Tema 7-8

MÉTODOS Y DISEÑOS
DE INVESTIGACIÓN
Videoclase nº 4
TEMAS 7-8
José Quintanal Díaz e Isabel Martínez Sánchez

UNED. Facultad de Educación
Departamento MIDE I
© UNED
Segunda Unidad Didáctica:
El diseño de la investigación
TEMA 7:
Estadística y diseños I. Estimación de parámetros
TEMA 8:
Estadística y diseños II. Contraste de hipótesis
____________________
MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

(Profesores: José Quintanal e Isabel Martínez)
© UNED 2
TEMA 7:
Introducción
1. Conceptos básicos en la inferencia estadística
1.1 Propiedades de los estimadores
2. Distribución muestral, error muestral y error típico: Estimación del parámetro
media aritmética
2.1 Estimación del parámetro proporción
3. Estimación del parámetro correlación de Pearson. Introducción al concepto de la
significación estadística y al planteamiento de los diseños de un solo grupo
4. Estimación del parámetro diferencia de medias
5. Estimación de parámetros y contraste de hipótesis: interpretación intuitiva
Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

© UNED 3
TEMA 7:
La investigación ha de superar el reducido espacio del Centro Educativo, buscando la generalización de leyes,
extrapolando sus resultados a poblaciones amplias. Esto es lo que conocemos como inferencia estadística.
1. Conceptos básicos en la inferencia estadística
Población: Todos los elementos que cumplen ciertas propiedades

Sus índices numéricos >>> PARÁMETROS (𝜇 − 𝜎 − 𝜎2 )
Muestra: Subconjunto de elementos de una población

Sus índices numéricos >>> ESTADÍSTICOS (Χ% − 𝑠 − 𝑠2 )
Muestreo: Técnica para seleccionar la muestra. Puede ser probabilístico (sistemático, aleatorio simple o
estratificado, conglomerados), el más representativo, o no probabilístico.
Medida: Los constructos son características de los sujetos que no son mensurables (Ej: inteligencia). Para
medirlos, se valoran sus manifestaciones observables (atributos). Nos servimos de instrumentos de medida para
elaborar una matriz de datos.

© UNED 4
TEMA 7:
Inferencia estadística: Pretende sacar conclusiones de gran número de datos. Permite la estimación de parámetros y
realizar el contraste de hipótesis (que veremos en el próximo tema).
Estimación de parámetros: El parámetro se estima a partir del estadístico calculado en la muestra. Puede
ser puntual (un punto del estadístico) o por intervalos (un intervalo, que contiene el valor del parámetro).
Propiedades de los estimadores:
Un estimador es un estadístico muestral, que permite estimar el parámetro.
Características:
- Carencia de sesgo. Un estimador insesgado tiene sesgo igual a cero. El promedio de los estadísticos es el
valor verdadero del parámetro.
- Eficiencia. El estimador es más eficiente cuanto menor es su desviación típica, Cuanto menor sea su error
típico, más cercano es el valor del estadístico del valor del parámetro.
- Consistencia. El estimador es consistente si con el aumento del tamaño de la muestra, es mayor la
probabilidad de acercarse el valor del estadístico al del parámetro.
- Suficiencia. El estimador es suficiente cuando es capaz de sustraer de la nuestra toda la información que
ésta contenga del parámetro.

© UNED 5
TEMA 7:
EJEMPLO: ESTADÍSTICA
Estadística descriptiva Estadística inferencial
Muestra (n) Población (N)

Inferencia
Estadísticos Parámetros
Χ$ , 𝑠 , 𝑠 ! ESTIMACIÓN 𝜇 , 𝜎 , 𝜎!
Predica características de la población

a partir de las de la muestra
Puntual
ESTIMACIÓN ! ± 𝐄. 𝐌.
I.C. = 𝚾
Intervalo

© UNED 6
TEMA 7:
2. Distribución muestral, error muestral y error típico: Estimación del parámetro media aritmética
Distribución muestral es la distribución que presenta un estadístico en el muestreo. Se define como

