Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 12 Núm. 2 (2022)
Julio-Diciembre

Artículos

Modelos estadísticos no paramétricos en los libros de texto del nivel universitario

https://doi.org/10.19053/20278306.v12.n2.2022.15270

Publicado 2022-08-15

Víctor Miguel Angel Burbano-Pantoja
Universidad de Pedagógica y Tecnológica de Colombia, Tunja

Margoth Adriana Valdivieso-Miranda
Universidad Pedagógica y Tecnológica de Colombia, Tunja

Ángela Saray Burbano-Valdivieso
Universidad Pedagógica y Tecnológica de Colombia, Tunja

Resumen

Actualmente, la inferencia estadística se constituye en un elemento clave para aplicar el método científico experimental. Sin embargo, los libros de texto clásicos conceden un mayor peso a los métodos paramétricos, parcializando su uso en diversos ámbitos académico-investigativos. El objetivo de este trabajo de investigación se focalizó en indagar sobre el tratamiento otorgado por los textos universitarios al tema de los modelos estadísticos no paramétricos en lo referente a la prueba de hipótesis. La metodología incluyó técnicas de análisis de contenido aplicadas a 10 libros clásicos de estadística y 12 especializados en no paramétrica. Los resultados evidenciaron que, los libros de estadística clásicos usados en diferentes carreras universitarias tratan pocos contenidos sobre métodos no paramétricos y con diferente nivel de profundidad. Se concluye que, los libros de texto universitarios otorgan baja importancia al abordaje de los modelos no paramétricos, requeridos en una diversidad de prácticas investigativas.

Palabras clave

modelos no paramétricos;, inferencia estadística;, libros de texto;, educación universitaria

