INTRODUCCIN

El Mtodo Estadstico es un poderoso instrumento o procedimiento de trabajo del

Mtodo Cientfico. Es comn que se tenga el criterio reducido, de que el mismo se
ponga de manifiesto cuando se tiene recogida cierta cantidad de datos y se
pretenda analizar los mismos para llegar a las deducciones necesarias, algo que
se contradice cuando se mencionan sus etapas: Planificacin de la investigacin.
Recoleccin de la Informacin. Elaboracin de los datos recogidos. Anlisis e
interpretacin. (Ms C. Alfredo Alvarez Gonzlez).

Es en la Planificacin de la investigacin donde se organiza toda ella a partir de un
esquema tal que sea capaz de evaluar su factibilidad adems que controle, facilite
y evale su ejecucin hasta alcanzar la meta propuesta. Por tanto se corresponde
con esta etapa la preparacin de un Protocolo o Proyecto de Investigacin en el
cual se definen las herramientas a utilizar.

Como parte de la Elaboracin de los Datos est el sometimiento de los mismos a
las herramientas de la Estadstica, como ejemplo: Prueba de Hiptesis, ya prevista
a utilizar cuando se crea el Protocolo.

Con frecuencia en la prctica tenemos que tomar decisiones sobre poblaciones a
partir de informaciones mustrales. Esas decisiones se conocen como decisiones
estadsticas. Por ejemplo queremos decidir partiendo de datos mustrales si un
nuevo material es realmente ms resistente en la construccin de una cuerda, si
un procedimiento en Cultura Fsica es mejor que otro, etc.

Al intentar tomar decisiones, debemos hacer suposiciones sobre la poblacin cuya
caracterstica es analizada en cuestin. Tales suposiciones, que pueden o no ser
verdaderas, y en general son proposiciones sobre las distribuciones de
probabilidad de las poblaciones, son llamadas hiptesis estadsticas.

















PRUEBA DE HIPOTESIS

Las secciones anteriores han mostrado cmo puede estimarse un parmetro a
partir de los datos contenidos en una muestra. Puede encontrarse ya sea un slo
nmero (estimador puntual) o un intervalo de valores posibles (intervalo de
confianza). Sin embargo, muchos problemas de ingeniera, ciencia, y
administracin, requieren que se tome una decisin entre aceptar o rechazar una
proposicin sobre algn parmetro. Esta proposicin recibe el nombre
de hiptesis. Este es uno de los aspectos ms tiles de la inferencia estadstica,
puesto que muchos tipos de problemas de toma de decisiones, pruebas o
experimentos en el mundo de la ingeniera, pueden formularse como problemas
de prueba de hiptesis.

Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros de
una o ms poblaciones.

Suponga que se tiene inters en la rapidez de combustin de un agente propulsor
slido utilizado en los sistemas de salida de emergencia para la tripulacin de
aeronaves. El inters se centra sobre la rapidez de combustin promedio. De
manera especfica, el inters recae en decir si la rapidez de combustin promedio
es o no 50 cm/s. Esto puede expresarse de manera formal como

H
o
; = 50 cm/s
H
1
; 50 cm/s

La proposicin H
o
; = 50 cm/s, se conoce como hiptesis nula, mientras que la
proposicin H
1
; 50 cm/s, recibe el nombre de hiptesis alternativa. Puesto
que la hiptesis alternativa especifica valores de que pueden ser mayores o
menores que 50 cm/s, tambin se conoce como hiptesis alternativa bilateral. En
algunas situaciones, lo que se desea es formular una hiptesis alternativa
unilateral, como en

H
o
; = 50 cm/s H
o
; = 50 cm/s

H
1
; < 50 cm/s H
1
; > 50 cm/s

Es importante recordar que las hiptesis siempre son proposiciones sobre la
poblacin o distribucin bajo estudio, no proposiciones sobre la muestra. Por lo
general, el valor del parmetro de la poblacin especificado en la hiptesis nula se
determina en una de tres maneras diferentes:

Puede ser resultado de la experiencia pasada o del conocimiento del proceso,
entonces el objetivo de la prueba de hiptesis usualmente es determinar si ha
cambiado el valor del parmetro.

