Professional Documents
Culture Documents
Estadstica
Grupo E3
Estudiantes: Ainoa A. Marchena A. C.I: 24.042.796
Sugey Xiovic Barrios. C.I:
Yannacelys S. Briceo F. C.I:
24.158.621
Anail Moron. C.I: 16.520.415
Docente: Mara Luisa Felipe Contreras.
Materia: Estadstica Inferencial. TIE-0753.
Seccin: ED01D0V.
Inferencia Estadstica
La estadstica inferencial comprende las tcnicas con las que, con base
nicamente en una muestra sometida a observacin, se toman decisiones
sobre una poblacin o proceso estadsticos. Dado que estas decisiones se
toman en condiciones de incertidumbre, suponen el uso de conceptos de
probabilidad. Mientras que a las caractersticas medidas de una muestra
se les llama estadsticas muestrales, a las caractersticas medidas de una
poblacin estadstica, o universo, se les llama parmetros de la
poblacin. El procedimiento para la medicin de las caractersticas de
todos los miembros de una poblacin definida se llama censo. Cuando la
inferencia estadstica se usa en el control de procesos, al muestreo, le
interesa en particular el descubrimiento y control de las fuentes de
variacin en la calidad de la produccin.
Ejemplo. Para estimar el voltaje requerido
para provocar fallas en un dispositivo
elctrico, una muestra de estos dispositivos
puede someterse a voltajes crecientes hasta
que falle cada uno de ellos. Con base en estos
resultados muestrales puede estimarse la
probabilidad de falla a varios niveles de
voltaje de los dems dispositivos de la
poblacin muestreada.
Tipos de Inferencia
Estadstica
Una inferencia deductiva es un juicio Una inferencia inductiva , por otra
o generalizacin que se basa en un parte, es un juicio o generalizacin
razonamiento o proceso dialctico a derivado de observaciones empricas
priori. Por ejemplo, se supone que dos o experimentales; la conclusin
monedas estn perfectamente sobre el nmero promedio de "caras"
equilibradas y que entonces la con base en los resultados de una
probabilidad de cada una de caer "cara" muestra de prueba. Si los resultados
es = 0,5 (premisa). La media o nmero de las pruebas son diferentes, la
esperado de "caras" en la jugada de las conclusin tambin ser diferente.
monedas deber ser 1 (conclusin). Si No se requiere una suposicin a
las premisas son ciertas, las priori sobre la naturaleza de las
conclusiones no pueden ser falsas. monedas.
Poblacin y Muestra
Una muestra es una parte de la
La poblacin es un agregado de
poblacin; por ejemplo, cuando se
unidades individuales, compuesto de
desea hacer un estudio relativo al
personas o cosas que se hallan en una
rendimiento acadmico de los alumnos
situacin determinada. Las unidades
de cierta universidad, y para esto se
individuales se llaman unidades
toma slo un grupo de estudiantes de la
elementales.
misma.
Estimacin de Parmetros
La teora clsica de la Inferencia Estadstica trata de los mtodos por los
cuales se selecciona una muestra de una poblacin y, basndose en las
pruebas de las muestras, se trata de:
Un estimador de un
parmetro es eficiente si
su varianza es mnima.
Esto hace que haya menos
variabilidad entre las Estimador
distintas estimaciones que Eficiente
podemos obtener
Cualidades de un buen
Imparcialidad
Estimador
Eficiencia
El trmino imparcialidad se La eficiencia se refiere al
refiere al hecho de que una tamao del error estndar
media de muestra es un de la estadstica.
estimador no sesgado de
una media de poblacin.
Suficiencia
Coherencia Es suficiente si utiliza
Si un estimador es una cantidad de la
coherente, se vuelve ms informacin contenida en
confiable si tenemos la muestra que ningn
tamaos de muestra ms otro estimador podra
grandes. extraer.
Intervalo de Estimacin
Un intervalo de estimacin establece el rango en el cual se encuentra
el parmetro de poblacin.
2) Las muestras son pequeas (n < 30). Si las muestras son grandes, los valores
t pueden ser aproximados por la normal estndar z.
La cuasivarianza muestral y
la cuasidesviacin tpica muestral :
Consideremos una poblacin, con una
variable aleatoria X que se distribuye
normalmente, y donde conocemos que
la desviacin tpica es ; slo
desconocemos la media de la
poblacin, .
Teorema Central del Lmite
Cuando usamos la media de una muestra para estimar la media de una
poblacin, podemos expresar de varias maneras las incertidumbres
acerca del error. Cuando conocemos la distribucin muestral exacta de la
media, que rara vez la conocemos, podramos proceder como en el
ejemplo anterior y calcular las probabilidades asociadas con errores de
diversos tamaos. As mismo, siempre podernos usar el teorema de
Chebyshev y afirmar con una probabilidad de
como mnimo
que la media de una muestra aleatoria diferir de la media de la
poblacin de la que se efecta el muestreo por menos de k. 0 ; no
obstante, en la prctica no podemos hacer esto.
Ejemplo. Con base en el teorema de Chebyshev con k = 2,
qu podemos decir acerca del tamao de nuestro error, si
vamos a usar la media de una muestra aleatoria de tamao n
= 64 para estimar la media de una poblacin infinita con
s = 20 ?
Solucin. Sustituyendo n = 64 y s = 20 en la frmula
apropiada para el error estndar de la media, obtenemos
(a) n = 2 y N = 12;
(b) n = 3 y N = l00?
Solucin.
Muestreo
Diseos de Muestras
En estadstica, un diseo de una muestra es un plan definitivo, determinado por
completo antes de recopilar cualquier dato, para tomar una muestra de una poblacin de
referencia. As, el plan de tomar una muestra aleatoria simple de 12 de 247 farmacias
de una ciudad usando una tabla de nmeros aleatorios de una manera especfica
constituye una muestra aleatoria. Algunas de las clases ms comunes de diseos de
muestras son: