UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, Decana de América)

FACULTAD DE CIENCIAS FISICAS
ESCUELA PROFESIONAL DE INGENIERIA MECANICA DE FLUIDOS

“ FASE 5: HIPÓTESIS, PRUEBAS DE HIPÓTESIS Y VARIABLES ”

SEMINARIO DE TESIS

12 DE SEPTIEMBRE DEL 2018

 DOCENTE DEL CURSO: ING. Serruto

 ESTUDIANTE: Pariona Tenorio, Masiño Gabriel
 CÓDIGO: 14130168

1
 FASE V DE LA INVESTIGACIÓN CIENTÍFICA

Contenido
-MÉTODOS Y PROCEDIMIENTO PARA LAS PRUEBAS DE HIPÓTESIS.............................................. 4
-DEFINICIÓN CONCEPTUAL DE VARIABLES.................................................................................... 9
-OPERACIONALIZACIÓN DE VARIABLES ..................................................................................... 11
-DIFERENCIAS ENTRE MEDIAS MUESTRALES Y MEDIAS POBLACIONALES .................................. 14
-DISTRIBUCIONES ESTADÍSTICAS ................................................................................................. 14

-DEFINICIÓN Y CLASIFICACIÓN DE HIPÓTESIS

1. HIPÓTESIS
Es una proposición del investigador sobre la cual hay que emitir un juicio de valor,
una proposición o enunciado es una oración que puede ser falsa o verdadera pero
no ambas a la vez.

1.1 CLASIFICACIÓN DE HIPÓTESIS

1.1.1 Hipótesis General

Es cuando trata de responder de forma amplia a las dudas que el investigador tiene
acerca de la relación que existe entre los variables.

1.1.2 Hipótesis Específica

Son aquellas hipótesis que se derivan de la general, estas tratan de concretizar a la
hipótesis general y hace explícitas las orientaciones concebidas para resolver la
investigación.

1.1.3 Hipótesis Estadística

En el campo de aprovechamiento y utilización de la estadística, las decisiones se
toman constantemente sobre determinadas hipótesis. La eficiencia de los procesos
de producción y las campañas publicitarias se basan en criterios numéricos, y tales
hipótesis se expresan en función de medidas estadísticos. En el análisis de todo
problema de investigación, la contrastación de una hipótesis dada se efectúa
rechazando o aceptando la hipótesis nula. Cuando se investiga fenómenos que
obedecen a leyes estadísticas se busca establecer relaciones numéricas bastante
regulares, siendo más representativa esta regularidad cuando mayor es el número
de fenómenos o la población, el alcance de carácter cuantitativo, perdiendo cierta
validez el criterio estadístico cuando la muestra tiende a ser poco significativa desde
una perspectiva numérica. En efecto las hipótesis estadísticas son las hipótesis nulas
y alternas.

1.1.4 Hipótesis Nula

La hipótesis nula se usa en todo estudio, siendo aquella en la que se constituye que
no existen diferencias significativas y por ende se define como la opuesta a la
2
hipótesis estadística alterna. Es la que se contrasta estadísticamente, en los
supuestos que los eventos corresponden por definición a una misma población. Por
ejemplo: un estudioso se propone verificar una hipótesis, la cual sustenta que la
práctica de ajedrez incrementa el rendimiento escolar de los alumnos de escuela
inicial. Para lo cual, divide al azar una muestra de niños en dos grupos: el primer
grupo se llamará experimental, por lo tanto recibirá clases intensivas de ajedrez por
un periodo de un mes, y el otro grupo que se denominará grupo control, lo cual no
recibirá clases de ajedrez. En este caso la hipótesis nula será el que postula que no
habrá diferencias en el rendimiento escolar entre el grupo que no recibió las clases y
el que la recibió.
La importancia de este tipo de hipótesis radica en que es de directa comprobación,
es decir, se rechaza o se acepta de acuerdo el resultado de la prueba ejecutada,
además de contribuir a determinar las diferencias entre ambos grupos sometidos a
prueba el experimental y el de control, y si esas diferencias son significativas.

