Welcome to Scribd, the world's digital library. Read, publish, and share books and documents. See more ➡
Download
Standard view
Full view
of .
Add note
Save to My Library
Sync to mobile
Look up keyword
Like this
14Activity
×
0 of .
Results for:
No results containing your search query
P. 1
inferencia estadistica

inferencia estadistica

Ratings:

5.0

(2)
|Views: 4,040|Likes:
Published by abra_jo
Inferencia estadistica
Inferencia estadistica

More info:

Published by: abra_jo on Jun 27, 2008
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See More
See less

05/15/2013

pdf

text

original

 
Univ. Nacional de Entre RíosFac. de Ingeniería
 
Probabilidad y Estadística
 
Tipos de Inferencia 1
INFERENCIA ESTADÍSTICA
Pensemos en los tres siguientes ejemplos:
 
Hacemos una encuesta entre los clientes de una tienda para preguntarles su opinión sobrecambios generales que pretendemos hacer en diversas áreas de la tienda. Después de realizadoslos cambios, queremos hacer una segunda encuesta para saber cómo se modificó la opinión sobrelos cambios una vez hechos. Nos interesa la DIFERENCIA.
 
Revisamos varias de nuestras ventas para ver los problemas que se presenten en la facturación delas mismas. Esto lo realizamos antes de imponer algunas mejoras en el procedimiento defacturación. Tenemos la intención de realizar la misma investigación después de hechos loscambios para medir la DIFERENCIA.
 
Queremos establecer estándares para el desempeño de los trabajadores a fin de poder ver comoes el desempeño actual. De lo que encontremos se van a derivar varias acciones:
o
 
se va a otorgar un estímulo para los trabajadores,
o
 
se va a establecer una tabla comparativa de desempeño entre las diferentes unidades dela empresa y en base a ella se va a otorgar un estímulo a los gerentes,
o
 
se va a comparar el desempeño contra el desempeño en los últimos tres períodosanteriores.Para establecer los estándares se van a seleccionar varios operarios de cada uno de los dos turnosy se va a medir su rendimiento durante tres días específicos de una semana. Estamos interesadosen conocer un VALOR general.
En los tres ejemplos anteriores se tienen muestras obtenidas, quizá al azar, y se trata deconocer valores de la población en base a los de la muestra.
 
La decisión de si a los clientes les gustaron los cambios la vamos a tomar sobre los valores en lamuestra.
 
La mejora en las facturas la vamos a constatar en base a las que observamos.
 
El estándar de desempeño lo vamos a fijar en base a los trabajadores estudiados.
Pero en los tres casos vamos a
extender 
el valor de la muestra o las muestras a lapoblación. Este proceso se llama
inferencia
.
Errores en la inferencia y qué hace la estadística con ellos
En todo caso
el proceso de inferencia está sujeto a errores
. No existe magia alguna quehaga que el valor de la muestra coincida con el de la población y si afirmásemos locontrario seríamos unos charlatanes.La diferencia entre los valores de la muestra y los de la población crea incertidumbreacerca de los valores muestrales. Se necesita una manera de establecer las limitacionesdel proceso de inferencia.Los procedimientos estadísticos no eliminan los errores en la inferencia. Lo que hacenes que los valores de los errores sean cuantificables mediante afirmaciones deprobabilidad. Se dice que los procedimientos estadísticos son
medibles
porque esposible medir (en términos de probabilidad) la magnitud del error que cometen.
 
Univ. Nacional de Entre RíosFac. de Ingeniería
 
Probabilidad y Estadística
 
Tipos de Inferencia 2En el ejemplo de los clientes del establecimiento, si obtuvimos una muestra estadística,podemos decir no sólo cuál es el porcentaje de clientes indiferente a los cambios (porejemplo 20%, valor en la muestra) sino, además, cuál es la probabilidad de que elporcentaje real sea menor que alguna cantidad (por ejemplo la probabilidad de que seamenor que 25%) o mayor que alguna otra cantidad (por ejemplo mayor que 10%) o quese encuentre entre dos valores (entre 18% y 23%, por ejemplo).Afirmaciones como las anteriores se basan en el hecho de que por haber seleccionado alazar, hay un mecanismo objetivo de generación de la incertidumbre y mediantededucciones matemáticas es posible encontrar las probabilidades mencionadas. Si laselección se hubiese hecho ``a juicio'', dependería del buen juicio y no de lasmatemáticas el tamaño del error en la inferencia. La medición de la incertidumbre seríamuy complicada y nada confiable.En la mayoría de las veces que hacemos inferencia, las probabilidades las calculamoscon el modelo normal. En algunos casos este modelo normal es el modelo exacto para lainferencia, pero muy frecuentemente es sólo un modelo aproximado.
Estimación y Prueba de Hipótesis
En la estadística hay dos formas principales de inferir:
 
