en todos los artículos al final para interpretarlo vienen resultados
estadísticos por eso y después hay otra cuestión importante en
psicología, es que vais a tener que interactuar con un montón de gente un
montón de gente me refiero médicos, médicas animadores, socioculturales,
pedagogos cada uno de sus papás y de sus mamás y cada uno entiende las
cosas como buenamente considera a través de la metodología se
operacionaliza en medida entonces llegan a acuerdo el tema 10 que es al que
vamos hoy, es estimación de parámetros y cálculo del tamaño de la
muestra aquí lo importante es que tengáis que sepáis interpretar lo que
aparece en el formulario entonces lo primero es abrir el formulario bueno,
lo primero es tener el formulario después abrir el formulario por la
página del tema 10 y fijaros que aquí lo que aparece es veis, aparece
intervalo de confianza intervalo de confianza es decir, aquí aparece una
cosa que se llama intervalo de confianza entonces cuando dice estimación
de parámetro estimación de parámetro si recordáis de las primeras
clases una cosa es la característica de la muestra, que son los
estadísticos y otra cosa es las características de la población que son
los parámetros entonces lo que se plantea aquí es voy a estimar cuál es
el valor en la población del parámetro aquí me preguntan la matemática,
en psicología, entre otras finalizaré el sitio para interpretar las
respuestas eso lo de los test lo veréis en psicometría si seguís la UNED
me volveréis a ver la cara la estimación de los parámetros son las
características no soy capaz de responderte Montero, a ver lo que me has
dicho la matemática en psicología entre otras finalidades sirve para
interpretar las respuestas a test que sea Se hacen a los sujetos
experimentales. Bueno, si tuviese... O sea, no siempre van a haber usuarios
experimentales, puede haber cualquier tipo de... La estadística de
psicología sirve para interpretar los resultados de las investigaciones,
fundamentalmente. Para que sepáis interpretar lo que son numeritos en los
artículos. ¿Vale? Porque tenéis que estar de día. Bueno. Parámetros,
características de la población. Aquí, aquí, aquí. Población. Mira.
Anda. Población, ¿sí? Y yo de la población saco una muestra. ¿Vale?
Siempre pongo el mismo ejemplo. La media en la nota... La media en la nota
que vais a sacar en Análisis de Datos 1. Aquí. ¿Vale? Aquí en el grupo
vais a sacar un 8,5. De media. ¿Vale? El grupo va a tener un 8,5. Es
decir, este parámetro, este dato, con este dato yo puedo inferir cuál
sería la media. Entonces, si os dais cuenta, aquí pongo mu. Aquí ponía
una X con un revito arriba, ¿sí? Esta es la media en la muestra. ¿Cuál
sería la media en la población? Mu, en la letra griega. ¿Realmente 8,5
es representativo o no de la muestra? Eso quiere decir estimación de
población. ¿Cuál sería el parámetro? Que a partir del dato de la
muestra, ¿sí? Yo obtengo o estimo el valor de la población. Claro, y la
estimación esa la puede hacer o puntualmente, puede dar la media y dice
esta es. O puede decir un intervalo. Dentro de qué intervalo se espera que
se encuentre el parámetro poblacional. Que eso es lo típico, el ejemplo
típico que siempre os pongo es de, ¿no? Cuando van a ver las elecciones,
el partido Chilipum está en la horquilla, tal, ¿sí? La horquilla es un
intervalo de confianza. ¿Vale? El problema que suele haber en la encuesta
es el problema de representatividad del muestreo. ¿Vale? Esa es la idea de
este capítulo, aprenderos a, enseñaros a obtener estimaciones de
parámetros. Fundamentalmente, si os dais cuenta, en el formulario a
través de intervalos, ¿sí? Y después aparece, al final aparece cálculo
de tamaño muestral. ¿Vale? Pero realmente el cálculo de tamaño muestral
se basa en el contenido previo, porque es despejar de la muestra de lo que
es solo la fórmula que se ha usado por los intervalos, la n. Pero bueno,
ya aquí viene despejada, ¿vale? Rápidamente, para ir ejemplos de
exámenes, rápidamente, bueno, esto es lo que os acabo de explicar, ¿no?
Bueno, esta es la inferencia estadística que es para estimar parámetros
poblacionales a partir de los estadísticos. En la estadística hay dos
tipos de inferencia estadística, se llama paramétrica y no paramétrica.
Bueno, paramétrica y no paramétrica significa que dependiendo de si los
datos cumplen unas condiciones, yo puedo usar unos estadísticos. Si los
datos cumplen otras condiciones, debo usar otros estadísticos para hacer
la inferencia. ¿Vale? Entonces, las paramétricas. Paramétrica suele ser
normalidad, homocedasticidad, independencia de términos de error,
linealidad dependiendo del estadístico, ¿vale? Entonces, eso no lo
tenéis que saber, simplemente que hay unas características que te obligan
a usar estadística paramétrica y si no, no paramétrica. No pasa nada por
usar estadística no paramétrica, lo que pasa es que mucha gente usa
estadística paramétrica no pudiéndolo usar y se haga conclusiones
incorrectas, ¿vale? Lo que se pretende es, con la estimación de
parámetros poblacionales, lo que se llama el contraste de hipótesis,
¿sí? Contraste de hipótesis es, oye, la media de mi muestra, la 8,5 que
habéis tenido aquí, realmente en la población es el mismo o es distinto,
¿sí? Entonces, hipótesis nula es que no hay diferencia. La hipótesis de
nulidad es que no hay diferencia significativa. Hipótesis alternativa
sería que no hay diferencia significativa. Aquí lo que está diciendo es
que la estimación del estadístico con respecto al parámetro puede ser
puntual, es decir, un dato, ¿vale? O un intervalo. Normalmente, lo que te
van a pedir hoy en día siempre te van a pedir un intervalo porque una
estimación puntual puede equivocarte en mayor medida, ¿vale? La
precisión de la estimación de la inferencia viene dada por... Por lo
grande o pequeño, si el intervalo dice, bueno, nos vemos mañana por la
tarde, ¿vale? ¿A qué hora? Dice, bueno, de 4 a 10. Dice, no, nos vemos a
las 6 y en punto, ¿no? Vamos, entre 6 y 7. más precisos y de 4 a 10 como
te dice no voy a hacerte la revisión del gas y de aquí ahora por la
mañana sí pues esto no es una referencia a la precisión de los
intervalos que es el rango de variación en lo amplio o no que es el
intervalo del interés el intervalo de confianza vale bueno básicamente si
los intervalos cuando dice el valor del parámetro está adentro de esta
horquilla de este intervalo normalmente lo que suele utilizar en
estadística es con un 95 o con un 99 por ciento de probabilidad lo cual
después la vida real nunca ocurre no tiene relación o está en quirófano
pero hay un 30% de probabilidad de éxito según la estadística no se
debería la estadística en lo que se basa es en decir si un valor
representativo o no del parámetro promocional a un 95 99 por ciento de
probabilidad y esto es importante porque dependiendo de si después utiliza
una distribución efe una t una zeta si pues el 99 95 por ciento va a dar
unos valores u otros y esto que aparece aquí realmente es como se hace
ahora mismo todo se hace ahora mismo realmente todo lo que escucháis de
inteligencia artificial eso se basa básicamente en estadística las
propiedades los estimadores esto lo digo rápido no hace falta si os lo
preguntan que la vez que un tan esto pero si lo preguntan es un estimador
que es el valor que yo uso para estimar el parámetro población se supone
que es que no tiene sesgo que no tiene sesgo que quiere decir que la media
de la distribución muestral coincide con el parámetro estimado si veis la
media en la distribución muestra coincide con el estimado vale el mejor
estimador de la varianza poblacional es la cuasi varianza esto esto si lo
pueden preguntar Cuando tú dices el mejor estimador de la media
poblacional es la muestra, el mejor estimador de la proporción poblacional
es la proporción de la muestra, el mejor estimador de la varianza
poblacional es la cuasi-varianza, no la varianza en la muestra. ¿Vale?
