La inferencia estadística en la investigación turística

1. Resumen
3. La significación estadística
4. Ejemplos para ilustrar
5. Otras pruebas de hipótesis
6. Consideraciones finales
7. Referencias bibliográficas

Resumen

El objetivo de este artículo es demostrar que los hallazgos de parámetros de la estadística descriptiva no se pueden trasladar intuitivamente a los hallazgos poblacionales o del universo, sin que antes se realicen pruebas o tests de significación estadística.

Palabras claves: estadística descriptiva, estadística evaluativa, test de hipótesis.

Abstract: the objective of this article is to demonstrate that the findings of parameters of the descriptive statistic cannot be transferred very intuitively to the population findings or of the universe, without before tests of statistical meaning are made.

Keywords: descriptive statistic, statistical evaluative, test of hypothesis

INTRODUCCION

El investigador en el área del turismo debe ir más allá de la simple descripción de sus hallazgos; es deseable hacer enunciados formulando una hipótesis nula que debe luego ser comprobada o no y contestar a la pregunta clave: ¿es digna de confianza la aparente diferencia que se ha encontrado en el trabajo de investigación? Contestar a esta pregunta sólo se puede lograr aplicando los criterios básicos de la estadística evaluativa o inferencial.

Es imposible trabajar con los datos de una población o universo en su totalidad y además los parámetros poblacionales son raramente conocidos, entonces el investigador se ve en la necesidad de trabajar con una muestra representativa del universo; pero al extraer muestras de una población, los parámetros que se obtienen (promedios, varianza, correlaciones) no necesariamente representan los parámetros de la población.

La única manera de lograr que la muestra sea representativa del universo es utilizando el muestreo aleatorio simple de manera que cada muestra de un tamaño dado tenga exactamente la misma probabilidad de ser elegida y luego calcular la probabilidad de que el valor de cualquiera de esos parámetros no rebase los límites establecidos que se obtienen en tablas numéricas ad-hoc.

Como los investigadores están interesados en demostrar que existen determinadas relaciones entre variables, ello se debe hacer respecto a una población o universo. Como la población es muy grande, es necesario trabajar con las muestras, pero los parámetros que se obtengan de allí sólo se pueden trasladar a la población, aplicando la estadística evaluativo para conocer la significación estadística o prueba de hipótesis. Es decir, sobre la base de algunas observaciones, debemos reconstruir el fenómeno en su totalidad y ello nos lleva entonces a los test estadísticos para saber si la reconstrucción es significativa o no (si es exacta o no lo es).

LA SIGNIFICACION ESTADISTICA

El término significación tiene una gran importancia en la estadística evaluativa y señala que la diferencia entre parámetros no puede deberse al azar, por ejemplo si admitimos que una probabilidad superior al 10% se debe al azar, entonces no hay significación y tenemos que rechazar la hipótesis nula y si la probabilidad se ubica entre 10% y 5% es posible que exista significación estadística, aunque todavía podemos admitir que la hipótesis nula es dudosa, ya que para que exista significación y la hipótesis nula se puede rechazar sólo se lograría si la probabilidad aparece entre el 5% y el 1%, claro si es menos del 1% no hay duda que existe una muy alta significación y se admitiría rigurosamente que existen diferencias entre los parámetros analizados.

Existe una cómoda convención que admite trabajar con un nivel de significación del 5%, pues es válido para la mayoría de los hallazgos en la investigación turística. Ahora bien, como toda probabilidad viene expresada en función del número de grados de libertad el cual tiene en cuenta la importancia de las observaciones o datos y funciona siempre como un coeficiente de ponderación, así obtenemos el número mínimo de datos que es necesario conocer para reconstruir los parámetros y en la práctica para un dato determinado el número de grados de libertad es igual al número de datos menos uno.

Los parámetros más utilizados en el cálculo de los tests de significación son: la media, la desviación típica , la varianza y el coeficiente de correlación simple.