B) MUESTRA
La muestra es una parte representativa de una población donde sus elementos comparten
características comunes o similares. Se utiliza para estudiar a la población de una forma
más factible, debido a que se puede contabilizar fácilmente. Cuando se va a realizar algún
estudio sobre el comportamiento, propiedades o gustos del total de una población específica, se
suelen extraer muestras [ CITATION Cad74 \l 10250 ]
C) PARAMETRO
D) ESTADISTICO
Es el elemento que describe una muestra y sirve como una estimación del parámetro de la
población correspondiente.
El estadístico sirve como una estimación del parámetro. Aunque en realidad el interés se fija en
el valor del parámetro de la población, con frecuencia debe haber conformidad con solo
calcularlo con un estadístico de la muestra que se ha seleccionado.
2. DEFINIR
A) DISTRIBUCION DE FRECUENCIA
Una distribución de frecuencias son las frecuencias observadas de todos los resultados de un
experimento que se presentaron cuando ya se efectuó el experimento, es empírica.Una
distribución de frecuencias teórica es una distribución de probabilidades que describe la forma
en que se espera que varíen los resultados empíricos. Debido a que estas distribuciones tratan
sobre expectativas de que algo suceda, resultan ser modelos útiles para hacer inferencias y para
tomar decisiones en condiciones de incertidumbre.
B) DISTRIBUCION DE PROBABILIDAD
la distribución de probabilidad de una variable aleatoria es una función que asigna a cada suceso
definido sobre la variable la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de los sucesos es el
rango de valores de la variable aleatoria. También puede decirse que tiene una relación estrecha
con las distribuciones de frecuencia. De hecho, una distribución de probabilidades puede
comprenderse como una frecuencia teórica, ya que describe cómo se espera que varíen los
resultados.
C) DISTRIBUCION MUESTRAL
La distribución muestral es lo que resulta de considerar todas las muestras posibles que pueden
ser tomadas de una población. Su estudio permite calcular la probabilidad que se tiene, dada una
sola muestra, de acercarse al parámetro de la población. Mediante la distribución muestral se
puede estimar el error para un tamaño de muestra dado.
3. DEFINIR Y DAR FORMULA PARA CALCULAR
A) MEDIA POBLACIONAL
La media poblacional técnicamente no es una media sino un parámetro fijo que coincide con
la esperanza matemática de una variable aleatoria. El nombre "media poblacional" se usa para
significar qué valor numérico de una media muestral es numéricamente cercano al parámetro
media poblacional, para una muestra adecuada y suficientemente grande.
B) MEDIA MUESTRAL
es una medida cuantitativa, derivada de un conjunto de datos de una muestra, con el objetivo de
estimar o inferir características de una población o modelo estadístico.
Más formalmente un estadístico es una función medible T que, dada una muestra estadística de
valores les asigna un número, que sirve para estimar determinado parámetro de la distribución
de la que procede la muestra. Así, por ejemplo, la media de los valores de una muestra (media
muestral) sirve para estimar la media de la población de la que se ha extraído la misma; la
varianza muestral podría usarse para estimar la varianza poblacional, etc. 1 Esto se denomina
como realizar una estimación puntual.
C) MEDIA PONDERADA
La media ponderada (MP) de un conjunto de valores de una variable X es un parámetro de
centralización, que consiste en dar a cada observación del conjunto de datos (X 1,X2,…,XN)
unos pesos (p1,p2,…,pN), estos valores indican la importancia que se quiere dar a cada uno de los
valores que toma la variable X. Podemos expresarlo con la fórmula siguiente:
B) ERROR ESTANDAR
El error estándar mide el error aleatorio en un dato estadístico informado: el tipo de error
causado por la variación aleatoria del muestreo al repetir una prueba en las mismas
condiciones.
5. DEFINIR
A) EXPERIMENTO
En un experimento se consideran todas las variables relevantes que intervienen en el fenómeno,
mediante la manipulación de las que presumiblemente son su causa, el control de las variables
extrañas y la aleatorización (o randomización) de las restantes. Estos procedimientos pueden
variar mucho según las disciplinas (no es igual en física que en psicología, por ejemplo), pero
persiguen el mismo objetivo: excluir explicaciones alternativas (diferentes a la variable
manipulada) en la explicación de los resultados.
