Professional Documents
Culture Documents
CURSO: TESIS I
INFERENCIA ESTADISTICA
COORDINADOR TESIS I
MAESTRO EN MEDICINA
MAESTRANDO INVESTIGACION CLINICA
MEDICO INTERNISTA
CMP42242 RNE21994
MAYO 2018
Estadística Descriptiva
• Amplitud o Rango: Nos ofrece una visión de donde a donde se expresan los datos. Es la diferencia
entre observaciones extremas.
• Varianza: Es la media de los cuadrados de las diferencias entre cada valor de la variable y la media
aritmética de la distribución.
– Desventajas: Sensibilidad con respecto a los valores extremos, sus unidades son al cuadrado
por ello es difícil de interpretar.
• Desviación Típica: Refleja la distancia de cada valor con respecto a la media. Es la raíz cuadrada de
la varianza.
– Ventajas: Tiene las mismas unidades que la variable, es más estable que el rango, toma en
consideración el valor de cada dato.
deducción
f. Conclusión, inferencia:
con lo que sabes, deberías sacar tus deducciones y decidir.
filos. Método de razonamiento que parte de conceptos
generales o principios universales para llegar a conclusiones
particulares:
la deducción presupone el pensamiento hipotético.
Descuento, rebaja:
aplique la deducción por rendimiento del trabajo.
Estadística inferencial
Muestra
INFERENCIA ESTADÍSTICA
• Muestra o Estadístico
Es una porción o parte de las observaciones o elementos tomados de una
población dada. Toda característica de una muestra suele llamarse por lo general
estadística. (n, х, s,).
Sin reemplazo: Indica que pronto agotaremos todos los elementos de la población
• Suficiente: Si utiliza tanta información de la muestra que ningún otro estimador puede
extraer, tal que, proporcione la mayor información adicional acerca del parámetro de
población que se está estimando
Estimaciones de intervalo de la media: muestras grandes
P (x- z α/². σ√n <μ< x + z α/². σ/√n) = 1 - α
• Si n ≥ 30, el teorema del límite central nos permite usar la distribución normal como
distribución de muestreo.
• Cuando se conoce la desviación estándar de la población (σ). Si no se conoce la
desviación estándar de la población, podemos estimarla a partir de la desviación
estándar de la muestra σ = s. σx ‗ σ
√n
• Si tenemos un tamaño de población finita sin reemplazo y nuestra muestra constituye más
del 5% de la población, aplicamos el factor de corrección para derivar el error estándar.
• Grados de libertad (∂): Los utilizamos cuando elegimos distribución t para estimar una
media de población. ∂ = n -1. Existe una distribución t para cada tamaño de muestra o
grado de libertad posible.
Contraste de Hipótesis
Una suposición que hacemos con respecto a un parámetro de población. Para probar la
validez de esta suposición:
1. Recolectamos datos de muestra.
2. Producimos estadísticas muéstrales.
3. Determinamos la diferencia entre nuestro valor hipotético y un parámetro hipotético de
población. Mientras más pequeña la diferencia mayor será la probabilidad de que
nuestro valor sea correcto.
Tipos de Hipótesis
Paramétricas: Hipótesis suceptibles de medición y tratamiento estadístico con
referencia a un parámetro de población preestablecido.
No Paramétricas: No tenemos parámetros, se trabaja con frecuencias esperadas y
observadas.
Sistema de Hipótesis
Hipótesis Nula (Ho): Simboliza la suposición que deseamos probar. El principio es
rechazarla. Se llama nula porque tiene la igualdad, es decir; se reserva el cero y por tanto
es más preciza. Su complemento es la hipótesis alternativa.
Z ‗ (x¹-x²) – (μx ¹ - μx ²)
σ x¹-x²
Prueba para diferencia entre dos medias: Muestras
pequeñas e independientes entre sí
• Cuando los tamaños de las muestras son ≤ 30, no se conoce σ de la población y cada muestra
se eligió de manera independiente de otra, usamos la distribución “t” student, pero con ciertos
cambios técnicos:
1. Como no se conoce σ de la población debemos estimarla. Sabiendo que la muestra es pequeña
y suponiendo que las desviaciones de población son iguales (σ¹ = σ²), debemos usar un
promedio ponderado de las desviaciones de ambas muestras (s¹, s²). El peso de cada muestra
son el número de grados de libertad (∂). Este promedio ponderado se le conoce como
estimación conjunta de σ.