¿Vale? Eso, ya volvemos a la pregunta que hay. Sí. No entran en muchos
detalles porque esto se ve en segundos, ¿sabes? Debe ser eficiente, quiere
decir que en función de la varianza de la distribución el estimador A es
mejor eficiente que otro estimador. Eficiente quiere decir que la
eficiencia está relacionada, como decía antes, con lo de la variabilidad.
Consistente, quiere decir que a medida que yo voy aumentando el tamaño...
...de la muestra se hace más grande, el tiempo infinito, el valor del
estadístico se aproxima al parámetro. Y suficiente que es que con el
estimador tenéis la capacidad de usar toda la información en relación al
parámetro. ¿Vale? ¿Existe investigación que no tenga ningún sesgo? No.
Ah, bueno, sesgo en teoría sí o siempre hay algún sesgo. En realidad
toda investigación siempre tiene error. ¿Por qué? Porque hay
variabilidad en los datos. En Montero me preguntan... ...sobre el sesgo. El
sesgo significa cuando hay un error sistemático, en positivo o en
negativo. Y cuando hay un error aleatorio, imagínate, yo voy a hacer una
entrevista, ¿no? Sí, pues a las mujeres las valoro mejor. Eso es un sesgo
positivo hacia las mujeres, ¿no? O a lo contrario, una mujer las valoro
peor, sesgo negativo hacia las mujeres. Y eso sería sesgo. Errores que a
uno lo valoro mejor o peor. Es un error, porque no estoy siendo preciso en
la valoración. A la hora de la verdad, como en el método científico
siempre hay variabilidad no explicada, esa variabilidad no explicada lo que
no tiene que ser es significativa. Nosotros lo que intentamos es el
principio del Max-Min-Com, ¿sí? Es minimizar el error. ¿Vale? Eso entra
en una pregunta de examen porque la recuerdo. ¿Esto? ¿Mínimos cuadrados?
No, no, las características... ¿Cuál? Lo que... Lo que comentaste de
consistencia, suficiencia... ¿Cuál de ellas? Entró, o sea, decían cuál
era la incorrecta y ponían independencia. Ah, esa no. Claro. Esa es
independencia en una condición de paramétrico. Pero que digo que no os
van a preguntar sobre el concepto, como mucho lo que te van a preguntar es
esto, ¿sí? Decía consistencia, suficiencia, independencia, señalada
incorrecta. Claro, independencia. Bueno, independencia es lo que hace
referencia, bueno, no lo voy a explicar porque no entra, pues esto.
Entonces no os van a entrar en preguntaros el contenido de esto, o sea, o
por ejemplo os van a preguntar método de obtención de estimadores, pues
tenéis mínimos cuadrados generalizados, ¿qué se dice? Bueno, mínimos
cuadrados o máxima verosimilitud. Simplemente mínimos cuadrados, ¿qué
es? Yo tengo un estimador, ¿no? El valor y el estimador. El valor y el
estimador, la diferencia entre ellos al cuadrado tiene que ser mínima,
¿vale? Eso quiere decir mínimos cuadrados más o menos. El estimador
minimiza la distancia al cuadrado entre el valor estimado del parámetro y
los valores muestrales. Máxima verosimilitud, menos verosimilitud, es que
el parámetro... Verosímil es la muestra obtenida, la máxima probabilidad
de obtener el resultado, la máxima probabilidad de obtener un parámetro a
partir de la muestra seleccionada. Bueno, os van a preguntar mínimos
cuadrados o máxima verosimilitud. Son los dos métodos básicos ahí, pero
como ya os comentaba antes, ahora mismo fundamentalmente la estimación es
muy difícil, depende de... suele ser bayesiana. Sobre lo que os van a
preguntar en el examen de este tema, normalmente puede caer dos preguntas,
no sé si lo habéis visto en los exámenes, suelen caer dos... tres, a lo
mejor, pero dos, depende. Es esto. Una pregunta teórica, si te cae muy
bien porque va a ser fácil, o la otra es que te diga estimación puntual,
pues te da un valor puntual del parámetro desconocido, o estimación por
intervalo, que tienes un intervalo dentro del cual hay una determinada
probabilidad, con un cierto grado de confianza, de que esté el parámetro.
Por eso dice el nivel de... no, el valor de la media en la población con
un nivel de confianza del 95% se encuentra entre estos dos valores. ¿Vale?
Entonces los niveles de confianza se supone que son al 95 y al 99% de que
está el parámetro en ese intervalo. Por lo tanto, ¿sí? El nivel de
riesgo, que se llama significación, ¿sí? ¿Sí? Por supuesto. es la
probabilidad de que el parámetro no esté dentro de ese intervalo,
obviamente 5% o 1%, ¿vale? Bueno, esta es la típica distribución,
¿sí?, normal. Y entonces esto para que veáis, pues claro, después lo
que vais a ver, a ver, aquí hay una pregunta larga, perdón, aquí hay una
pregunta larga, a ver qué dice, perdón, a ver quién me pregunta, eh,
Montero, si todos tenemos nuestra propia percepción de las cosas y
pensamiento y las cosas están en continuo movimiento o cambio, ¿cómo se
demuestra que una investigación no está influenciada por directos
factores externos y las conclusiones que se han sacado de la discusión son
objetivas y no subjetivas? Claro, muy buena pregunta, eh, Montero, por
sintetizártela, porque te basas en la variabilidad de los datos. Tú lo
que analizas es si eres capaz de explicarla, es una varianza observada,
¿sabes? Entonces tú ves cuánto hay de error y cuánto de tu predicción
según tu modelo provoca el cambio. Y ya está, si el error es muy grande,
entonces ahí hay algo que no estamos controlando, básicamente. De todas
maneras, me puedes poner un correo y te doy una explicación un poco más
amplia. Esto que tenéis aquí es simplemente para que os hagáis una idea,
¿vale? Distribución normal, ¿sí? Distribución normal. Si yo digo el
95% central, ¿sí? Yo tengo la media, era cero, ¿sí? Entonces yo digo,
yo digo el 95% central, bueno, lo que está diciendo es qué valor, si es
el 95% central, ¿vale? Si este es el 95, el error que no esté ahí dentro
del parámetro sería 5, claro, 5. Si esto es el 95%, claro, esto que
representaría, pues no es 5, ¿no? Esto sería 2,5%, ¿sí? Este sería el
otro 2,5%, ¿sí? ¿Vale? Ahora, si yo me voy a la curva normal, pues busco
0,025 y te encuentras que esto corresponde con un valor de menos 1,96. Es
decir, que por debajo de menos 1,96 hay una probabilidad de que se
encuentren los datos del 0,025 o un porcentaje de 2,5. Esto ya lo sabíais,
¿no? Aquí no hay nada nuevo. Lo que estoy diciendo es, vea, tengo una
curva normal. Yo cojo aquí, ahora voy aquí a la curva normal. Vámonos a
la tabla de la curva normal. Curva normal, curva distribución normal
tipificada. ¿La tenéis? No sé si es la misma, la 39 es la mía. En el
formulario. ¿Estáis todos aquí en la curva normal? Distribución normal
tipificada, 38. Muy bien, a ver, es distinta. Ah, porque yo me he ido a la
positiva, esta es la negativa. Ahora sí os digo. ¿Qué valor Z deja por
debajo de sí el 50% de los datos? Entonces, lo que os estoy preguntando es
si yo sé que la Z, ¿no? Así fuera de rango. ¿Qué valor deja, qué
valor típico deja por debajo de sí el 50% de los datos? Yo tengo aquí la
curva normal. Exactamente. Otra vez fuera de rango. El valor que deja por
debajo de sí el 50% de los datos, ¿no? Es, supone que este está a la
mitad, el cero. Y de aquí para acá, 50% de los datos. Por lo tanto, de
aquí para acá, el otro 50% de los datos. ¿Vale? ¿Todo el mundo está de
acuerdo con esto? ¿Sí? ¿Lo entendéis todos? Vale. Dice, siempre sería
1.96. Efectivamente. Si yo ahora voy, ahora... En vez de, ¿no? El 50%,
¿eh? Yo digo... Esto es importante porque cuando entendáis esto, veáis
tú lo fácil que es esto. Esto es fácil. Si yo os pregunto ahora, ¿eh?