B) DISEÑO DE EXPERIMETOS
Es una técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de
un estudio experimental. En un diseño experimental se manipulan deliberadamente una o más
variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El
diseño experimental prescribe una serie de pautas relativas qué variables hay que manipular, de
qué manera, cuántas veces hay que repetir el experimento y en qué orden para poder establecer
con un grado de confianza predefinido la necesidad de una presunta relación de causa-efecto.
C) TECNICAS ESTADISTICAS
Nominal: Cada valor de una variable nominal se corresponde con una categoría de la variable,
este emparejamiento es por lo general arbitrario, como ejemplos de variables nominales
podemos considerar el sexo de una persona, lugar de nacimiento etc. En este nivel de medida las
categorías no pueden ser ordenadas en ningún sentido, y por supuesto no tiene sentido calcular
medias, medianas... etc. Los estadísticos habituales serán frecuencias y porcentajes.
Ordinal: Cada valor representa la ordenación o el ranking, por ejemplo el lugar de llegada a
meta de los corredores, 1 significaría el primero, 2 significaría el segundo ... etc. Es muy común
encontrarse este tipo de variables en la evaluación del gusto de los consumidores, se les
suministra una serie de productos y ellos van indicando el mas preferido... etc. Sabremos cual es
el más preferido, el segundo más preferido ... etc, pero no sabremos cuanto es de preferido, en el
ejemplo de la carrera sabremos cual ha sido el primero, el segundo, pero no vamos a saber cual
es la distancia entre el primero y el segundo. El SPSS proporciona estadísticos específicos
asociados a rangos.
Razón: Las variables de Razón tienen las mismas propiedades que las de intervalo, pero además
tienen un punto cero significativo, dicho punto representa una ausencia completa de la
característica medida, por ejemplo la edad o las ganancias anuales de una persona. Por esta
razón las variables de Razón tienen propiedades más fuertes que las de intervalo
Al planificar un experimento hay tres tres principios básicos que se deben tener siempre en
cuenta:
— El principio de aleatorización.
— El bloqueo.
Los dos primeros (aleatorizar y bloquear) son estrategias eficientes para asignar los
tratamientos a las unidades experimentales sin preocuparse de qué tratamientos considerar. Por
el contrario, la factorización del diseño define una estrategia eficiente para elegir los
tratamientos sin considerar en absoluto como asignarlos después a las unidades experimentales.
Aleatorizar
“Se deben dividir o particionar las unidades experimentales en grupos llamados bloques de
modo que las observaciones realizadas en cada bloque se realicen bajo condiciones
experimentales lo más parecidas posibles.
A diferencia de lo que ocurre con los factores tratamiento, el experimentador no está interesado
en investigar las posibles diferencias de la respuesta entre los niveles de los factores bloque”.
Bloquear es una buena estrategia siempre y cuando sea posible dividir las unidades
experimentales en grupos de unidades similares.
La ventaja de bloquear un factor que se supone que tienen una clara influencia en la
respuesta pero en el que no se está interesado, es la siguiente:
Con el siguiente ejemplo se trata de indicar la diferencia entre las estrategias de aleatorizar
y de bloquear en un experimento.
Ejemplo 2.1.
Se desea investigar las posibles diferencias en la producción de dos máquinas, cada una de
las cuales debe ser manejada por un operario.
Aleatorizar: se seleccionan al azar dos grupos de operarios y se asigna al azar cada grupo
de operarios a cada una de las dos máquinas. Finalmente se evalúa la producción de las mismas.
¿Qué consideraciones se deben tener en cuenta al utilizar estas dos estrategias? ¿Qué
estrategia es mejor?
“Un diseño factorial es una estrategia experimental que consiste en cruzar los niveles de todos
los factores tratamiento en todas las combinaciones posibles”.