Professional Documents
Culture Documents
ESTADISTICA
INVESTIGACIN
Nombre del alumno: Erick Toto Cobaxin
Docente: Tonatiuh Sosme Snchez
Ingeniera Electromecnica
2 semestre
202 B
Investigacin:
-Unidad 4 Estadstica inferencial
1
INDICE
Introduccin..Pg.3
4.3. Estimadores...Pg.12
Conclusin.Pg.24
Bibliografa.Pg.25
2
INTRODUCCION
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias
sociales, desde las ciencias de la salud hasta el control de calidad. Se usa para la toma de
decisiones en reas de negocios o instituciones gubernamentales.
3
Permite la recoleccin de datos importantes para el estudio de situaciones que se presentan
a diario y permite dar respuesta a los problemas de una forma til y significativa.
En caso de que no sea factible realizar un estudio completo por cuestiones de tiempo,
recursos o costo, se puede calcular un tamao de muestra para medir solo algunos
elementos de la poblacin, posteriormente se infiere que el resto de la poblacin se
comporta igual que la muestra tomada.
El hecho es que la ciencia se basa en todo aquello que se pueda constatar empricamente,
es medible, cuantificable y se puede hacer acopio de la informacin para armar cuadros
estadsticos... una vez con la informacin acumulada resultado de diversos experimentos
verificables, se puede inferir a partir de la informacin estadstica..... En las ciencias sociales
ocurre algo semejante en tanto es con los datos que dan las encuestas que se puede armar
o articular la informacin estadstica e inferir resultados a partir de una muestra que deber
ser estadsticamente representativa para que resulte una verdadera inferencia.
4
4.1 Inferencia estadstica.
5
En todo contraste intervienen dos hiptesis. La hiptesis nula (Ho) es aquella que recoge
el supuesto de que el parmetro toma un valor determinado y es la que soporta la carga de
la prueba. La decisin de rechazar la hiptesis nula, que en principio se considera cierta,
est en funcin de que sea o no compatible con la evidencia emprica contenida en la
muestra. El contraste clsico permite controlar a priori la probabilidad de cometer el error
de rechazar la hiptesis nula siendo sta cierta; dicha probabilidad se llama nivel de
significacin del contraste ( ) y suele fijarse en el 1%, 5% o 10%.
6
4.2. Muestreo estadstico.
1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte de la
Poblacin, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que originalmente
se tom la muestra. Error de Inferencia.
En la estadstica se usa la palabra poblacin para referirse no slo a personas sino a todos
los elementos que han sido escogidos para su estudio y el trmino muestra se usa para
describir una porcin escogida de la poblacin.
TIPOS DE MUESTREO
I. Muestreo probabilstico
7
Los mtodos de muestreo probabilsticos son aquellos que se basan en el principio de
equiprobabilidad. Es decir, aquellos en los que todos los individuos tienen la misma
probabilidad de ser elegidos para formar parte de una muestra y, consiguientemente, todas
las posibles muestras de tamao n tienen la misma probabilidad de ser seleccionadas. Slo
estos mtodos de muestreo probabilsticos nos aseguran la representatividad de la muestra
extrada y son, por tanto, los ms recomendables. Dentro de los mtodos de muestreo
probabilsticos encontramos los siguientes tipos:
Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad prctica cuando la
poblacin que estamos manejando es muy grande.
Este procedimiento exige, como el anterior, numerar todos los elementos de la poblacin,
pero en lugar de extraer n nmeros aleatorios slo se extrae uno. Se parte de ese nmero
aleatorio i, que es un nmero elegido al azar, y los elementos que integran la muestra son
los que ocupa los lugares i, i+k, i+2k, i+3k,..., i+(n-1) k, es decir se toman los individuos de
k en k, siendo k el resultado de dividir el tamao de la poblacin entre el tamao de la
muestra: k= N/n. El nmero i que empleamos como punto de partida ser un nmero al azar
entre 1 y k.
El riesgo este tipo de muestreo est en los casos en que se dan periodicidades en la
poblacin ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la poblacin. Imaginemos que
estamos seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros
son varones y los 5 ltimos mujeres, si empleamos un muestreo aleatorio sistemtico con
8
k=10 siempre seleccionaramos o slo hombres o slo mujeres, no podra haber una
representacin de los dos sexos.