¿Eh? atención atención esta es la pregunta yo digo a ver qué valor deja
por debajo de sí el 5% de los datos no tiene no tiene todo el formulario y
tú tampoco tiene ponerlo para compartir el valor que deja por debajo de si
el 5% de los datos tiene que ser positivo o negativo negativo muy bien
porque es negativo porque va a estar por debajo del cero que está en la
mitad vale y ahora tenéis que buscar aquí dentro tenéis que ir dentro de
la tabla tenéis que buscar pero como 5 no claro lo que tiene dentro es el
son proporciones 0.05 no 5 0.5 no es el negativo 59 menos 1,5 de la zeta te
estoy pidiendo el valor zeta de aquí tú lo sabes menos 1,5 menos 1,6 si
menos 1,6 hay uno 0,05 16 si 0,5 0,5 menos 1,6 menos 1,64 claro 64 estamos
de acuerdo 1,64 1,64 estamos de acuerdo todos lo veis entonces fíjate
entonces esto es menos esto es muy importante menos 1,64 sí entonces qué
valor es este que deja por encima de si el 5% entonces qué valor es este
que deja por encima de si el 5% 1 menos esto. ¿Me hace falta? ¿Ah, no?
¿No? Si este deja por debajo de sí. 1,64. Exacto. Menos 1,64 por aquí.
Ah, ok. O sea, el 5%, como es simétrica, este es en positivo. Ah, en
positivo, es lo mismo. Este es más 1,64. ¿Vale? ¿Entendéis esa lógica?
Sí. Vale. Pues la siguiente, la siguiente es... Atención, esta es la
pregunta. Ahora, aquí en medio, digo, en... ¿Sí? En la parte central,
95% de los datos. ¿Vale? ¿Cuál es este valor y cuál es este valor? Si
este valor, ¿sí? De aquí para acá, en puntuaciones z, ¿cuánto deja
por debajo de sí? 2,50. 2,5%. O en propósito. Proporciones, ¿no? ¿Sí?
En una proporción de 0,025. ¿Y eso qué se trae? Tengo que buscarlo.
¿Eh? Menos 1,64. 2. Menos 1,64 eran 5. 0,01 creo. Menos 1,81. Menos 1,96.
1,96. ¿Por qué? Búscalo. Busquemos 1,96. Sí, acá está, 0,025. 0,025.
Clavado. O sea, nunca he probado. ¿Vale? 0,025. ¿Veis? Sí. ¿Vale? Todo
el mundo lo entiende. No. ¿Tú no lo entiendes? Yo no lo entiendo. No
sabemos si estamos en la tabla... Vale, la tabla pone arriba distribución
normal tipificada. Página 38. Distribución normal tipificada. Tabla 3.
Sí. Tabla 3, sí. Recuerda que la que tengo señalada... Si buscas el
valor de zeta de menos 1,96... ¿Sí? Tú pones... Busca menos 1,90. ¿Sí?
Sí. ¿Lo has encontrado? Sí. Después te vas a usar. ¿Lo has encontrado?
Ya. Te va desplazando hasta el 0,025. que es 0,025 eso quiere decir que ese
valor deja por debajo de sí porque es distribución que es el valor
acumulado hasta ahí el 0,025 en el de los datos o 2,5% ¿sí? ¿lo
entendéis? no veas a partir de eso quieres decir me he perdido perdona es
lo mismo y no me lo toma Guasa no, no, yo no entiendo si además puedo
reírse ahora lo mismo o lo voy a preguntar y ahora en el medio lo que vais
a tener es el 99% ahora ¿cuánto hay desde aquí para acá? 0,5 y 0,5
¿no? si es 95% central 99% 99% central aquí era el 95% lo que te queda es
1 1 por 2 0,5 ajá, perdón, perdón, perdón 0,5 no, 0,005 ¿sí? ¿estás
de acuerdo con eso? sí ¿sí? no, nos falta otro 0 0,05 faltan dos 0 y un
5 claro, 0, si tú sumas 0,005 y 0,005 ¿cuánto te da? 0,10 no, pero son
3,000 0,00 y tú, a ver lo que estamos haciendo es esto es 0,1 ¿no?
dividido entre 2 0,05 ¿cuánto es? 0,05 esto, aunque parezca una tontería
es importante porque esto es lo que en el examen en el examen os van a
pedir ahora, buscar en la tabla ¿qué valor corresponde eso? 0,05 ¿es el
porcentaje o no? lo que tenés que buscar ¿qué valor? igual, os estoy
preguntando lo mismo ¿qué valor Z le corresponde? una Z ¿qué valor le
corresponde? ¿qué puntuación típica deja por debajo de sí? el 0,05
0,05 menos menos 1,64 no, este no No, tenías razón, tenías razón, tú
es 0,05, es 0,01, es 0,005. No sé, claro que no. Claro, tienes razón.
¿Cómo te llamas? ¿Yo? El último día te voy a preguntar cómo te
llamas. Pilar. Pilar, tenías razón. ¿Vale? Porque es 0,05, 0,005 más
0,005 es 0,01. No, 0,1. ¿Y esto cuánto da? 0,005 es 0,01. Espera, porque
no... Está entre los otros. Voy a hacer operación, pero... Lo dejamos en
menos 2,58. ¿Se puede poner el que tú quieras? No. Es que está entre los
dos. El otro es 51. Claro, porque uno es 51 y el otro 49. Esto es. Ponemos
el del 49. Sí. Es por consenso, simplemente os pongo estos valores porque
eso es lo que vais a tener que utilizar en el examen. Porque en el examen
cuando os pregunten por 95% o 99% vais a tener que utilizar un valor
crítico de zeta o de menos 1,96 o de 1,96 o de 2,58. Entonces este es
negativo, ¿no? Y de aquí para acá el 0,005 sería una zeta de... En
positivo. En positivo, 2,58. ¿Vale? ¿Sí? En positivo. Ahora, si tú te
vas a la fórmula, ¿sí? Fijaros que la fórmula es la fórmula del
intervalo un poco porque entendáis la lógica, ¿vale? La lógica. Yo
intento transmitir la lógica. Fijaros que siempre en toda la fórmula
aparece un valor central, ¿sí? Más o menos una cantidad. ¿Veis? Siempre
aparece media más o menos. ¿Sí? Eh... ¿Sí? ¿Veis? Más, menos. Media
menos, media más. ¿Lo veis? Los intérvalos... ¿Eh? Ahora os lo muestro.
