TIEMPOS DE CULTURA ESTADISTICA Luis Valverde Universidad Americana

(1)

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(2)

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

Universidad Americana

La vida sería intolerable si los fenómenos ocurrieran al azar de una

forma completamente impredecible y carecería de interés si, en el otro

extremo, todo fuera determinista y completamente predecible ...

(3)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(4)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(5)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico



Diferenciar en el método

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(6)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico



Diferenciar en el método



Dos enfoques de enseñanza

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(7)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico



Diferenciar en el método



Dos enfoques de enseñanza

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

(8)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico



Diferenciar en el método



Dos enfoques de enseñanza

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

Universidad Americana

USO Y ABUSO CON LA

ESTADISTICA

(9)

HACER, APLICAR Y

ENSEÑAR ESTADISTICA.



Cultura estadística



Razonamiento estadístico



Diferenciar en el método



Dos enfoques de enseñanza

TIEMPOS DE CULTURA ESTADISTICA

Luis Valverde

Universidad Americana

USO Y ABUSO CON LA

ESTADISTICA



“Maquillaje” de los datos



Abuso de los contrastes de

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

(22)

(23)

Cultura Estadística

A. No es convertir a los futuros ciudadanos en estadísticos

aficionados*

(24)

Cultura Estadística

A. No es convertir a los futuros ciudadanos en estadísticos

aficionados*

La aplicación razonable y eficiente de la estadística requiere un amplio conocimiento

y es competencia de los estadísticos profesionales.

(25)

Cultura Estadística

A. No es convertir a los futuros ciudadanos en estadísticos

aficionados*

La aplicación razonable y eficiente de la estadística requiere un amplio conocimiento

y es competencia de los estadísticos profesionales.

B. No se trata de capacitarlos en el cálculo y la

representación gráfica.

(26)

Cultura Estadística

A. No es convertir a los futuros ciudadanos en estadísticos

aficionados*

La aplicación razonable y eficiente de la estadística requiere un amplio conocimiento

y es competencia de los estadísticos profesionales.

B. No se trata de capacitarlos en el cálculo y la

representación gráfica.

(27)

Cultura Estadística

A. No es convertir a los futuros ciudadanos en estadísticos

aficionados*

La aplicación razonable y eficiente de la estadística requiere un amplio conocimiento

y es competencia de los estadísticos profesionales.

B. No se trata de capacitarlos en el cálculo y la

representación gráfica.

Los ordenadores hoy día resuelven este problema.

(28)

(29)

HACER, APLICAR Y ENSEÑAR

HACER ESTADISTICA

Requiere buenas bases matemáticas: cálculo, probabilidades,

matemáticas discretas y continuas. El método debe ser el mismo

de las matemáticas.

APLICAR LA ESTADISTICA

• Excelente conocimiento e interpretación de la estadística respaldado por un buen

sustento teórico. Más interpretación que desarrollo. Un manejo de software

especializado . El método para el analista es muy analógico: trabajo con muestras.

Mucho análisis de datos, desarrollo del “olfato” estadístico.

ENSEÑAR LA ESTADISTICA

• Transmitir una cultura estadística (general o profesional). Debe conllevar una

didáctica de enseñanza. Cambio en nivel cultural: correlación, nivel de confianza,

etc.

(30)

HACER, APLICAR Y ENSEÑAR

HACER ESTADISTICA

Requiere buenas bases matemáticas: cálculo, probabilidades,

matemáticas discretas y continuas. El método debe ser el mismo

de las matemáticas.

APLICAR LA ESTADISTICA

• Excelente conocimiento e interpretación de la estadística respaldado por un buen

sustento teórico. Más interpretación que desarrollo. Un manejo de software

especializado . El método para el analista es muy analógico: trabajo con muestras.

Mucho análisis de datos, desarrollo del “olfato” estadístico.

ENSEÑAR LA ESTADISTICA

• Transmitir una cultura estadística (general o profesional). Debe conllevar una

didáctica de enseñanza. Cambio en nivel cultural: correlación, nivel de confianza,

etc.

(31)

HACER, APLICAR Y ENSEÑAR

HACER ESTADISTICA

Requiere buenas bases matemáticas: cálculo, probabilidades,

matemáticas discretas y continuas. El método debe ser el mismo

de las matemáticas.