Trata de obviar las dificultades que presentan los anteriores ya que simplifican los procesos
y suelen reducir el error muestral para un tamao dado de la muestra. Consiste en
considerar categoras tpicas diferentes entre s (estratos) que poseen gran homogeneidad
respecto a alguna caracterstica (se puede estratificar, por ejemplo, segn la profesin, el
municipio de residencia, el sexo, el estado civil, etc.). Lo que se pretende con este tipo de
muestreo es asegurarse de que todos los estratos de inters estarn representados
adecuadamente en la muestra. Cada estrato funciona independientemente, pudiendo
aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para elegir los
elementos concretos que formarn parte de la muestra. En ocasiones las dificultades que
plantean son demasiado grandes, pues exige un conocimiento detallado de la poblacin.
(Tamao geogrfico, sexos, edades,...).
Afijacin ptima: Se tiene en cuenta la previsible dispersin de los resultados, de modo que
se considera la proporcin y la desviacin tpica. Tiene poca aplicacin ya que no se suele
conocer la desviacin.
Los mtodos presentados hasta ahora estn pensados para seleccionar directamente los
elementos de la poblacin, es decir, que las unidades mustrales son los elementos de la
poblacin.
9
hospitalarias, los departamentos universitarios, una caja de determinado producto, etc., son
conglomerados naturales. En otras ocasiones se pueden utilizar conglomerados no
naturales como, por ejemplo, las urnas electorales. Cuando los conglomerados son reas
geogrficas suele hablarse de "muestreo por reas".
10
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos
que renen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 aos,
de sexo femenino y residentes en Gijn. Una vez determinada la cuota se eligen los
primeros que se encuentren que cumplan esas caractersticas. Este mtodo se utiliza
mucho en las encuestas de opinin.
Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as hasta
conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se
hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de
enfermos, etc.
4.- Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre lo
que l cree que pueden aportar al estudio.
11
4.3. Estimadores
Un estimador es un valor que puede calcularse a partir de los datos muestrales y que
proporciona informacin sobre el valor del parmetro. Por ejemplo la media muestral es un
estimador de la media poblacional, la proporcin observada en la muestra es un estimador
de la proporcin en la poblacin.
Una estimacin es puntual cuando se obtiene un slo valor para el parmetro. Los
estimadores ms probables en este caso son los estadsticos obtenidos en la muestra,
aunque es necesario cuantificar el riesgo que se asume al considerarlos. Recordemos que
la distribucin muestral indica la distribucin de los valores que tomar el estimador al
seleccionar distintas muestras de la poblacin. Las dos medidas fundamentales de esta
distribucin son la media que indica el valor promedio del estimador y la desviacin tpica,
tambin denominada error tpico de estimacin, que indica la desviacin promedio que
podemos esperar entre el estimador y el valor del parmetro.
Ms til es la estimacin por intervalos en la que calculamos dos valores entre los que se
encontrar el parmetro, con un nivel de confianza fijado de antemano.
Llamamos Intervalo de confianza al intervalo que con un cierto nivel de confianza, contiene
al parmetro que se est estimando.
Los dos problemas fundamentales que estudia la inferencia estadstica son el "Problema
de la estimacin" y el "Problema del contraste de hiptesis". Cuando se conoce la forma
12
funcional de la funcin de distribucin que sigue la variable aleatoria objeto de estudio y
slo tenemos que estimar los parmetros que la determinan, estamos en un problema de
inferencia estadstica paramtrica; por el contrario, cuando no se conoce la forma funcional
de la distribucin que sigue la variable aleatoria objeto de estudio, estamos ante un
problema de inferencia estadstica no paramtrica. Nosotros nos vamos a limitar a
problemas de inferencia estadstica paramtrica, donde la variable aleatoria objeto de
estudio sigue una distribucin normal, y slo se estimarn los parmetros que la
determinan, la media y la desviacin tpica.
Estadstico:
Son los datos o medidas que se obtienen sobre una muestra y por lo tanto una estimacin
de los parmetros.
Parmetro:
Son las medidas o datos que se obtienen de la poblacin, es decir, simplemente es el valor
poblacional de las caractersticas de una poblacin. La proporcin de determinados
sucesos, P.
Parmetros mustrales
13
4.4. Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido de una
frmula determinada. Por ejemplo, si se pretende estimar la talla media de un determinado
grupo de individuos, puede extraerse una muestra y ofrecer como estimacin puntual la
talla media de los individuos. Lo ms importante de un estimador, es que sea un estimador
eficiente. Es decir, que sea insesgado (ausencia de sesgos) y estable en el muestreo o
eficiente (varianza mnima)
Salvo que estos parmetros se conozcan, deben estimarse a partir de los datos.
El objetivo de la estimacin puntual es usar una muestra para obtener nmeros que, en
algn sentido, sean los que mejor representan a los verdaderos valores de los parmetros
de inters.
14
aleatorio o nivel de significacin, esto es, una medida de las posibilidades de fallar
en la estimacin mediante tal intervalo.
