You are on page 1of 9

REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL P. P. PARA LA EDUCACIN.


UNIVERSITARIA
INSTITUTO UNIVERSITARIO DE TECNOLOGA
ANTONIO JOS DE SUCRE
AMPLIACIN ARAGUA DE BARCELONA

Profesor(a):

Alumno:
Rosangelica

Rodrguez

23.953.315
Raicelys
25.810.898

Garca

ENERO DE 2015
INTRODUCCIN
Si bien el origen de la estadstica es tan lejano como la civilizacin misma*,
no alcanz un desarrollo notable hasta el surgimiento de los Estados,
acontecimiento bajo el cual se convirti en un instrumento preciso para describirlos
utilizando elementos numricos. De ah viene el nombre de esta disciplina, cuyo
estudio en su forma elemental ser objeto de muchas de las pginas que
componen este libro.
La estadstica es un mtodo cientfico que encuentra aplicacin en una gran
diversidad de campos del saber humano y cuya utilidad, como qued demostrado
desde el siglo pasado, va ms all de la mera descripcin, pues permite el
descubrimiento de leyes y tendencias.

HIPTESIS CIENTFICA:
Es el bloque inicial de mtodo cientfico. Muchos la describen como un
suposicin experta, que se basa en un conocimiento anterior o en alguna
observacin, como causa de un fenmeno particular. Es la sugerencia de una
solucin a un fenmeno inexplicado que no cabe dentro de la teora cientfica
aceptada. Una hiptesis es el plpito de que una idea pude llegar a convertirse en
una teora cientfica, que es el siguiente paso dentro del mtodo cientfico.
La idea bsica de una hiptesis es que no existe un resultado
predeterminado. Para que una hiptesis sea aceptada como cientfica, debe ser
algo que puede ser apoyado o refutado a travs de experimentacin o de la
observacin.
HIPTESIS ESTADSTICA
La hiptesis estadstica es aquella hiptesis que somete a prueba y
expresa a las hiptesis operacionales en forma de ecuaciones matemticas.
Dentro de estas hiptesis existen distintas clases:
1. De estimacin: estas suponen el valor de alguna caracterstica de la
muestra que fue seleccionada y de la poblacin en su conjunto. Para
formularlas se tienen en cuenta datos adquiridos previamente.
2. Estadsticas de correlacin: buscan establecer estadsticamente las
relaciones existentes entre dos o ms variables.
DIFERENCIA ENTRE HIPTESIS CIENTFICA Y ESTADSTICA
La estadstica permite comprobar hiptesis cientficas a partir de los datos
recogidos sobre .un problema, pero para ello es necesaria que tales hiptesis
sean formuladas en trminos estadsticos. Es decir, las hiptesis cientficas tienen
que ser operatividades previamente, expresadas en forma de afirmaciones acerca
de parmetros. Por tanto, en una prueba de decisin estadstica no contrastamos

directamente las hiptesis cientficas, sino que trabajamos con hiptesis


estadsticas que son una traduccin de aqullas. Tras comprobar la hiptesis
estadstica, podemos inferir que la hiptesis cientfica queda validada.
Las hiptesis estadsticas son proposiciones acerca de parmetros de la
poblacin (media, proporciones, varianza, diferencia de medias, etc.) o de su
distribucin. Cuando llevamos a cabo una prueba estadstica, estamos trabajando
con una hiptesis nula, que simbolizamos por H 0. Junto a sta, consideramos la
hiptesis alternativa, opuesta a la anterior, que queda simbolizada por H 1.
TESTS ESTADSTICOS
Los tests estadsticos (o contrastes) son el instrumento para validar o
rechazar las hiptesis de modelacin probabilistas. Ellos tratan de distinguir lo que
es plausible de lo que es muy poco verosmil, en el marco de un modelo dado.
Presentamos aqu lo esencial de los tests ms clsicos. En un primer momento
estudiaremos los tests llamados ''omnibus'', en los cuales no se especifica una
alternativa. Presentaremos a continuacin los tests no paramtricos clsicos
(cuantiles, Kolmogorov-Smirnov, chi-cuadrado, Wilcoxon, odds ratio), luego los
tests sobre muestras gaussianas (comparacin de medias, modelo lineal, anlisis
de varianza ...). Abordaremos algunos aspectos ms tericos en la seccin
nmero cuatro. El punto de vista que se adopta aqu est orientado a las
aplicaciones mdicas y se apoya considerablemente en el empleo de sistemas de
clculo que permiten la experimentacin sobre muestras simuladas.
ERROR DE TIPO I
Por lo general, un error de tipo I se denomina "falso positivo" y es el
proceso de rechazar incorrectamente la hiptesis nula en favor de la alternativa.
En el caso anterior, la hiptesis nula se refiere al estado natural de las cosas que
indica que el paciente no es VIH positivo.