APLICAR LA ESTADISTICA

• Excelente conocimiento e interpretación de la estadística respaldado por un buen

sustento teórico. Más interpretación que desarrollo. Un manejo de software

especializado . El método para el analista es muy analógico: trabajo con muestras.

Mucho análisis de datos, desarrollo del “olfato” estadístico.

ENSEÑAR LA ESTADISTICA

• Transmitir una cultura estadística (general o profesional). Debe conllevar una

didáctica de enseñanza. Cambio en nivel cultural: correlación, nivel de confianza,

etc.

(32)

(33)

INDICE DE GINI

HACER ESTADISTICA

Indice de Gini: es un indicador de concentración de la riqueza,

equivale al doble del área de concentración.

i: estratos, N:nº personas, m: ingreso medio, Y

i :

ingreso de persona o estrato

APLICAR LA ESTADISTICA

• Distribución de la renta Curva de Lorenz.

• El I. Gini equivale al doble del área de concentración I. Gini:

-ENSEÑAR LA ESTADISTICA

• Area de concentración

:

cuanto más pequeña sea

• el área, más equitativa será la distribución de la renta

• del país representado.

(34)

INDICE DE GINI

HACER ESTADISTICA

Indice de Gini: es un indicador de concentración de la riqueza.

equivale al doble del área de concentración.

i: estratos, N:nº personas, m: ingreso medio, Y

i :

ingreso de persona o estrato

APLICAR LA ESTADISTICA

• Distribución de la renta Curva de Lorenz.

• El I. Gini equivale al doble del área de concentración I. Gini:

-ENSEÑAR LA ESTADISTICA

• Area de concentración

:

cuanto más pequeña sea

• el área, más equitativa será la distribución de la renta

• del país representado.

(35)

INDICE DE GINI

HACER ESTADISTICA

Indice de Gini: es un indicador de concentración de la riqueza.

equivale al doble del área de concentración.

i: estratos, N:nº personas, m: ingreso medio, Y

i :

ingreso de persona o estrato

APLICAR LA ESTADISTICA

• Distribución de la renta Curva de Lorenz.

• El I. Gini equivale al doble del área de concentración I. Gini:

-ENSEÑAR LA ESTADISTICA

• Area de concentración

:

cuanto más pequeña sea

• el área, más equitativa será la distribución de la renta

• del país representado.

(36)

(37)

(38)

(39)

Enseñanza de la Estadística

(40)

(41)

Enseñanza de la Estadística

Es un lenguaje para la información

cualitativa y cuantitativa.

Existe una cultura estadística

establecida en el entorno social

Aplicación de un Razonamiento

Estadístico.

(42)

(43)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

(44)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

analizarse y predecirse por el análisis de datos (clima, salud, etc).

2. Transnumeración

: Todo lo referente a poder cambiar de representación de

los datos: numéricos, indicadores, gráficos, modelos.

(45)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

analizarse y predecirse por el análisis de datos (clima, salud, etc).

2. Transnumeración

: Todo lo referente a poder cambiar de representación de

los datos: numéricos, indicadores, gráficos, modelos.

3. Percepción de la variación

: Comprensión de la variación que existe en los

datos y la incertidumbre de la variación que en ellos que no es explicada

(46)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

analizarse y predecirse por el análisis de datos (clima, salud, etc).

2. Transnumeración

: Todo lo referente a poder cambiar de representación de

los datos: numéricos, indicadores, gráficos, modelos.

3. Percepción de la variación

: Comprensión de la variación que existe en los

datos y la incertidumbre de la variación que en ellos que no es explicada

(47)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

analizarse y predecirse por el análisis de datos (clima, salud, etc).

2. Transnumeración

: Todo lo referente a poder cambiar de representación de

los datos: numéricos, indicadores, gráficos, modelos.

3. Percepción de la variación

: Comprensión de la variación que existe en los

datos y la incertidumbre de la variación que en ellos que no es explicada

4.Razonamiento con modelos estadísticos:

Gráficos, indicadores, línea de regresión.

Importante diferenciar entre el modelo y los datos, pero a la vez, relacionar el modelo

con los datos.

(48)

Razonamiento estadístico

1 . Reconocer la necesidad de los datos

: Algunos fenómenos solamente podrán

analizarse y predecirse por el análisis de datos (clima, salud, etc).