Puede obtenerse a partir de alguna teora o modelo que se relaciona con el
proceso bajo estudio. En este caso, el objetivo de la prueba de hiptesis es
verificar la teora o modelo.

Cuando el valor del parmetro proviene de consideraciones externas, tales como
las especificaciones de diseo o ingeniera, o de obligaciones contractuales. En
esta situacin, el objetivo usual de la prueba de hiptesis es probar el
cumplimiento de las especificaciones.

Un procedimiento que conduce a una decisin sobre una hiptesis en particular
recibe el nombre de prueba de hiptesis. Los procedimientos de prueba de
hiptesis dependen del empleo de la informacin contenida en la muestra aleatoria
de la poblacin de inters. Si esta informacin es consistente con la hiptesis, se
concluye que sta es verdadera; sin embargo si esta informacin es inconsistente
con la hiptesis, se concluye que esta es falsa. Debe hacerse hincapi en que la
verdad o falsedad de una hiptesis en particular nunca puede conocerse con
certidumbre, a menos que pueda examinarse a toda la poblacin. Usualmente
esto es imposible en muchas situaciones prcticas. Por tanto, es necesario
desarrollar un procedimiento de prueba de hiptesis teniendo en cuenta la
probabilidad de llegar a una conclusin equivocada.

Hiptesis Estadstica

Para ilustrar los conceptos generales, considere el problema de la rapidez de
combustin del agente propulsor presentado con anterioridad. La hiptesis nula es
que la rapidez promedio de combustin es 50 cm/s, mientras que la hiptesis
alternativa es que sta no es igual a 50 cm/s. Esto es, se desea probar:

Ho; = 50 cm/s
H1; 50 cm/s

Supngase que se realiza una prueba sobre una muestra de 10 especmenes, y
que se observa cual es la rapidez de combustin promedio muestral. La media
muestral es un estimador de la media verdadera de la poblacin. Un valor de la
media muestral que este prximo al valor hipottico = 50 cm/s es una
evidencia de que el verdadero valor de la media es realmente 50 cm/s; esto es,
tal evidencia apoya la hiptesis nula Ho. Por otra parte, una media muestral muy
diferente de 50 cm/s constituye una evidencia que apoya la hiptesis alternativa
H1. Por tanto, en este caso, la media muestral es el estadstico de prueba.

La media muestral puede tomar muchos valores diferentes. Supngase que si
48.5 51.5, entonces no se rechaza la hiptesis nula Ho; = 50 cm/s, y que
si <48.5 >51.5, entonces se acepta la hiptesis alternativa H1; 50
cm/s.

Los valores de que son menores que 48.5 o mayores que 51.5 constituyen
la regin crtica de la prueba, mientras que todos los valores que estn en el
intervalo 48.5 51.5 forman la regin de aceptacin. Las fronteras entre las
regiones crticas y de aceptacin reciben el nombre de valores crticos. La
costumbre es establecer conclusiones con respecto a la hiptesis nula Ho. Por
tanto, se rechaza Ho en favor de H1 si el estadstico de prueba cae en la regin
crtica, de lo contrario, no se rechaza Ho.

Este procedimiento de decisin puede conducir a una de dos conclusiones
errneas. Por ejemplo, es posible que el valor verdadero de la rapidez promedio
de combustin del agente propulsor sea igual a 50 cm/s. Sin embargo, para todos
los especmenes bajo prueba, bien puede observarse un valor del estadstico de
prueba que cae en la regin crtica. En este caso, la hiptesis nula Ho ser
rechazada en favor de la alternativa H1cuando, de hecho, Ho en realidad es
verdadero. Este tipo de conclusin equivocada se conoce como error tipo I.

El error tipo I se define como el rechazo de la hiptesis nula Ho cuando sta es
verdadera. Tambin es conocido como nivel de significancia.