15
hallar z1 y z2 tales que P [z1 z z2] = 1 - , donde (1 - ) 100 es el porcentaje
deseado.
As:
16
Haciendo operaciones es posible despejar para obtener el intervalo:
Aproximaciones para el valor para los niveles de confianza estndar son 1,96
para y 2,576 para .
17
Ahora supngase que la verdadera rapidez promedio de combustin es diferente de
50 cm/s, aunque la media muestral caiga dentro de la regin de aceptacin. En
este caso se acepta Ho cuando sta es falsa. Este tipo de conclusin recibe el
nombre de error tipo II.
18
4.7. Contraste de hiptesis unilateral y bilateral
Cuando nos interesa decidir si una proposicin, una conjetura o suposicin acerca
de un parmetro poblacional (hiptesis) es verdadera o falsa, el procedimiento de
toma de decisin acerca de sta se denomina contraste de hiptesis.
19
TIPOS DE HIPTESIS Y REGIN CRTICA O DE RECHAZO
Las hiptesis nulas del tipo () o () son hiptesis unilaterales o de una sola cola, la
primera es unilateral superior o de cola derecha y la segunda es unilateral inferior o
de cola izquierda. Esto es:
Mientras que H0: 0 vs. Ha: < 0 es una hiptesis unilateral inferior o
de cola izquierda, porque se rechaza H0 en el caso de que se obtengan valores muy
por debajo del valor supuesto.
La regin crtica o regin de rechazo es la regin que contiene los resultados menos
favorables a H0, en el supuesto de que H0 sea verdadera y la regin de no rechazo
es la que contiene los valores ms favorables a H0. Estas regiones estn separadas
por los valores crticos del estadstico de contraste que corresponden a un nivel de
significacin dado.
Segn sea el tipo de hiptesis se tendrn regiones crticas para los dos lados
(bilaterales o de dos colas) o para un solo lado (unilaterales o de una cola), Ver
figura 9.1.
20
ESTADSTICO DE PRUEBA O ESTADSTICO DE CONTRASTE
Una vez que se han formulado las hiptesis nula, H0, y alterna, Ha, se debe realizar
un procedimiento de contraste por medio del cual se toma una decisin basada en
la muestra aleatoria seleccionada de la poblacin en estudio. Para llevar a cabo este
procedimiento es necesario seleccionar un estadstico de contraste, calcularlo con
base en la muestra y luego tomar la decisin de rechazar o no H0, dependiendo de
si este estadstico es o no consistente con H0. Es decir, si el valor calculado del
estadstico es muy diferente del valor supuesto en H0, suponiendo que sta es
cierta, entonces se rechaza H0. Sin embargo, si el valor calculado del estadstico de
contraste es consistente con lo supuesto en H0, entonces no hay razn suficiente
para rechazar H0 en favor de la Ha. En resumen, el estadstico de contraste es una
variable aleatoria cuya distribucin se conoce, en el supuesto de que H0 es
verdadera y sirve para tomar la decisin de rechazar o no H0.
21
TIPOS DE ERRORES
El procedimiento de contrastar una hiptesis nula contra una alterna sobre la base
de informacin obtenida de la muestra conduce a dos tipos de errores posibles,
debido a fluctuaciones al azar en el muestreo. Si la hiptesis nula es en realidad
verdadera, pero los datos de la muestra son incompatibles con ella y se rechaza, se
comete un Error Tipo I. Por otro lado, si la hiptesis nula es falsa y los datos de la
muestra conllevan a no rechazarla, se comete un Error Tipo II. En el cuadro
siguiente se resumen estos tipos de errores:
Decisiones
Eventos No rechazar Rechazar H0
H0
H0 V no error Error Tipo I
(confianza) P(E.T.I) =
H0 F Error Tipo II no error
P(E.T.II) = (potencia)
22
P(E.T.I) = P(Rechazar H0H0 V) =
P(No rechazar H0H0 V) = Confianza = 1
P(E.T.II)=P(No rechazar H0H0 F) =
P(Rechazar H0H0 F) = Potencia = 1
PROCEDIMIENTO DE CONTRASTE
23
Conclusin
24
Bibliografas
http://www.ub.edu/aplica_infor/spss/cap4-1.htm
http://www.estadistica.mat.uson.mx/Material/elmuestreo.pdf
http://www.dm.uba.ar/materias/probabilidades_estadistica_C/2011/1/PyEC132011.
pdf
http://probabilidadyestadisticaitsav.blogspot.mx/2012/06/52-estimaciones-
puntuales-y-por.html
http://www.itchihuahua.edu.mx/academic/industrial/estadistica1/cap02.html
http://colposfesz.galeon.com/inferencia/teoria/conhip.htm
25