Curso de Estadística Inferencial Aplicado A La Educación

1
Curso de estadstica
inferencial aplicada al anlisis
de la educacin superior
LUZ KARINE ARDILA VARGAS
2015
1. Contenido
1.
Introduccin a la estadstica
2.
Anlisis Univariado
3.
i.
Distribuciones discretas y continuas
ii.
Distribucin normal y el teorema de lmite central
iii.
Pruebas de hiptesis
iv.
Anlisis de varianzas: ANOVA
Anlisis Multivariado
i.
ii.
Coeficiente de correlacin de Pearson

Estudio de las pruebas no paramtricas de correlacin y anlisis
de tablas cruzadas
1. Contenido
4.
iii.
Anlisis Factorial
iv.
Construccin de Indicadores Sintticos
v.
Anlisis multivariado
Anlisis de bases de datos de las pruebas SABERPRO del ICFES,

y del Observatorio Laboral OLE del Ministerio de Educacin
1. Introduccin a la estadstica
Definiciones
Poblacin: Conjunto de unidades que comparten alguna caracterstica.
Ejemplos: Los estudiantes, los profesores, los graduados, etc.
Muestra: Recoleccin de unidades que representan apropiadamente a la

muestra.
Ejemplos: La muestra de estudiantes calculada para el Estudio de Satisfaccin de

Estudiantes.
Satisfaccin
Servicios acadmicos
Servicios
administrativos
Servicios estudiantiles
Apoyos
:muestra
auxiliar
:Poblacin
: Peso
Varianza=0,5^2
: Margen de error
:1,96
Infraestructura
Definiciones
Tipos de mediciones: Datos nominales, datos ordinales, datos en

intervalos, y datos en tasas.
Los datos provienen de la unidad de anlisis que constituye la

muestra, pueden ser variables cualitativas o categricas o
cuantitativas.
Adems las variables cuantitativas pueden ser continuas o

discretas.
Una
vez se identific la poblacin, y se recolectaron los datos.
El siguiente propsito es describir de forma apropiada las caractersticas esenciales de la

muestra.
Esta fase se le conoce como la construccin de las estadsticas descriptivas tal que se pueda
relacionar un proceso generador de datos, es decir, que los datos siguen una funcin de
distribucin probabilstica.
Sobre qu medicin
o
es nuestro proceso
generador de datos en
La probabilidad del espacio muestral es 1, y est acotada entre 0 y 1.
las
encuestas
a
o
estudiantes?
Las distribuciones tienen formas o caractersticas sobre el proceso generador de datos. Dos de
ellos son muy conocidos: la media y la varianza.
Histograma de frecuencias relativas
80.0
70.0
60.0
50.0
40.0
30.0
20.0
10.0
-
54.2
28.9
12.3
3.4
-
0.8
0.5
1
Satisfaccin
Satisfaccin con el programa (%)
Investigacin (%)
Cafetera (%)
Las distribuciones tienen formas o caractersticas sobre el proceso generador de datos. Dos de
ellos son muy conocidos: la media y la varianza.
10
Adems de las anteriores medidas. Es muy importante conocer otros momentos de

las distribuciones:
Asimetra
Curtosis
11
Funciones de distribucin
Discretas
Distribucin Bernoulli (6 en la satisfaccin con el programa)

0.8
0.71
0.7
Bernoulli
0.6
0.5
0.4
0.3
0.29
0.2
0.1
0
xito
No xito
12
Binomial (Geomtrica, Binomial negativa)

Distribucin binomial (6 en la satisfaccin con el programa, N=10)
10
13
Poisson
Distribucin Poisson (Tasa =2,89)
0.25
0.2
0.15
0.1
0.05
0
10
11
14
0
0
0
0
15
Tcnicas univariadas
16
Distribuciones de muestras
Continuas
Normal
T student
Chi cuadrado
17
Distribucin normal
Su importancia:
Es una distribucin til porque se aproxima a la distribucin binomial y esto

va a ser muy importante en las prueba de hiptesis.
Es la piedra angular de la inferencia estadstica porque las distribuciones de

muchas estadsticas muestrales tienden a esta distribucin a medida que
crece el tamao de la muestra.
18
Distribucin normal
los eventos tienen una distribucin normal con media (a) y