1.1.5 Hipótesis Alternativas o alternas

Es la opuesta y complementaria a la hipótesis nula, dicho de otro modo, es aquella
donde se afirma la diferencia. Veamos en el ejemplo de la práctica de ajedrez y su
influencia en el rendimiento escolar de los alumnos de escuela inicial, la hipótesis
alterna señala que habrá diferencias en el rendimiento escolar favorables al grupo
que recibió las clases intensivas de deporte ciencia.
La importancia radica en que es de directa comprobación, es decir, se rechaza o se
acepta de acuerdo al resultado de la prueba ejecutada, además de contribuir a
determinar las diferencias entre ambas grupos en mención.

1.1.6 Hipótesis causal

Es preciso recalcar que toda hipótesis plantea una relación funcional entre variables.
De modo que esta relación puede ser causal, cuando una variable produce un efecto
determinado sobre otra variable, o correlacional, cuando las variables de una se
relacionan de algún modo con las variables de la otra. En una hipótesis se respalda
una relación causal, las variables se llaman dependientes e independientes.
Entonces el variable que se supone causa el efecto en la otra, es la variable
independiente, y sobre la que se produjo el efecto es la variable dependiente. De tal
forma la modificación de la variable independiente produce un cambio en una
medida (probabilidad, magnitud y frecuencia) en determinada variable
dependiente. Cuando se intenta contrastar una hipótesis causal, el cambio que una
variable produce en otra, se deben modificar los valores del primer variable,
independiente, y registra si los valores de la segunda variable cambian en
consecuencia. Ejemplo de hipótesis causal: la subida del precio de las entradas de un
partido de futbol produce una disminución de los asistentes al estadio.

1.1.7 Hipótesis correlacional

Este tipo de hipótesis supone la evaluación de la relación entre las variables. Puesto
que tiene de por sí un valor explicativo, ya que saber que dos variables se relacionan
de determinada manera, por lo cual aporta la explicación informativa que constituye

3
una relación entre las variables (una correlación puede ser múltiple), sin necesidad
de plantear cómo se dan estas asociaciones. Por lo tanto en una hipótesis
correlacional no importa tanto el orden en que se designa las variables. A
determinadas condiciones de contrastación, se busca ver cómo se comporta las
variables objetos de estudio.

-MÉTODOS Y PROCEDIMIENTO PARA LAS PRUEBAS DE HIPÓTESIS

2. HIPÓTESIS Y PRUEBA DE HIPÓTESIS
Tenemos que empezar por definir que es una hipótesis y que es prueba de hipótesis.
Hipótesis es una aseveración de una población elaborado con el propósito de poner a
prueba, para verificar si la afirmación es razonable se usan datos.
En el análisis estadístico se hace una aseveración, es decir, se plantea una hipótesis,
después se hacen las pruebas para verificar la aseveración o para determinar que no es
verdadera.
Por tanto, la prueba de hipótesis es un procedimiento basado en la evidencia muestral
y la teoría de probabilidad; se emplea para determinar si la hipótesis es una afirmación
razonable.
Prueba de una hipótesis: se realiza mediante un procedimiento sistemático de cinco
paso:

Siguiendo este procedimiento sistemático, al llegar al paso cinco se puede o no

rechazar la hipótesis, pero debemos de tener cuidado con esta determinación ya que
en la consideración de estadística no proporciona evidencia de que algo sea verdadero.
Esta prueba aporta una clase de prueba más allá de una duda razonable, Analizaremos
cada paso en detalle.

Objetivo de la prueba de hipótesis:

4
El propósito de la prueba de hipótesis no es cuestionar el valor calculado del
estadístico (muestral), sino hacer un juicio con respecto a la diferencia entre
estadístico de muestra y un valor planteado del parámetro.
Procedimiento sistemático para una prueba de hipótesis de una muestra
Paso 1: Plantear la hipótesis nula Ho y la hipótesis alternativa H1.
Cualquier investigación estadística implica la existencia de hipótesis o afirmaciones
acerca de las poblaciones que se estudian.
La hipótesis nula (Ho) se refiere siempre a un valor especificado del parámetro de
población, no a una estadística de muestra. La letra H significa hipótesis y el subíndice
cero no hay diferencia. Por lo general hay un "no" en la hipótesis nula que indica que
"no hay cambio" Podemos rechazar o aceptar Ho.
La hipótesis nula es una afirmación que no se rechaza a menos que los datos
maestrales proporcionen evidencia convincente de que es falsa. El planteamiento de la
hipótesis nula siempre contiene un signo de igualdad con respecto al valor
especificado del parámetro.
La hipótesis alternativa (H1) es cualquier hipótesis que difiera de la hipótesis nula. Es
una afirmación que se acepta si los datos maestrales proporcionan evidencia suficiente
de que la hipótesis nula es falsa. Se le conoce también como la hipótesis de
investigación. El planteamiento de la hipótesis alternativa nunca contiene un signo de
igualdad con respecto al valor especificado del parámetro.

Paso 2: Seleccionar el nivel de significancia.

Nivel de significancia: Probabilidad de rechazar la hipótesis nula cuando es verdadera.
Se le denota mediante la letra griega α, también es denominada como nivel de riesgo,
este término es más adecuado ya que se corre el riesgo de rechazar la hipótesis nula,
cuando en realidad es verdadera. Este nivel está bajo el control de la persona que
realiza la prueba.
Si suponemos que la hipótesis planteada es verdadera, entonces, el nivel de
significación indicará la probabilidad de no aceptarla, es decir, estén fuera de área de
aceptación. El nivel de confianza (1-α), indica la probabilidad de aceptar la hipótesis
planteada, cuando es verdadera en la población.

5
La distribución de muestreo de la estadística de prueba se divide en dos regiones, una
región de rechazo (conocida como región crítica) y una región de no rechazo
(aceptación). Si la estadística de prueba cae dentro de la región de aceptación, no se
puede rechazar la hipótesis nula.
La región de rechazo puede considerarse como el conjunto de valores de la estadística
de prueba que no tienen posibilidad de presentarse si la hipótesis nula es verdadera.
Por otro lado, estos valores no son tan improbables de presentarse si la hipótesis nula
es falsa. El valor crítico separa la región de no rechazo de la de rechazo.
Tipos de errores
Cualquiera sea la decisión tomada a partir de una prueba de hipótesis, ya sea de
aceptación del Ho o de la Ha, puede incurrirse en error:
Un error tipo I se presenta si la hipótesis nula Ho es rechazada cuando es verdadera y
debía ser aceptada. La probabilidad de cometer un error tipo I se denomina con la
letra alfa α
Un error tipo II, se denota con la letra griega β se presenta si la hipótesis nula es
aceptada cuando de hecho es falsa y debía ser rechazada.
En cualquiera de los dos casos se comete un error al tomar una decisión equivocada.
En la siguiente tabla se muestran las decisiones que pueden tomar el investigador y las
consecuencias posibles.

Para que cualquier ensayo de hipótesis sea bueno, debe diseñarse de forma que
minimice los errores de decisión. En la práctica un tipo de error puede tener más
importancia que el otro, y así se tiene a conseguir poner una limitación al error de
mayor importancia. La única forma de reducir ambos tipos de errores es incrementar
el tamaño de la muestra, lo cual puede ser o no ser posible.
La probabilidad de cometer un error de tipo II denotada con la letra griega beta β,
depende de la diferencia entre los valores supuesto y real del parámetro de la
población. Como es más fácil encontrar diferencias grandes, si la diferencia entre la