Si tuviramos un nivel de confianza del 95% entonces el nivel de significancia
sera del 5%. Anlogamente si se tiene un nivel de confianza del 90% entonces el
nivel de significancia sera del 10%.

Ahora supngase que la verdadera rapidez promedio de combustin es diferente
de 50 cm/s, aunque la media muestral caiga dentro de la regin de aceptacin.
En este caso se acepta Ho cuando sta es falsa. Este tipo de conclusin recibe el
nombre de error tipo II.

El error tipo II error se define como la aceptacin de la hiptesis nula
cuando sta es falsa.
Por tanto, al probar cualquier hiptesis estadstica, existen cuatro situaciones
diferentes que determinan si la decisin final es correcta o errnea.

Decisin Ho es verdadera Ho es falsa
Aceptar Ho No hay error
Error tipo II
Rechazar Ho Error tipo I No hay error

Los errores tipo I y tipo II estn relacionados. Una disminucin en la probabilidad
de uno por lo general tiene como resultado un aumento en la probabilidad del otro.

El tamao de la regin crtica, y por tanto la probabilidad de cometer un error tipo I,
siempre se puede reducir al ajustar el o los valores crticos.

Un aumento en el tamao muestral n reducir y de forma simultnea.

Si la hiptesis nula es falsa, es un mximo cuando el valor real del parmetro
se aproxima al hipottico. Entre ms grande sea la distancia entre el valor real y el
valor hipottico, ser menor

La hiptesis nula, representada por Ho, es la afirmacin sobre una o ms
caractersticas de poblaciones que al inicio se supone cierta (es decir, la "creencia
a priori").

La hiptesis alternativa, representada por H1, es la afirmacin contradictoria a
Ho, y sta es la hiptesis del investigador.

La hiptesis nula se rechaza en favor de la hiptesis alternativa, slo si la
evidencia muestral sugiere que Ho es falsa. Si la muestra no contradice
decididamente a Ho, se contina creyendo en la validez de la hiptesis nula.
Entonces, las dos conclusiones posibles de un anlisis por prueba de hiptesis
son rechazar Ho o no rechazar Ho.

Anlisis de Correlacin .- Es el conjunto de tcnicas estadsticas empleado para
medir la intensidad de la asociacin entre dos variables.

El principal objetivo del anlisis de correlacin consiste en determinar que tan
intensa es la relacin entre dos variables. Normalmente, el primer paso es mostrar
los datos en un diagrama de dispersin.

Diagrama de Dispersin.- es aquel grafico que representa la relacin entre dos
variables.

Variable Dependiente.- es la variable que se predice o calcula. Cuya
representacin es "Y"

Variable Independiente.- es la variable que proporciona las bases para el calculo.
Cuya representacin es: X1,X2,X3.......

Coeficiente de Correlacin. Describe la intensidad de la relacin entre dos
conjuntos de variables de nivel de intervalo. Es la medida de la intensidad de la
relacin lineal entre dos variables.

El valor del coeficiente de correlacin puede tomar valores desde menos uno
hasta uno, indicando que mientras ms cercano a uno sea el valor del coeficiente
de correlacin, en cualquier direccin, ms fuerte ser la asociacin lineal entre
las dos variables. Mientras ms cercano a cero sea el coeficiente de correlacin
indicar que ms dbil es la asociacin entre ambas variables. Si es igual a cero
se concluir que no existe relacin lineal alguna entre ambas variables.
Anlisis de regresin. Es la tcnica empleada para desarrollar la ecuacin y dar
las estimaciones.

Ecuacin de Regresin. es una ecuacin que define la relacin lineal entre dos
variables.

Ecuacin de regresin Lineal: Y = a + Bx
Ecuacin de regresin Lineal Mltiple: Y = a + b1X1 + b2X2 + b3X3...
Principio de Mnimos Cuadrados.- Es la tcnica empleada para obtener la
ecuacin de regresin, minimizando la suma de los cuadrados de las distancias
verticales entre los valores verdaderos de "Y" y los valores pronosticados "Y".
Anlisis de regresin y Correlacin Mltiple.- consiste en estimar una variable
dependiente, utilizando dos o ms variables independientes.

