ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3.

Reconocimiento Unidad I

Contexto Act. 3. Reconocimiento de la unidad 1

Objetivo Reconocer las conceptualizaciones y elementos que se estudian en la unidad 1 y la relacin entre los mismos. Resumen La actividad de reconocimiento de la unidad 1, le permite tener una panormica de las temticas estudiadas all, logrando que el participante comprenda la relacin existente entre el muestreo y la inferencia estadstica para poder abordar tcnicas como la estimacin puntual y por intervalos propias de esta disciplina que le permitan hacer estimaciones de los parmetros de la poblacin a partir de una muestra. Palabras clave (Keywords) Inferencia, parmetro. Muestreo Dentro de la inferencia estadstica, el proceso de muestreo permite que a partir de los resultados obtenidos al analizar una muestra, se pueda obtener conclusiones en cuanto a una o varias de las caractersticas o parmetros de una poblacin. Esta rea de la Estadstica, ayuda a determinar la confiabilidad de la inferencia de que los fenmenos observados en la muestra ocurrirn tambin en la poblacin de donde se seleccion la muestra. Es decir, sirve para estimar la eficacia del razonamiento inductivo con el cual se infiere que lo observado en una parte ser equivalente a lo observado en la poblacin estadstico, estimador, estimacin puntual, Muestreo, por conglomerados; sistemtico; estratificado; M.A.S, intervalo de confianza,

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

Cuando el nmero de unidades que integra una poblacin es muy grande, se puede considerar a sta como una poblacin infinita. La poblacin finita es aquella conformada por un determinado o limitado nmero de elementos. El investigador define la poblacin objeto de estudio en trminos de espacio y tiempo, ya que de esta manera los resultados sern sobre la poblacin definida en el espacio demarcado y en el tiempo definido. Las unidades de muestreo son conjuntos disjuntos, cuya unin conforman la poblacin completa. Por ejemplo en un censo poblacional los

hogares conforman las unidades de muestreo, en un estudio sobre la vida til de las llantas de un automvil, el auto ser la unidad de muestreo. Los elementos que se miden; es decir, sobre los que se toman los datos de las variables a medir, constituyen las unidades de observacin, que en conjunto forman el marco de muestreo. Clases de muestreo. Los dos grandes grupos estn enmarcados en las siguientes clases: Muestreo probabilstico Muestreo No probabilstico (ver mdulo) Tipos de muestreo probabilstico M.A.S Muestreo aleatorio simple: para aplicar esta tcnica de conformacin de la muestra, es necesario contar con un listado completo de la poblacin. Muestreo Estratificado La poblacin puede ser dividida por el investigador en grupos que se diferencien entre ellos, de modo que una unidad de muestreo slo puede estar en un grupo y no en dos o ms, es decir los grupos son disyuntos, por ejemplo secciones de boletera para un concierto: general, VIP y palcos, una persona slo est en una seccin. Adems dentro de cada grupo las unidades son muy similares.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

Muestreo Conglomerados La poblacin no la divide el investigador, ya se encuentra dispuesta de tal manera, que esta fraccionada en grupos muy similares entre s, pero que al interior cuentan con una gran variedad de unidades. Es decir, hay homogeneidad entre los grupos y dentro de ellos heterogeneidad.

Muestreo Sistemtico la poblacin tiene un orden y la muestra que se desea extraer se requiere conserve de igual forma un orden

Prueba Piloto Es aquella prctica de investigacin en donde se prueba la metodologa, el cuestionario, la muestra, la funcionalidad de los instrumentos, el anlisis de los datos como estimar las varianzas y la viabilidad del proyecto investigativo. Inferencia Estadstica Los dos tipos de problemas que resuelven las tcnicas inferenciales estadsticas son: estimacin y contraste de hiptesis. En ambos casos se trata de generalizar la informacin obtenida en una muestra una poblacin. Estas tcnicas exigen que la muestra sea aleatoria. Entre la muestra con la que se trabaja y la poblacin de inters, o poblacin diana, aparece la denominada poblacin de muestreo: poblacin (la mayor parte de las veces no definida con precisin) de la cual nuestra muestra es una muestra aleatoria. En consecuencia la generalizacin est amenazada por dos posibles tipos de errores: error aleatorio que es el que las tcnicas estadsticas permiten cuantificar y crticamente dependiente del tamao muestral, pero tambin de la variabilidad de la variable a estudiar y el error sistemtico que tiene que ver con la diferencia entre la poblacin de muestreo y la poblacin diana y que slo puede ser controlado por el diseo del estudio.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