¿Veis? siempre para obtener el intervalo en realidad lo que se hace para
integrar la confianza es el valor del estadístico le suma y le resta una
cantidad porque le suma y le resta porque estás hablando de esas dos
trozos de curvas porque puedes estar por un lado o por otro y entonces voy
rápido para llegó ahí muestro simplemente la fórmula veis veis siempre
por ejemplo aquí no veis media menos en el ojo de media menos una cantidad
media más una cantidad límite inferior a media menos el siguiente igual
con el siguiente siempre un ejemplo siguiente que es otra situación media
menos media más siguiente siempre si os dais cuenta siempre tenéis bueno
en este caso son las medias después lo que tenéis con respecto a las
proporciones igual sí por porción menos proporción más sigo con las
medias en definitiva lo que quiero hacer ver es que siempre lo que vaya a
tener que hacer para obtener los intervalos de confianza es tener el valor
del estadístico y le vaya a sumar y restar una cantidad eso es siempre
ahora y qué cantidad le sumó el resto está el tema porque es muy fácil
pues ahí viene lo que tenéis en la en el formulario fijaros tenéis que
tener en cuenta para saber qué cantidad le suma el resto si yo tengo una
Ya veis, esto es lo que cuesta siempre más trabajo. Z alfa medio. Por
Dios, Z alfa medio, ¿vale? Pues Z alfa medio es, si es al 95%, es 1,96.
¿Vale? Que Z es la puntuación típica de un alfa, que es el 5%, ¿sí?
Dividido por 2, ¿vale? Entonces es 1,96 o 2,58. ¿Entendéis? Siempre que
salga Z alfa medio va a dar eso. Dependiendo de si te piden 95 o 99.
¿Puedo repetirlo? Sí, claro. 1,96 o 2,58. Eso es, 1,96 o 2,58. Aquí esto
es donde normalmente a la gente le cuesta más trabajo, pero en realidad es
la puntuación del estadístico más menos una cantidad. La cantidad que es
fija es esta siempre, Z alfa medio. Z alfa medio es lo que acabamos de
explicar, que es qué puntuación típica le corresponde, ¿sí? La mitad.
La mitad de la probabilidad que queda afuera del intervalo de confianza.
¿Sí? Es lo que acabamos de ver aquí. En la fórmula, en todo lo que
hemos estado viendo ha sido esto. A ver, esto es Z alfa medio menos 1,96
para una proporción del 95%, para un intervalo de confianza del 95%. Y
esto, Z alfa medio es para un nivel de confianza del 99%. ¿Vale? 100%, Z
alfa medio es 2,58. Pero los niveles de confianza siempre van a ser 95, 99.
Claro. Entonces, ¿por qué os estoy explicando esto con tanto detalle?
¿Por qué? Porque si os dicen nivel de confianza del 90%, no suele ser
habitual, ¿vale? No suele ser habitual. Pero si me dicen con un nivel de
confianza del 90%, ya no es 1,96 y 2,58. Tengo que buscarlo. Tengo que
buscar al 5%, ¿sí? Por arriba y por abajo. Por abajo. ¿Entendés? Es
siempre negativo, es lo que pongo en la derecha. Es que estamos
discutiendo. Puede coger los dos, o sea, porque por eso es más menos.
¿Entiendes? Entonces, si tú, si yo, aquí lo que os estoy diciendo es si
lo ponen difícil, ¿sabes? Si os lo ponen difícil, ah, muy bien. Aquí
dice ya 1,65, vale. Sería 1,60. Normalmente ahí es 1,64. Entonces,
normalmente, mira, cuando tú tienes, es un nivel de confianza, ¿vale?
Y... Está bien puesta, ¿no? Sí. Vale. Entonces, ¿cuándo? El nivel, con
un nivel de confianza, nivel de confianza del 95%, ¿vale? ¿Sí? Esto le
corresponde un Z alfa medio de 1,96. ¿Vale? Nivel de confianza del 99%, le
corresponde un Z alfa medio de 2,58. ¿Vale? 2,58. Nivel de confianza del
90%, que alguna vez le han puesto al 90%. Aquí el Z alfa medio, lo
podríais calcular, pero es 1,64. ¿Vale? Es lo que suelen preguntar.
Entonces, ahora, ¿sí? Ponen MSLers. Tú has dicho 1,65, lo entiendo, pero
si te das cuenta, es en positivo o en negativo. Entonces, por referencia,
suele ser 1,64. ¿Y si están entre dos valores? ¿Están entre 2,58 o
2,59? El que está más cerca, normalmente, cogen ellos. Te van a poner
esto. Porque después hay otras veces que hacen una interpolación. Te van
a poner estos valores, seguro. ¿Vale? Bueno, pues nada. Aquí ahora lo
difícil, una vez que habéis entendido eso, simplemente es aplicar ahora,
si habéis entendido esa lógica, ahora es simplemente aplicar los
conceptos del tema anterior. En el tema anterior, recordáis que decía, si
yo tengo una puntuación, una variable aleatoria continua, una variable
continua, con una distribución normal y con conocida la varianza
poblacional, aplico la Z. ¿Recordáis? Si yo tengo una variable continua,
pero no conozco el parámetro poblacional, aplico la T. ¿Recordáis? Pues
eso es lo que se hace aquí. Fijaros, yo tengo una variable aleatoria X con
distribución normal y con la varianza poblacional conocida. Si os dais
cuenta, esta es la fórmula de la Z, ¿veis? Y esto es, bueno, sigma
partido raíz de n, ¿vale? Ahora, esto que tenéis aquí es el error
máximo. Hay veces que los que os preguntan es el error máximo, ¿sí? El
error máximo es simplemente la cantidad que tú sumas y restas. Si os dais
cuenta, error máximo pone Z alfa medio en valor absoluto, que multiplica a
sigma partido raíz de n. Justamente esto, fijaros. ¿Veis? A eso se le
denomina error máximo. ¿Puede ser que a la desviación típica también
le digan error? Tal cual, no. No, a la desviación típica le tienen que...
Le tienen que llamar por su nombre o desviación típica... Normalmente te
hablan de la... Mira, aquí te voy a poner. Vale. Mira, para estimar la
media poblacional de una variable X que tiene una distribución normal y
cuya desviación típica, ¿sabes? Dicen desviación típica poblacional es
4 y ya está. Ya con eso sabes que estás en una Z. Hemos seleccionado una
muestra aleatoria de 100 personas. Obteniendo un valor de media de la
muestra. ¿Tiene un valor de media? Tiene un valor de media de 10. ¿Vale?
Trabajando con un nivel de confianza del 95%. ¿Cuáles son los límites
del intervalo de confianza? Pues ya está. Como es normal conocer la
varianza poblacional, yo aplico, ya sé que tengo que aplicar la
distribución normal tipificada, que es esta. Y te vas al formulario, que
es la primera que tenéis, que acabamos de ver, que es esta. Y la aplico. Y
es simplemente aplicar. Claro, esta es la distribución normal, pero para
el estadístico, porque para la muestra no sería. Claro, para el
estadístico, para el estadístico. Que tiene la raíz cuadrada. Claro.