los infinitos valores de un estadístico, obtenidos de infinitas muestras aleatorias del mismo tamaño,
extraídas de la misma población.
Al no tener la absoluta confianza de que nuestro valor en la muestra, sea igual al del parámetro, por
eso, en inferencia hablamos de valores establecidos por el investigador…
Nivel de confianza (1-𝛼): las posibilidades de dicha equivalencia, o
Nivel de significación (𝛼): la posibilidad de error que estamos dispuestos a cometer en la
estimación.
Intervalo confidencial o Intervalo de confianza (I.C.): los valores entre los cuales es más probable
que se encuentre el verdadero valor del parámetro.
Error muestral: la diferencia más probable entre estadístico y parámetro.
! ± 𝐄. 𝐌.
I.C. = 𝚾
© UNED 7
TEMA 7:
p = a/2 = 0,025 Zona más probable para

encontrar el valor del parámetro
Intervalo de confianza en la
con un N.C. = 95 %
estimación de parámetros.
z Ejemplo: Pág 244

-1,96 +1,96
Límite Límite confidencial

confidencial inferior superior
Erro r muestral
Con el mismo procedimiento, se pueden estimar diferentes parámetros: 𝜎 ! , 𝜌, 𝜇" − 𝜇# …

v𝑎𝑟𝑖𝑎𝑛𝑧𝑎, 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑐𝑖ó𝑛, 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑚𝑒𝑑𝑖𝑎𝑠, . ..

© UNED 8
TEMA 7:
El error muestral nos da una idea de la precisión de nuestra inferencia estadística.

$ ± 𝐄. 𝐌.
I.C. = 𝚾
La distribución muestral tiene su propia desviación típica, denominada error típico.
El error típico indica la dispersión de medida del estadístico respecto al 𝝈

parámetro. Depende de la desviación típica y del tamaño de la muestra. 𝝈𝚾$ =
𝒔 𝑵−𝟏
Si el valor de σ fuera desconocido, hemos de recurrir al valor de “s”. 𝝈𝚾$ =
Cuanto mayor sea el tamaño de la muestra, mayor precisión de 𝑵−𝟏
medida y menor error típico.
𝐄. 𝐌. = Ζ!/# · 𝜎%$ El error típico nos facilita conocer el error muestral (E.M.)
y con ello el intervalo de confianza.
𝑍2/4 Es la puntuación típica correspondiente al nivel de significación

𝛼 establecido por el investigador

© UNED 9
TEMA 7:
Procedimiento a seguir para estimar el intervalo de confianza

1. Seleccionar una muestra aleatoria de una población definida.
2. Determinar el nivel de confianza.
Si σ es conocido (desviación típica de la población)

3. Usar su valor, junto con el N de la muestra, para calcular el error típico.
4. Utilizar la distribución normal para buscar (en las tablas de z) los valores “críticos” de z correspondientes a la parte
central de la distribución según el nivel de confianza elegido.
5. Con los datos anteriores, se calcula el error muestral y obtenemos el límite confidencial superior/inferior
sumando/restando dicho error a la media aritmética de la muestra.
Si σ es desconocido
3. Usar el valor de la desviación típica de la muestra (s), junto con el N de la muestra, para calcular la estimación del
error típico.
4. Utilizar la distribución t de student para buscar (en las tablas de t) los valores “críticos” de t correspondientes a la
parte central de la distribución según el nivel de confianza elegido y los grados de libertad.
En educación no siempre es posible definir con claridad la población y menos obtener una muestra aleatoria. En cuyo caso,
sólo podemos llegar a realizar inferencias sobre poblaciones hipotéticas con características similares a la muestra utilizada.

© UNED 10
TEMA 7:
Estimación del parámetro “media aritmética” La distribución muestral sigue la t de Student

…con 𝝈 desconocido y muestras pequeñas
En este caso t varía en función del número de sujetos (g.l.) y del
valor de Ζ2/4 que en nuestro será 𝑡2/4 (en las tablas
correspondientes encontramos su probabilidad asociada al
valor estadístico correspondiente).
g.l.: Los grados de libertad de una prueba estadística son el
número de datos que son libres de variar cuando se calcula tal
prueba.
Ejemplo para el cálculo de la media: Pág 246
Estimación del parámetro “proporción” La en el caso de la proporción, se sustituye ésta en la

