Analisis

Descargar como docx, pdf o txt
Descargar como docx, pdf o txt
Está en la página 1de 11

Universidad de Sotavento

Análisis de Datos Cuantitativos


Mtra. Nancy Irais Villalobos
Elbort
Estadística Inferencial
5020
Rodriguez Escobar Jorge Andrés
26/09/21

1
INDICE

Introducción y objetivo-------------------------------------------------------------------3

Concepto estadística inferencial -----------------------------------------------------4

Concepto pruebas paramétricas -----------------------------------------------------4

Concepto pruebas no paramétricas -------------------------------------------------5

Clasificación pruebas paramétricas------------------------------------------------ 7

Clasificación pruebas no paramétricas------------------------------------------- 8

Distribución normal ---------------------------------------------------------------------- 9

Conclusión ----------------------------------------------------------------------------------10

Referencias Bibliográficas---------------------------------------------------------------11

2
INTRODUCCIÓN

El tema de los análisis de datos ha ido adquiriendo cada vez más importancia
dentro de las distintas áreas de la salud. La finalidad del trabajo es mostrar de
manera concreta la estadística inferencial, entre otros subtemas.

Es importante la examinación del problema a analizar debido a que, durante este


análisis, los datos pueden ser objeto de operaciones, por ejemplo, para obtener
indicadores estadísticos.

Cabe señalar que este es un proceso de la ciencia de datos que se da luego de la


recolección de la información.

OBJETIVO

 Describir y resumir los datos analizados


 Comparar variables y saber su uso
 Analizar la información recabada de manera numérica

3
Concepto de estadística inferencial

Se enfoca en la toma de decisiones o realización de generalizaciones acerca de


las características de todas las observaciones bajo consideración con base en
información parcial o incompleta.

De igual manera, la estadística inferencial nos permite estimar parámetros


poblacionales a partir de la muestra utilizada, así como realizar el contraste de
hipo tesis. Los test estadísticos aplicados dependerán de la naturaleza de
nuestros datos y tipo de variables.

Pruebas paramétricas

Se concentran en buscar cierta estimación en los parámetros de una población en


base a una muestra, para poder conocer un modelo de distribución adecuado a la
población que se le presenten variables cuantitativas continuas.

Las pruebas paramétricas están basadas en la ley de distribución de la variable


que se estudia. A pesar de que existen muchos tipos de leyes de distribución,
éstas se basan en las normales, que tiene dos parámetros: la media y la
desviación estándar. Lo suficiente para conocer la probabilidad.  

Ventajas:

 Son más eficientes.


 Son perceptibles a las características de la información obtenida.
 Los errores son muy poco probables
 Los cálculos probabilísticos son muy exactos

4
Pruebas no paramétricas

Está basada en un modelo que especifica solo condiciones muy generales y


ninguna acerca de la forma específica de la distribución de la cual fue obtenida la
muestra. ciertas suposiciones están asociadas con la mayoría de dichas pruebas,
pero se da ha conocer que las observaciones son independientes y quizá la
variable en estudio es continua.

Estos procedimientos prueban diferente hipo tesis acerca de la población que los
procedimientos no realizan, estos métodos pueden aplicarse apropiadamente a
datos medidos en una escala ordinal y otras en una escala nominal o categórica.

Características de las pruebas no paramétricas:

1. Son más fáciles de aplicar


2. Son aplicables a los datos jerarquizados
3. Se pueden usar cuando dos series de observaciones provienen de distintas
poblaciones
4. Son la única alternativa cuando el tamaño de muestra es pequeño
5. Son útiles a un nivel de significancia previamente especificado.

Consideraciones aplicables:

A- Independencia de los errores i


Los errores experimentales han de ser independientes Se consigue si los sujetos
son asignados aleatoriamente. Es decir, se consigue esta condición si los
elementos de los diversos grupos han sido elegidos por muestreo aleatorio

B- Normalidad
Se supone que los errores experimentales se distribuyen normalmente. Lo que
supone que cada una de las puntuaciones yi.i se distribuirá normalmente.

Para comprobarlo se puede aplicar un test de ajuste a la distribución normal como


et de Kolmogov-Smirnov.

5
C- Homogeneidad de varianzas (homocedasticidad).
La varianza de los subgrupos ha de ser homogénea ya que están debidas al error.
Se comprobarán mediante los test de: Razón de varianzas (máx. /min), C de
Cochran, Barlett-Box…

 4) Análisis de la covarianza (ANCOVA)


Método de análisis estadístico que es una extensión del análisis de la varianza,
que permite ajustar los estimadores del efecto de un tratamiento según posibles
covariables y factores.