Entonces fíjate que era simplemente la media más menos Z alfa medio de
sigma partido de raíz de N. Ya está tirado. Está fácil. Lo difícil es
entenderlo. Entonces tú calculas la media, ya la tienes, ¿no? Que te
decía que la media era 10, ¿ves? Media, ¿ves? Media. La tienes aquí,
¿veis? media más menos ya sabíamos que al 95% era menos 196 sí bueno y
tienes cuatro y el país recién porque te han dado no vale y con eso ya
tiene el valor del interior de confianza en el que se encuentra todo fácil
porque yo he visto algunos ejercicios como que tenían porque te ponen se
pone la media de la muestra de la población o sea que están preguntando
por una muestra pero te ponen los datos de la población te ponen la media
y te ponen la desviación típica de la población de la muestra si
entonces tú luego tienes que transformar en el que claro tiene que pasar
dentro del arte poner medias 100 cualquier cosa digo desviación típica 8
vale pero no es la desviación típica del estadístico es del parámetro
correcto ahora tendrían y tenés que pasar pero bueno para eso pilar tú
lo que tiene que fijar muy bien en las letras y da cuenta en la clase lo
primero que he dicho ha sido griega o no entonces a esto esto es griego no
por lo tanto estos parámetros entonces tú tienes que saber que como a
partir del parámetro y de la desviación o de la variación de la varianza
poblacional tú puedes sacar el de la muestra rápido muy rápido para que
veáis que esto es fácil esto es lo mismo no Dicen que la amplitud del
intervalo es 2,8, ¿sí? Es decir, que yo tengo el límite inferior y el
límite superior y dicen que de aquí a aquí hay 2,8, ¿no? ¿Sí?
¿Entendéis eso? Sí. Sí. Ahora, tenéis que entender, porque hay veces
que lo plantean así, ¿eh? Lo que tenéis que entender es… Claro, bueno,
y después te preguntan más cosas, ¿no? En una muestra de adolescentes
extraída lateralmente de una población se ha obtenido un valor de media
de variable optimismo 16… ¿Cuáles son los límites Entre los cuales se
estima el optimismo medio De la población? Fijaros Que aquí Lo que le han
dado es La amplitud del intero final Entonces, claro Y solo la amplitud
Entonces tú sabes Que de aquí a aquí Esto se divide por la mitad ¿Vale?
¿Y en la mitad qué es lo que está? La media ¿No? ¿Sí o no? ¿Y la
media lo han dado? No, tú sabes que de aquí a aquí Va a haber 1,4 y ahí
tienen la media ¿Sí o no? 1,4 Y 1,4 Y la media es 16 ¿Ok? ¿Veis? Pero
yo ya estoy perdida, ¿cómo sacaste la media esta? Pues la tiene aquí Ah,
vale ¿Vale? Esta es otra Fórmula Esta es otra forma que tienen a veces de
preguntar Entonces, en vez de darte los datos Lo que te hablan es De la
amplitud del intervalo Entonces, sabéis La amplitud del intervalo Es el
error máximo ¿Sí? El error máximo Es la amplitud Del intervalo De
confianza ¿Vale? Partido por 2 ¿Vale? La C Bueno, aquí la tienes Sí, de
14,6 a 17,4 Sí, a mí Pero a mí sobre todo lo que me interesa Es que
entendáis La manera en que os lo pueden preguntar La otra manera es la
típica También muchas veces lo preguntan así Lo que te dan es O el error
máximo O la amplitud del intervalo O sea, que la mitad del intervalo El
error máximo Se suma al 16, ¿no? Exactamente El intervalo 17,4 Claro,
porque siempre Siempre va a ser La fórmula siempre es Si os fijáis La
fórmula siempre es La media Más menos el error máximo ¿Sí? La fórmula
siempre es La media más menos el error máximo O la proporción más menos
el error máximo O la cuasi-varianza más menos el error máximo Entonces,
esto es lo que tenéis un poco que entender Fijaros, lo siguiente que es
Intervalo de confianza para un parámetro Donde tenéis parámetros Pero,
¿qué sucede aquí? Que la varianza poblacional es desconocida ¿Veis?
Entonces, cuando la varianza poblacional Es desconocida Si recordáis, es
una T-Destudio ¿Veis? Entonces, aquí ahora para Calcular los intervalos
de confianza Te tienes que basar en la T-Destudio ¿Veis? Y como la
varianza poblacional es desconocida Aquí no puede utilizar sigma Tiene que
utilizar La cuasi-deviación típica ¿Vale? Y, bueno, pues ¿Qué pasa?
Que tenéis que aprender a usar A usar, ¿no? La tabla de la T Lo vamos a
ver, por ejemplo, con la tabla de la T Y, por lo general, en ese tipo de
Porque yo no he llegado todavía a este tema La verdad ¿Te dan los datos
de la cuasi-varianza? Por ejemplo, ¿te los dan? Sí, aquí realmente
Simplemente, lo único que tenéis Que tener claro es Si tenéis que
aplicar una Z Una T O una X Simplemente, entonces, si vosotros Sí, pero lo
tenéis aquí Lo que te acabo de decir no hace falta que te lo aprendas
Mira, porque lo tienes En el formulario, si os fijáis Tenéis o una Z O
una T ¿Sí? O una X ¿Vale? ¿De qué depende? Y eso es exactamente lo
mismo Que veíais en el tema 9 En el tema 9 Eso es lo que me han explicado
Ahora lo que pasa es que utilizan Las características de la distribución
muestral Para calcular el intervalo de confianza ¿Sí? Entonces, bueno,
esto sería Ahora, fijaros Se sabe que la inteligencia espacial Presenta
una distribución normal ¿Vale? Distribución normal mediante Se extrae
una muestra De 100 estudiantes Y se desmide mediante un test Inteligencia
espacial Se obtiene un valor para la media de 135 Y una deviación típica
de 16 ¿Cuál es? Pero no te dicen nada De la varianza poblacional ¿Vale?
Dicen que la distribución normal ¿No? Pero no dice por ningún sitio nada
de la varianza poblacional. Por eso tenemos que irnos a la T. Desconocemos
la varianza poblacional, se sabe que sigue una distribución normal, por lo
tanto, bajo estas condiciones, te destruyen. Eso es exactamente lo que
habéis visto en el tema 9. Y ya está, pues ya simplemente es la media y
ahora aquí ¿qué viene? ¿Qué pasa? Ahora el error máximo más menos,
que ahora esto es lo nuevo, que es T-1 de alfa medio. Entonces, ¿qué hay
ustedes? T-1 de alfa medio, pues tenéis que ver, ¿N cuánto es? 100,
¿no? ¿Veis? N es 100, ¿lo veis? Está aquí. Y ahora tenéis que irnos a
la T. T-1 de alfa medio, ¿sí? ¿Alfa cuánto es? Aquí no tenéis, ¿no?
El nivel de riesgo es 0,01, ¿vale? Entonces tenéis un alfa, aquí tenéis
un alfa de 0,01, ¿sí? Y lo que tenéis es una distribución T-1, ¿vale?
¿Ok? Y ahora nos tenemos que ir a la tabla. Buscar en la T de Student,
¿eh? Viene aquí, ¿no? Está en la tabla de Student y ahora tenemos que
buscar. Si es 0,01, como decía Pilar, pues a un lado y a otro, ¿sí? Pues
tiene que haber 0,005 y 0,005, ¿vale? ¿Para...? ¿En cuánto grado de
libertad? Pues en un montón, ¿no? Porque los grados de libertad son muy
altos. Voy a la tabla de la T, voy a la tabla de la T. Tú, tú, tú,
buscamos la T. Pues está claro, nos vamos al 100, ¿no? ¿No? Porque yo
diría más al 100 que al 90, ¿no? Y tenemos que buscar qué valor. 0,005.