La media aritmética oscila entre 0 y 1 (variables dicotómicas) desviación
𝑠 𝑝·𝑞
𝜎'& = 𝜎)̅ =
𝑁−1 𝑁−1

© UNED 11
TEMA 7:
3. Estimación del parámetro “correlación de Pearson”. Introducción al concepto

de “significación estadística” y al planteamiento de diseños de un solo grupo
La correlación de Pearson (r) es un índice descriptivo bivariado (que trabaja con variables numéricas con
distribución normal), que permite describir la magnitud de la relación entre dos variables.
A la hora de aplicar la inferencia estadística de este parámetro a la población, necesitamos conocer el
intervalo de confianza para la correlación, para estimar su valor en la población.
Para muestras grandes (N>100) Muestras pequeñas y por tanto.…
σr =
1
σr =
2
1- r I.C. = r ± E.M., donde E.M. = Z(a/2)· sr
N -1 N -1
Ejemplo para el cálculo de E.M.: Pág 249
Significación estadística
Una correlación no significativa es la que no podemos generalizar sin más, pues no podemos afirmar que en la
población hay una relación, aunque sea pequeña, distinta de cero.
Se trata de la probabilidad de que una relación entre dos o más variables en un análisis no sea por azar, sino que sea
causada por otro factor.
Ideas Clave
© UNED 12
TEMA 7:
4. Estimación del parámetro “diferencia de medias” (𝝁𝟏 − 𝝁𝟐 )
Nos permite establecer los límites confidenciales entre los cuales puede encontrarse la diferencia de medias en la
población.
En virtud del nivel de significación, se establece un intervalo, determinado por el error muestral. Si este intervalo incluye
el 0, dicha diferencia es compatible con dicha diferencia en la población. Si no lo incluyen, la diferencia es
estadísticamente significativa, las diferencias en los grupos no son aleatorias.
Cálculo:
Ejemplo para el cálculo del E.M.: Pág 254

© UNED 13
TEMA 7:
5. Estimación de parámetros y contraste de hipótesis. Interpretación intuitiva
El contraste de hipótesis se aplica sobre la hipótesis nula, según la cual se plantea una distribución muestral que indica
la no existencia de diferencias estadísticamente significativas (que las diferencias encontradas entre dos sucesos, se
deben al azar).
La hipótesis nula indica que la diferencia entre medidas (𝜇, por ejemplo) no es estadísticamente significativa, porque se
puede explicar por efecto del azar. Se establece una zona (zona de aceptación) en la que es más probable que las
diferencias encontradas se deba a los efectos del azar. Ejemplo para el cálculo del E.M.: Gráfico pág 256
Además, es importante la significatividad (el tamaño del efecto), la relevancia práctica de los resultados. Establece si la
diferencia entre medias es lo suficientemente grande o pequeña.
Los informes de investigación actuales recomiendan informar de tres estimaciones: contraste de

hipótesis, intervalo de confianza y tamaño del efecto.

© UNED 14
TEMA 8:
Introducción
1. La lógica de la prueba de significación de la hipótesis nula
2. El nivel de significación estadística y errores Tipo I y Tipo II
3. Los pasos del Contraste de Hipótesis
3.1 Selección de una muestra aleatoria
3.2 Formulación de las hipótesis estadísticas
3.3 Elección del valor de alfa o nivel de significación
3.4 Determinación de la distribución muestral y la región de rechazo
3.5 Utilización del valor exacto de p
4. Errores frecuentes en la utilización e interpretación de resultados de la prueba
de significación de la hipótesis nula
5. El tamaño del efecto

© UNED 15
TEMA 8:
1. La lógica de la prueba de significación de la hipótesis nula Esta es la base del Contraste de Hipótesis….
En la investigación la H0 significa que la VI no produce ningún efecto en la VD. Esto supone…

• No existen diferencias entre los grupos comparados.
• Al comparar los resultados obtenidos, podemos saber si las diferencias observadas son atribuidas a algún otro
factor, distinto de la casualidad. La H0 ayuda a definir un intervalo en el que cualquier diferencia observada
entre grupos, puede atribuirse al azar y otro intervalo debido a otro factor (manipulación (VI) que esté ejerciendo
un efecto sobre la VD.
La Prueba de Significación de la Hipótesis Nula (PSHN):

