Estadstica

Descriptiva y probabilidades UTPL Julio del 2007

Ing. Segundo Bentez Hurtado srbenitez@utpl.edu.ec

Contenido:
Distribuciones discretas Binomial Poisson Distribuciones continuas Normal

Estimadores
Intervalos de confianza Hiptesis

Distribucin Binomial

La distribucin de Bernouiili se aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados (xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 y el 0 La distribucin binomial se aplica cuando se realizan un nmero"n" de veces el experimento de Bernouiili, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre

Distribucin Binomial
Ejemplo 1: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?

" k " es el nmero de aciertos. En este ejemplo " k " igual a 6 (en cada acierto decamos que la variable toma el valor 1: como son 6 aciertos, entonces k = 6) " n" es el nmero de ensayos. En nuestro ejemplo son 10 " p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5

Distribucin Poisson
Cuando en una distribucin binomial se realiza el experimento un nmero "n" muy elevado de veces y la probabilidad de xito "p" en cada ensayo es reducida, entonces se aplica el modelo de distribucin de Poisson: Se tiene que cumplir que:

" p " < 0,10 " p * n " < 10

Distribucin Poisson

La distribucin de Poisson sigue el siguiente modelo:

Vamos a explicarla:

El nmero "e" es 2,71828 " l " = n * p (es decir, el nmero de veces " n " que se realiza el experimento multiplicado por la probabilidad " p " de xito en cada ensayo) " k " es el nmero de xito cuya probabilidad se est calculando

Distribucin Poisson
La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de que entre 800 recien nacidos haya 5 pelirrojos? Luego,

P (x = 5) = 4,602 Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del 4,6%.

Distribucin Normal

Distribucin Normal
El salario medio de los empleados de una empresa se distribuye segn una distribucin normal, con media 5 mil USD. y desviacin estndar mil USD. Calcular el porcentaje de empleados con un sueldo inferior a 7 millones de ptas.

valor = 0,97725

Intervalos de confianza
un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza

Distribucin muestral

Consideremos todas las posibles muestras de tamao n en una poblacin. Para cada muestra podemos calcular un estadstico (media, desviacin tpica, proporcin,...) que variar de una a otra. As obtenemos una distribucin del estadstico que se llama distribucin muestral. Y la media de todas las distrubuciones muestrales se denomina media muestral

Hiptesis
Tratar de determinar cundo es razonable concluir, a partir del anlisis de una muestra, que la poblacin entera posee determinada propiedad y cuando sto no es razonable.

Tipos de error

Rechazar una hiptesis no significa que sta sea falsa, como tampoco el no rechazarla significa que sea verdadera. La decisin tomada no esta libre de error.

Error I: Rechazar una hiptesis que es verdadera . Error II: No rechazar una hiptesis que es falsa .

Tipos

La prueba de hiptesis es un procedimiento de toma de decisiones, relacionada principalmente con la eleccin de una accin entre dos conjuntos posibles de valores del parmetro, es decir, en dos hiptesis estadsticas, a las cuales llamaremos:

Hiptesis nula H0 Hiptesis alternativa H1

Hiptesis nula corresponde a la ausencia de una modificacin en la variable investigada, y por lo tanto se especifica de una forma exacta: H0 : = 0 Hiptesis alternativa se especifica de manera ms general :
H1: 0 H1: > 0 H1: < 0.

Errores y riesgos

La prctica de probar la hiptesis nula contra una alternativa, sobre la base de la informacin de la muestra, conduce a dos tipos posibles de error, debido a fluctuaciones al azar en el muestreo. Es posible que la hiptesis nula sea verdadera pero rechazada debido a que los datos obtenidos en la muestra sean incompatibles con ella; como puede ocurrir que la hiptesis nula sea falsa pero no se la rechace debido a que la muestra obtenida no fuese incompatible con ella.

Errores
Ho Rechazar Ho No Rechazar Ho Incorrecto error I Correcto Ho Correcto Incorrecto error II

PRUEBA SIGNIFICATIVA
Las probabilidades de cometer errores de tipo I y II se consideran los "riesgos" de decisiones incorrectas. Al realizar la prueba se toma en cuenta el error de tipo I. Por lo tanto, la prueba es significativa si se rechaza la hiptesis nula, pues en este caso se conoce la probabilidad de haber cometido un error.

Valor p
p es la Probabilidad de obtener una discrepancia mayor o igual que la observada en la muestra n cuando Ho es cierta El valor de p no se fija a priori, sino que se determina a partir de la muestra A menor valor de p , menor es la credibilidad de Ho

GRACIAS