Es una técnica estadística que combina ANOVA (pues compara medias entre
grupos) y análisis de regresión (ajusta las comparaciones de las medias entres los
grupos por variables continuas o covariables)

 5) Análisis de regresión


En un conjunto de datos sobre la variable dependiente y sobre una o más
variables independientes, esta consiste en determinar el modelo matemático más
ajustado que describa y como una función de las x o para predecir y a partir de las
x.
Los tipos más corrientes son el modelo lineal y el modelo logístico.

 6) Análisis por protocolo


En un ensayo clínico, análisis de los datos según el tratamiento tomado, en
contraposición al análisis por intención de tratar, que se realiza según el
tratamiento asignado en el proceso de asignación aleatoria. El análisis por
protocolo tiende a medir la eficacia de la intervención, para cuya evaluación
conviene incluir sólo a los pacientes que han estado realmente expuestos a los
tratamientos planificados.

6
PRUEBAS PARAMETRICAS

PRUEBA T PARA UNA MUESTRA

La prueba t para una muestra se utiliza para contrastar si la media de una


población difiere de forma significativa de un valor dado conocido o
hipotetizado. Así, la prueba calcula estadísticos descriptivos para las variables
de contraste junto con la prueba t. Se utiliza una variable discreta.

Prueba T para dos muestras independientes


Esta prueba se utiliza cuando la comparación sea entre las medias de dos
poblaciones independientes. Esto es, los individuos de una de las poblaciones
son distintos a los individuos de la otra. Un ejemplo de esto es una
comparación entre hombres y mujeres. Se utiliza una variable nominal.

Prueba T para dos muestras relacionadas


Esta prueba es otra de las alternativas para contrastar dos medias. Esta se
refiere principalmente al supuesto caso en el que las dos poblaciones no sean
independientes. En este caso, se trata de poblaciones que se relacionan entre
sí. Esta situación ocurre, por ejemplo, cuando un grupo de individuos es
observado antes y después de una determinada intervención. Se utiliza una
variable continua.

7
PRUEBAS NO PARAMETRICAS

Prueba de rachas

Esta prueba es de independencia o de aleatoriedad porque permite determinar si


el número de rachas (R) observado en una determinada muestra de tamaño. n es
lo suficientemente grande o lo suficientemente pequeño para poder rechazar la
hipótesis de independencia (o aleatoriedad) entre las observaciones.

La racha es una secuencia de observaciones de un mismo atributo o cualidad.


Una serie de datos en los que hay muchas o pocas rachas que permite concluir
que estas no han ocurrido por azar y utiliza una VD nominal.

Prueba de Kolmogórov-Smirnov (K-S)

Es una prueba de bondad de ajuste, que sirve para contrastar la hipótesis nula de
que la distribución de una variable se ajusta a una determinada distribución de una
variable se ajusta a una determinada distribución teórica de probabilidad que
puede ser con tendencia a la normal, a la de Poisson o exponencial. Su variable
es ordinal/intervalo.

Prueba de McNemar

Sirve para contrastar hipótesis sobre igualdad de proporciones y se usa cuando


hay una situación en las que las medidas de cada sujeto se repiten, por lo que la
respuesta de cada uno de ellos se obtiene dos veces: una vez antes y otra
después de que ocurra un evento especifico. Su variable es VI: Dicotómica y VD:
Nominal.

8
DISTRIBUCIÓN NORMAL

La distribución normal es una distribución con forma de campana donde las


desviaciones estándar sucesivas con respecto a la media establecen valores de
referencia para estimar el porcentaje de observaciones de los datos. Estos valores
de referencia son la base de muchas pruebas de hipótesis, como las pruebas Z y
t.

Para poder interpretar la distribución normal, es necesario poner un ejemplo, el


cual escogemos a un grupo de personas y el dato que nos interesa que, por
ejemplo, es su edad: con el número de personas que tienen cada edad
representamos la distribución mediante un eje de coordenadas, en el eje x las
edades y en el eje y el número de personas que tienen esas edades.

9
CONCLUSIÓN

La estadística inferencial cumple un papel muy importante en el orden de las


cosas. Cuando uno quiere llevar un análisis a fondo sobre algún tema, como por
ejemplo sobre una determinada población, es importante saber el orden en el que
ira dicho problema. Por ejemplo, si se quiere saber sobre cuantas personas le
interesan algo y a otras algo diferente. Todo eso es importante para obtener
resultados concretos.

10
REFERENCIAS BIBLIOGRAFICAS

 Software DELSOL. (s. f.). Distribucion normal ¿Que es? Distribución normal
Recuperado 26 de septiembre de 2021, de
https://www.sdelsol.com/glosario/distribucion normal/
 Las pruebas estadísticas. (2014, 16 julio). S.E.F.O. https://www.scientific-
european-federation-osteopaths.org/las-pruebas-estadisticas/
 pruebas-parametricas-definicion-y-caracteristicas. (2019, 5 abril). La Mente
es Maravillosa. https://lamenteesmaravillosa.com/pruebas-parametricas-
definicion-y-caracteristicas/

11

También podría gustarte