Distribución muestral
Una distribución muestral es un conjunto de valores de una estadística calculada de todas las muestras posibles de determinado tamaño de una
población.
Casi nunca se obtiene la distribución muestral (la distribución de las medias de todas las muestras posibles). Es más bien un concepto teórico definido
por la estadística para los investigadores. Lo que comúnmente hacemos es extraer una sola muestra.
Teorema central del límite: la distribución muestral tiene una media igual a la de la población, una varianza igual a la varianza de la población dividida
entre el tamaño de muestra, La desviación estándar (s) es un parámetro normalmente desconocido, aunque es posible estimarlo por la
desviación estándar de la muestra.
Distribución normal
Nivel de significancia:
Es un nivel de la probabilidad de equivocarse y se fija antes de probar hipótesis inferenciales.
Para probar hipótesis inferenciales respecto a la media, el investigador debe evaluar si es alta o baja la probabilidad de que la media de la muestra
esté cerca de la media de la distribución muestral.
Si es baja, el investigador dudará de generalizar a la población. Si es alta, el investigador podrá hacer generalizaciones.
Distribución normal: Es el modelo de distribución más utilizado en la práctica, ya que multitud de fenómenos se comportan según una distribución
normal. Esta distribución de caracteriza porque los valores se distribuyen formando una campana de Gauss, en torno a un valor central.
Cuando la media de la distribución es 0 y la varianza es 1 se denomina "normal tipificada", y su ventaja reside en que hay tablas donde se recoge la
probabilidad acumulada para cada punto de la curva de esta distribución.
Prueba de hipótesis
Es un procedimiento para juzgar si una propiedad que se supone en una población estadística es compatible con lo observado en una muestra de
dicha población. Se aborda el problema estadístico considerando una hipótesis determinada Ho y una hipótesis alternativa Ha, y se intenta dirimir cuál
de las dos es la hipótesis verdadera, tras aplicar el problema estadístico a un cierto número de experimentos.
CHI CUADRADO
El estadístico Chi Cuadrado, es muy utilizado para ver la asociación de las variables cualitativas nominales, relaciona los valores observados, con los
valores esperados.
Cuanto más grande Chi cuadrado, más dependientes son las variables. Cuanto más próximo a cero Chi cuadrado, más independientes son las
variables.
Prueba T
Determina si hay diferencia significativa entre las medias de dos grupos, comparar dos medias de poblaciones independientes y normales.
Se asume que las variables dependientes tienen distribución normal.
Mide el grado de intensidad de esta posible relación entre las variables. Este coeficiente se aplica cuando la relación que puede existir entre las
variables es lineal
Es una prueba estadística para analizar la relación entre dos variables medidas en un nivel por intervalos o de razón.
Se simboliza: r.
Hipótesis a probar: correlacional, del tipo de “a mayor X, mayor Y ”, “a mayor X, menor Y ”, “altos valores en X están asociados con altos valores en Y
”, “altos valores en X se asocian con bajos valores de Y ”. La hipótesis de investigación señala que la correlación es significativa.
Variables: dos. La prueba en sí no considera a una como independiente y a otra como dependiente, ya que no evalúa la causalidad.
Si "r" > 0, la correlación lineal es positiva (si sube el valor de una variable sube el de la otra). La correlación es tanto más fuerte cuanto más se
aproxime a 1.
Si "r" < 0, la correlación lineal es negativa (si sube el valor de una variable disminuye el de la otra). La correlación negativa es tanto más fuerte cuanto
más se aproxime a -1.
Si "r" = 0, no existe correlación lineal entre las variables. Aunque podría existir otro tipo de correlación (parabólica, exponencial, etc.)
Cuando el coeficiente r de Pearson se eleva al cuadrado (r 2), se obtiene el coeficiente de determinación y el resultado indica la varianza de factores
comunes. Esto es, el porcentaje dela variación de una variable debido a la variación de la otra variable y viceversa (o cuánto explica o determina una
variable la variación de la otra)
Muy baja: 0,0 – 0,2
Baja: 0,2-0,4
Moderada: 0,4-0,6
Buena: 0,6-0,8
Alta: 0,8-1,0