PRESENTACION

UNIVERSIDAD DOMINICANA O&M

RECINTO MOCA

Presentado por:

Christhopher s.santos
Matricula:

18-eisn-5-006
Tema:

Análisis de datos cuantitativos

Asignatura:

Lógica de investigaciones

Presentado A:

Carlos Felipe carvajar

20 de abril del año 2021

Moca, Provincia Espaillat, Rep. Dominicana
¿Qué procedimiento se sigue para analizar cuantitativamente los datos?
 En la actualidad, el aná lisis cuantitativo de los datos se lleva a cabo por computadora u
ordenador.
Ya casi nadie lo hace de forma manual ni aplicando formulas, en especial si hay un volumen
considerable de datos. Por otra, en la mayoría de las instituciones de educació n media y
superior, centros de investigació n, empresas y sindicatos se dispone de sistema de computo
para archivar y analizar datos. De esta suposició n parte el presente capitulo. por ello, se
centra en la interpretació n de los resultados de los métodos de aná lisis cuantitativo y no en
los procedimientos de calculo.

¿Qué es una distribución de frecuencias?

Una distribució n de frecuencias es un conjunto de puntuaciones respecto de una variables
ordenadas en sus respectivas categorías y generalmente se presenta como una tabla.
A veces, las categorías de las distribuiciones de frecuencias son tantas que es necesario
resumirlas.
Las distribuciones de frecuencias son tablas en que se dispone las modalidades de la variable
por filas. En las columnas se dispone el nú mero de ocurrencias por cada valor, porcentajes,
etc. La finalidad de las agrupaciones en frecuencias es facilitar la obtenció n de la informació n
que contienen los datos.
 
¿Qué otros elementos contienen una distribución de frecuencias?
Las distribuciones  de frecuencias pueden completarse agregando los porcentajes de casos en cada
categoría, los porcentajes validos (excluyendo los valores perdidos) y los porcentajes
acumulados(porcentajes de lo que se va acumulando. En cada categoría, desde la mas baja hasta la
más alta).
El porcentaje acumulado constituye lo que aumenta en cada categoría de manera porcentual y
progresiva (en orden de aparición de las categorías), tomando en cuenta los porcentajes validos. En
la categoría “si se ha obtenido la cooperacion”, se ha acumulado 74.6%. en la categoría “no se ha
obtenido la cooperacion”, se acumula 78.7% (74.6% de la categoría anterior y 4.1% de la categoría
en cuestion).

¿De qué otra manera puede presentarse las distribuciones de frecuencias?

Las distribuciones de frecuencias, especialmente cuando utilizamos los porcentajes, pueden
presentarse en forma de histograma o graficas de otro tipo.
SPSS, Minitab y SAS producen tales graficas, o bien, los datos pueden exportarse a otros programas
o paquetes que las generan (de cualquier tipo, colores, utilizando efectos de movimientos y en
terceras dimensiones, como por ejemplo Power point). 
¿Cuáles son las medidas de tendencia central?
Las medidas de tendencia central son puntos en una distribución obtenida, los valores medios o
centrales de esta, y nos ayudan a ubicarlas dentro de la escala de medición de la variable analizada.
Las principales medidas de tendencia central son tres: moda, mediana, y media. El nivel de
medición de la variable determina cual es la medida de tendencia central apropiada para interpretar.
La moda es la categoría o puntuación que ocurre con mayor frecuencia. En la tabla 10.7, la moda es
“1” (si se ha obtenido la cooperacion). Se utiliza con cualquier nivel de medición.
La mediana es una medida de tendencia central propia de los niveles de medición ordinal, por
intervalos y de razón. No tiene sentido con variables nominales, por que en este nivel no hay
jerarquías ni nocion de encima o debajo. Asimismo, la mediana es particularmente útil cuando hay
valores extremos en la distribuciones.
La media es tal vez la medida de tendencia central mas utilizada y puede definirse como el
promedio aritmético de una distribució n. Se simboliza como X-, y es la suma de todoslos
valores dividida entre el numero de casos. Es una medida solamente aplicable a mediciones
por intervalo o de razó n.
¿Cuáles son las medidas de la variabilidad?
Las medidas de la variabilidad indican la dispersió n de los datos en la escala de medició n de la
variable considerada y responden a la pregunta: ¿Dó nde está n diseminadas las puntuaciones
o los valores obtenidos? Las medidas de tendencia central son valores en una distribució n y
las medidas de la variabilidad son intervalos que designan distancias o un numero de
unidades en la escala de medició n.
El Rango, también llamado recorrido, es la diferencia entre la puntuació n mayor y la
puntuació n menor, e indicada el numero de unidades en la escala de medició n que se
necesitan para incluir los valores má ximos y mínimo.
La desviació n estandar o características es el promedio de desviación de las puntuaciones con
respecto a la media. Esta medida se expresa en las unidades originales de medición de la
distribución. Se interpreta en la relacion con la media. Cuanto mayor sea la dispersión de los datos
alrededor de la media mayor será la desviación estándar.
La varianza es la desviació n está ndar elevada al cuadrado y se simboliza como s2. Es un
concepto estadístico muy importante, ya que la mayoría de las pruebas cuantitativas se
fundamenta en el. Diversos método estadísticos parten de la descomposició n de la varianza.
Sin embargo, con fines descriptivos se utiliza perfectamente la desviació n está ndar.