2. Transnumeración

: Todo lo referente a poder cambiar de representación de

los datos: numéricos, indicadores, gráficos, modelos.

3. Percepción de la variación

: Comprensión de la variación que existe en los

datos y la incertidumbre de la variación que en ellos que no es explicada

4.Razonamiento con modelos estadísticos:

Gráficos, indicadores, línea de regresión.

Importante diferenciar entre el modelo y los datos, pero a la vez, relacionar el modelo

con los datos.

5. Integración de la estadísticas en el contexto

: según las diferentes disciplinas

y sus unidades de investigación (salud, economía, etc.)

(49)

(50)

Enseñanza de la Estadística

Estadística descriptiva

Cada vez se requiere más

conocimiento: correlación,

normalidad, pruebas de hipótesis…

Se requiere consenso

(Estándares Norteamericanos

2000)

(51)

Enseñanza de la Estadística

Estadística descriptiva

Cada vez se requiere más

conocimiento: correlación,

normalidad, pruebas de hipótesis…

Se requiere consenso

(Estándares Norteamericanos

2000)

**Estándares curriculares Norteamericanos (NCTM*, 2000)**

 Diseñar investigaciones para contestar una pregunta y considerar cómo los métodos de recogida de datos afectan al conjunto de datos.

 Recoger datos de observación, encuestas y experimentos.

 Representar datos en tablas, gráficos de línea, puntos y barras.

 Reconocer las diferencias al representar datos numéricos y categóricos.

 Usar las medidas de posición central, particularmente la mediana y comprender qué es lo que cada una indica sobre el conjunto de datos.

 Comparar distintas representaciones de los mismos datos y evaluar qué aspectos importantes del conjunto de datos se muestra mejor con cada una de ellas.

 Proporcionar y justificar conclusiones y predicciones basadas en los datos y diseñar estudios para estudiar mejor las conclusiones y predicciones.

(52)

Enseñanza de la Estadística

(53)

Enseñanza de la Estadística

¿CÓMO?

Enfoque Confirmatorio o clásico:

se busca como

representar los datos.

Enfoque Exploratorio de datos(Tukey-1962):

la

representación no hace a un lados los datos.

(54)

Enfoques confirmatorio o clásico

Ejemplo:

• Peso de estudiantes (en Kg):

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

(55)

Enfoques confirmatorio o clásico

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Confirmatorio o clásico

(56)

Enfoques confirmatorio o clásico

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Confirmatorio o clásico

Hombres Mujeres 24 36

(57)

Enfoques confirmatorio o clásico

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Confirmatorio o clásico

Pesos según género

40%

60%

(58)

Enfoques confirmatorio o clásico

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Confirmatorio o clásico

Pesos según género

40%

60%

Hombres Mujeres

. summ Peso Mujeres

Peso | Obs

Mean Std. Dev. Min Max

---+---Mujeres | 36 54.5 6.15 44 68

(59)

Enfoques Exploratorio de Datos

La representación o el cálculo no son en el análisis exploratorio de datos un fin, sino un medio de descubrir la información oculta

en los mismos.

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

(60)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

HOMBRES MUJERES HOJA TALLO HOJA

4 4 5 6 6 7 8 9 5 5 0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 8 8 6 5 5 4 4 2 2 1 0 0 6 0 0 0 1 3 4 5 7 8 5 4 2 2 1 0 0 0 0 7 0 8 3 9 HOMBRES MUJERES 4* 4 4. 566789 5* 000222233344 5 5. 5556667 4422100 6* 000134 88655 6. 578 42210000 7* 5 7. 0 8* 3 9 TALLO HOJA 4 4 5 6 6 7 8 9 5 0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7 6 0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8 7 0 0 0 0 12 2 4 5 8 0 9 3

(61)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

VENTAJAS:



Fácil construcción, incluso manualmente.



No se pierden los datos



Presenta datos ordenados



Muestra una idea del comportamiento de la distribución



Se guarda la información base: mayor, menor, amplitud total, mediana, moda, cuartiles…



Al separar el diagrama por variables, se pueden utilizar para inducir intuitivamente a posibles relaciones: asociación y dependencia

estadística entre variables

(62)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(63)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(64)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(65)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(66)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(67)

Enfoques Exploratorio de Datos

Ejemplo:

Hombres Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis Exploratorio de Datos

TALLO HOJA

4

4 5 6 6 7 8 9

5

0 0 0 2 2 2 2 3 3 3 4 4 4 5 5 5 5 6 6 6 7

6

0 0 0 0 0 1 1 2 2 3 4 4 4 5 5 5 6 7 8 8 8

7

0 0 0 0 1 2 2 4 5

8

0

9

3

HOMBRES MUJERES

4* 4

4. 566789

5* 000222233344

5 5. 5556667

4422100 6* 000134

88655 6. 578

42210000 7*

5 7.

