Estadistica – Sesiones (página 2)

Enviado por gloria marquez hernandez

Partes: 1, 2

Homogeneidad - que todos los miembros de la población tengan las mismas características según las variables que se vayan a considerar en el estudio o investigación.

Tiempo - se refiere al período de tiempo donde se ubicaría la población de interés. Determinar si el estudio es del momento presente o si se va a estudiar a una población de cinco años atrás o si se van a entrevistar personas de diferentes generaciones.

Espacio - se refiere al lugar donde se ubica la población de interés. Un estudio no puede ser muy abarcador y por falta de tiempo y recursos hay que limitarlo a un área o comunidad en específico.

Cantidad - se refiere al tamaño de la población. El tamaño de la población es sumamente importante porque ello determina o afecta al tamaño de la muestra que se vaya a seleccionar, además que la falta de recursos y tiempo también nos limita la extensión de la población que se vaya a investigar.

MUESTRA - la muestra es un subconjunto fielmente representativo de la población.Hay diferentes tipos de muestreo. El tipo de muestra que se seleccione dependerá de la calidad y cuán representativo se quiera sea el estudio de la población.

ALEATORIA – cuando se selecciona al azar y cada miembro tiene igual oportunidad de ser incluido.

ESTRATIFICADA – cuando se subdivide en estratos o subgrupos según las variables o características que se pretenden investigar. Cada estrato debe corresponder proporcionalmente a la población.

SISTEMÁTICA – cuando se establece un patrón o criterio al seleccionar la muestra. Ejemplo: se entrevistará una familia por cada diez que se detecten.

El muestreo es indispensable para el investigador ya que es imposible entrevistar a todos los miembros de una población debido a problemas de tiempo, recursos y esfuerzo. Al seleccionar una muestra lo que se hace es estudiar una parte o un subconjunto de la población, pero que la misma sea lo suficientemente representativa de ésta para que luego pueda generalizarse con seguridad de ellas a la población.

El tamaño de la muestra depende de la precisión con que el investigador desea llevar a cabo su estudio, pero por regla general se debe usar una muestra tan grande como sea posible de acuerdo a los recursos que haya disponibles. Entre más grande la muestra mayor posibilidad de ser más representativa de la población.

En la investigación experimental, por su naturaleza y por la necesidad de tener control sobre las variables, se recomienda muestras pequeñas que suelen ser de por lo menos 30 sujetos.

En la investigación descriptiva se emplean muestras grandes y algunas veces se recomienda seleccionar de un 10 a un 20 por ciento de la población accesible.

CERTIDUMBRE E INSERTIDUMBRE

El convencimiento de la existencia inevitable de fenómenos o etapas de éstos, que son Impredecibles por su naturaleza y no por deficiencias técnicas en su estudio, es algo que ha

Aportado el estudio sistemático de la "Teoría del caos". El llegar a esa conclusión resulta de Innegable utilidad, pues en situaciones de eventos naturales como el paso de huracanes,

Permite obrar en consecuencia conociendo las características azarosas de éstos. Los nuevos Conocimientos que Prigogine esboza en "El fin de las certidumbres", muestra que no podemos Evitar el caos por lo cual lo inteligente consiste en aprender a convivir con él.

Algo más que muestran los estudios sobre el caos y temas afines, los cuales conforman una Disciplina mas general: la "Teoría de la complejidad", es el hecho y esto es muy importante, de

Que elementos, cosas, objetos, que aisladamente no presentan ciertas propiedades, al Conformar colectividades presentan esas propiedades. A estas propiedades se les asigna una Denominación que constituye una categoría de la "Teoría de la complejidad": Propiedades Emergentes.

Un ejemplo de surgimiento de propiedades emergentes se presenta en el Fenómeno de la termorregulación de los tejidos vivos.

La termorregulación no es detectable en Una célula aislada, tal propiedad sólo surge al integrarse a una colectividad, a un tejido. De propiedades emergentes, oí hablar con bastante acierto en una clase por televisión sobre Astronomía. En esta clase que más bien fue de Astrofísica, se trató el hecho de que se han Detectado una serie de fenómenos y propiedades antes no observados en cuerpos celestes Aislados que al conformar colectividades como grandes galaxias o colectividades de galaxias, se Ponen de manifiesto, surgen como propiedades emergentes. Entre esos hallazgos se cuentan la Detección de huecos negros masivos los cuales se supone que haya uno en cada galaxia.

Análisis de problemas y toma de decisiones

No es fácil definir correctamente un problema. Más difícil todavía es conocer y aplicar adecuadamente una técnica para buscar la causa de los problemas. Puede parecer exagerado, pero resulta asombrosa la cantidad de directivos que son incapaces de determinar claramente la naturaleza exacta de los problemas que tienen. Definiciones abstractas (que no sólo no ayudan sino que entorpecen el trabajo), insuficiente información, mala interpretación de la misma… son fallos más comunes de lo deseado.