¿Cómo se interpretan las medidas de tendencia central y de la variabilidad?

 Cabe destacar que al describir nuestros datos, respecto a cada variable del estudio,
interpretamos las medidas de tendencia central y de la variabilidad en conjunto, no
aisladamente. Consideramos todos los valores.

¿Hay alguna otra estadística descriptiva?

 La asimetria es una estadística necesaria para conocer cuanto se parece nuestra distribución a una
distribucion teorica llamada curva normal, y constituye un indicador del lado de la curva donde se
agrupan las frecuencias. Si es cero (asimetría= 0), la curva o distribución es simétrica.
Cuando es positiva, quiere decir que hay mas valores agrupados hacia la izquierda de la izquierda la
curva (por debajo de la media ).
¿Cómo se traducen las estadísticas descriptivas al inglés?
 
Estadísticas equivalente en ingles
 Moda mode
 Mediana median
 Media mean
 Desviación estándar standard deviation
 Varianza variance
 Máximo maximum
 Minimo minimum
 Rango range
 Asimetría skewness
 Curtosis kurtosis
¿En qué consiste la prueba de hipótesis?
 Una hipó tesis se define como una afirmació n transitoria que debe ser sometida a prueba. La
inferencia estadística propone un procedimiento para llevar a cabo la prueba de las hipó tesis.
Propone, primero, enunciarlas formalmente y luego contrastarlas con la evidencia de los
datos. Son los datos, entonces, con su coro de características, los que dirá n si una hipó tesis es
falsa o verdadera.
Este procedimiento se realiza considerando a los parámetros, que ya sabemos corresponden
al universo, como los objetos para los cuales se enuncian las hipó tesis. Dicho de otro modo,
una hipó tesis se enuncia para una característica del universo o població n y se origina en la
observació n del comportamiento de la misma característica en un grupo restringido o
muestra.

¿Qué es una distribución muestral?

 Una distribución muestral es un conjunto de valores sobre una estadística calculada de todas las
muestras posible de determinado tamaño de una población. Las distribuciones muestrales de medias
son probablemente las mas conocidas.
 la distribución muestral es lo que resulta de considerar todas las muestras posibles que
pueden ser tomadas de una població n. Su estudio permite calcular la probabilidad que se
tiene, dada una sola muestra, de acercarse al pará metro de la població n. Mediante la
distribució n muestral se puede estimar el error para un tamañ o de muestra dado.
¿Qué es el nivel de significancia o significación?
 El nivel de significancia, también denotado como alfa o α, es la probabilidad de rechazar la
hipó tesis nula cuando es verdadera. Por ejemplo, un nivel de significancia de 0.05 indica un
riesgo de 5% de concluir que existe una diferencia cuando en realidad no hay ninguna
diferencia.
Estos tipos de definiciones pueden ser difíciles de entender debido a su carácter técnico. ¡Una
imagen hace que sea mucho má s fácil entender los conceptos!
El nivel de significancia determina qué tan lejos del valor de la hipó tesis nula dibujaremos esa
línea en la grá fica. Para graficar un nivel de significancia de 0.05, debemos sombrear el 5% de
la distribució n que está má s alejado de la hipó tesis nula.