Si
varianza , entonces:
19
Distribucin normal estndar
20
Teorema de los grandes nmeros
Cada sucesin de eventos o realizaciones son independientes e

idnticamente distribuidas, cada una de ellas con la misma media y
varianza. Cuando N es muy muy grande se cumple que
21
Teorema de lmite central
Cada sucesin de eventos o realizaciones son independientes e

idnticamente distribuidas, cada una de ellas con la misma media y
varianza. Cuando N es muy muy grande se cumple que
22
Teorema
Sea X una variable aleatoria binomial con media np y varianza np(1-p).

Se cumple que Y tiene una distribucin normal
23
Pruebas de hiptesis
Las funciones de probabilidad nos permitan saber con que ocurrencia
podra ocurrir un evento. De ella sabemos cmo est definida, por ende
su media y su varianza. Sin embargo, en la realidad lo que vemos es lo
contrario, vemos son las realizaciones y debemos es estimar su
distribucin para hacer algn tipo de inferencia.
Cuando asumimos que las realizaciones que vemos siguen alguna
distribucin debemos estimar sus parmetros. A este mtodo nos
referimos como estimacin paramtrica.
24
Estimacin puntal
Hay dos tipos de estimacin paramtrica:
Puntual: Mtodo de momentos y de Mxima verosimilitud
25
Estimacin puntal
Algunos estimadores comnmente usados son, si X se distribuye normal: Dos de los

momentos muestrales ms comnmente usados para caracterizas un proceso
generador de datos:
Si no se conoce la media
Si no se conoce la varianza
Si X se distribuye binomial
26
Estimacin por intervalo
Lo ms importante de la estimacin por intervalo es la siguiente condicin
=0,99999999999999
Para solucionar este hecho debemos saber sobre qu intervalo es cierta la anterior
afirmacin. Para ello necesitamos saber como se distribuye . Pero antes necesitamos
definir dos conceptos: Error tipo 1 y el error tipo 2.
27
El intervalo de confianza de la estadstica ser
A continuacin algunos estimadores y su distribucin:
Cuando la varianza es conocida
En realidad la varianza no es conocida
28

La varianza
Como en realidad no conocemos la varianza, y en su lugar la estimamos
29
Otros estimadores tiles para comparar momentos muestrales son las

diferencias de medias y la comparacin de varianzas.
La comparacin de varianzas ser
30

Ahora s los intervalos de confianza de cada estimador mencionado
anteriormente:
31
32
33
Pruebas de hiptesis
Algunos conceptos bsicos de las pruebas de hiptesis:

Hiptesis nula (): Es la hiptesis que se considera como verdad hasta que
se demuestre lo contrario.
Hiptesis alternativa (: Es la hiptesis contraria a la nula que la rechaza.
Segn los dos tipos de errores (I y II)
Rechazar
No rechazar
En muchas ocasiones se considera ms grave cometer el error I al error II.
34
Pruebas de hiptesis
Si el nivel de confianza es la probabilidad de cometer el error tipo I En el

caso ms general:
y/o
Por ejemplo: el promedio se distribuye normal, si se conoce la varianza;

sino, se distribuye t student. En consecuencia, los estadsticos de prueba
respectivamente son:
Vs
Vs
35
Pruebas de hiptesis
En este caso se
conoce la
varianza. Si no
fuese as, sera la
distribucin t.
36
Pruebas de hiptesis
Por ejemplo:
Vs
Vs
Vs
Equivalente
Vs
37
Anlisis de varianza (Anova)

Es comnmente utilizado en:
Anlisis de los datos de una variable
Anlisis de un estudio observacional
Se usa para comparar las propiedades muestrales de conjuntos de

datos de experimentos
Tambin se usa en anlisis en las regresiones multivariadas
Intuitivamente se trata de analizar y explotar la
variabilidad
38
Anlisis de varianza (ANOVA)
Por
simplicidad diremos que buscamos explicar la variable (Puntaje de
la prueba saber pro). Adems, se considera que la fuente de variacin
de es la variable categrica (Programa acadmico). Cada una de las
categoras es independiente.
39