Claro, pero ahora fijaros Ahora aquí arriba, ¿qué es lo que tenéis?
Arriba, en la T Lo que tenéis arriba son las Las probabilidades Que 0,05
su complementario es 9,995 Claro De lo mismo ¿Y cuánto te da? 63,657 Es
2, ¿no? ¿No? Te vas a la tabla De la T de Student ¿Grados de libertad?
¿Cuántos grados de libertad? Abajo de todo 100 ¿Por qué 100? Porque
teníamos 100 sujetos Los grados de libertad es N-1 Que serían 99 Pero
vamos a 100 ¿Entiendes? No, no, eso no entiendo ¿Los 100 estudiantes tú
los relacionas con los grados de libertad? Sí, porque si te vas Eso es del
tema anterior De todas maneras tú lo sabes ahora N-1 Claro, pero no sabía
que N era el grado de libertad Sí, solo grado de libertad Pero bueno, si
no te acuerdas Si te vas al tema 9 N-1 lo saco ahí perfectamente Porque
para mí los 100 estudiantes son N Claro Pero no sabía que eran los grados
de libertad Sí, pero no, lo que me vengo a referir Si tú te vas al
formulario del tema 9 ¿Vale? Tú te vas al formulario del tema 9 Y te das
cuenta siempre ¿Eh? Siempre te va a indicar Te das cuenta de la T Con
grado de libertad N-1 ¿Ves? Que es lo mismo Entonces ya Ahora te vas aquí
a la tabla de la T Y te pone que el valor es 2,626 ¿Vale? Y ya está, y lo
demás ya lo tienes Que es la cuasi varianza Y de ahí saca Los límites
¿Vale? Pero lo que tenéis que entender como lógica Siempre es el valor
del estadístico Más o menos una cantidad La cantidad es el error máximo
¿Vale? El intervalo, el ancho La amplitud del intervalo de confianza
Dividido entre 2 Es el error máximo ¿Vale? El error máximo lo obtengo
Dependiendo de las condiciones Y me dan la media Y conozco la varianza
poblacional ¿Vale? Que me dan la media con una distribución normal, pero
desconozco la varianza poblacional. Y así, son los distintos casos. Y así
es seguir. Y aquí lo que sí queríamos dar, los 0,005, como no tenemos la
tabla T, te vas al inverso, por eso te vas a 0,99. Ahora tiene el
estadístico dentro y las probabilidades fuera. Pero las probabilidades que
tiene fuera no son un montón, sino que las tiene totalmente delimitadas,
que son 0,550, 0,6, 0,65, ¿sí? Entonces, claro, si yo tengo aquí la
distribución, vale, yo te digo que esto es. Que yo digo, esto es. Y yo
digo, es 0,005 y digo, ah, pues no tengo esto. Pero tú sabes, ¿no? Tú
sabes que de aquí a aquí, ¿no? Este valor, ¿sí? Es el mismo que tienes
aquí. ¿Vale? Que es 0,005, ¿sí? Porque son simétricas, la tabla de la
T es simétrica. Por lo tanto, la distancia que hay de aquí a aquí es
0,995. Desde ahí tú sacas. Que ese valor era, ¿cuánto era? 2,62, ¿no?
62,6. 62,6. Por lo tanto, este valor es menos 2,62,6. ¿Vale? Muy bien. Lo
difícil es que entendáis la lógica. Una vez que hayáis entendido la
lógica, por ejemplo, aquí tenéis una variable aleatoria de X, que es con
distribución desconocida. Ahora no te dicen nada de que sea normal.
¿Vale? Pero el tamaño de la muestra es grande. Grande está definido
aquí como N mayor o igual que 30. ¿Vale? Por lo tanto, en este caso...
¿Sí? De nuevo se puede aplicar una distribución Z, pero fijaros que
ponen una Z de mu, que es la media, y se usa la media de la muestra, más
menos Z de alfa medio, y aquí ponen la cuasi-deviación típica. Entonces,
aunque no te indiquen que la distribución es normal, si la n es mayor o
igual que 30, puedo hacer la misma lógica que con la t, pero aplicando la
Z. ¿Te das cuenta? Aquí aplico una Z. Entonces, este sería el caso, una
media de una muestra compuesta por 80 sujetos. La variable de noticismo
es... La media es 98 y la cuasi-deviación típica es 25. Ya estás dando a
entender que no sabes la deviación, la variación poblacional. Dice,
¿cuál de los siguientes intervalos de confianza para la media se
corresponde con un nivel de confianza de 99? Claro, aquí no te han dicho
que es una distribución normal. Como no te han dicho que es normal, pero
la n es mayor o igual. Entonces, igual, ¿veis? La media que era 98,
¿veis? 98 más menos, atención, 99%, ¿sí? Nivel de confianza del 99% se
correspondía con un Z de alfa medio de 258, ¿veis? 258. ¿Ves? Siguiente
caso. Te vas al siguiente caso. Ahora ya... Estamos hablando de la
distribución muestra del estadístico PE, que son las proporciones. Cuando
la muestra es grande, ¿qué es que la muestra sea grande? La muestra
grande es que la n sea mayor o igual que 30 o que n por p sea mayor o igual
que 5. Y que n por 1 menos p sea mayor o igual que 5. Y entonces hace una
aproximación a la normal. ¿Sí? Pero lo importante es que te des
cuenta... Te das cuenta que te están hablando de proporciones. Y se dan
estas condiciones y aplica. Aquí simplemente pone, como siempre, ¿ves?
1,96 o 2,58, dependiendo de si es el 95 o el 99, y lo multiplica
directamente por las proporciones que te dan. Este ejemplo nomás. El 70%
de los estudiantes del centro asociado utilizan para estudiar la
biblioteca. ¿Cuál de los siguientes intervalos se corresponde con el
intervalo de confianza en el cual se encuentra el 95% de la proporción de
estudiantes que utiliza la biblioteca en una muestra de tamaño 40?
Entonces, si te fijas, tú te vas aquí al formulario o lo que os ponía
antes. Tenéis, os estaba hablando de proporciones, por lo tanto no es la
media. No podéis poner la media más menos, es una proporción. ¿Y ahora
qué hago? Es la p, la proporción, más menos el error máximo. ¿Cuál
error máximo? Bueno, como en este caso, la n es mayor o igual. La p es 30
porque son 80, pues aplico esta fórmula que tenéis aquí. Y ya está.
Esto es fácil. Tienes la p, ¿ves? Y la p que es el 70%. Bueno, la p, hay
mucha gente que se equivoca aquí. Y la p pone el 70% en vez de poner el
0,7. Entonces tened en cuenta que aquí siempre está hablando de
probabilidad. De proporciones, no de... Probabilidad en proporciones, no en
porcentaje. Entonces veis la p, que es... Es 0,7, ¿vale? 0,7 que es más
menos una cantidad. ¿Veis? ¿Y esta cantidad cuánto es? Como era el 95%,
va a ser 1,96. ¿Veis? Multiplicado por... Bueno, sería la dirección
muestral de la distribución... La dirección típica de la distribución
muestral. Por esto, que lo tenéis aquí. Ahí tenéis. Y aquí abajo.