REGRESIN Y CORRELACIN ENTRE DOS VARIABLES

Se muestra cmo graficar la regresin lineal entre dos variables y cmo apreciar el
coeficiente de correlacin, tanto a partir de la grfica como mediante una columna
calculada.

Conformar una vista que tenga en las filas las dos variables (medidas) a estudiar y
en las columnas la variable que identifica cada observacin (por ejemplo tiempo,
nmero de encuesta, individuo, etc.)

Pasar al modo grfico eligiendo la opcin Lneas Dispersin XY

Si se desea ver la recta que ms se ajusta a los datos, dirigirse a Opciones y
elegir Mostrar regresin lineal. En las referencias de la grfica se ver la ecuacin
de dicha recta.

Para ver el r^2, nuevamente en Opciones, elegir Desplegar correlacin. En las
referencias de la grfica se ver, debajo de la ecuacin de la recta, el valor del r^2

Se puede utilizar la grilla de la vista anterior (en las filas las dos variables
(medidas) a estudiar y en las columnas la variable que identifica cada
observacin)

Agregar una columna calculada con una expresin creada por el usuario

DEFINICIN ESTADSTICA

La Estadstica es una ciencia formal que estudia la recoleccin, anlisis e
interpretacin de datos de una muestra representativa, ya sea para ayudar en la
toma de decisiones o para explicar condiciones regulares o irregulares de algn
fenmeno o estudio aplicado, de ocurrencia en forma aleatoria o condicional. Sin
embargo, la estadstica es ms que eso, es decir, es el vehculo que permite llevar
a cabo el proceso relacionado con la investigacin cientfica.


Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las
ciencias sociales, desde las ciencias de la salud hasta el control de calidad. Se
usa para la toma de decisiones en reas de negocios o instituciones
gubernamentales.

La estadstica se divide en dos grandes reas:

La estadstica descriptiva, se dedica a la descripcin, visualizacin y
resumen de datos originados a partir de los fenmenos de estudio. Los datos
pueden ser resumidos numrica o grficamente. Ejemplos bsicos de parmetros
estadsticos son: la media y la desviacin estndar. Algunos ejemplos grficos
son: histograma, pirmide poblacional, grfico circular, entre otros.

La estadstica inferencial, se dedica a la generacin de los modelos,
inferencias y predicciones asociadas a los fenmenos en cuestin teniendo en
cuenta la aleatoriedad de las observaciones. Se usa para modelar patrones en los
datos y extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias
pueden tomar la forma de respuestas a preguntas si/no (prueba de hiptesis),
estimaciones de unas caractersticas numricas (estimacin), pronsticos de
futuras observaciones, descripciones de asociacin (correlacin) o modelamiento
de relaciones entre variables (anlisis de regresin). Otras tcnicas de
modelamiento incluyen anova, series de tiempo y minera de datos.

Ambas ramas (descriptiva e inferencial) comprenden la estadstica aplicada. Hay
tambin una disciplina llamada estadstica matemtica, la que se refiere a las
bases tericas de la materia. La palabra estadsticas tambin se refiere al
resultado de aplicar un algoritmo estadstico a un conjunto de datos, como en
estadsticas econmicas, estadsticas criminales, entre otros.

Clculo

Como hemos comentado anteriormente, la probabilidad mide la mayor o menor
posibilidad de que se d un determinado resultado (suceso) cuando se realiza un
experimento aleatorio.

La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre
0% y 100%):

El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la
probabilidad de que salga el nmero 7 es cero (al menos, si es un dado certificado
por la OMD, "Organizacin Mundial de Dados").

El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la
probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno (100%).

El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto mayor
cuanto ms probable sea que dicho suceso tenga lugar.

Cmo se mide la probabilidad?