Supuestos:
En la poblacin, la variable dependiente tiene distribucin normal.
La varianza de la variable dependiente es la misma en cada categora.
Las observaciones son independientes.
Diferencias
de las medias
40

Particionamos la variacin
De los 3 grupos tenemos que la desviacin de la media respecto a la poblacional

es(j=1,2,3):
Por otro lado, tenemos que hay un trmino

de error entre la medicin y la media
poblacional
Entonces:
+()+(-)
()+(-)
Grupo
Error
41
En trminos conocidos:
()+(-)
El anlisis de la variacin ser por cuenta de una funcin de la

desviacin
+
Suma de
cuadrados
Totales
(SCT)
Suma de
cuadrados
Tratados(S
CTR)
Suma de
cuadrados
de los
errores
42
En trminos conocidos:
()+(-)
El anlisis de la variacin ser por cuenta de una funcin de la

desviacin
Grados de
libertad
Suma de
cuadrados
Totales (SCT)
Suma de
cuadrados
Tratados(SCT
R)
Suma de
cuadrados de
los errores
N-1
J-1
N-J
43
Nuestro
propsito ser identificar si la variacin corresponde al grupo o
no, es decir, la hiptesis nula a probar es si . Si lo es, la mayor fuente
de explicacin ser motivado por la suma de los errores.
En ese caso construimos un estadstico para la comparacin de las

varianzas, que dar lugar a la tabla Anova.
44
45
Tcnicas multivariadas
46
Correlacin de Pearson
El estadstico de Pearson es una medida comn para establecer a

relacin entre varias variables continuas. Es definido como:
47
Correlacin de Pearson
El estadstico muestra qu tanta relacin existe entre las dos variables:

Su rango est entre -1 y 1. Revelando si existe una relacin positiva o
negativa entre las variables.
Usualmente si la correlacin estimada es superior al 50% se supone

que hay una correlacin fuerte.
Mtodos no paramtricos de
correlacin
MTODO KOLMOGOROV SMIRNOV
Es una tcnica usada para contrastar las distribuciones de dos variables,

sin asumir ninguna distribucin.
Por ejemplo es til para contrastar la distribucin de los puntajes del ICFES
segn Instituciones de Educacin Superior.
En este caso (de a pares):
Se basa en la comparacin de la distribucin acumulada de ambas

distribuciones.
48
correlacin
KOLMOGOROV SMIRNOV
Es una tcnica usada para contrastar distribuciones.
Tambin es til para contrastar la distribucin de los puntajes del ICFES

segn Instituciones de Educacin Superior.
En este caso (de a pares):
Se basa en la comparacin de la distribucin acumulada de ambas

distribuciones.
49
50
correlacin
Frecuencia relativa
Frecuencia acumulada Distancia
Categoras
F(1)
F(2)
F(1)
F(2)
F(1)
F(2)
F(1) - F(2)
Muy insatisfecho
20
0,1613
0,0323
0,1613
0,0323
0,1290
Insatisfecho
30
27
0,2419
0,2177
0,4032
0,2500
0,1532
Ni satifecho o
insatisfecho
13
28
0,1048
0,2258
0,5081
0,4758
0,0323
Satisfecho
20
18
0,1613
0,1452
0,6694
0,6210
0,0484
Muy satisfecho
41
47
0,3306
0,3790
1,0000
1,0000
0,0000
Total
124
124
1,0000
1,0000
D
0,1532
Valor Cr
0,1221316
1
(1,36/Raz(
N))
correlacin
TABLA DE CONTINGENCIA
Se emplea usualmente sobre variables categricas.
Su objetivo es probar si las dos caractersticas son independientes.
51
correlacin
Como no contamos con la probabilidad poblacional de cada categora,