Fácil. ¿Eh? Cuando lo entiendes, simplemente tú tienes que ver que te
van a dar una media, o una proporción, o una varianza. ¿Ya? Tenéis
todas... Estas son las proporciones, lo que tenéis. ¿Sí? Tenéis...
Exacto. ¿Eh? Y cuando os den una... Una varianza es igual que con el tema
9. Ahora, fijaros. Para el parámetro, varianza. Pues igual. El intervalo
de confianza para la varianza. Esto es. para la varianza, pero esto no es
de aquí esto es del tema anterior si tú te vas al tema 9 y te buscas
distribución muestral para la varianza tienes exactamente que la varianza
y la cuasi varianza se distribuyen según un h cuadrado ¿si? es lo que
tenéis aquí ¿veis? y es lo que aplican aquí entonces tú coges y dices
a ver, vale ahora, si la muestra es grande en este caso es si n mayor que
100 y eso lo tenéis ¿veis? lo indica aquí también en el formulario si n
mayor que 100 pues entonces en vez de utilizar un h cuadrado que es lo que
tenéis aquí ¿veis? se utiliza la z vale, entonces estamos, lo mismo, se
sabe que la inteligencia espacial presenta una distribución normal en una
población de estudiantes mediante ¿no? una muestra aleatoria sostiene 100
ah bueno, si yo tengo 100 vale, ya lo he puesto fácil estoy igual que
antes, paso otro, estoy mismo de antes aquí tenéis probabilidades con los
datos, vaya, vamos con los datos del ejercicio anterior no lo leemos,
¿vale? obtengo una muestra aleatoria de 100 estudiantes y se les mide la
inteligencia espacial obteniendo un valor de media de 135 y una debilidad
típica de 16 ¿de cuál es lo siguiente? el intervalo de confianza de la
media poblacional saliendo con un nivel de riesgo, aquí, nivel de riesgo
es 0,01 ¿vale? claro, ¿qué sucede? que no te han aquí lo que dice es
que no tienes no eres conocedor dado que se desconocemos la varianza
poblacional pero sabemos que se distribuye según una población según
normal la distribución muestral de la media sería 0,01 ¿vale? bueno,
ahora dice lo que me interesa es la siguiente la proporción con los datos
del ejercicio anterior ¿cuáles son los intervalos que corresponden los
intervalos ¿cuál de los siguientes intervalos estima la varianza
manteniendo el nivel de riesgo de 0,01? 0,01 ¿Vale? Están preguntando por
la varianza, ¿vale? Entonces no es proporción, es varianza, ¿le das
cuenta? Entonces ahora fíjate, la varianza, esto que está aquí, que es,
¿ves? La varianza poblacional se encuentra entre dos valores y los dos
valores son el límite inferior que tenéis ahí. Entonces tú te vas a ver
el cálculo de la varianza, aquí lo tienes, ¿no? El límite inferior es
n-1 multiplicado por la cuasi-varianza partido, ya le hice, un chi cuadrado
de n-1, 1 menos alfa medio. Bueno, ¿y eso qué es? Vale, pues vamos. Esto
que os estoy diciendo lo tenéis aquí en el formulario, esto no lo tenéis
que saber. Lo que tenéis que daros cuenta, que os están preguntando...
...por la varianza, ¿vale? Entonces, n-1, pues será 99, ¿no? 99. Ahora,
la cuasi-varianza, esto lo tenéis por aquí, ¿no? Ah, claro, pues lo
dieron antes, previamente os informaron, ¿no? Claro, os informaron que
tenía, la muestra tenía una deviación típica de 16, con lo cual a
partir de aquí sacan la cuasi-varianza, ¿eh? Porque la cuasi-varianza era
deviación típica. Típica al cuadrado multiplicado por, o partido por
n-1. Vale, de ahí saca la cuasi-varianza, ¿sí? Pero a mí lo que me
interesa es esto. ¿Sabéis encontrar este valor? Chi cuadrado de n-1, 1
menos alfa medio. Ahora, lo que te pasa es que la chi cuadrado no es
simétrica. Es decir, que la tabla no es igual por los dos lados. Entonces,
si yo me voy a chi cuadrado, tenéis que tener en cuenta... Tú te vas a la
chi, chi, chi. Vamos a buscar la chi. ¿Dónde está chi? ¿Sí? ¿Dónde
está chi? ¿Dónde está la chi? 40, página 40. Vale, fijáis que la chi
cuadrado, cuando yo grafico la chi, ya no hay valores negativos, hace como
una cosa así. ¿Sí? ¿Veis? Ahora, claro, lo que nos decía es alfa
medio. Alfa, ¿cuánto era? 0,01 vale pero tiene que estar por los dos
lados en este lado y en este lado sí entonces aquí hay 0,005 no y aquí
hay 0,005 que esto es un alfa medio sí vale y ahora fijaros aquí que
tenéis veis una chi de n menos 11 menos alfa medio cuánto era entonces el
límite inferior el límite inferior es uno menos alfa medio uno menos alfa
medio cuánto 1 menos 0,005 exactamente que es y te das cuenta de ser el
límite inferior no quiero hacer ver esto porque la gente cuando se lía
porque ser inferior y esto es más grande ves por qué porque va a ser más
grande el denominador y esa la la inferior es porque de balón más bajo
entonces es tu tienes un chi cuadrado de n menos 11 menos alfa medio no
tenéis que aprender lo tendréis ahí una chi cuadrado si de n menos uno y
uno menos alfa a medio, ¿sí? n menos 1, ¿cuánto era el n? 100. ¿Era
100 otra vez? No sé. Porque eran los datos del ejercicio anterior. No
estoy seguro, ¿sí? Sí, no, porque era n más el pt. 100 estudiantes. 100
estudiantes, muy bien. 100 estudiantes, ¿no? Vale, entonces, por lo tanto
aquí ponemos 99, ¿no? 100, ¿sí? Y ahora, 1 menos alfa medio, es decir,
1 menos 0,005, ¿sí? que esto es 0, no 995 no yo busco a chico al lado de
cuánto es 0.995 lo tenemos no si veis que está arriba el 7 con libertad
no tenemos que abajo del todo 140 140 vale entonces este valor si es este
valor es aproximadamente de 140 no coma 16 95 no entiendo cómo ha resuelto
esto de acá abajo porque te quedó 99 que sería n menos 1 y luego la
resta que hicimos de 1 menos 0 05 y ahora qué se hace con todo eso con
esto yo me voy a esto es para sacar el valor de la chi lo que yo estoy
buscando simplemente son los valores de la chi o sea de todo lo que está
en este paréntesis qué cifra te quedó todo esto es para irme a buscar a
la chi cuadrado que es n menos 1 del 99 y uno menos alfa medio que es 0.995
entonces bueno que está abajo del todo y 0.95 esto me da un valor de 140
con 16 95 por eso la chi 140 no coma 16 95 vale cuál es el otro valor este
es para calcular el intervalo inferior no era sí fijaros ese es para el
intervalo inferior no para el interior el otro es para el superior ahora
qué pasa que yo no puedo poner uno positivo y otro negativo porque la chi
no es simétrica entonces aquí es donde yo quería llegar que es otro
error que se suele cometer en los exámenes porque no es simétrica tú no
puedes decir ah pues si uno es 140 60 95 el otro es menos 140 no puede ser
porque no hay valores negativos entonces tienes que buscar veis entonces lo
que busca en el superior es una chi de n menos 1 y le pones alfa medios
vale y alfa medio el superior es alfa medio un alfa medio es 0,005 que es
67,60 y si 67,32 lo veis tú tienes que buscar una tabla de chi cuadrado
