- Inferencia estadística. Objetivo y métodos. Pardo pág. 127 y 128.

El objetivo último del análisis de datos es el de extraer conclusiones de tipo general a partir de
unos pocos datos particulares. Es decir, el de extraer conclusiones sobre las propiedades de
una población a partir de la información contenida en una muestra procedente de esa
población. Este salto de lo concreto (la muestra) a lo general (la población) se conoce con el
nombre de inferencia estadística

La estimación de parámetros es el proceso consistente en asignar a las propiedades

desconocidas de una población las propiedades conocidas de una muestra extraída de esa
población. El contraste de hipótesis es un proceso mediante el cual se trata de comprobar si
una afirmación sobre alguna propiedad poblacional puede ser sostenida a la luz de la
información muestral disponible. Puede ser entendido como un método de toma de
decisiones, es un procedimiento que nos permite decidir si una proposición acerca de una
población puede ser mantenida o debe ser rechazada.

Surgido el problema, el paso siguiente en aventurar algún tipo de solución al mismo. Esta
solución provisional suele tomar forma de afirmación directamente verificable (es decir,
empíricamente contrastable) en la que se establece de forma operativa el comportamiento de
la variable o las variables involucradas en el problema. Esa afirmación verificable recibe el
nombre de hipótesis científica.

- Contraste de hipótesis. En qué consiste y cuál es su lógica. Pardo 3.1, pág. 128, 129 y 130

LÓGICA DEL CONTRASTE DE HIPOTESIS El primer paso del proceso de verificación de una
hipótesis consiste en formular estadísticamente la hipótesis científica que se desea contrastar,
es decir, en transformar la hipótesis científica en hipótesis estadística.

Formulada la hipótesis estadística, el segundo paso del proceso de verificación consiste en

buscar evidencia empírica relevante capaz de de informar sobre si la hipótesis establecida es o
no sostenible.

tercer paso, una regla de decisión que debe establecerse en términos de probabilidad.

Pero la necesidad de trabajar con muestras en lugar de con poblaciones nos obliga a establecer
una regla de decisión en términos de probabilidad. En general, la regla de decisión que
utilizaremos será una afirmación de este tipo: si el resultado muestral observado es,
suponiendo correcta nuestra hipótesis, muy poco probable, consideraremos que nuestra
hipótesis es incompatible con los datos; por el contrario, si el resultado muestral observado es,
suponiendo correcta nuestra hipótesis, probable, consideraremos que nuestra hipótesis es
compatible con los datos.

Un contraste de hipótesis es un proceso de decisión en el que una hipótesis formulada en

términos estadísticos es puesta en relación con los datos empíricos para determinar si es o no
compatible con ellos.

- Hipótesis estadística. Qué es y cómo se vincula con una hipótesis científica. Ejemplificar.
Pardo 3.1., pág. 131.

Una hipótesis estadística es una afirmación sobre una o más distribuciones de probabilidad;
más concretamente, sobre la forma de una o más distribuciones de probabilidad, o sobre el
valor de uno o más parámetros de esas distribuciones. La hipótesis estadística se suele
representar por la letra H seguida de una información que le da contenido. Surge a partir de
una hipótesis científica.

Mientras una hipótesis científica se refiere a algún aspecto de la realidad, una hipótesis
estadística se refiere a algún aspecto de una distribución de probabilidad.

Existen varias formas de expresar estadísticamente una hipótesis científica correcta. El primer
paso en el proceso de verificación de una hipótesis consiste en formular en términos
estadísticos la afirmación contenida en la hipótesis científica que se desea verificar. Todo
contraste se basa en la formulación de dos hipótesis

ientífica que se desea verificar. Todo contraste se basa en la formulación de dos hipótesis:

La hipótesis nula, representada por H0 / La hipótesis alternativa, representada por Hi

La hipótesis nula es la hipótesis que se somete a contraste. Consiste generalmente en una

afirmación concreta sobre la forma de una distribución de probabilidad o sobre el valor de
alguno de los parámetros de esa distribución. La hipótesis alternativa es la negación de la nula,
incluye todo lo que la nula excluye. Mientras la nula suele ser una hipótesis exacta (tal cosa es
igual a tal otra), la alternativa suele ser inexacta (tal cosa es distinta, mayor o menor que otra).
Cuando en Hi aparece el signo “distinto” decimos que el contraste es bilateral o bidireccional.
Cuando en Hi aparece los signos mayor o menor, decimos que el contraste es unilateral o
unidireccional. La hipótesis nula y alternativa suelen plantearse como hipótesis rivales. Son
exhaustivas y mutuamente exclusivas, lo cual implica que si una es verdadera, la otra es
necesariamente falsa. El signo de igualdad siempre va en la hipótesis nula.