Los niveles de significació n indican la probabilidad de que un resultado se deba al azar. El

nivel má s frecuente, que se utiliza para indicar que algo es digno de credibilidad, es .95. Esto
significa que el hallazgo tiene un 95% de probabilidades de ser cierto. Sin embargo, este valor
también se utiliza de manera confusa. Ningú n paquete de estadísticas mostrará "95%" o ".95"
para indicar este nivel. En su lugar, aparecerá ".05", para indicar que el hallazgo tiene un cinco
por ciento (.05) de probabilidades de no ser cierto, que es lo inverso a un 95% de
probabilidades de ser cierto. Para obtener el nivel de significació n, se debe restar el nú mero
que aparece a uno.

¿Cómo se relacionan la distribución muestral y el nivel de significancia?

 El nivel de significacia o significació n se expresa en términos de probabilidad (0.05 y 0.01) y
la distribució n muestral tambien como probabilidad (el á rea total de esta como 1.00) pues
bien, para ver si existe o no confianza al generalizar acudimos a la distribució n muestral, con
una probabilidad adecuada para la investigació n.
¿Se pueden cometer errores al probar hipótesis y realizar estadística inferencial?
 Los resultados posible al probar hipótesis son:
1. Aceptar una hipotesis verdadera (decisión correcta)
2. Rechazar una hipótesis falsa (decisión correcta)
3. Aceptar una hipótesis falsa (conocido como error del tipo 2 o error beta)
4. Rechazar una hipótesis verdadera (conocido como error del tipo 1 o error alfa)

Ambos tipos de error son indeseables; sin embargo, pueden reducirse sustancialmente la
posibilidad de que presenten mediante:
a) Muestra probabilísticas representativas.
b) Inspección cuidadosa de los datos
c) Selección de las pruebas estadísticas apropiadas
d) Mayor conocimiento de la poblacion
¿Cuáles son los métodos o las pruebas estadísticas paramétricas más utilizados?
 Exixten diversas pruebas paramétricas, pero las mas utilizadas son:
  Coeficiente de correlacion de Pearson y regresió n lineal.
 Prueba t
 Prueba de contraste de la diferencia de proposiciones.
 Aná lisis de varianza unidireccional (Anova en un sentido).
 Aná lisis de varianza factorial (Anova)
 Aná lisis des covarianza (ancova)

¿Qué es el coeficiente de correlación de Pearson?

 Es una prueba estadísticas para analizar la ralacion entre dos variables medidas en un nivel
por intervalos o de razó n. Se le conoce tambien como “coeficiente producto-momento”.
Se simboliza: r
Hipó tesis a probar: correlacional, del tipo de “a mayor X, mayor Y”, “a mayor X, menor Y,” altos
valores en X está n asociados con, las pruebas en si no considera a una como independiente y
otra como dependiente ya que no evalua la casualidad.

¿Qué es la regresión lineal?

Es un modelo estadístico para estimar el efecto de una variable sobre tora. Esta asociado con
el coeficiente R de Pearson, brinda la oportunidad de proceder las puntuaciones de una
variable a partir de las puntuaciones de la otra variable.
En general los artículos que leemos se refieren a puntos finales clínicos, presentados en forma
dicotó mica: muerte sí/no, internació n sí/no, etc. En ese caso, la asociació n de los predictores
con el evento se presenta como riesgo relativo, odds ratio o hazard ratio.
Pero puede ser que en el curso de un estudio se busque encontrar la asociació n de variables
basales con una variable respuesta numérica continua, no una dicotó mica. Por ejemplo,
buscar qué variables se relacionan con el incremento de la masa ventricular medida en g/m2.
Para poder realizar este aná lisis será necesario demostrar que ante la variació n en la variable
predictora hay un aumento o disminució n lineal de la variable respuesta. Este punto es
crucial: el cambio tiene que ser lineal, rectilíneo.