Uno de los mtodos ms utilizados es aplicando la Regla de Laplace: define la
probabilidad de un suceso como el cociente entre casos favorables y casos
posibles.

P(A) = Casos favorables / casos posibles

Veamos algunos ejemplos:

a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable es
tan slo uno (que salga el dos), mientras que los casos posibles son seis (puede
salir cualquier nmero del uno al seis). Por lo tanto:

P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)

Significacin estadstica

En estadstica, un resultado es estadsticamente significativo cuando no es
probable que haya sido debido al azar. Una "diferencia estadsticamente
significativa" solamente significa que hay evidencias estadsticas de que hay una
diferencia; no significa que la diferencia sea grande, importante, o significativa en
el sentido estricto de la palabra.

El nivel de significacin de un test es un concepto estadstico asociado a la
verificacin de una hiptesis. En pocas palabras, se define como la probabilidad
de tomar la decisin de rechazar la hiptesis nula cuando sta es verdadera
(decisin conocida como error de tipo I, o "falso positivo"). La decisin se toma a
menudo utilizando el valor P (o p-valor): si el valor P es inferior al nivel de
significacin, entonces la hiptesis nula es rechazada. Cuanto menor sea el valor
P, ms significativo ser el resultado.

En otros trminos, el nivel de significacin de un contraste de hiptesis es una
probabilidad P tal que la probabilidad de tomar la decisin de rechazar la hiptesis
nula - cuando sta es verdadera - no es mayor que P.









CONCLUSIONES

Si se condensan los resultados hasta aqu obtenidos, a manera de conclusiones
se puede abordar, que todo problema de prueba de hiptesis consiste en lo
siguiente:

1. Identificar una variable aleatoria X que tiene una distribucin conocida, es
decir, que pertenece a una clase determinada, por ejemplo a las del tipo
normal, y con relacin a la cual se quiere tomar una decisin respecto al
valor de un parmetro desconocido, pero asociado a ella, digamos (, (,
...,etc.

2. Se plantea una hiptesis nula, donde se asume un valor para el parmetro;
y una hiptesis alternativa donde se contradice lo expresado en la hiptesis
nula.

3. Se escoge el nivel de significacin a, que es la probabilidad de rechazar la
hiptesis nula siendo esta cierta.

4. Se selecciona una muestra de tamao n para estimar el parmetro
desconocido y poder posteriormente decidir si se rechaza o no H0.

5. Se define la regin crtica para la prueba de hiptesis de inters.

6. Se toma la decisin de rechazar H0, con un nivel de significacin a si el
valor estimado del parmetro est en la regin crtica y de no rechazar H0
si este valor no est en la regin crtica.




















BIBLIOGRAFA

TAPIA B Mara Antonieta. APUNTES Metodologa de la Investigacin. INACAP.
Ingeniera en Gestin Informtica. Sede Temuco. Santiago, 2000.

CRDOVA MARTNEZ, Carlos A. Consideraciones sobre la Metodologa de la
Investigacin. Centro de Estudios sobre la Cultura e Identidad. Universidad de
Holgun "Oscar Lucero Moya". Holgun.

ALVAREZ GONZLEZ Alfredo. Informtica e Investigacin I. Guas de Estudios.
Instituto Superior de Ciencias Mdicas de La Habana. Facultad de Tecnologa de
la Salud. La Habana. 2006.

MURRAY R. SPIEGEL. Teora y Problemas de Estadstica. Direccin General de
Formacin y Perfeccionamiento de Personal Pedaggico. La Habana. 1979

GUERRA BUSTILLO Caridad W, MENENDEZ ACUA Ernesto, BARRERO
MORERA Rolando. EGAA MORALES Esteban. Estadstica. Editorial Pueblo y
Educacin. La Habana. 1991

TORRICELLA MORALES Ral G. Elaboracin de Bibliografas. Descripcin
simplificada del formato ISO 690:1997. Dpto. de Alimentos. Instituto de Farmacia y
Alimentos. Universidad de la Habana. La Habana.