XML PDF

Biografía del autor/a

Víctor Miguel Angel Burbano-Pantoja

Licenciado en Matemáticas, Doctor en Ciencias de la Educación

Margoth Adriana Valdivieso-Miranda

Licenciada en Matemáticas, Magíster en Ciencias – Estadística

Ángela Saray Burbano-Valdivieso

Bióloga, Estudiante de Maestría en Ciencias – Biología

Citas

  1. Anderson, D., Sweeney. D., & Williams, T. (2012). Estadística para Negocios y Economía. Cengage Learning.
  2. Aranzubía, S., Ruíz, B. R., Vásquez, L., Albert, J. A., & Cortínez, Á. (2021). El problema de la transparencia didáctica del parámetro en los textos de estadística. Interciencia, 46 (11), 416-422.
  3. Bardín, L. (1986). El análisis de contenido. Editorial Akal
  4. Barrantes, A. L. (2019). Diferencias en la estimación del coeficiente de curtosis en diferentes softwares estadísticos. Revista E-Agronegocios, 5 (2), 1-14. https://doi.org/10.18845/rea.v5i2.4456. DOI: https://doi.org/10.18845/rea.v5i2.4456
  5. Barrios, Y. D., Guerrero, Z. E., Zambrano, D. F., & Ponce, H. X. (2022). Análisis estadístico cuando no se cumplen los supuestos de las pruebas paramétricas, en el contexto de la investigación de la Cultura Física. Universidad y Sociedad, 14(1), 591-600.
  6. Begué, N., Batanero, C., Ruiz, K., & Gea, M. M. (2019). Understanding sampling: A summary of the research. Boletín de Estadística e Investigación Operativa–BEIO, 35(1), 49-78.
  7. Benjamin, D. J., Berger, J. O., Johannesson, M., Nosek, B. A., Wagenmakers, E. J., Berk, R., ... & Johnson, V. E. (2018). Redefine statistical significance. Nature Human Behaviour, 2 (1), 6-10. DOI: https://doi.org/10.1038/s41562-017-0224-0
  8. Berlanga, V., & Rubio, M. J. (2012). Clasificación de pruebas no paramétricas. Cómo aplicarlas en SPSS. REIRE: Revista d'Innovació i Recerca en Educació, 5 (2),101-113.
  9. Burbano, V. M. A., & Valdivieso, M. (2016). Inferencia Estadística Básica: apoyo al estudio independiente. Editorial UPTC.
  10. Burbano, V., Valdivieso, M., & Aldana, E. (2017). Conocimiento base para la enseñanza: Un marco aplicable a la didáctica de la probabilidad. Revista de Investigación, Desarrollo e Innovación, 7 (2), 269- 285. https://doi.org/10.19053/20278306.v7.n2.2017.6070 DOI: https://doi.org/10.19053/20278306.v7.n2.2017.6070
  11. Burbano, V., & Valdivieso, M. (2021). Modelo del Pedagogical content Knowledge aplicado en probabilidad para la educación media. Educación y Humanismo, 23 (41), 234-253. DOI: https://doi.org/10.17081/eduhum.23.41.4321
  12. Burbano, V., Valdivieso, M., & Burbano, A. (2021). El pensamiento aleatorio y los sistemas de datos en los libros de texto: situaciones alternativas de investigación formativa. Editorial UPTC. DOI: https://doi.org/10.19053/9789586605984
  13. Canavos, G. (1988). Probabilidad y Estadística. Aplicaciones y métodos. McGraw Hill.
  14. Colín, C. A. N. (2018). Análisis de varianza no paramétrica: un punto de vista a favor para utilizarla. Acta Agrícola y Pecuaria, 4 (3), 69-79. DOI: https://doi.org/10.30973/aap/2018.4.3/1
  15. Corzo, J. A. (2005). Estadística no paramétrica: Métodos basados en rangos. Editorial UN - Universidad Nacional de Colombia.
  16. Daniel, W. (2008). Bioestadística. Base para el análisis de las ciencias de la salud. Limusa.
  17. Delicado, P. (2008). Curso de modelos no paramétricos. Departament d’Estadística i Investigació Operativa, Universitad Politécnica de Catalunya.
  18. Devore, J. L. (2012). Probabilidad y estadística para ingeniería y ciencias. Cengage Learning Editors.
  19. Freund, J., & Miller, I. (2000). Estadística matemática con aplicaciones. Prentice Hall
  20. Hájek, J., Sidak, Z., & Sen, P. (1999). Theory of Ranks tests. Academic Press
  21. Hernández, S., & Mendoza, C. (2018). Metodología de la Investigación. Las rutas cualitativa, cuantitativa y mixta. McGraw Hill Education
  22. Hettmansperger, T. P. (1984). Statistical Inference Based on Ranks. John Willey & Sons
  23. Lehmann, E. L., & D'Abrera, H. J. (1975). Nonparametrics: statistical methods based on ranks. Editorial Holden-day.
  24. Lehmann, E. L., & Casella, G. (2001). Theory of Point of Estimation. Springer.
  25. Lind, D. A., Marchal, W. G., & Wathen, S. A. (2015). Statistical Techniques In Business & Economics: Econ 209. McGraw-Hill Education.
  26. Manoukian, E. B. (1986). Mathematical Nonparametric Statistics. Gordon and Breach Science Publishers.
  27. Maturano, C., & Mazzitelli, C. (2018). Libros de texto de ciencias naturales, de ayer, de hoy y, ¿ de siempre?. Revista de Enseñanza de la Física, 30 (1), 49-62.
