ésta esté más o
menos centrada, se habla de estas medidas como medidas de posición.1 En este caso se
incluyen también los cuantiles entre estas medidas.

Entre las medidas de tendencia central tenemos:

 Media aritmética.
 Media ponderada.
 Media geométrica.
 Media armónica.
 Mediana.
 Moda.

Procedimientos de prueba de hipótesis

Un procedimiento de prueba es una regla con base en datos muéstrales, para determinar
si se rechaza .

Ejemplo:

Una prueba de : p = .10 contra : p < .10, podría estar basada en el examen de
una muestra aleatoria de n = 200 objetos. Representamos con X el numero de objetos
defectuosos de la muestra, una variable aleatoria binomial; x representa el valor
observado de X. si es verdadera, E(X) = np = 200(.10) = 20, mientras, podemos
esperar menos de 20 objetos defectuosos si es verdadera. Un valor de x ligeramente
debajo de 20 no contradice de manera contundente a asi que es razonable rechazar
solo si x es considerablemente menor que 20. Un procedimiento de prueba es
rechazar si x≤15 y no rechazar de otra forma. En este caso, la región de rechazo
esta formada por x = 0, 1, 2, …, y 15. no sera rechazada si x= 16, 17,…, 199 o 200.

Un procedimiento de prueba se especifica por lo siguiente:

1. Un estadístico de prueba: una función de los datos muestrales en los cuales se

basa la decisión de rechazar H0 o no rechazar .
2. Una región de rechazo, el conjunto de todos los valores del estadístico de
prueba para los cuales será rechazada.

Entonces, la hipótesis nula será rechazada si y solo si el valor observado o calculado del
estadístico de prueba se ubica en la región de rechazo
En el mejor de los casos podrían desarrollarse procedimientos de prueba para los cuales
ningún tipo de error es posible. Pero esto puede alcanzarse solo si una decisión se basa
en un examen de toda la población, lo que casi nunca es práctico. La dificultad al usar
un procedimiento basado en datos muestrales es que debido a la variabilidad en el
muestreo puede resultar una muestra no representativa.

Un buen procedimiento es aquel para el cual la probabilidad de cometer cualquier tipo

de error es pequeña. La elección de un valor particular de corte de la región de rechazo
fija las probabilidades de errores tipo I y II. Estas probabilidades de error son
representadas por α y β, respectivamente.

Enfoque descriptivo

Gráficas de distribuciones normales para distintos valores de sus dos parámetros

Un parámetro estadístico es, como se ha dicho, un número que resume una cantidad
de datos. Este enfoque es el tradicional de la Estadística descriptiva. En este sentido, su
acepción se acerca a la de medida o valor que se compara con otros, tomando una
unidad de una determinada magnitud como referencia.

Por su parte, la facción más formal de la Estadística, la Estadística matemática y

también la Inferencia estadística utilizan el concepto de parámetro en su acepción
matemática más pura, esto es, como variable que define una familia de objetos
matemáticos en determinados modelos. Así se habla, por ejemplo, de una

 distribución Normal de parámetros μ y σ como de una determinada familia de

distribuciones con una distribución de probabilidad de expresión conocida, en la
que tales parámetros definen aspectos concretos como la esperanza (la media), la
varianza, la curtosis, etc. Otro ejemplo común en este sentido es el de la

 distribución de Poisson, determinada por un parámetro, λ; o la

  Distribución binomial, determinada por dos parámetros, n y p.

Para los ojos de la Estadística matemática el hecho de que estas distribuciones describan
situaciones reales y los citados parámetros signifiquen un resumen de determinado
conjunto de datos es indiferente.