Los valores de la Media Muestral permiten probar la hipótesis sobre un valor específico de una media poblacional
desconocida.
1º Se hace un conjetura sobre un valor específico de un parámetro, para una población de interés
2º Se selecciona una muestra aleatoria de la población, calculando el estadístico de la misma.
3º Se comparan ambas medidas estableciendo un intervalo de valores improbables (H0 verdadera), en virtud del
nivel de significación (𝛼) elegido y del tipo de contraste. (una o dos colas).
4º Se evalúa la probabilidad asociada al valor empírico obtenido, supuesta H0 verdadera, en virtud de la
distribución muestral del estadístico en cuestión (t, z, F,…). Se rechaza si el estadístico es ≤ 𝛼.
Ideas Clave Ejemplo: Pág 263-264

© UNED 16
TEMA 8:
El contraste de hipótesis supone el proceso de aceptar o no aceptar las hipótesis planteadas en la investigación.
Clave: la distribución muestral.

Prueba de Significación de la Hipótesis Nula (PSHN):
valor del estadístico, en virtud del nivel de significación.
El estadístico lo determina el tipo de prueba:

- Paramétrica (especifica ciertas condiciones acerca
de los parámetros de la población): z, t o F
- No paramétrica (no especifica condiciones acerca
de los parámetros de la población): 𝜒 4 , T, U
Nivel de significación
Error muestral

© UNED 17
TEMA 8:
2. El nivel de significación estadística y errores Tipo I y Tipo II
Resultados posibles de la decisión estadística: Lo que sucede en la población
H0 es verdadera H0 es falsa
Error Tipo I (𝜶) Decisión correcta (1-𝜷)

Rechaza H0
Decisión del Nivel de significación Potencia estadística
investigador Decisión correcta (1-𝜶)
No rechaza H0 Error Tipo II (𝜷)
Nivel de confianza
El nivel de significación estadística (𝛼) es el error Tipo I: la probabilidad de rechazar la hipótesis nula cuanto
ésta es verdadera.
El error Tipo II (𝛽) depende de varios factores: tamaño de la muestra, el verdadero tamaño de efecto en la
población y el propio valor de 𝛼. Cuanto mayores sean, menor resultará el error Tipo II.
Potencia estadística (1-𝛽) aumenta con el tamaño de la muestra. Nos permite calcular ésta.
El investigador desea mantener ambos tipos de error, tan bajos como sea posible.

© UNED 18
TEMA 8:
3. Procedimiento de Contraste de Hipótesis

Una vez planteado el problema de la investigación y establecidas sus hipótesis, es necesario validar éstas. El contraste de Hipótesis
es el procedimiento seguido en dicha validación. Nos serviremos para ello de la Prueba de Significación de la Hipótesis Nula (PSHN).
Procedimiento:
A) Selección de una muestra aleatoria

Ejemplo en pág. 268 (diseño de dos grupos). Muestra aleatoria de n sujetos, asignación al azar a grupos experimental y de
control. Tras el tratamiento se obtienen los datos que permitirán el cálculo del parámetro establecido (Media aritmética (𝜇)
de cada grupo).
B) Formulación de las hipótesis estadísticas

Formulación de la hipótesis nula (H0) e hipótesis alternativa (H1)
Ejemplo en pág. 269 (diseño de dos grupos): H0: 𝜇𝐸𝑥𝑝 = 𝜇𝐶𝑜𝑛𝑡 /// H1: 𝜇𝐸𝑥𝑝 > 𝜇𝐶𝑜𝑛𝑡 (unilateral) o H1: 𝜇𝐸𝑥𝑝 ≠ 𝜇𝐶𝑜𝑛𝑡 (bilateral)
C) Determinar el Nivel de significación (𝜶)

El investigador nomina el umbral para emitir un juicio sobre la significación estadística de las diferencias.

