La estadística inferencial

Warning: strpos() expects parameter 1 to be string, array given in /home/site/wwwroot/wp-content/themes/twentynineteen-child/functions.php on line 163

La estadística inferencial es una rama de la estadística que comprende métodos y procedimientos, los cuales permiten realizar inferencias y llegar a conclusiones con respecto a una pequeña parte de la población. A partir de los datos descriptivos de una muestra se deducen los datos de la población. Cuando se hace investigación en el campo educativo, se utiliza la Estadística Inferencial en las investigaciones educativas.

En dicho espacio es cuando el investigador diseña un experimento y desea determinar si se presentan diferencias significativas en los resultados obtenidos, por ejemplo, antes y después de aplicar un método, procedimiento, metodología o estrategia a un grupo de alumnos. En estos casos, es conveniente el uso de la estadística a través de la realización de pruebas de hipótesis. Para poder llevar a cabo esas inferencias, es necesario conocer la relación que se establece entre estadísticas y los parámetros. El concepto que permite relacionar ambos elementos es la distribución muestral de un estadístico. Como se ha visto en el tema anterior, la Estadística Inferencial ocupa dos grandes campos:

• Estimación de parámetros: Se puede llevar a cabo mediante la elección de un solo valor de la muestra que se transforma en parámetro (estimación puntual), o a través de unos límites entre los cuales se espera que se encuentre el verdadero valor del parámetro (estimación por intervalos).
• Contraste de hipótesis: Consiste en probar datos empíricos en las hipótesis que se plantean en el proceso de la investigación. Una vez vista la introducción de este tema, en la cual se enfocará en la Estadística Inferencial, se desarrollará su contenido. El segundo apartado estará dedicado a los diversos modelos teóricos de probabilidad con variables continuas.

Modelos teóricos de probabilidad con variables continuas

En primer lugar, es necesario recordar el término de variable aleatoria, que es toda regla o función mediante la cual a todos los sucesos del espacio muestral se asigna un número real. Es importante recordar que estas variables se pueden clasificar en dos tipos:

• Discretas: Son aquellas que sólo toman valores enteros (finitos o infinito). El principal medio teórico de probabilidad con variables discretas es la distribución binomial.
• Continuas: Son aquellas que además de tomar valores enteros pueden tomar valores decimales. Se puede afirmar que la variable es continua si puede tomar cualquier valor dentro de un intervalo.

Este artícuo se dedicará a las variables aleatorias continuas. Los principales modelos teóricos de probabilidad con variables continuas son:

• Distribución Normal (z)
• T de Student (t)
• Ji Cuadrado (X2 )
• F de Snedecor (F)

A continuación, se describirán cada uno de ellos, iniciando con la distribución normal.

• Distribución normal: La distribución normal simétrica se da alrededor de la media (µ) y con desviación típica (σ), marcando la distancia entre la media y el punto máximo de la pendiente. La distribución normal es el punto medio es z=0, mientras que sus valores a la derecha son positivos y a la izquierda son negativos. Las tablas de la distribución normal relacionan las puntuaciones típicas (z) con el área que queda a la izquierda (probabilidad).
• Distribución t de Student: Es una distribución simétrica como la distribución normal. Existe un conjunto de distribuciones t de Student, dependiendo de los grados de libertad.
• Distribución de X2: Mientras que la distribución normal y la t de Student son distribuciones simétricas, la distribución de Chi Cuadrado es asimétrica positiva. En este chi cuadrado existe un conjunto de distribuciones, dependiendo de los grados de libertad (K).