  28. Marshall, A. W., & Olkin, I. (2007). Life Distributions. Springer.
  29. Montgomery, D., & Runger, G. (2012). Probabilidad y Estadística Aplicadas a la Ingeniería. Limusa-Wiley.
  30. Newbold, P., Carlson, W., & Thorne, B. (2008). Estadística para administración y economía. Prentice Hall.
  31. Pardo, Y. Y., Andrade, M. C., & Correa, I. (2022). Hacia una formación investigativa en el programa de administración de empresas de la universidad de la Amazonia (2021-2028), Caquetá-Colombia. Revista de Investigación, Desarrollo e Innovación, 12 (1), 45-56. https://doi.org/10.19053/20278306.v12.n1.2022.14206 DOI: https://doi.org/10.19053/20278306.v12.n1.2022.14206
  32. Pérez, C. (2005). Técnicas estadísticas con SPSS 12: Aplicaciones al análisis de datos. Pearson, Prentice Hall.
  33. Pineda, E. F., & Londoño, J. (2018). Clasificación de los mejores programas de pregrado de Administración en Colombia según criterios de investigación: periodo 2016-2017. Revista de Investigación, Desarrollo e Innovación, 9 (1), 47-62. https://doi.org/10.19053/20278306.v9.n1.2018.8506 DOI: https://doi.org/10.19053/20278306.v9.n1.2018.8506
  34. Randles, R., & Wolfe, D. (1979). Introduction to the Theory of nonparametric Statistics. John Wiley & sons.
  35. Restrepo, M. J., Tocarruncho, L. X., & Ortíz, M. C. (2022). Consumo responsable en estudiantes de pregrado de tres universidades públicas en Bogotá, Colombia. Revista de Investigación, Desarrollo e Innovación, 12 (1), 7-20. https://doi.org/10.19053/20278306.v12.n1.2022.14201 DOI: https://doi.org/10.19053/20278306.v12.n1.2022.14201
  36. Ríos, A. R., & Peña, A. M. P. (2020). Estadística inferencial. Elección de una prueba estadística no paramétrica en investigación científica. Horizonte de la Ciencia, 10 (19), 191-208. DOI: https://doi.org/10.26490/uncp.horizonteciencia.2020.19.597
  37. Salcedo, A., Pacheco, R. A. U., & Díaz-Levicoy, D. (2021). Ideas estadísticas fundamentales en libros de texto de matemáticas para la educación primaria en Nicaragua y Venezuela. IE Revista de Investigación Educativa de la REDIECH, 12, e1210. DOI: https://doi.org/10.33010/ie_rie_rediech.v12i0.1210
  38. Sánchez, Y., García, Y., Lemus, Y., & Rivero, I. C. (2018). Hiperentorno de aprendizaje de Estadística no paramétrica. Panorama Cuba y Salud, 13 (S1), 204-207.
  39. Sánchez, N. A., & Ruíz, B. (2018). Elementos de inferencia informal presentes en libros de texto de matemáticas en el tema de estadística. Un estudio exploratorio. RECHIEM. Revista Chilena de Educación Matemática, 11 (1), 80-85.
  40. Siegel, S. (1970). Diseño experimental no paramétrico aplicado a las ciencias de la conducta (No. BF39 S5e). Editorial F. Trillas, S. A.
  41. Strauss, A., & Corbin, J. (1998). Basics of qualitative research. Techniques and procedures for developing grounded theory. Sage publications.
  42. Thiara, A. C., Batista, L., Oliveira, D., & Siqueira, M. (2022). Transposição didática: A Radiação do corpo negro nos livros didáticos do PNLD 2018. Latin-American Journal of Physics Education, 16(1), 8-18.
  43. Timarán, R., Caicedo, J. & Hidalgo, A. (2019). Árboles de decisión para predecir factores asociados al desempeño académico de estudiantes de bachillerato en las pruebas Saber 11. Revista de Investigación, Desarrollo e Innovación, 9 (2), 363-378. https://doi.org/10.19053/20278306.v9.n2.2019.9184 DOI: https://doi.org/10.19053/20278306.v9.n2.2019.9184
  44. Trejos, D. F., Duque, P. L., Montoya, L. A., & Montoya, I. A. (2021). Neuroeconomía: una revisión basada en técnicas de mapeo científico. Revista de Investigación, Desarrollo e Innovación, 11 (2), 243-260. https://doi.org/10.19053/20278306.v11.n2.2021.12754 DOI: https://doi.org/10.19053/20278306.v11.n2.2021.12754
  45. Veloso, A. D. L., García, L. I., & Marcuello, C. (2021). Estado y estadística. La importancia de los sistemas oficiales de estadística para las democracias modernas. Revista Mexicana de Ciencias Políticas y Sociales, 66 (243), 55-78. http://dx.doi.org/10.22201/fcpys.2448492xe.2021.243.69278 DOI: https://doi.org/10.22201/fcpys.2448492xe.2021.243.69278
  46. Walpole, R., Myers, R., & Myers, S. (2012). Probabilidad y Estadística para Ingeniería y Ciencias. Pearson Educación.
  47. Wasserman, L. (2006). All of Nonparametric Statistics. Springer.
  48. Wild, C., & Pfannkuch, M. (1999). Statistical thinking in empirical enquiry. International Statistical Review, 67 (3), 2 DOI: https://doi.org/10.2307/1403699

Descargas

Los datos de descargas todavía no están disponibles.

Artículos similares

<< < 1 2 3 4 5 > >> 

También puede {advancedSearchLink} para este artículo.