Estadística en l'entorn informàtic: d'un ensenyament tradicional a l'ABP utilitzant la plataforma ACME

L’aprenentatge basat en problemes (ABP) es fonamenta en plantejar situacions que els alumnes probablement es trobaran en la vida real. Un ABP es caracteritza per tenir problemes acuradament seleccionats i dissenyats que requereixen l’adquisició de coneixement crític, habilitat en la resolució de problemes, estratègies d’aprenentatge autodirigides i capacitat de treball en grup. El projecte ACME (Avaluació Continuada i Millora de l’Ensenyament) té com a objectiu principal implementar un sistema eficient d’avaluació i treball continuat, mitjançant l’assignació de problemes de manera personalitzada per a cada alumne, oferint un sistema d’ajuda per a resoldre’ls, facilitant la comunicació professor-alumne i el seguiment i l’avaluació dels alumnes. En aquest treball es presenta una experiència d’adaptació a l’Espai Europeu d’Educació Superior (EEES) de les assignatures d’estadística de les enginyeries tècniques informàtiques de l’Escola Politècnica Superior de la UdG. Aquesta es basa en una concepció diferent de la manera d’ensenyar i aprendre l’estadística mitjançant la concreció de les competències i l’establiment de diverses activitats. Ens centrarem únicament en l’aplicació de la metodologia ABP i en la utilització de la plataforma e-learning ACME

Herramientas para el mejoramiento de la actividad del Grupo de Relaciones Internacionales y Cooperación Técnica - GRICT- del Departamento Administrativo Nacional de Estadística – DANE

El DANE es la institución del Estado colombiano encargada de la planeación, levantamiento, procesamiento, análisis y difusión a nivel nacional e internacional de las estadísticas oficiales, con el fin de facilitar la toma de decisiones en relación con el desarrollo socio económico del país. El intercambio de datos, actividades de conocimiento y buenas prácticas entre otros, es indispensable para mejorar ciertas instancias modificando y aplicándolas de acuerdo con las necesidades específicas del país. De acuerdo con esta necesidad y con el ánimo de la institución por cumplir con actividades de tipo internacional se creó el Grupo de Relaciones Internacionales y Cooperación Técnica del Departamento Administrativo Nacional de Estadística – DANE, oficina adscrita a la Subdirección General desde el 2006. A pesar de contar con labores determinadas para cada uno de los integrantes del grupo, y de conocerse su labor en el ámbito institucional, se han detectado ciertas fallas en el GRICT, que en ocasiones no le permiten desarrollar su ejercicio de forma clara y precisa, a las que se pretende dar una solución a través del presente estudio. Por lo anterior y revisando las funciones que ha venido desarrollando el GRICT y lo que le espera para que pueda brindar un mayor apoyo a la Dirección del DANE se presenta en éste estudio una propuesta simple pero moderna de la nueva dependencia del DANE que esté acorde a los nuevos tiempos y al devenir del país dentro del marco de los procesos de globalización.

Aprendizaje de la estadística económico-empresarial y uso de las TICs.

Resumen tomado del autor. Incluye tablas de datos

Jornades europees d'estadística : l'ensenyament i la difusió de l'estadística. 'Jornadas europeas de estadística : la enseñanza y la difusión de la estadística'.

Resumen tomado de la propia publicación

Daus i dades : còmic cap a l'estadística amb probabilitat 0,95 de ser-ho. 'Dados y datos : cómic hacia la estadística con probabilidad 0,95 de serlo'.

Resumen tomado parcialmente de la propia publicación

Dice and data : a comic about statistics with a 95 percent chance of being one. 'Dados y datos : cómic hacia la estadística con probabilidad 0,95 de serlo'.

Resumen tomado parcialmente de la propia publicación

Zufälle in Zahlen : ein Comic über Statistik mit einer 95igen Wahscheinlichkeit wirklich einer zu sein. 'Dados y datos : cómic hacia la estadística con probabilidad 0,95 de serlo'.

Resumen tomado parcialmente de la propia publicación

Dés et données : comics sur la statistique avec probabilité 0,95 de l'Ûtre. 'Dados y datos : cómic hacia la estadística con probabilidad 0,95 de serlo'.

Resumen tomado parcialmente de la propia publicación

Factores psicológicos asociados al desempeño académico en los cursos universitarios de estadística: diferencias por sexo y área de titulación

Se examinaron factores auto-perceptivos (autoconcepto,autoeficacia) y actitudinales referentes a la estadísticapara determinar si las interacciones entre el perfil autoperceptivo/actitudinal del estudiante, el sexo y el área detitulación se asocian con el rendimiento académico y laansiedad estadística. En una muestra de estudiantes universitarioscolombianos (178 mujeres, 154 hombres), losanálisis de conglomerados revelaron dos perfiles autoperceptivos/actitudinales significativamente distintos,según los niveles bajos (perfil-1) o altos (perfil-2) en lasvariables de agrupación (autoconcepto, autoeficacia yactitudes hacia la estadística). Los análisis de varianzay de covarianza mostraron que el perfil auto-perceptivo/actitudinal de los estudiantes tiene un efecto significativoen el rendimiento y la ansiedad estadística, que varía porsexo y área de titulación. Los hallazgos contrastan conlos de otros estudios que examinan los mismos constructosseparadamente.

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.

La estadística en la investigación educativa.

Resumen de la revista

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