Distribución muestral

• Población: Está formada por todos los elementos con una característica determinada. Los valores que se obtienen de las poblaciones se denominan parámetros, y se simbolizan con letras griegas. Por ejemplo, todos los alumnos y las alumnas de Educación de Madrid.
• Muestra: Es un subconjunto de la población. Para que una muestra sea representativa de la población, aquella debe ser simple (muestra aleatoria simple), en la que todos los sujetos de la población deben tener la misma probabilidad de pertenecer a la muestra. Los valores obtenidos a partir de las muestras se denominan estadísticos, y se simbolizan con letras latinas.
• Terminología:
  • Media
    • Muestra: X
    • Población: µ
  • La varianza indica la variabilidad de un conjunto de puntuaciones.
  • Cuanto mayor es la varianza de un grupo, el grupo, es más heterogéneo, más disperso, menos homogéneo.
• Proporción:
  • Muestra: P = X/n
    • X: Elemento con una característica determinada
    • N: Número total de sujetos de la muestra
  • Población: π
• Correlación:
  • Muestra: rxy (Correlación lineal de Pearson entre las variables X e Y obtenida a partir de una muestra).
  • Población: Pxy (Correlación lineal de Pearson entre las variables X e Y obtenida a partir de una población).

Distribución muestral

Se denomina distribución muestral a una distribución de frecuencia de un estadístico muestral calculada a partir de todas las muestras posibles n elegidas al azar de una población determinada. El objetivo de aquel tipo de distribución es inferir el comportamiento de la población a partir del conocimiento de una muestra. Estas variables aleatorias se denominan estadísticos muestrales porque están basados en el comportamiento de las muestras, asignando a cada muestra del espacio muestral, constituido por todas las muestras posibles, un número real que es un resumen estadístico de la muestra. En este caso, es prioridad conocer una o más de las siguientes características de la distribución muestral:

• Su forma funcional
• Su media
• desviación estándar (error estándar)

A partir de las muestras seleccionadas de una población pueden construirse variables alternativas, de cuyo análisis se desprenden interesantes propiedades estadísticas. Las dos formas más comunes de estas variables a las distribuciones muestrales de un estadístico y de las medias son las siguientes:

Distribución muestral de un estadístico:

La distribución muestral de un estadístico (DM) se forma al extraerse al azar infinitas muestras del mismo tamaño de la misma población. De cada muestra se halla el mismo estadístico, y con los infinitos estadísticos se forma la distribución muestral, que adquiere las siguientes características:

• Su media es la media de todos los estadísticos de la distribución muestral.
• La desviación típica es la de todos los estadísticos de la distribución muestral. A este tipo de desviación es denominado error típico.
• Su forma depende del estadístico utilizado (z, t, X2 , F)

Distribución muestral de la media

La distribución muestral de la media se forma extrayendo al azar infinitas muestras del mismo tamaño de la misma población. De cada muestra se halla su media y con las infinitas medias se forma la distribución muestral de la media, adquiriendo las siguientes características:

• Su media es µ es la media de todas las medias de las muestras.
• Su desviación típica es (error típico) depende del tamaño de la muestra. Este tipo de erro es la desviación típica de las medias de la distribución muestral. Es un indicador de la precisión de la estimación media; cuanto mayor es el tamaño de la muestra menor es el error típico.
• La fama puede ser:
  • Distribución normal, cuando se conoce.
  • Distribución t de Student, cuando se desconoce distribución muestral de la media.

En la distribución muestral de la media, se pueden dar dos casos:

1. Conocida la desviación típica de la población (σ): Se distribuyen según el modelo normal: X- N (µ;σ)
   • Valor esperado: E(X) = µ
   • Varianza: σ2 (X)= σ2 / N
   • Error típico de la media: σ(X)= σ/√n
   • Fórmula para tipificar
   • El intervalo de confianza para estimar el parámetro µ con σ conocida: IC= x ± / Z /2

El proceso investigativo

El profesional en la educación con énfasis investigativo debe conocer las diferentes herramientas que tiene a su alcance para ejecutar adecuadamente los procesos a su cargo. La búsqueda de la información y la organización de la misma hace parte de como se deben estructurar adecuadamente los mismos. En muchos casos el profesional no es correctamente instruido a fondo en ello, y es por esta razón que la especialización académica se convierte en un punto crucial en ello.

TECH Universidad Tecnológica actualmente desarrolla un amplio portafolio educativo enfocado en el éxito del profesional. En el caso de su Facultad de Educación destacan posgrados tales como el Máster en Terapia Vocal y el Máster en Neuropsicología Clínica para Docentes. Sin embargo, para aquellos profesionales que buscan complementar su educación base en el campo de la búsqueda de información, no cabe duda que su mejor elección será tomar el Máster en Investigación en Educación.