Los supuestos de un contraste de hipótesis son un conjunto de afirmaciones que necesitamos

establecer (sobre la población de partida y sobre la muestra utilizada) para conseguir
determinar la distribución de probabilidad en la que se basará nuestra decisión sobre Ho.

Estadístico de contraste y regla de decisión. Conceptos. Pardo 3.1.3 y 3.1.4, pág. 135 a 138.
Qué se entiende por “mantener” y por “rechazar” la hipótesis nula. Pardo 3.1.5., pág. 140.

Un estadístico de contraste es un resultado muestral que cumple la doble condición de

proporcionar información empírica relevante sobre la afirmación propuesta en la hipótesis
nula y, poseer una distribución muestral conocida.

La regla de decisión consiste en rechazar Ho si el estadístico de contraste toma un valor

perteneciente a la zona de rechazo o crítica; mantener Ho si el estadístico de contraste toma
un valor perteneciente a la zona de aceptación

Cuando decidimos mantener una hipótesis nula, queremos significar con ello que consideraos
que esa hipótesis es compatible con los datos. Cuando decidimos rechazar una hipótesis nula,
queremos significar con ello que consideramos probado que esa hipótesis es falsa
Posibles consecuencias que se siguen de una prueba de hipótesis: decisiones correctas, errores
de tipo I y II. Conceptos de nivel de significación y de potencia. Pardo 3.2., pág. 143 y 144.
Relación entre y . Concepto de nivel crítico y su utilidad. Pardo 3.4., pág. 155, 156 y 157.

Llamamos error de tipo I al que se comete cuando se decide rechazar una Ho que en realidad
es verdadera. La probabilidad de cometer ese error es alfa. Llamamos error de tipo II al que se
comete cuando se decide mantener una Ho que en realidad es falsa. La probabilidad de
cometer ese error es beta.

La potencia (1-B) de un contraste es la probabilidad de rechazar una hipótesis nula que en

realidad es falsa.

podemos entender el nivel de significación como el riesgo máximo que estamos dispuestos a
asumir al tomar la decisión de rechazar la hipótesis concreta

Llamamos nivel crítico y lo representamos por p, al nivel de significación más pequeño al que
una hipótesis nula puede ser rechazada con el estadístico de contraste obtenido

Coeficiente de correlación r de Pearson. Qué indica. Cuál es su rango de variación. Cómo se

interpretan sus valores especiales. Graficar. Botella, cap.8.

El coeficiente de correlación de Pearson es un índice estadístico que mide la relación lineal entre dos
variables cuantitativas. A diferencia de la covarianza (busca comparar los resultados obtenidos en
diferentes grupos de una variable cuantitativa pero corrigiendo las posibles diferencias existentes entre
los grupos en otras variables que pudieran afectar también al resultado (covariantes) la correlación de
Pearson es independiente de la escala de medida de las variables.

INTERPRETACION:

Descripción:

 la correlación entre dos variables es cuando a puntuaciones por encima de la media en X

corresponde puntuaciones por encima de la media en Y. POSITIVA
 a puntuaciones por debajo de la media en X corresponden, puntuaciones por debajo de la
media en Y. POSITIVA
 la correlación ente X e y será negativa cuando las puntuaciones por encima de la media en X
corresponde con puntuaciones por debajo de la media en Y, y viceversa.
Si tenemos en cuenta el valor de la correlación se puede afirmar que un coeficiente de correlación de
pearson igual a 1 o -1, implica que en el diagrama de dispersión correspondiente a las variables X e Y los
puntos se disponen a lo largo de una línea recta, y por lo tanto, podemos decir que la covariacion entre
ambas variables es total.
Un coeficiente de variación igual o próximo a cero indica que no hay relación lineal, aunque podría
haber otro tipo de relación no lineal.

La existencia de correlación no implica que deba existir una relación causal directa, o sea que una es
causa de la otra.

El valor del índice de correlación varía en el intervalo [-1, +1]:

 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica una independencia total
entre las dos variables, es decir, que la variación de una de ellas puede influir en el valor que
pueda tomar la otra. Pudiendo haber relaciones no lineales entre las dos variables. Estas
pueden calcularse con la razón de correlación.
 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre las
dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo
hace en idéntica proporción.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre
las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en
idéntica proporción.
 Si -1 < r < 0, existe una correlación negativa.