6
estadística de muestra y el correspondiente parámetro de población es grande, la
probabilidad de cometer un error de tipo II, probablemente sea pequeña.
El estudio y las conclusiones que obtengamos para una población cualquiera, se
habrán apoyado exclusivamente en el análisis de una parte de ésta. De la probabilidad
con la que estemos dispuestos a asumir estos errores, dependerá, por ejemplo, el
tamaño de la muestra requerida. Las contrastaciones se apoyan en que los datos de
partida siguen una distribución normal
Existe una relación inversa entre la magnitud de los errores α y β: conforme a
aumenta, β disminuye. Esto obliga a establecer con cuidado el valor de a para las
pruebas estadísticas. Lo ideal sería establecer α y β.En la práctica se establece el nivel
α y para disminuir el Error β se incrementa el número de observaciones en la muestra,
pues así se acortan los límites de confianza respecto a la hipótesis planteada. La de las
pruebas estadísticas es rechazar la hipótesis planteada. En otras palabras, es deseable
aumentar cuando ésta es verdadera, o sea, incrementar lo que se llama poder de la
prueba (1- β) La aceptación de la hipótesis planteada debe interpretarse como que la
información aleatoria de la muestra disponible no permite detectar la falsedad de esta
hipótesis.
Paso 3: Cálculo del valor estadístico de prueba
Valor determinado a partir de la información muestral, que se utiliza para determinar
si se rechaza la hipótesis nula., existen muchos estadísticos de prueba para nuestro
caso utilizaremos los estadísticos z y t. La elección de uno de estos depende de la
cantidad de muestras que se toman, si las muestras son de la prueba son iguales a 30 o
más se utiliza el estadístico z, en caso contrario se utiliza el estadístico t.

Tipos de prueba
a) Prueba bilateral o de dos extremos: la hipótesis planteada se formula con la
igualdad
Ejemplo
H0: µ = 200
H1: µ ≠ 200

7
b) Pruebas unilateral o de un extremo: la hipótesis planteada se formula con ≥ o ≤
H0: µ ≥ 200 H0: µ ≤ 200
H1: µ < 200 H1: µ > 200

En las pruebas de hipótesis para la media (μ), cuando se conoce la desviación estándar
(σ) poblacional, o cuando el valor de la muestra es grande (30 o más), el valor
estadístico de prueba es z y se determina a partir de:

El valor estadístico z, para muestra grande y desviación estándar poblacional

desconocida se determina por la ecuación:

En la prueba para una media poblacional con muestra pequeña y desviación estándar
poblacional desconocida se utiliza el valor estadístico t.

Paso 4: Formular la regla de decisión

SE establece las condiciones específicas en la que se rechaza la hipótesis nula y las
condiciones en que no se rechaza la hipótesis nula. La región de rechazo define la
ubicación de todos los valores que son tan grandes o tan pequeños, que la
probabilidad de que se presenten bajo la suposición de que la hipótesis nula es
verdadera, es muy remota

8
 Distribución muestral del valor estadístico z, con prueba de una cola a la derecha
Valor crítico: Es el punto de división entre la región en la que se rechaza la hipótesis
nula y la región en la que no se rechaza la hipótesis nula.
Paso 5: Tomar una decisión.
En este último paso de la prueba de hipótesis, se calcula el estadístico de prueba, se
compara con el valor crítico y se toma la decisión de rechazar o no la hipótesis nula.
Tenga presente que en una prueba de hipótesis solo se puede tomar una de dos
decisiones: aceptar o rechazar la hipótesis nula. Debe subrayarse que siempre existe la
posibilidad de rechazar la hipótesis nula cuando no debería haberse rechazado (error
tipo I). También existe la posibilidad de que la hipótesis nula se acepte cuando debería
haberse rechazado (error de tipo II).

-DEFINICIÓN CONCEPTUAL DE VARIABLES

3. DEFINICIÓN DE LAS VARIABLES

Existen diversas definiciones referentes a las variables, sin embargo resaltaremos de

Hernández, Fernández y Baptista (2010). Señalan que una variable es una propiedad que
puede variar y cuya variación es susceptible de medirse u observarse. De manera que
entendemos como cualesquiera característica, propiedad o cualidad que presenta un
fenómeno que varía, en efecto puede ser medido o evaluado.

3.1 CLASIFICACIÓN DE LAS VARIABLES

Otra percepción importante es de Ander (1982) agrupa teniendo en cuenta a su
naturaleza y características en: cualitativas y cuantitativas; continuas y descontinuas;
dependientes e independientes; exploratorias o externas y generales; intermedias y
empíricas.

a) Según su naturaleza

Se clasifican en variables cuantitativas y cualitativas.

 Variables cuantitativas: son aquellas que cuyos valores al ser medidos pueden
expresarse numéricamente y en diversos grados.