0 8*

3 9

44 54 64 74 84 94

Mínimo

Q1:53

Q2:Mediana=60

Máximo sugerido:80

(68)

Enfoques exploratorio en el análisis de datos(

Tukey)

Ejemplo:

Varones Mujeres 55 64 70 74 75 70 60 45 46 50 47 55 64 93 60 62 70 80 49 52 50 46 50 52 61 60 62 68 65 65 52 48 52 63 53 54 66 68 70 72 72 71 54 54 53 55 57 44 56 56 56 53 60 65 67 61 68 55 64 60

Análisis exploratorio de datos

Gráfico de Caja

44 54 64 74 84 94 F ra c ti o n hombres 55 93 0 .458333

(69)

USO Y ABUSO DE LA ESTADISTICA

(70)

USO Y ABUSO DE LA ESTADISTICA

El no tener hijos es hereditario; si tus padres no tuvieron ninguno, lo más probable es

que tu tampoco los tengas.

(71)

USO Y ABUSO DE LA ESTADISTICA

El 33 % de los accidentes mortales involucran a alguien que ha bebido. Por tanto, el 67 %

restante han sido causado por alguien que no había bebido…

(72)

CONTRASTE DE HIPOTESIS

A partir del auge de los test estadísticos (FISHER, NEYMAN Y PEARSON, 1930) no pocos

investigadores consideran que se abusa del uso de dichos test en la investigación:

(73)

CONTRASTE DE HIPOTESIS

A partir del auge de los test estadísticos (FISHER, NEYMAN Y PEARSON, 1930) no pocos

investigadores consideran que se abusa del uso de dichos test en la investigación:

“Los científicos dedican demasiada atención al resultado de sus contrastes, olvidándose la

magnitud de los efectos que investigan”. YATES 1951

(74)

CONTRASTE DE HIPOTESIS

A partir del auge de los test estadísticos (FISHER, NEYMAN Y PEARSON, 1930) no pocos

investigadores consideran que se abusa del uso de dichos test en la investigación:

“Los científicos dedican demasiada atención al resultado de sus contrastes, olvidándose la

magnitud de los efectos que investigan”. YATES 1951

“La combinación de ciertos datos y un deseo doloroso de una respuesta, no asegura que una

respuesta razonable se puede extraer del cuerpo de datos dado.“ J.Tukey (1986)

(75)

CONTRASTE DE HIPOTESIS

A partir del auge de los test estadísticos (FISHER, NEYMAN Y PEARSON, 1930) no pocos investigadores

consideran que se abusa del uso de dichos test en la investigación:

“Los científicos dedican demasiada atención al resultado de sus contrastes, olvidándose la magnitud

de los efectos que investigan”. YATES 1951

“La combinación de ciertos datos y un deseo doloroso de una respuesta, no asegura que una

respuesta razonable se puede extraer del cuerpo de datos dado.“ J.Tukey (1986)

Fantasias de la Significancia Estadística:

Carver (1978)

• 1. “

p”

es visto como la probabilidad de que los resultados obtenidos se debieron a la casualidad.

• 2. “1 –

p”

es considerada como la probabilidad de obtener el mismo resultado si el experimento se

repite.

(76)

CONTRASTE DE HIPOTESIS

La falacia del nivel de significancia:

VERDADERO

FALSO

Acepto Ho

Error II

Rechazo H0

Error I

Valor de verdad de Ho

Vallecillos (1994) hizo una investigación con 436 estudiantes universitarios a los cuales les dio a

elegir entre las siguientes dos situaciones:

i.

Un nivel de significación del 5% supone que, en promedio, 5 de cada 100 veces que la

hipótesis nula es cierta, la rechazaremos.

ii.

Un nivel de significación del 5% implica que, en promedio, 5 de cada 100 veces que

rechacemos la hipótesis nula, estaremos equivocados.

