La inferencia estadística en la investigación turística

1. Resumen
3. La significación
   estadística
4. Ejemplos para
   ilustrar
5. Otras
   pruebas de hipótesis
6. Consideraciones
   finales
7. Referencias
   bibliográficas

Resumen

El objetivo de
este artículo es demostrar que los hallazgos de
parámetros de la estadística
descriptiva no se pueden trasladar intuitivamente a los
hallazgos poblacionales o del universo, sin que
antes se realicen pruebas o
tests de significación estadística.

Palabras claves: estadística
descriptiva, estadística evaluativa, test de hipótesis.

Abstract: the objective of this article
is to demonstrate that the findings of parameters of the
descriptive statistic cannot be transferred very intuitively to
the population findings or of the universe, without before tests
of statistical meaning are made.

Keywords: descriptive statistic, statistical
evaluative, test of hypothesis

INTRODUCCION

El investigador en el área del turismo debe ir más
allá de la simple descripción
de sus hallazgos; es deseable hacer enunciados formulando una
hipótesis nula que
debe luego ser comprobada o no y contestar a la pregunta clave:
¿es digna de confianza la aparente diferencia que se ha
encontrado en el trabajo de
investigación? Contestar a esta pregunta
sólo se puede lograr aplicando los criterios
básicos de la estadística evaluativa o
inferencial.

Es imposible trabajar con los datos de una
población o universo en su totalidad y
además los parámetros poblacionales son raramente
conocidos, entonces el investigador se ve en la necesidad de
trabajar con una muestra
representativa del universo; pero al extraer muestras de una
población, los parámetros que se obtienen
(promedios, varianza, correlaciones) no necesariamente
representan los parámetros de la
población.

La única manera de lograr que la muestra sea
representativa del universo es utilizando el muestreo
aleatorio simple de manera que cada muestra de un tamaño
dado tenga exactamente la misma probabilidad
de ser elegida y luego calcular la probabilidad de que el
valor de
cualquiera de esos parámetros no rebase los límites
establecidos que se obtienen en tablas numéricas
ad-hoc.

Como los investigadores están interesados en
demostrar que existen determinadas relaciones entre variables,
ello se debe hacer respecto a una población o universo.
Como la población es muy grande, es necesario trabajar con
las muestras, pero los parámetros que se obtengan de
allí sólo se pueden trasladar a la
población, aplicando la estadística evaluativo para
conocer la significación estadística o prueba de
hipótesis. Es decir, sobre la base de algunas
observaciones, debemos reconstruir el fenómeno en su
totalidad y ello nos lleva entonces a los test
estadísticos para saber si la reconstrucción es
significativa o no (si es exacta o no lo es).

LA SIGNIFICACION
ESTADISTICA

El término significación tiene una gran
importancia en la estadística evaluativa y señala
que la diferencia entre parámetros no puede deberse al
azar, por ejemplo si admitimos que una probabilidad superior al
10% se debe al azar, entonces no hay significación y
tenemos que rechazar la hipótesis nula y si la
probabilidad se ubica entre 10% y 5% es posible que exista
significación estadística, aunque todavía
podemos admitir que la hipótesis nula es dudosa, ya que
para que exista significación y la hipótesis nula
se puede rechazar sólo se lograría si la
probabilidad aparece entre el 5% y el 1%, claro si es menos del
1% no hay duda que existe una muy alta significación y se
admitiría rigurosamente que existen diferencias entre los
parámetros analizados.

Existe una cómoda
convención que admite trabajar con un nivel de
significación del 5%, pues es válido para la
mayoría de los hallazgos en la
investigación turística. Ahora bien, como toda
probabilidad viene expresada en función
del número de grados de libertad el
cual tiene en cuenta la importancia de las observaciones o datos
y funciona siempre como un coeficiente de ponderación,
así obtenemos el número mínimo de datos que
es necesario conocer para reconstruir los parámetros y en
la práctica para un dato determinado el número de
grados de libertad es igual al número de datos menos
uno.

Los parámetros más utilizados en el
cálculo
de los tests de significación son: la media, la
desviación típica , la varianza y el coeficiente de
correlación simple.