Varios

Estadstica Inferencial. Conceptos previos 1. Introduccin La EI nos permite realizar inferencias, sacar conclusiones con respecto a una poblacin a partir de los datos descriptivos de una muestra deducimos los datos o medidas de la poblacin, que en este caso se denominan parmetros. Normalmente, el investigador trabaja con muestras o grupos concretos. Las poblaciones son, en general, inasequibles,por eso se trabaja con pequeas muestras y se generalizan las conclusiones a las poblaciones a las que pertenecen las muestras. 2. Un ejemplo con el estimador t de student Cuando podemos afirmar que las dos muestras pertenecen a la misma poblacin Cuando podemos afirmar que las dos muestras proceden de poblaciones distintas Cuando la diferencia entre sus medias est dentro de lo normal ofrecuente Cuando la diferencia entre medias es atpica, poco frecuente, se sale de lo normal Es decir, cuando se trata de una diferencia probable en el caso de que las muestras pertenezcan a la misma poblacinEs decir, cuando se trata de una diferencia poco probable en el caso de que las muestras procedan de la misma poblacin. En este caso las muestras pertenecen de poblaciones distintas 3. HiptesisNula e Hiptesis alterna La H1 es la del investigador es decir, que existe una diferencia (o una relacin), que la diferencia o el resultado del estimador es mayor de lo que se puede esperar por azar. La H0 es la negacin de la H1 la diferencia, el resultado, est dentro de lo normal y probable, no se aparta significativamente de un resultado medio de cero, y si es distinto de 0 se debe al azar, a unamala aleatorizacin. H1 el medicamento A es mejor que el medicamento B H0 el medicamento A no es mejor que el B. La formulacin de la H0 se entiende mejor si aadimos (al menos mentalmente) porque si hay diferencia entre los medicamentos se explica por el error muestral, por factores aleatorios, etc. Al hablar de diferencia significativa o de relacin entre variables estamos hablando de diferenciasno aleatorias, no explicadas por el error muestral, no esperable por azar. Por eso recurrimos a la famosa p de error o de mala aleatorizacin, es decir necesitamos un resultado no slo distinto de 0 para rechazar la H0, sino tambin que ese resultado sea fiable en la medida en que la probabilidad de que se d por pura chiripa sea lo ms cercana a 0. En este sentido, se entiende convencionalmente, quecon menos del 5 de probabilidad de error (o casualidad de que ese resultado sea distinto de 0) estamos en condiciones de aceptar la H1 y rechazar H0 (p0,05). 4. Resumen del proceso de verificacin de Hiptesis H. Alterna Hiptesis que se desea comprobarH. Nula Hiptesis que niega la Hiptesis AlternaPrueba estadstica Pone a prueba la Hiptesis Nula Si las probabilidades (p) de que el resultado seaaleatorio son altas se acepta la H0 Es alta dependiendo de nuestro nivel de confianza, ms de un 5 (p0,05) es un lmite comnmente aceptado Si las probabilidades (p) de que el resultado sea aleatorio son pocas se rechaza (no se acepta) la H0. Son pocas dependiendo de nuestro nivel de confianza, menos de un 5 (p0,05) es comnmente aceptado Se acepta la H0 y se rechaza la H1. Propiamente no hemos probadoque la H0 es verdadera simplemente no la hemos rechazado El resultado no ha sido probado porque hay ms de un 5 de probabilidades de que est dentro de lo casual Se acepta la H1 y se rechaza la H0, pero con una probabilidad de error (de equivocarnos en esta decisin) que conocemos Puede haber otras fuentes de error en la interpretacin de los resultados. P.e., puede haber hiptesis rivales queexpliquen mejor los cambios en la variable dependiente (quiz el mtodo A no es mejor que el mtodo B, sino que el profesor es muy bueno) Aclaraciones No se puede hablar de diferencia estadsticamente significativa en correlacin porque se basa en el resultado distinto de 0 que consiste en analizar la variacin conjunta experimentada por los sujetos en 2 variables cuantitativas a la vez, no se trata de ver...