(77)

CONTRASTE DE HIPOTESIS

La falacia del nivel de significancia:

VERDADERO FALSO Acepto Ho Error II

Rechazo H0 Error I

Valor de verdad de Ho

i)

Un nivel de significación del 5% supone que, en promedio, 5 de cada 100 veces que la hipótesis

nula es cierta, la rechazaremos.

ii) Un nivel de significación del 5% implica que, en promedio,

5 de cada 100 veces que rechacemos la

hipótesis nula, estaremos equivocados.

Probabilidades condicionales:

(i) P(Rechazar H

₀

/ H

₀

cierta)

(78)

(79)

MAQUILLAR INFORMACION

Nº Empleados 90 Total Salarios $432.000 P/empleado $4.800

Nº Socios 3 P/Empleado $4.800 Total Salarios $90.000 P/Socio +beneficios $50.000 Promedio/Socio $30.000

Beneficios a Repartir $60.000 TOTAL $582.000

(80)

MAQUILLAR INFORMACION

Nº Socios 3 P/Empleado $4.800 Total Salarios $90.000 P/Socio +beneficios $50.000 Promedio/Socio $30.000

Beneficios a Repartir $60.000 TOTAL $582.000

(81)

MAQUILLAR INFORMACION

Nº Socios 3 P/Empleado $4.800 Total Salarios $90.000 P/Socio +beneficios $50.000 Promedio/Socio $30.000 Beneficios a Repartir $60.000 TOTAL $582.000 RESUMEN ANUAL 1 74% 26%

Planilla y salario de Socios

(82)

MAQUILLAR INFORMACION

Planilla y salario de Socios

(83)

MAQUILLAR INFORMACION

Planilla y salario de Socios

(84)

MAQUILLAR INFORMACION

Planilla y salario de Socios

(85)

MAQUILLAR INFORMACION

Planilla y salario de Socios

Empleados Socios

Nº Empleados 93

Total Salarios $552000

P/empleado $5935,48 RESUMEN ANUAL 2 Nº Socios 3 P/Empleado $5.935,48 Total Salarios P/Socio +beneficios $10.000 Beneficios a Repartir $30.000

(86)

MAQUILLAR INFORMACION

Planilla y salario de Socios

Empleados Socios

Nº Empleados 93

(87)

MAQUILLAR INFORMACION

Planilla y salario de Socios

Empleados Socios

Nº Empleados 93

(88)

MAQUILLAR INFORMACION

Planilla y salario de Socios

Empleados Socios

Nº Empleados 93

TOTAL $582.000

95%

5%

Planilla y Beneficios a Socios

(89)

Incremento quincenal por empleado 2008 fue del 10%

(Salario promedio pasó de 91.000 a 102.000 colones)

Muy poco…

Suficiente

(90)

(91)

(92)

(93)

(94)

(95)

(96)

(97)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(98)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(99)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(100)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(101)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(102)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(103)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(104)

UN CASO CONCRETO

:

La Nación, Costa Rica, martes 15 junio 2010

(105)

Fe de erratas

:

La Nación, Costa Rica, jueves 17 junio 2010

5 años

4 años

1 año

(106)

Fe de erratas

:

La Nación, Costa Rica, jueves 17 junio 2010

5 años

4 años

1 año

5 años

1 año

(107)

Leer la letra menuda

¿Sufre

problemas por

(108)

Leer la letra menuda

¿Sufre

problemas por

el fumado?

¡¡No para

nada!!

(109)

Leer la letra menuda

¿Sufre

problemas por

el fumado?

¡¡No para

nada!!

RESULTADO DE ESTUDIO

El 98% de las

200 personas fumadoras

entrevistadas dicen no tener problemas con el

(110)

Leer la letra menuda

¿Sufre

problemas por

el fumado?

¡¡No para

nada!!

RESULTADO DE ESTUDIO

El 98% de las

200 personas fumadoras

entrevistadas dicen no tener problemas con el

(111)

Leer la letra menuda

¿Sufre

problemas por

el fumado?

¡¡No para

nada!!

RESULTADO DE ESTUDIO

El 98% de las

200 personas fumadoras

entrevistadas dicen no tener problemas con el

fumado

*

(112)

¡UN FRATERNAL SALUDO A TODAS LAS

UNIVERSIDADES HERMANAS LAUREATE!

(113)