la estimamos como la proporcin de observaciones que cumplen las
condiciones sobre la caracterstica A, y la B.
Intuitivamente queremos probar la independencia, entonces nuestro

estadstico nos debe decir si:
52
correlacin
El estadstico de prueba ser:
53
54
Indicadores sintticos
Es una medida analtica muy utilizada en las ciencias sociales y tiles en las
tomas de decisiones.
Segn la OECD es la combinacin de los indicadores que representan

distintos componentes del concepto que se pretende evaluar a partir de un
contexto multidimensional.
Implica un mtodo de agregacin.
Usualmente usa de ponderaciones.
Las crticas ms grandes es sobre la decisin de las ponderaciones.
55
Indicadores sintticos
Los elementos importantes de los indicadores son:
El rango
La normalizacin
La transformacin para hacer de l un indicador multidimensional
Ejemplo: Indicador compuesto de eficiencia

Desercin
consta de 3
indicadores
% de estudiantes en los
3 primeros deciles de la
prueba SaberPro
Indicador de
eficiencia de
programas
acadmicos
56
Anlisis factorial
Conjunto de mtodos
Analiza la relacin entre factores o componentes.
No exige la condicin dependencia o independencia.
Como supuestos: La parsimonia y la interpretabilidad.
El anlisis puede ser exploratorio o confirmatorio.
57
Pasos
58
Pasos
El anlisis factorial
Pueden incluirse ms
59
variables a explicar.
Ese nmero debe ser
menor a los factores.
Todo comienza con la siguiente representacin para la explicacin de

dos variables.
F son los factores comunes que el investigador considera que estn

relacionados con las variables a explicar. Los coeficientes son
conocidos como cargas factoriales. U corresponde a los factores
nicos.
60
Anlisis factorial
as variables deben estar estandarizadas tal que:

Supuestos:
l trmino u debe ser independiente a los factores, e independiente entre s.

El anlisis de componentes principales es el
ms usado en un ejercicio prctico y
exploratorio. Sobretodo por el carcter de los
supuestos.
La representacin:
Entonces:
Pueden incluirse ms
61
variables a explicar.
Ese nmero debe ser
menor a los factores.
62
Pasos
63
matriz
La
de correlacin de los factores permitir determinar si hay

alguna relacin dbil o redundante entre los factores.
El test de Barlett prueba si la matriz de varianza de los datos (R) es la

identidad.
El estadstico de prueba se distribuye chi cuadrado con grados de

libertad
64
Pasos
65
Anlisis factorial
mtodo comn para saber si el Anlisis factorial es indicado es
Un
mediante al anlisis de las covarianzas de los factores. Una de sus
medidas es el anlisis de adecuacin muestral.
Medida de
adecuacin
muestra para
cada i
En la prctica hay que tener cuidado con la eliminacin de variables por

medio de este mtodo. La variable con el menor ndice es a candidata a
ser eliminada.
66
Anlisis factorial
Recordemos que
covarianza poblacional es:
, en la prctica. La matriz de varianza y
Objetivo
Al determinar el peso de los factores sobre la explicacin de

las variables. Podremos saber que factores tienen un peso
nulo en el modelo.
67
Pasos
68
Anlisis factorial
Se pueden utilizar varias estrategias para determinar los factores a utilizar:
1.
La experiencia.
2.
La matriz de varianza y covarianza.
3.
El clculo de los valores propios de la matriz de varianza y covarianza

poblacional, y eliminar aquellas variables con un valor p superior a 0,7.
4.
Fraccionar la muestra y evidenciar si los factores son igualmente

importantes es ambas.
69
Pasos
70
Anlisis factorial
La rotacin (transformacin) elimina ambigedades de las conclusiones
en las etapas previas.
De esa forma con la rotacin algunos pesos (a) sern mayores o nulos en
las variables. Identificando la relacin entre las variables no incluidas y las
incluidas.
Es decir, encontrar un mtodo ms simple. No se pierden las propiedades
matemticas de la matriz.
71
Pasos
72
Regresin lineal
Es un mtodo ampliamente usado para identificar variables