Por otra parte, no tenemos una mentalidad operativa de previsión de los problemas. Preferimos reaccionar ante los mismos cuando se presentan. Y un problema 100% resuelto es el problema que no se ha presentado porque se ha previsto. Pero nuestra cultura no premia ni valora sistemáticamente y a corto plazo al directivo previsor. Prefiere recompensar al que soluciona los problemas presentados.

También suele ser muy deficiente la manera que se tiene de tomar decisiones. Se empieza por discutir alternativas y soluciones posibles en vez de determinar precisamente la necesidad que se pretende corregir, no se dispone de una técnica que nos permita valorar y ponderar adecuadamente los objetivos perseguidos, predomina muchas veces lo emotivo sobre lo racional. Todo ello supone que bastantes decisiones que toman los directivos dejan mucho que desear.

O5 DE MARZO DEL 2012 SESIÓN 13.

Análisis de varianza. Comparación de más de dos medidas

Análisis de la varianza

El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student. Por dos motivos:

En primer lugar, y como se realizarían simultánea e independientemente varios contrastes de hipótesis, la probabilidad de encontrar alguno significativo por azar aumentaría. En cada contraste se rechaza la H0 si la t supera el nivel crítico, para lo que, en la hipótesis nula, hay una probabilidad a. Si se realizan m contrastes independientes, la probabilidad de que, en la hipótesis nula, ningún estadístico supere el valor crítico es (1 – a) m, por lo tanto, la probabilidad de que alguno lo supere es 1 – (1 – a) m, que para valores de a próximos a 0 es aproximadamente igual a m. Una primera solución, denominada método de Bonferroni, consiste en bajar el valor de a, usando en su lugar a/m, aunque resulta un método muy conservador.

Por otro lado, en cada comparación la hipótesis nula es que las dos muestras provienen de la misma población, por lo tanto, cuando se hayan realizado todas las comparaciones, la hipótesis nula es que todas las muestras provienen de la misma población y, sin embargo, para cada comparación, la estimación de la varianza necesaria para el contraste es distinta, pues se ha hecho en base a muestras distintas.

El método que resuelve ambos problemas es el Anova, aunque es algo más que esto: es un método que permite comparar varias medias en diversas situaciones; muy ligado, por tanto, al diseño de experimentos y, de alguna manera, es la base del análisis multivariante.

Fundamentalmente, cuando se comparan dos o más grupos de observaciones pueden darse dos tipos de diseño: aquel en el que las observaciones se refieren a dos grupos independientes de individuos, o el caso en el que cada serie de datos se recoge en los mismos sujetos bajo condiciones diferentes. El tipo de metodología será distinto según el caso en el que nos encontremos. Otro aspecto a tener en consideración será el tipo y distribución de los datos. Para grupos independientes, los métodos para métricos requieren que las observaciones en cada grupo provengan de una distribución aproximadamente normal con una variabilidad semejante, de modo que si los datos disponibles no verifican tales condiciones, puede resultar útil una transformación1,2,3 de los mismos (aplicación del logaritmo, raíz cuadrada, etc.) o, en todo caso, se debería recurrir a la utilización de procedimientos no paramétricos4.

Normalmente en este tipo de análisis podremos establecer una hipótesis de partida (hipótesis nula), que generalmente asume que el efecto de interés es nulo, por ejemplo que la tensión arterial es la misma en hombres y mujeres o que dos tratamientos para la hipercolesterinemia son igualmente efectivos. Posteriormente se puede evaluar la probabilidad de haber obtenido los datos observados si esa hipótesis es correcta. El valor de esta probabilidad coincide con el valor-p que nos proporciona cada test estadístico, de modo que cuanto menor sea éste más improbable resulta que la hipótesis inicial se verifique.

06 DE MARZO DEL 2012 SESIÓN 14.

Segunda revisión de portafolios de evidencias

07 DE MARZO DEL 2012 SESIÓN 15.

EXAMEN II.

edu.red

08 DE MARZO DEL 2012 SESIÓN 16.

Análisis de varianza para un diseño aleatorio en bloques

Al estudiar la in?uencia de un factor sobre una variable cuantitativa es frecuente que

Aparezcan otras variables o factores que también in?uyen y que deben ser controladas.

A estas variables se las denomina variables bloque, y se caracterizan por

(i) No son el motivo del estudio sino que aparecen de forma natural y obligada en el

Mismo.

(ii) Se asume que no tienen interacción con el factor en estudio.

Ejemplo. Se quieren determinar las necesidades energéticas de una persona cuando anda, Come o hace deporte. Supongamos que se tienen 10 personas para realizar el experimento Y se considera como variable respuesta o cuantitativa, el número de calorías consumidas Por segundo. Los resultados varían según el individuo considerado. Aquí, el factor es la Actividad realizada, con 3 posibles niveles: andar, comer o hacer gimnasia. Si a cada una de las personas se le asigna una actividad distinta puede ser que la variabilidad observada entre las distintas actividades sea debida a las diferencias entre los propios individuos. Una posible solución es que cada uno de los individuos realice las tres actividades. De este modo, la variable bloque es el tipo de persona y cada uno de los Bloques es cada persona.

12 DE MARZO DEL 2012 SESIÓN 17.

TRABAJO PRÁCTICO.

edu.red