Inferencia estadística: estimación por intervalo de confianza y contraste de independencia

Nivel educativo: Grado. Duración (en horas): De 31 a 40 horas

Algunas alternativas para la mejora de la enseñanza de la inferencia estadística en secundaria

En este trabajo se realiza un estudio sobre el contenido estadístico en la PAU del Distrito de Canarias. Se observa que los alumnos prefieren las preguntas de Estadística, y que el uso de los gráficos en la resolución de los problemas, conlleva a que obtengan calificaciones más altas. El análisis de los errores nos permite realizar ciertas propuestas para mejorar el proceso de enseñanza-aprendizaje de la Inferencia Estadística. Creemos conveniente para la asimilación de los conceptos y el desarrollo del razonamiento estadístico el uso de las analogías, el manejo de las TICS y el trabajo de proyectos con datos reales.

Inferencia estadística en los bachilleratos

Los cambios introducidos en el sistema educativo español con la paulatina entrada en vigor de la LOGSE y las distintas disposiciones legales que la desarrollan son sustanciales. De todas las importantes modificaciones voy a centrarme en una pequeña parcela del saber matemático. la Estadística, y más aún, en la estadística inductiva de los últimos cursos de la enseñanza secundaria que utiliza el cálculo de probabilidades como soporte y fundamentación.

La inferencia estadística con Microsoft Excel

En este artículo se dan algunas ideas practicas para empezar a trabajar la inferencia estadística, por ejemplo, dentro del programa de segundo bachillerato de ciencias sociales. Lo esencial del artículo es el uso de una hoja de Excel de Microsoft Excel.

Inferencia estadística en bachillerato: propuestas

El trabajo incluye un conjunto de propuestas referentes a los contenidos y secuenciación de la inferencia estadística en la asignatura «Matemáticas aplicadas a las Ciencias Sociales II» y a los recursos metodológicos que pueden ser utilizados para su aprendizaje.

Inferencia estadística en bachillerato : propuestas.

Resumen del autor

Inferencia estadística - Módulo de regresión lineal simple

La utilización del modelo de regresión lineal en los procesos relacionados con el análisis de datos demanda el conocimiento objetivo e instrumentación de la relación funcional de variables, el coeficiente de determinación y de correlación y la prueba de hipótesis como pilares fundamentales para verificar e interpretar su significancia estadística en el intervalo de confianza determinado. La presentación específica de los temas relacionados con el modelo de regresión lineal, el análisis de regresión, el uso de la ecuación de regresión como instrumento para estimar y predecir y la consideración del análisis de residuales ha sido realizada tomando como referente el estudio de problemas reales definidos en los entornos de la economía, la administración y la salud, utilizando como plataforma de apoyo la hoja de cálculo Excel®. Se consideran en este módulo didáctico, los elementos teóricos correspondientes al análisis de regresión lineal, como técnica estadística empleada para estudiar la relación entre variables determinísticas o aleatorias que resultan de algún tipo de investigación, en la cual se analiza el comportamiento de dos variables, una dependiente y otra independiente. Se muestra mediante la gráfica de dispersión el posible comportamiento de las variables: lineal directa, inversa, no lineal directa o no lineal inversa, con el fin de desarrollar en el lector las competencias interpretativas y propositivas requeridas para dimensionar integralmente la importancia de la estadística inferencial en la vida del profesional en ciencias económicas, administrativas y de la salud.

Inferencia estadística módulo de regresión lineal simple

La utilización del modelo de regresión lineal en los procesos relacionados con el análisis de datos demanda el conocimiento objetivo e instrumentación de la relación funcional de variables, el coeficiente de determinación y de correlación y la prueba de hipótesis como pilares fundamentales para verificar e interpretar su significancia estadística en el intervalo de confianza determinado. La presentación específica de los temas relacionados con el modelo de regresión lineal, el análisis de regresión, el uso de la ecuación de regresión como instrumento para estimar y predecir y la consideración del análisis de residuales ha sido realizada tomando como referente el estudio de problemas reales definidos en los entornos de la economía, la administración y la salud, utilizando como plataforma de apoyo la hoja de cálculo Excel®.

La inferencia estadística con Microsoft Excel.

Resumen basado en el del autor

Mostratge. Inferència estadística. Proporcionalitat geomètrica. Autocrítica del propi treball. 'Muestreo. Inferencia estadística. Proporcionalidad geométrica. Autocrítica del propio trabajo'.

Crédito de matemáticas para ESO. Crédito dividido en dos bloques: la semejanza y la estadística. Los dos apartados tienen la proporcionalidad aritmética en común y por lo tanto, el cálculo también es un elemento esencial en la propuesta. Un objetivo principal es el de resolver problemas con agilidad y facilidad tanto si son reales como inventados. A través del trabajo se potencia que el alumno se interese por la autoevaluación objetiva. Se trabajan las escalas, la semejanza y la proporcionalidad. Se ofrece material para el trabajo del alumno y para el profesorado.

La inferencia estadística en el bachillerato LOGSE de las Ciencias sociales.

No publicado

Trabajos realizados en el curso de Inferencia Estadística en el Bachillerato LOGSE de las CCSS.