9
  Variables cualitativos: Estas son llamadas con este nombre porque son
susceptible a la variación cualitativa, en efecto su medición no puede ser expresada
numéricamente.
Ejemplos: Género: masculino y femenino; calidad de producto: Excelente, bueno
malo; actividades preferidas: lectura, tv, cine, futbol etcétera.
Consecuentemente las variables cuantitativas se subdividen en dos:
 Variables continúas
Estos tienen la particularidad de asumir cualquier valor numérico y que pueden cambiar
en cualquier cantidad.

 Variables discontinuas
Desde luego otros investigadores denominan discretas, que según Pick y López (2002)
sus valores se interrumpen o separan.

b) Según a su dominio

 Variables Independientes: tiene el dominio causal, es la variable que se presume

que es la que causa o afecta a la otra en los resultados. Que según Pino
(2010) variable independiente es aquella que el experimentador modifica a
voluntad para averiguar si sus modificaciones provocan o no cambios en las otras
variables. Recuerde que la variable dependiente es la que toma valores
diferentes en función de las modificaciones que sufre la variable independiente.
En consecuencia, la variable independiente ejerce influencia o causan efecto en
otras variables llamadas dependientes, y son las que permiten explicar a éstas.
Además son aquellas que dentro de la relación causal que propone una hipótesis,
se determinan como causas. Estas variables en un experimento, son
manipuladas por el experimentador: la finalidad de este control directo es ver si
genera cambios en la otra variable relacionada.
 Variables Dependientes: actúa como efecto de una causa que ejerce coerción.
Cabe precisar que éstas designan las variables a explicar, los efectos o resultados
respecto a los cuales hay que buscar un motivo o razón de ser. De manera
podemos denominar variable efecto o condicionada, es aquella que es afectada
por la presencia o acción de la variable independiente en los resultados. Son las
que el estudioso observa o mide, el propósito de esta observación es determinar
si la variable independiente ha generado o no los cambios anunciados en las
hipótesis.
 Variable interviniente: Es aquella que participa con la variable independiente
condicionando a la dependiente. Se interpone entre la independiente y
dependiente; esta variable no es objeto de estudio y de exploración, pero que al
presentarse puede efectuar, de ahí que se llama también variable interviniente
o interferente.

c) Según su amplitud

 Variables Individuales: las unidades de observación son los individuos

10
  Variables Colectivos: las unidades de observación son colectivos, conjunto o
grupos (Estados, universidades, empresas entre otros).

d) Según su nivel de abstracción

 Variables generales
Son las que componen el problema y la hipótesis de investigación y presentan
características complejas, dicho de otra forma, tienen aspectos, dimensiones, áreas,
antes de los indicadores. Por esta razón no son medibles directamente, sino luego de
descomponerlas en sus respectivo niveles.
 Variables intermedias
Como hemos visto hasta ahora estas variables se refieren a aquellos que se aproximan
más a la realidad fáctica y presentan aspectos parciales de las variables generales.
 Variables empíricas
Es importante destacar que estos tipos de variables tienen la particularidad de ser
medibles directamente, es decir son observables mediante los instrumentos técnicos
diseñados por el investigador.

e) Según carácter de las escalas

 Variables Nominales: comprenden la distención de diversas categorías ningún

orden ni jerarquía entre ellas.
 Variables Ordinales: estos tipos de variables implican orden entre sus
categorías. Ejemplo: calidad de desempeño (Excelente, bueno malo, regular,
malo, pésimo).
 Variables Cardinales: entre las cuales, a su vez, pueden distinguir entre:

o Variable de Intervalo: supone a la vez orden y grado de distancia iguales entre las
diversas categorías cuantitativas. Ejemplos: temperatura, intensidad de sismo. El
inicio (cero) es arbitrario.
o Variables de Razón: comprende a la vez todos estos aspectos: distención, orden,
distancia y origen único natural. Ejemplo: edad, peso de la persona etcétera