Sp ‗ √(n¹-1) . (s¹)² + (n²-1) . (s²)²
n¹ + n² - 2
2. Cálculamos el error estándar estimado de la diferencia entre dos medias
muestrales σ x¹-x² ‗Sp .√1 + 1
n¹ n²
• Luego procedemos con la estandarización de las diferencias de las medias de la muestra
t ‗ (x¹-x²) – (μx ¹ - μx ²)
σ x¹-x²
Prueba para diferencia entre dos medias: Muestras pequeñas y
dependientes
• El uso de muestras dependientes (o apareadas), permite llevar a cabo análisis más precizos,
porque permite controlar factores externos.
• Se sigue el procedimiento básico anterior de la prueba de hipótesis. Las únicas diferencias
consisten en:
1. Se emplea la misma fórmula utilizada para el cálculo del error estándar estimado de la
media para una sola muestra. σ = s σx ‗ σ y estandarizamos t ‗ x – μ
√n σx
Conceptualmente, tenemos una muestra observada dos veces, es decir; dependientes.
2. Ambas muestras deber ser del mismo tamaño.
• Error estándar estimado de la diferencia entre dos proporciones σp¹- p² ‗ √ p¹. q¹ + p². q²
de muestra, usando estimaciones combinadas.
n¹ n²
Estandarizamos la diferencia Z ‗ (p¹- p²) - (P¹- P ²) Se anula si suponemos que no
hay diferencia entre las dos
σ p¹- p² proporciones de población
Población Muestra
Definición Colección de elementos Parte o porción de la
considerados población seleccionada
para su estudio
Características “Parámetros” “Estadísticos”
Símbolos Tamaño de la población = N Tamaño de la muestra =
n
Media de la población = m Media de la muestra = X
EJEMPLO IPC
Guayaquil, Machala, Portoviejo, Quito, Ambato, Cuenca y, Manta, Esmeraldas
y Quevedo, Riobamba, Loja y Latacunga.
Con estas ciudades se cubre el 67% de la población urbana del país,
CONCEPTOS INICIALES
Estimación Puntual.- Estadístico calculado a partir de la
información obtenida de la muestra y que se usa para
estimar el parámetro poblacional
m 1,96
s
n
m mz
s
n
X1
X2
X4 X3 X5
INTERVALOS DE CONFIANZA
INTERVALO DE CONFIANZA PARA MUESTRAS MAYORES A
30 ELEMENTOS
s
X z
n
s
X t
n
DESVIACIÓN ESTÁNDAR
s
( X m)2 X 2
( X ) 2
n
N s
n 1
PROPORCIONES
PROPORCIÓN.- Fracción, razón o porcentaje que indica la parte de la
muestra o población que tiene una característica determinada
x
PROPORCIÓN MUESTRAL: p
n
INTERVALOS DE CONFIANZA PARA UNA
PROPORCIÓN POBLACIONAL
p zs p
p(1 p)
sp
n
PRUEBAS DE HIPÓTESIS PARA UNA MUESTRA
HIPÓTESIS.- Es una afirmación sobre una población,
que puede someterse a pruebas al extraer una muestra
aleatoria.
PRUEBA DE HIPÓTESIS.- Formular una teoría y luego
contrastarla
1. PRUEBA DE HIPÓTESIS
2. SELECCIONAR EL NIVEL DE SIGNIFICANCIA
3. CALCULAR EL VALOR ESTADÍSTICO DE PRUEBA
4. FORMULAR LA REGLA DE DECISIÓN
5. DECIDIR
PASO1 PLANTEAR H0 Y H1
H 0 : m m0 Hipótesis nula: Afirmación acerca del valor de un
parámetro poblacional
H 0:m m0
Ventajas y desventajas
Tipos de muestreo aleatorio
Muestra
Tipos de muestreo aleatorio (II)