© UNED 19
TEMA 8:
D) Determinar la distribución muestral y la región de rechazo

En virtud de la prueba estadística, se establece el modelo de distribución (normal en el ejemplo), lo que determina el estadístico
de contraste (z o t, en el ejemplo). Como cualquier distribución de frecuencias, la distribución muestral presenta una desviación
típica, denominada “error típico” (𝛿). Podemos conocer cuántas de esas desviaciones típicas se aleja nuestra puntuación
empírica (diferencia de medias) de la media de la distribución.
Cuando este valor es tan grande, que su probabilidad de ocurrencia es ≤ 𝛼, entonces diremos que es lo suficientemente
improbable como para considerar que dicha diferencia no es aleatoria, sino que se debe al efecto de la VI.
Así pues, la región de rechazo de H0 estará formada por todos los valores del estadístico de contraste ( 𝜌 =
𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑎𝑠𝑜𝑐𝑖𝑎𝑑𝑎 𝑎𝑙 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑒) cuya probabilidad de aparición asociada sea 𝜌 ≤ 𝛼, (o 𝜌 ≤ 𝛼/2, en el caso
de un contraste bilateral).
Se rechaza H0 si… p (t, z, F, 𝝌𝟐 …) ≤ 𝜶
Para ello, se compara el valor del estadístico empírico de contraste (el obtenido al
aplicar la fórmula del p correspondiente) con el valor crítico del estadístico (indicado
por el nivel de significación en la tabla).
Gráfico: ejemplo página 272 >>>

© UNED 20
TEMA 8:
E) Determinar el valor de p (probabilidad)
p es la probabilidad asociada al estadístico de contraste, obtenida a partir del nivel de significación establecido, mediante la
fórmula correspondiente de dicho estadístico.
Indica la probabilidad de obtener un valor tan extremo, igual o mayor que su, valor empírico, asumiendo que hasta ese
valor, la hipótesis nula es verdadera.
El nivel de significación nos permite una decisión binaria: rechazar o no H0. Conocer p (sig. en el
SPSS), nos permite juzgar si hubiéramos podido rechazar H0 en caso de haber elegido un 𝛼 más
exigente. Por eso se concluye la investigación indicando este valor (por ej. si se indica que 𝜌 ≤ .05
indica que la diferencia es estadísticamente significativa utilizando un valor de 𝛼 = 0,05)

© UNED 21
TEMA 8:
4. Errores frecuentes en la interpretación de la prueba de significación de la hipótesis nula (PSHN)

Condiciones que establece la PSHN:
• Muestreo aleatorio de N observaciones independientes.
• Puntuaciones de la VD cuantitativas, y su nivel de medida es al menos de intervalo.
• Es deseable que la distribución de la VD sea normal.
• Realizar uno o un número limitado de contrastes en el mismo estudio.
Ø Su incumplimiento supone riesgo de cometer error Tipo I. Ocurre en Educación. Esta limitación debe ser reflejada en el
informe de la investigación. Y nos referimos a una “hipotética población de referencia”, de sujetos similares a los de la muestra
(generalmente incidental), lo cual limita su validez externa.
Ø Otro error es realizar un gran número de contrastes en un mismo estudio.
Se corrigen con técnicas como … la replicación del estudio (por otros investigadores, reduciendo el error Tipo I.
La validación cruzada (obtener una submuestra aleatoria de la muestra inicial)
Ø Obremos con “cautela”: La H0 no se acepta o rechaza, sino que se rechaza (si cumple la condición) o no se rechaza (si no la
cumple), “en las condiciones en las que se ha realizado la prueba” (por ej. con mayor muestra, u otros instrumentos,
podríamos obtener diferentes resultados).
© UNED 22
TEMA 8:
5. El tamaño del efecto
La significación estadística lo único que indica es la existencia de diferencia, pero no si ésta es importante; para ello se utilizan
indicadores complementarios, que indican el tamaño del efecto (la d de Cohen, índice g de Hedges o de Glass)
Valores sugeridos para d:

d ≤ .20 Efecto pequeño
d ≈ .50 Efecto moderado
d ≥ .80 Efecto grande
El tamaño del efecto también se puede valorar mediante una correlación
biserial-puntual. La variable X sería dicotómica y la variable Y continua. Se
interpreta como cualquier coeficiente de correlación (0/1). De esta forma,
podemos transformar el valor de la t de Student en otro valor que nos da
idea de la fuerza de la relación entre la VI y la VD.
Es conveniente combinar los resultados de la
significación estadística y el tamaño del efecto.

