Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2. Curtosis: Da cuenta del grado en que la curva se concentra en variables centrales. Se refiere al grado de
apuntamiento.
a) Leptocrtica
b) Mesocrtica
c) Platicrtica
DISTRIBUIN DE VARIABLES
a) Concepto de variable aleatoria: variable que toma distintos valores.
b) Concepto de distribucin y densidad: distribucin, cantidad de casos; densidad, concentracin de
datos en un valor.
c) Distribuciones continuas y discretas: continuas, toma muchos valores; discreta, toma pocos valores.
d) Distribuciones empricas y tericas: empricas, construidas a partir de datos observados; tericas,
definidas y construidas matemticamente. Ayuda a interpretar mejor los casos.
*Distribuciones tericas corresponden a una familia de distribuciones. Ejemplo: chi cuadrado y T de
student.
*Medias y proporciones: El promedio como indicador del valor colectivo de una variable cuantitativa (de
intervalo o razn). La proporcin como indicador del valor colectivo de una variable cualitativa (ordinal o
nominal).
a) Estimacin puntual: Estimar un parmetro poblacional mediante un estadstico que predice el valor de
dicho parmetro. Cuando la nica informacin que se dispone respecto del parmetro del universo es el
promedio de la muestra, se puede usar ese promedio de la muestra como estimacin puntual del valor del
universo. Valor puntual de la muestra extrapolado al universo. Problema: no se sabe cuan precisa es la
prediccin dada la variacin de la muestra.
b) Estimacin de intervalo: Estimacin de un parmetro poblacional mediante un rango de valores que
contiene el parmetro poblacional con una probabilidad conocida (nivel de confianza). P = [a b]
*La amplitud del intervalo de confianza depende de:
- Variabilidad del universo (): dado que ello influir en el s que encontremos en la muestra.
- Tamao de la muestra (n): a mayor muestra menor amplitud del intervalo.
- Nivel de confianza deseada (Z): A mayor nivel de confianza mayor amplitud del intervalo.
*Uso de los intervalos de confianza como pruebas de hiptesis: Si se tienen dos grupos con distinto promedio
en una variable medida en forma de intervalo y se construye un IC para cada grupo, se puede determinar la
existencia de diferencias significativas entre los grupos si los IC e ambos no se traslapan.
c) Error tpico o Error estndar (SE): Estima la desviacin estndar de la distribucin de medias
muestrales basado en una sola muestra. Dado que no se conoce , se estimar con s. Por lo que el error
tpico de las muestras ser s/(n-1), el cual indica cuan separados podemos esperar que estn los valores
de las medias de las muestras.
*Clculo error tpico:
FUERZA DE LA RELACIN
Slo se calcula si la relacin entre variables es significativa.
- Para tablas de 2 filas y 2 columnas: Phi
- Para tablas de ms de 2 filas y 2 columnas: V de Cramer
*k es el valor mnimo entre las filas y las columnas
- Explicacin de la varianza:
1. La parte de la varianza que ocurre entre los grupos es explicada por la pertenencia a cada grupo.
2. La parte de la varianza que ocurre intra grupo no es explicada por la pertenencia a cada grupo.
3. La varianza entre los grupos es la diferencia de promedios por grupo. Es la varianza explicada.
4. La prueba ANOVA trata de determinar qu proporcin es la varianza explicada respecto de la varianza
total.
- Situaciones polares: explicacin casi total de la varianza
- TABLA DE ANOVA
Suma de Grados Medias F
Cuadrad de de observa
os Libert Cuadrad do
ad os
Explica SC. Entre GL MC
da Entre Entre
(SCe /
GLe)
No SC Intra GL MC intra
explica intra (SCi /
da GLi)
Total SC. Total n1
ANOVA DE UNA VA
Necesita homogeneidad de varianza, para poder estandarizar el promedio. Estadstico de Levene: observa la
desviacin tpica, observa que tan heterognea es la desviacin tpica para determinar si hay significativa. Debe
haber igualdad de varianza. Cuando no hay igualdad de varianza, debe usarse el test de Welch en vez de ANOVA.
Welch es un buen test.
GL X1 (kv1-1)
Gl explicados (gl explicados) GL X2 (kv2-1)
Grados de Libertad Totales (n- GL X1 x X2 ([Kv1-1] x
1) [kv2-1])
Gl no explicados (n-gl
explicados)
ANOVA de dos vas en SPSS: Analizar Modelo lineal general univariante. En primer lugar, colocar
variable dependiente, luego las variables independientes Plots (grficos); aparecern las dos variables
independientes y pedir grfico para cada variable y luego ambas juntas (lneas separadas y eje horizontal).
Dar 3 grfiicos. Options: aceptar que las 3 variables entren al modelo. Seleccionar a las opciones compare
efectos del modelo, estimates of effects size y a homogenety test; continuar y ok. GRAND MEAN es
irrelevante.
PROBLEMAS Y LIMITACIONES DEL CONTRASTE DE HIPTESIS
1) Pruebas de hiptesis son dicotmicas, slo dicen si hay evidencia en la muestra para rechazar hiptesis
nula en el universo (si y no). No es suficiente informacin
2) No tienen sentido si uno tiene uno tiene un CENSO, ya que se tienen todos los datos del universo y l que se
busca es extrapolar los resultados.
3) No sealan grado de fuerza de la relacin
4) Son dependientes del punto de rechazo arbitrario (valor p), es una decisin unilateral.
5) Son dependientes del tamao de la muestra. Es decir, si la muestra es grande aumentar la posibilidad de
que la relacin sea significativa, perdiendo valor de importancia). Si la muestra es pequea, habr poca
potencia, por lo que costar rechazar Ho, aumentando el error tipo II (pierde sentido).
*Importante: lo significativo no es lo mismo que relevante.
*Solucin: Estadstico de fura de la relacin.
- Para chi cuadrado: Phi y V de Cramer
- Para t de Student: D de Cohen
- Para ANOVA: eta (toma valores de o a 1). Similar a la correlacin de Pearson.
*Eta cuadrado (2): Es la varianza explicada, es decir, porcentaje de varianza que una variable explica sobre la otra.