 Estimación
y
 
Prueba de hipótesis
 
La estimación parte desde suponer un modelo estadístico para la distribución de lacaracterística que nos interesa en la población. Esta característica es, generalmente,numérica y distinguimos a las variables en continuas y discretas.Si nos interesa el rendimiento o eficiencia de los trabajadores, como en el tercerejemplo, tendremos el tiempo de realización de una tarea específica (variable continua).En el segundo ejemplo nos interesará el número y tipo de errores cometidos en lafactura (variable discreta).En el primero nos interesa la opinión que mediremos como favorable o desfavorable(variable discreta = número de personas a favor o en contra).Si tiene Ud. inclinaciones más poéticas, recuerde a la reina de las hadas y su problemade enamorarse del primero que vea al despertar; ahí tenemos el mismo tipo de situación:el amado será guapo o no guapo, y el parámetro desconocido es la ``densidad'' deguapos alrededor de la reina dormida.
I – Estimación
Para estimar partimos de un modelo probabilístico de cómo se distribuye lacaracterística en la población o de cómo se realizó el muestreo. Este modelo incluyecantidades que desconocemos y que llamamos
 parámetros
 Por ejemplo, en la encuesta para saber la opinión de los clientes, el número de clientes afavor es un parámetro, y la probabilidad de que obtengamos al azar a una persona que
 
Univ. Nacional de Entre RíosFac. de Ingeniería
 
Probabilidad y Estadística
 
Tipos de Inferencia 3está a favor es la proporción de personas a favor en la población (que desconocemos).Esto se parece al lío de la reina de las hadas.Para los tiempos de realización de la tarea, en el tercer ejemplo, podemos suponer unadistribución normal con una media y una desviación estándar desconocidas; nuestrointerés se centraría en el valor del promedio de la población.De la muestra estimamos los valores de los parámetros en la población y esto lohacemos:
 
mediante un valor fijo y entonces decimos que tenemos un
estimador puntual
o
 
mediante un intervalo de posibles valores y le llamamos
estimación por intervalo
o
intervalo deconfianza
.
Los métodos de
estimación puntual
pueden tener varias características estadísticas entrelas que sobresalen:
1.
 
 Insesgamiento
. Que el valor del parámetro coincida con el valor promedio del estimador. Estapropiedad la tienen la mayoría de los estimadores usados en la práctica.2.
 
Consistencia
. Que el valor de la muestra se acerque al valor del parámetro al aumentar el tamañode la muestra.3.
 
Suficiencia
. Que el estimador use toda la información que la muestra contiene respecto alparámetro de interés.4.
 
 Eficiencia
. Que el estimador tenga menor variabilidad que otro posible.
Estimación puntual y por intervalo
Los estimadores puntuales más comunes son:
 
(A) La media de la muestra para estimar el valor promedio en la población.
 
(B) La proporción en la muestra para estimar la proporción en la población.
 
(C) La desviación estándar de la muestra como estimación de la desviación estándar de lapoblación.
Es práctica común hablar de 2 veces la desviación estándar de un estimador como el
error de estimación
. Este error usualmente depende del tamaño de la población dedonde se saca la muestra, sin embargo esta dependencia es muy moderada para muestraspequeñas en relación al tamaño de la población. Algo de esto ya lo experimentamoscuando hablamos de muestreo. Es costumbre no hacer caso de esta
corrección por  población finita.
 La otra forma de estimar es más
realista
en cierto sentido. Estimamos usando unintervalo. Analicemos el siguiente ejemplo.De 400 entrevistados 220 están a favor. ¿Qué tan probable es tener 220 o más a favorcuando las opiniones están divididas igualmente entre a favor o en contra?Resulta 2.28% o 2.56% dependiendo de la fórmula usada. Pero si hubieran sido 1100 de2000 la probabilidad cambiaría a cero (
aunque la proporción: 220 de 400 sea la

Activity (14)

You've already reviewed this. Edit your review.
1 hundred reads
1 thousand reads
julismaria liked this
julismaria liked this
emmiluz liked this
Mileto Tha liked this
Ramzues liked this
maca14 liked this
HR4d1o liked this

You're Reading a Free Preview

Download
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->