© UNED 23
MÉTODOS Y DISEÑOS
DE INVESTIGACIÓN
Videoclase nº 4
TEMAS 7-8

Departamento MIDE I
© UNED
Videoclase nº 4
GLOSARIO
TEMAS 7-8

Departamento MIDE I
© UNED
TEMA 7:
Población Estimación de parámetros

Muestra Distribución muestral
Muestreo Error típico. Error muestral
Estadística inferencial Software
Estimación Contraste de hipótesis
Estimador Estadístico
Glosario MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

© UNED 26
TEMA 8:
Contraste de hipótesis
Estimación de parámetros
Significación estadística
Nivel de significación
Tamaño del efecto
Glosario MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

© UNED 27
MÉTODOS Y DISEÑOS
DE INVESTIGACIÓN
Videoclase nº 4
TEMAS 7-8

Departamento MIDE I
© UNED

Tema 7-8

Cargado por

Copyright:

Formatos disponibles

Tema 7-8

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 7-8

Cargado por

Copyright:

Formatos disponibles

MÉTODOS Y DISEÑOS

José Quintanal Díaz e Isabel Martínez Sánchez

Estadística y diseños II. Contraste de hipótesis

MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

1. Conceptos básicos en la inferencia estadística

Población: Todos los elementos que cumplen ciertas propiedades

Muestra: Subconjunto de elementos de una población

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Estadística descriptiva Estadística inferencial

Muestra (n) Población (N)

Predica características de la población

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Distribución muestral es la distribución que presenta un estadístico en el muestreo. Se define como

p = a/2 = 0,025 Zona más probable para

z Ejemplo: Pág 244

Límite Límite confidencial

Con el mismo procedimiento, se pueden estimar diferentes parámetros: 𝜎 ! , 𝜌, 𝜇" − 𝜇# …

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

El error muestral nos da una idea de la precisión de nuestra inferencia estadística.

El error típico indica la dispersión de medida del estadístico respecto al 𝝈

𝑍2/4 Es la puntuación típica correspondiente al nivel de significación

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Procedimiento a seguir para estimar el intervalo de confianza

Si σ es conocido (desviación típica de la población)

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Estimación del parámetro “media aritmética” La distribución muestral sigue la t de Student

Estimación del parámetro “proporción” La en el caso de la proporción, se sustituye ésta en la

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

3. Estimación del parámetro “correlación de Pearson”. Introducción al concepto

4. Estimación del parámetro “diferencia de medias” (𝝁𝟏 − 𝝁𝟐 )

Ejemplo para el cálculo del E.M.: Pág 254

5. Estimación de parámetros y contraste de hipótesis. Interpretación intuitiva

Los informes de investigación actuales recomiendan informar de tres estimaciones: contraste de

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

En la investigación la H0 significa que la VI no produce ningún efecto en la VD. Esto supone…

La Prueba de Significación de la Hipótesis Nula (PSHN):

Ideas Clave Ejemplo: Pág 263-264

Clave: la distribución muestral.

El estadístico lo determina el tipo de prueba:

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

2. El nivel de significación estadística y errores Tipo I y Tipo II

Resultados posibles de la decisión estadística: Lo que sucede en la población

Error Tipo I (𝜶) Decisión correcta (1-𝜷)

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

3. Procedimiento de Contraste de Hipótesis

A) Selección de una muestra aleatoria

B) Formulación de las hipótesis estadísticas

C) Determinar el Nivel de significación (𝜶)

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

D) Determinar la distribución muestral y la región de rechazo

Se rechaza H0 si… p (t, z, F, 𝝌𝟐 …) ≤ 𝜶

Gráfico: ejemplo página 272 >>>

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

E) Determinar el valor de p (probabilidad)

Ideas Clave MÉTODOS Y DISEÑOS DE INVESTIGACIÓN. Grado en Pedagogía

4. Errores frecuentes en la interpretación de la prueba de significación de la hipótesis nula (PSHN)

Ø Otro error es realizar un gran número de contrastes en un mismo estudio.