-OPERACIONALIZACIÓN DE VARIABLES
4. operacionalización de variables
Es un proceso metodológico que consiste en descomponer deductivamente las
variables que componen el problema de investigación, partiendo desde lo más general
a lo más específico; es decir que estas variables se dividen (si son complejas) en
dimensiones, áreas, aspectos, indicadores, índices, subíndices, ítems; mientras si son
concretas solamente en indicadores, índices e ítems.
Ahora bien, una variable es operacionalizada con la finalidad de convertir un concepto
abstracto en uno empírico, susceptible de ser medido a través de la aplicación de un
instrumento. Dicho proceso tiene su importancia en la posibilidad que un investigador
poco experimentado pueda tener la seguridad de no perderse o cometer errores que
son frecuentes en un proceso de investigación, cuando no existe relación entre la
variable y la forma en que se decidió medirla, perdiendo así la validez, dicho de otro

11
 modo (grado en que la medición empírica representa la medición conceptual). La
precisión para definir los términos tiene la ventaja de comunicar con exactitud los
resultados.
En consecuencia, la operacionalización de las variables es el proceso a través del cual el
investigador explica en detalle la definición que adoptará de las categorías y/o
variables de estudio, tipos de valores (cuantitativos o cualitativos) que podrían asumir
las mismas y los cálculos que se tendrían que realizar para obtener los valores de las
variables cuantitativas. La operacionalización es un proceso que variará de acuerdo al
tipo de investigación y de diseño. No obstante, las variables deben estar claramente
definidas y convenientemente operacionalizada. Se consideran incompletos aquellos
protocolos cuyo nivel de operacionalización es muy vago.

Con fines didácticos explicamos cada una de las columnas del cuadro que hacen parte
del proceso de operacionalización de una variable de estudio.

Variabl Tipo de Operacio Categorización Definició Indica Nivel de Unidad Índic Valor
e Variable nalizació o Dimensiones n dor Medició de e
n n Medida
A B C D E F G H I J

A) Variable
 Una variable es una característica que se va a medir.
 Es una propiedad, un atributo que puede darse o no en ciertos sujetos o
fenómenos en estudio, así como también con menor o mayor grado de
representación en los mismos y por tanto con susceptibilidad de medición.
 Su misma palabra define que “debe permitir rangos de variación”.
 Es el conjunto de valores que constituyen una clasificación.
 Debe traducirse del nivel conceptual (abstracto) al nivel operativo (concreto),
dicho de otra forma, que sea observable y medible.
 Se deriva de la unidad de análisis y están contenidas en las hipótesis y en el
título del estudio.
B) Tipo de Variable
Hace referencia a conceptos clasificatorios de las variables que puede ser de distinto
orden a saber:
Según el nivel de medición: nominal, ordinal, de intervalo y de razón (se explican en el
numeral H).
Según el tipo de estudio: en estudios de investigación donde se supone la
determinación de una o más variables sobre otra, las investigaciones son de relación
causa-efecto, y en ellos las variables son denominadas: independiente, que representa
la causa eventual, dependiente o de criterio, que representa el efecto posible, e
interviniente aquella que representa una tercera variable que actúa entre la
independiente y la dependiente y que puede ayudar a una mejor comprensión de
dicha relación.

C) Operacional o definición operacional

12
 Explica cómo se define el concepto específicamente en el estudio planteado, que
puede diferir de su definición etimológica.
Equivale a hacer que la variable sea mensurable a través de la concreción de su
significado, y está muy relacionada con una adecuada revisión de la literatura.
Puede omitirse cuando la definición es obvia y compartida.
D) Categorización o dimensiones
Cuando el concepto tiene varias dimensiones o clasificaciones o categorías, éstas
deben especificarse en el estudio; tal es el caso de la variable recursos, que puede
hacer referencia a recursos técnicos, financieros, ambientales, humanos entre otros.
E) Definición de las categorías o dimensiones
Cada una de las dimensiones, categorías o clasificaciones debe ser definida conceptual
y etimológicamente.
F) Indicador
Es la señal que permite identificar las características de las variables. Se da con
respecto a un punto de referencia. Son señales comparativas con respecto a contextos
o a sí mismas. Su expresión matemática se nutre de la estadística, la epidemiología y la
economía.
El indicador tiene por función de señalar cómo medir cada uno de los factores o rasgos
de la variable.
 Se expresa en razones, proporciones, tasas e índices.
 Permite hacer “medible” la variable.