La hiptesis alternativa indica que el paciente porta el virus. Un error de tipo


I indicara que el paciente tiene el virus cuando no lo tiene, un falso rechazo de la
hiptesis nula.
ERROR DE TIPO II
Un error de tipo II es lo contrario al error de tipo I y es la falsa aceptacin de
la hiptesis nula. Un error de tipo II, tambin conocido como falso negativo,
implicara que el paciente no tiene VIH cuando no es as, un diagnstico peligroso.
En la mayora de los campos de la ciencia, los errores de tipo II no son
considerados tan problemticos como los errores de tipo I. En el caso del error de
tipo II, se pierde la posibilidad de rechazar la hiptesis nula y no se desprende
ninguna conclusin de la hiptesis nula no rechazada. El error de tipo I es ms
grave, ya que se habr rechazado errneamente la hiptesis nula.
No obstante, la medicina es una excepcin. Comunicarle a un paciente que
no tiene una enfermedad cuando s la tiene es potencialmente peligroso.
POTENCIA Y TEST MS POTENTE
La potencia de un contraste se define como
= prob(aceptar H1/H1 cierta) = prob(muestra pertenezca a W/H1 cierta)
es, por tanto, la probabilidad complementaria al error del tipo II.
Retomando ideas anteriores, un contraste ha de pretender un compromiso
razonable entre el nivel de significacin (el ms bajo posible) y la potencia (la ms
alta posible).
En principio, si hay varios tests alternativos (basados en diferentes reglas de
decisin y/o estadsticos) para resolver un mismo contraste paramtrico, el mejor
test ser aquel que, una vez fijados H0, H1 y el nivel de significacin ,
proporcione la potencia ms alta de entre todos ellos.

Un test que tenga esta propiedad se denomina test ms potente. Simblicamente,


si mp designa el test ms potente, deber cumplir:
mp = prob(aceptar H1 con el testmp / H1 cierta) t = prob(aceptar H1 con el
test t/H1 cierta) donde t es cualquier otro test con el mismo nivel de significacin
que mp.
NIVEL DE SIGNIFICACIN
El nivel de significancia de representa mediante la letra , algunas veces
tambin a este se lo denomina nivel de riesgo, por que eventualmente se corre el
riesgo de tomar una probabilidad nula cuando esta es verdadera
No hay nivel de significancia que se aplique para todas las pruebas.
Se usa el nivel 0.05 con frecuencia, el nivel 0.05 se utiliza para proyectos de
investigacin de consumo, 0.01 para el aseguramiento de calidad y el de 0.10 para
encuestas polticas.
El investigador debe decidir qu nivel de significancia debe utilizar antes de
realizar una regla de decisin
Supngase que una compaa de computadoras personales utilizan un gran
nmero de tarjetas de circuito impreso, los proveedores ofrecen sus tarjetas, y al
que presente menor precio, se le concede un contrato con un considerable
volumen de circuitos, en tal contrato se especifica que el departamento de
aseguramiento de calidad del fabricante de computadoras someter a un
muestreo todos los envos de tarjetas que se reciban
QUE ES ESTIMADOR
Frmula o estadstico que sirve para estimar un parmetro de una
poblacin. Se expresa corrientemente como una funcin de los valores mustrales
y, por consiguiente, es tambin una variable aleatoria, cuya distribucin conviene
conocer para poder cuantificar la fiabilidad de la correspondiente estimacin.
Segn prescribe la teora de la inferencia estadstica, un buen estimador debe

verificar determinadas condiciones, como las de ser insesgado, consistente,


eficiente y suficiente. La media muestral, por ejemplo, constituye un buen
estimador de la media poblacional porque rene estas caractersticas.
En estadstica, funcin de una muestra extrada mediante la cual se intenta
aproximarse al verdadero valor de un parmetro de la poblacin estadstica.
Estimator.
ESTIMADORES CONSISTENTES
Cuando se realizan estimaciones, el estimador depende de la muestra y,
por tanto, de su tamao. Las propiedades que hemos estudiado hasta ahora no
resaltaban este hecho, porque comparaban la calidad de los distintos estimadores
para un tamao muestral, n, fijo. Sin embargo, hay estimadores que "mejoran" (en
cierto sentido que ahora precisaremos) cuando el tamao muestral crece, por lo
que pueden ser preferibles a otros cuando no hay restricciones de tiempo o de
gasto en la estimacin.
Dos reflexiones nos ayudarn a ver la importancia de pensar en el tamao
de la muestra en relacin con las estimaciones:
Hemos visto que, si se cumplen las condiciones de regularidad de Cramr-Rao,
la cantidad de informacin de una muestra de tamao n sobre un parmetro es n
veces la que suministra la poblacin, con lo cual, si esta ltima no es igual a cero
(un caso, obviamente, patolgico) la de la muestra tender a infinito cuando n
tienda a infinito. Ser posible encontrar estimadores cuya cantidad de
informacin tienda asimismo a infinito?
Sea X una poblacin y supongamos que deseamos estimar su esperanza,
m=E[X] . Por analoga, sabemos que podemos utilizar la media muestral como
estimador de la media poblacional, esto es, , donde hemos puesto a la media
muestral un subndice para hacer referencia al tamao de la muestra con la que
est construida. Este estimador es siempre insesgado (ya que ) y su error
cuadrtico medio vale donde es la varianza poblacional. Por tanto, aunque el error

cuadrtico medio depende de la varianza poblacional, que puede hacerse tan


pequeo como queramos sin ms que aumentar suficientemente el tamao de la
muestra.

CONCLUSIN
El medio empleado para el estudio estadstico es la enumeracin o
recuento. Enumerar es captar las caractersticas de los elementos sometidos a
estudio y anotarlos o medirlos bajo las condiciones que se presentan. La
estadstica es, bsicamente, un mtodo de induccin basado en los grandes
nmeros y sus propiedades, con lo cual se eliminan los errores propios de la
observacin y se aumenta la validez de los resultados obtenidos.