No publicado

Experiencia práctica de integración de conocimientos entre las asignaturas de Biología Marina e Inferencia Estadística de segundo curso de Biología

El marco docente de algunas asignaturas de la licenciatura de biología se ha enfocado desde sus comienzos con una perspectiva integradora de los conocimientos teóricos y prácticos. Sin embargo, la preparación del alumnado para el mundo laboral, exige además, que el alumno esté capacitado para integrar los conocimientos que en algunos casos están diseminados por diferentes materias y asignaturas. La elaboración de proyectos de investigación, ha sido utilizada en los tres últimos años por los profesores de Biología marina e Inferencia estadística, como herramienta de interconexión entre asignaturas. En este artículo, se relata la experiencia de diseño de prácticas trasversales, el trabajo de coordinación entre profesorado y la integración y complementariedad de contenidos y objetivos entre asignaturas, así como la descripción de la metodología aplicada y el diseño conceptual de dichas prácticas trasversales, partiendo de una propuesta de desarrollo de un proyecto de investigación por parte de los alumnos.

Estudio de la robustez del análisis discriminante multivariado : propuesta de un ajuste bootstrap para la significación estadística de los coeficientes de la técnica.

1. Realizar un estudio exhaustivo del Análisis Discriminante para evaluar su robustez con el fin de hacer las pertinentes recomendaciones al psicólogo aplicado; 2. Determinar criterios estadísticos que ayuden a las interpretaciones heurísticas de los coeficientes más relevantes, para la evaluación de las contribuciones de las variables a las funciones discriminantes. Primera investigación: Se trabajó con un diseño factorial 4x2x3x2x2 lo que supone 96 condiciones experimentales. Las cinco variables eran: a. Normalidad de las variables, b. Varianza de los grupos, c. Número de variables, d. Número de grupos, 5. Número de sujetos en cada grupo. Variable Dependiente: Para cada una de las 200 replicaciones Monte Carlo se obtuvieron las lambdas de Wilks, las V de Bartlett y su probabilidad asociada, como índice de la significación de criterio discriminante. Segunda investigación: Para esta investigación se replicó el diseño de la primera investigación, es decir, las 96 condiciones experimentales con todos los factores, otorgando ahora el perfil de diferencias grupales siguiente para las condiciones con tres grupos y para las condiciones con seis grupos. Se mantuvieron constantes las correlaciones entre las variables e iguales a las de la primera investigación, 0,70. El valor de los parámetros fue obtenido mediante el programa DISCRIMINANT del SPSS/PC+. Hardware: El trabajo de simulación se llevó a cabo con ocho ordenadores personales clónicos PC:PENTIUM/100 Mhz., con 16 MB de RAM. Software: Los procedimientos necesarios para la investigación fueron realizados en el lenguaje de programación GAUSS 386i, versión 3.1 (Aptech Systems, 1994). 1. Los métodos de simulación y concretamente, el método de muestreo bootstrap, son de gran utilidad para los estudios de robustez de las técnicas estadísticas, así como en los de inferencia estadística: cálculo de intervalos de confianza; 2. El Análisis Discriminante es una técnica robusta, siempre y cuando se cumpla la condición de homogeneidad de las varianzas; 3. El Análisis Discriminante no es robusto ante problemas de heterogeneidad en las siguientes condiciones: Con seis o menos variables,cuando los tamaños grupales son diferentes. Para tamaños iguales, si además se presenta una alteración conjunta de asimetría y apuntamiento; 4. Cuando la violación del supuesto de homogeneidad viene provocada porque la varianza mayor la presenta el grupo con menos sujetos la técnica se vuelve demasiado liberal, es decir, se produce un alto grado de error tipo I; 5. Los coeficientes de estructura son más estables e insesgados que los típicos; 6. Es posible determinar los intervalos confidenciales de los coeficientes de estructura mediante el procedimiento sugerido por Dalgleish (1994). 1. El Análisis Discriminante se puede utilizar siempre que se cumpla la condición de Homogeneidad de varianzas. Es por tanto, absolutamente necesario comprobar antes de realizar un Análisis Discriminante este principio, lo cual se puede llevar a cabo a través de cualquiera de los estadísticos pertinentes y, en especial, la prueba de Box; 2. Ante la heterogeneidad de varianzas si el número de variables independientes es seis o inferior, deberá tenerse en cuenta que el número de sujetos debe ser igual en todos los grupos y que las variables no presenten alteraciones conjuntas de asimetría y apuntamiento,por lo que, como paso previo deberá comprobarse la distribución de las variables y detectar si se presenta esta alteración. En cualquier otra condición, y ante la presencia de heterogeneidad de varianzas no se puede utilizar la técnica. Cuando el número de variables predictoras sea nueve o más, podrá utilizarse la técnica siempre, a excepción de diferentes tamaños grupales y no normalidad de las variables. El investigador aplicado deberá conocer la posibilidad que proponemos de apoyatura estadística para la toma de decisiones.

Materiales escritos y multimedia para la docencia de la Estadística orientada a la Economía y a la Empresa.

Realizado en la Facultad de Económicas de la Universidad de Valladolid, por 5 profesores del centro, para las asignaturas de Introducción a la Estadística, Estadística e Introducción a la Econometría. El objetivo propuesto era la elaboración de materiales, en formato de hoja de cálculo, HTML o Javascript, para los temas que constituyen el currículo estadístico de las titulaciones de Economía y Administración y Dirección de Empresas. La organización de los materiales en formato HTML es para que los alumnos y docentes puedan acceder a los mismos a través de Internet. También, como apoyo se han realizado propuestas de acción tutorial y de autoevaluación, también vía Internet, basadas en los conceptos de superación y progresión. Desde una página Web inicial, en la que consta la autoría del proyecto y la ayuda económica recibida, se accede a tres grandes páginas, que agrupan los contenidos correspondientes a Descripción de datos, Probabilidad y Distribuciones e Inferencia estadística. Se han realizado experimentos parciales del proyecto, con materiales iniciales que de manera fragmentaria se han ido insertando en el aula. Los resultados parecen satisfactorios aunque por ahora no se ha desarrollado el proyecto en total integridad.