determinantes en la explicacin de la trayectoria de una variable
dependiente.
Asume una estructura lineal por definicin.
Asume que la variable dependiente (y) es explicada por un conjunto de

variables (x) , y un trmino de error (se distribuye normal). En
consecuencia, se asume alguna causalidad.
73
Regresin lineal
Los supuestos en la versin ideal
La normalidad del trmino de error
La varianza del error es constante, y la media es cero.
No hay una relacin muy fuerte entre los regresores.
No se estn omitiendo variables relevantes.
El error es independiente a los regresores.
No hay endogenidad.
74
Regresin lineal

Curso de Estadística Inferencial Aplicado A La Educación

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Curso de Estadística Inferencial Aplicado A La Educación

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Distribuciones discretas y continuas

Distribucin normal y el teorema de lmite central

Anlisis de varianzas: ANOVA

Coeficiente de correlacin de Pearson

Construccin de Indicadores Sintticos

Anlisis de bases de datos de las pruebas SABERPRO del ICFES,

Poblacin: Conjunto de unidades que comparten alguna caracterstica.

Ejemplos: Los estudiantes, los profesores, los graduados, etc.

Muestra: Recoleccin de unidades que representan apropiadamente a la

Ejemplos: La muestra de estudiantes calculada para el Estudio de Satisfaccin de

Tipos de mediciones: Datos nominales, datos ordinales, datos en

Los datos provienen de la unidad de anlisis que constituye la

Adems las variables cuantitativas pueden ser continuas o

vez se identific la poblacin, y se recolectaron los datos.

El siguiente propsito es describir de forma apropiada las caractersticas esenciales de la

Adems de las anteriores medidas. Es muy importante conocer otros momentos de

Distribucin Bernoulli (6 en la satisfaccin con el programa)

Binomial (Geomtrica, Binomial negativa)

Es una distribucin til porque se aproxima a la distribucin binomial y esto

Es la piedra angular de la inferencia estadstica porque las distribuciones de

los eventos tienen una distribucin normal con media (a) y

Distribucin normal estndar

Teorema de los grandes nmeros

Cada sucesin de eventos o realizaciones son independientes e

Teorema de lmite central

Cada sucesin de eventos o realizaciones son independientes e

Sea X una variable aleatoria binomial con media np y varianza np(1-p).

Hay dos tipos de estimacin paramtrica:

Puntual: Mtodo de momentos y de Mxima verosimilitud

Algunos estimadores comnmente usados son, si X se distribuye normal: Dos de los

Estimacin por intervalo

Lo ms importante de la estimacin por intervalo es la siguiente condicin

Estimacin por intervalo

El intervalo de confianza de la estadstica ser

A continuacin algunos estimadores y su distribucin:

Cuando la varianza es conocida

En realidad la varianza no es conocida

Estimacin por intervalo

Como en realidad no conocemos la varianza, y en su lugar la estimamos

Estimacin por intervalo

Otros estimadores tiles para comparar momentos muestrales son las

La comparacin de varianzas ser

Estimacin por intervalo

Estimacin por intervalo

Estimacin por intervalo

Algunos conceptos bsicos de las pruebas de hiptesis:

En muchas ocasiones se considera ms grave cometer el error I al error II.

Si el nivel de confianza es la probabilidad de cometer el error tipo I En el

Por ejemplo: el promedio se distribuye normal, si se conoce la varianza;

Anlisis de varianza (Anova)

Anlisis de los datos de una variable

Anlisis de un estudio observacional

Se usa para comparar las propiedades muestrales de conjuntos de

Tambin se usa en anlisis en las regresiones multivariadas

Intuitivamente se trata de analizar y explotar la

Anlisis de varianza (ANOVA)

Anlisis de varianza (ANOVA)

En la poblacin, la variable dependiente tiene distribucin normal.

La varianza de la variable dependiente es la misma en cada categora.

Las observaciones son independientes.

Anlisis de varianza (ANOVA)

De los 3 grupos tenemos que la desviacin de la media respecto a la poblacional