Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
El objetivo último del análisis de datos es el de extraer conclusiones de tipo general a partir de
unos pocos datos particulares. Es decir, el de extraer conclusiones sobre las propiedades de
una población a partir de la información contenida en una muestra procedente de esa
población. Este salto de lo concreto (la muestra) a lo general (la población) se conoce con el
nombre de inferencia estadística
Surgido el problema, el paso siguiente en aventurar algún tipo de solución al mismo. Esta
solución provisional suele tomar forma de afirmación directamente verificable (es decir,
empíricamente contrastable) en la que se establece de forma operativa el comportamiento de
la variable o las variables involucradas en el problema. Esa afirmación verificable recibe el
nombre de hipótesis científica.
- Contraste de hipótesis. En qué consiste y cuál es su lógica. Pardo 3.1, pág. 128, 129 y 130
LÓGICA DEL CONTRASTE DE HIPOTESIS El primer paso del proceso de verificación de una
hipótesis consiste en formular estadísticamente la hipótesis científica que se desea contrastar,
es decir, en transformar la hipótesis científica en hipótesis estadística.
tercer paso, una regla de decisión que debe establecerse en términos de probabilidad.
Pero la necesidad de trabajar con muestras en lugar de con poblaciones nos obliga a establecer
una regla de decisión en términos de probabilidad. En general, la regla de decisión que
utilizaremos será una afirmación de este tipo: si el resultado muestral observado es,
suponiendo correcta nuestra hipótesis, muy poco probable, consideraremos que nuestra
hipótesis es incompatible con los datos; por el contrario, si el resultado muestral observado es,
suponiendo correcta nuestra hipótesis, probable, consideraremos que nuestra hipótesis es
compatible con los datos.
- Hipótesis estadística. Qué es y cómo se vincula con una hipótesis científica. Ejemplificar.
Pardo 3.1., pág. 131.
Una hipótesis estadística es una afirmación sobre una o más distribuciones de probabilidad;
más concretamente, sobre la forma de una o más distribuciones de probabilidad, o sobre el
valor de uno o más parámetros de esas distribuciones. La hipótesis estadística se suele
representar por la letra H seguida de una información que le da contenido. Surge a partir de
una hipótesis científica.
Mientras una hipótesis científica se refiere a algún aspecto de la realidad, una hipótesis
estadística se refiere a algún aspecto de una distribución de probabilidad.
Existen varias formas de expresar estadísticamente una hipótesis científica correcta. El primer
paso en el proceso de verificación de una hipótesis consiste en formular en términos
estadísticos la afirmación contenida en la hipótesis científica que se desea verificar. Todo
contraste se basa en la formulación de dos hipótesis
ientífica que se desea verificar. Todo contraste se basa en la formulación de dos hipótesis:
Estadístico de contraste y regla de decisión. Conceptos. Pardo 3.1.3 y 3.1.4, pág. 135 a 138.
Qué se entiende por “mantener” y por “rechazar” la hipótesis nula. Pardo 3.1.5., pág. 140.
Cuando decidimos mantener una hipótesis nula, queremos significar con ello que consideraos
que esa hipótesis es compatible con los datos. Cuando decidimos rechazar una hipótesis nula,
queremos significar con ello que consideramos probado que esa hipótesis es falsa
Posibles consecuencias que se siguen de una prueba de hipótesis: decisiones correctas, errores
de tipo I y II. Conceptos de nivel de significación y de potencia. Pardo 3.2., pág. 143 y 144.
Relación entre y . Concepto de nivel crítico y su utilidad. Pardo 3.4., pág. 155, 156 y 157.
Llamamos error de tipo I al que se comete cuando se decide rechazar una Ho que en realidad
es verdadera. La probabilidad de cometer ese error es alfa. Llamamos error de tipo II al que se
comete cuando se decide mantener una Ho que en realidad es falsa. La probabilidad de
cometer ese error es beta.
podemos entender el nivel de significación como el riesgo máximo que estamos dispuestos a
asumir al tomar la decisión de rechazar la hipótesis concreta
Llamamos nivel crítico y lo representamos por p, al nivel de significación más pequeño al que
una hipótesis nula puede ser rechazada con el estadístico de contraste obtenido
El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos
variables cuantitativas. A diferencia de la covarianza (busca comparar los resultados obtenidos en
diferentes grupos de una variable cuantitativa pero corrigiendo las posibles diferencias existentes entre
los grupos en otras variables que pudieran afectar también al resultado (covariantes) la correlación de
Pearson es independiente de la escala de medida de las variables.
INTERPRETACION:
Descripción:
La existencia de correlación no implica que deba existir una relación causal directa, o sea que una es
causa de la otra.
Si r = 0, no existe relación lineal. Pero esto no necesariamente implica una independencia total
entre las dos variables, es decir, que la variación de una de ellas puede influir en el valor que
pueda tomar la otra. Pudiendo haber relaciones no lineales entre las dos variables. Estas
pueden calcularse con la razón de correlación.
Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las
dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo
hace en idéntica proporción.
Si 0 < r < 1, existe una correlación positiva.
Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre
las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en
idéntica proporción.
Si -1 < r < 0, existe una correlación negativa.