ahora busca 0,005 porque ahora lo que tienes que buscar es alfa medio en
n-1 lo de libertad que da 100-1 99, como tiene 99 pues te pone en el 100
que es más cercano te da un archivo de 67,32 ¿lo veis? vale, entonces
esto es lo que tiene aquí, entonces con eso con esto tiene todos los
valores para el límite inferior y para el límite superior, ahora si os
fijáis lo voy a poner más grande igual está muy pequeño todo grande tan
grande que hace daño fijaros límite inferior ¿qué es esto de aquí? si,
ya no se lo tenéis n-1 que es 100 esta es la cuasi varianza, vale, y ahora
esto es lo que buscamos en la tabla 114,17 esto es lo que acabamos de
buscar en la tabla 67,327 una cosa que la gente vuelve loco es que en
realidad el límite inferior y el límite superior es pues claro, este por
qué se busca en el límite inferior porque en este caso como el
denominador es más grande pues la fracción va a ser más pequeña por eso
es el límite inferior y como este es el límite superior por eso que este
es más pequeño es el que hace el límite superior entonces es una cosa
que también la gente un poco la raya aquí lo importante lo que acabamos
de ver es que tengáis en cuenta que la chi cuadrado no es simétrica de
todas formas normalmente suelen preguntar estos valores aquí en la chi
cuadrado no he visto yo y cómo se resuelve este ejercicio perdón, cómo
termina esto ya lo aplica la fórmula y ya tienes el límite inferior y ya
tienes el límite superior Ahora, cálculo de tamaño muestral ¿Vale? El
cálculo de tamaño Simplemente hago un comentario El cálculo de tamaño
muestral es decir ¿Qué tamaño tiene que tener mi muestra Cuando yo
quiero obtener como máximo Yo quiero tener un error máximo de estimación
De mi parámetro Marginal de tanto Entonces normalmente lo que suele
ocurrir es que te dan el error máximo Y tú a partir de aquí Aplicas la
fórmula ¿Sí? Eso es lo que suele ocurrir En el examen No te hacen
calcular el error máximo Y después calcular la N ¿Por qué? Ocuparía
mucho tiempo Entonces normalmente en los exámenes Ya te dan el error
máximo Y lo único que tiene que aplicar es esta fórmula La fórmula del
tamaño ¿Sí? En realidad lo tienes ¿Sabes? Lo tienes ya Es simplemente
despejar Y aplicar y buscar ¿No? Por ejemplo Aquí tiene el tamaño
muestral para proporciones Para media y para variantes Simplemente una cosa
rápida El nivel de competencia electoral Ha sido distribuido normalmente
en una población Tanta Tiene una deviación típica Igual a 6 El error
máximo de estimación que estamos dispuestos A admitir no puede ser
Sumerio a 2 Entonces ya te han dado el error máximo Y siendo el nivel de
confianza El 95% ¿Qué tamaño debemos tener para estimar? Pues
simplemente aplicar la fórmula Identifica que está en una distribución
normal Te están dando el error máximo A ver, te dan esto Y te están
dando la varianza poblacional Lo único que tienes que hacer es Z alfa
medio al cuadrado Que ya lo sabe Pero como está hablando del 95% Pues ya
sabe que esto es 1,96 Entonces Lo único que es aplicar la fórmula Esta no
tiene mucha mayor historia Entonces no la preguntan Algunas veces sí lo
preguntan Porque como es fácil No, no intentan En teoría Los exámenes
como se diseñan No, no intentan hacer un mínimo de preguntas como
asequible para que la gente con un conocimiento mínimo apruebe y hay
algunas más difíciles para distinguir entre a quién se le pone
matrícula de honor esa es la forma en que se hace el examen, más o menos.
¿Alguna duda? Yo hablo por mi No sé, cuando Bueno, durante estos días
está muy bien habéis aguantado estoicamente aquí tenemos de los 10 y no
sé cuántos del principio, quedan 5 y de aquí de los... aquí bastante
por vergüenza, porque estoy aquí yo pero de 6 hay 5 Yo con internet No,
no, broma Muy bien estáis aquí. Oye, he intentado ayudaros en lo que he
podido, de todas maneras durante la época de los exámenes, si tenéis
dudas ponedme correo, yo intento responder en 24 horas hay veces que tardo
más he visto que hay una persona que me puso una pregunta, me mandó un
correo y no lo entendí bien y pensaba que iba a estar aquí, pero no está
entonces, bueno, por la personalidad le puse una pregunta sobre varianza
envíame el enunciado porque hay veces que me envían, me hacen preguntas,
me ponen un correo y dicen ¿está todo bien? Pero necesito el enunciado
¿sabes? Pero bueno normalmente intento responder lo antes posible no
porque sea muy eficiente yo te mandé un correo ¿no te hice caso? No, para
pedirte los ejercicios que pasaste la semana pasada Sí te respondí No
Pilar No lo vi entonces, no sé porque él lo estuvo mirando y no Me están
dejando de embustero Bueno, yo estoy distraída a lo mejor ¿Tú cómo te
llamas? ¿Pilar qué? Cran con K A ver si te he buscado Enviados a Pilar
Cran con K Pilar Pilar Cran con K Tu correo es pilarcran arroba outlook.es
¿Sí? Sí Aquí le adjunto ejercicios resueltos de los temas 9 y 10 así
como las presentaciones de las tutorías No sé, no lo vi, qué sé yo. Se
lo envié hace cinco días a la... el 13 de enero Me mataste. A las 6.04 de
la tarde. Y el 13 de enero era un... ¿Verdad que tenemos varios correos de
la UNED o qué? El 13 de enero fue un sábado. Bueno. Un sábado a las 6 de
la tarde te respondí. Ahora que no sé si este correo no estaba bien es
pilarcran arrobaoutlook.es Pero fue el con el que me lo enviaste. Dime, no,
algo hice mal. O sea, yo recibí un correo de pilarcran arrobaoutlook.es De
uno de alumnos UNED te tendría que haber mandado, lo hiciste mal, perdón.
No, no, nada, no lo hiciste mal. Yo te respondí de a este. Vale. Ahora
qué hago? Pues nada, si quieres te vuelves a poner el correo con algún
punto es o lo que sea. Pero no solo te respondí, sino que te respondí un
sábado a las 6 de la tarde. Que coste. Bueno, no pasa nada, eh. A mí me
pasa igual, yo con los correos por eso digo ponerme y si no respondo,
insistir. La verdad no uso mucho el correo de la UNED, no lo uso mucho.
Pues eso, si me lo pusiste de a uno. Y no sé por qué. Eso, pues lo dicho,
si tenéis dudas ponedme el correo y yo intento responder lo antes posible
y espero que os llegue. Y si no os llega, por ejemplo le pasa aquí a la
compañera Pilar, oye que no me lo mandaste tú insiste, oye que no me ha
enviado el correo ¿qué pasa? Entonces, igual es que si os lo envié pero
ha habido un problema en la transmisión o vosotros pensabais que os lo
habíais enviado y lo que sea, que haya podido pasar, no pasa nada, ¿vale?
¿Ok? Bueno, pues nada. Nada, mucho ánimo y nada, nos seguiremos viendo si
seguís en la lucha, porque yo me encargo de ayudar en la medida de lo
posible en las miniaturas de metodología. ¡Suerte! Seguimos en contacto,
¿eh? Muchas gracias. Bueno, a eso estamos. Muchas gracias. Gracias por
todo. A vosotros.