G) Nivel de medición
La medición de una variable se refiere a su posibilidad de cuantificación o cualificación,
y éstas se clasifican según el nivel o capacidad en que permite ser medido el objeto en
estudio. Según el tipo de operaciones matemáticas que se puedan realizar con los
números asignados al medir la variable, se distinguen cuatro niveles de medición
estadística, como son:
 Nominal
Este nivel sólo permite clasificar, es decir, la única relación existente entre los objetos a
los cuales se les ha asignado un número es una relación de equivalencia.
 Ordinal
Permite clasificar además ordenar, es decir, establecer una secuencia lógica que mide
la intensidad del atributo.

H. Unidad de medida
Se refiere a la respuesta que se espera en la medición planeada.
Puede ser cuantitativa: en kilos, en metros, en litros, en porcentajes, en proporciones,
en tasas. Puede ser cualitativa: en grados de satisfacción (mucho, regular, poco), en
calificaciones (excelente, regular, insuficiente), en grado de acuerdo (si y no) o (muy de
acuerdo, en acuerdo, en desacuerdo) etcétera.
I. Índice
Es la expresión del indicador

J. Valor
13
Es el resultado o número de resultados posibles que se obtiene de una variable.
Cuando una variable puede medirse a través de varios indicadores, algunos de ellos
pueden tener mayor valor que otros y por tanto se hace necesario explicitarlo.

-DIFERENCIAS ENTRE MEDIAS MUESTRALES Y MEDIAS

POBLACIONALES
5. Media muestral
Un estadístico muestral es una media cuantitativa, derivada de un conjunto de datos
de una muestra, con el objetivo de estimar o inferir características de una población o
modelo estadístico.
Más formalmente un estadístico es una función medible T que, dada una muestra
estadística de valores X1,X2,…Xn, les asigna un número, T(X1,X2,…Xn), que sirve para
estimar determinado parámetro de la distribución de la que procede la muestra. Así,
por ejemplo, la media de los valores de una muestra (media muestral) sirve para
estimar la media de la población de la que se ha extraído la misma; la varianza
muestral podría usarse para estimar la varianza poblacional, etc. Esto se denomina
como realizar una estimación puntual.

5.1 Media poblacional

La media poblacional técnicamente no es una media sino un parámetro fijo que
coincide con la esperanza matemática de una variable aleatoria. El nombre "media
poblacional" se usa para significar qué valor numérico de una media muestral es
numéricamente cercano al parámetro media poblacional, para una muestra adecuada
y suficientemente grande.

-DISTRIBUCIONES ESTADÍSTICAS
6. Distribuciones estadísticas

Una distribución estadística, o una distribución de probabilidad, describen cómo se

distribuyen los valores para un campo. En otras palabras, la distribución estadística
muestra qué valores son comunes y no comunes.
Existen muchos tipos de distribuciones estadísticas, incluyendo la distribución normal
en forma de campana. Utilizamos una distribución estadística para determinar cuál es
la probabilidad de un valor concreto. Por ejemplo, si tenemos un valor de chi-
cuadrado, podemos utilizar la distribución chi-cuadrado para determinar cuál es la
probabilidad de este valor de chi-cuadrado.

14
6.1 Distribución normal

En estadística y probabilidad se llama distribución normal, distribución de

Gauss, distribución gaussiana o distribución de Laplace-Gauss, a una de
las distribuciones de probabilidad de variable continua que con más frecuencia
aparece en estadística y en la teoría de probabilidades.
La gráfica de su función de densidad tiene una forma acampanada y es simétrica
respecto de un determinado parámetro estadístico. Esta curva se conoce
como campana de Gauss y es el gráfico de una función gaussiana.
La importancia de esta distribución radica en que permite modelar numerosos
fenómenos naturales, sociales y psicológicos. Mientras que los mecanismos que
subyacen a gran parte de este tipo de fenómenos son desconocidos, por la enorme
cantidad de variables incontrolables que en ellos intervienen, el uso del modelo
normal puede justificarse asumiendo que cada observación se obtiene como la suma
de unas pocas causas independientes.

15