Es

importante entender, que la metodologa de la inferencia estadstica,

para cumplir su objetivo de inferir caractersticas de la poblacin, se basa en el uso de dos pilares: la estimacin y los contrastes de hiptesis. La primera, puede ser de dos tipos: puntual y por intervalos; mientras que los contrastes los hay unilaterales y bilaterales. El muestreo por su parte brinda el insumo (la muestra) para poder encontrar los intervalos o desarrollar un

contraste.

Estimar: El proceso de estimacin conlleva a obtener un estimador que tenga ciertas condiciones deseables para hacer inferencia sobre el modelo de probabilidad que ha generado los datos. Entre los mtodos de estimacin de la estadstica paramtrica, se tiene: Momentos, mnimos cuadrados y mxima verosimilitud. En temticas posteriores se analizar lo referente a la estimacin. En el contexto de estimar un parmetro poblacional, 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. El teorema central del lmite Hay que destacar aspectos importantes del teorema central de lmite: Si el tamao de la muestra n es suficientemente grande, la distribucin muestral de las medias ser ms o menos normal. Esto se cumple ya sea que la poblacin est o no distribuida normalmente. Esto es, el teorema se verifica, ya sea que la poblacin est distribuida en forma normal, o bien sea sesgada o uniforme. Como principio de este teorema, la media de la poblacin, , y la media de todas las medias mustrales posibles, son iguales. Si la poblacin es grande y se selecciona un nmero grande de muestras de la poblacin, la media de las

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

medias mustrales se aproximar a la media poblacional. La varianza de la distribucin de medias mustrales se determina como la relacin entre la varianza de la poblacin y raz del tamao de las muestras posibles de esa poblacin No existe acuerdo general sobre lo que constituye un tamao de muestra suficientemente grande. Algunos estadsticos consideran que es 30; otros piensan que un nmero pequeo como 12 es adecuado. Sin embargo, a menos que la poblacin sea aproximadamente normal, los tamaos de muestra extremadamente pequeos, por lo general no dan como resultado una distribucin muestral que se distribuya normalmente. A medida que el tamao de la muestra se vuelve cada vez ms grande, la distribucin de la media muestral se aproxima ms a la distribucin normal con forma de campana. Se sugiere ver aplicacin del teorema al revisar la distribucin muestral de medias (Mdulo leccin 7) Proceso estimacin En estadstica muchos problemas exigen construir conjuntos (intervalos) que contengan el verdadero valor del parmetro en estudio con una probabilidad dada generalmente alta. Si por ejemplo X representa los grados de grasa de una margarina se puede estar interesado en encontrar los lmites bajos y altos aceptables para este tipo de producto; pero no se puede asegurar con probabilidad de uno que el verdadero valor se encuentre entre estos dos lmites, lo mximo que se puede lograr es elegir un nmero que est muy prximo a uno (recuerde que alfa es el nivel de significacin o error tipo uno) tal que la probabilidad que el verdadero valor se encuentre entre estos dos lmites inferior y superior sea mayor o igual a esta probabilidad.

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

En la prctica se elige un alfa fijo generalmente pequeo 0.01 o 0.05. La probabilidad que un intervalo de confianza dado incluya o no el verdadero valor del parmetro, nunca se conoce con exactitud al menos que se conozca el parmetro, pero se sabe que se tendr xito en encontrar el valor verdadero del parmetro dentro de este tipo de intervalos por lo menos en el porcentajes de las veces establecida por la confiabilidad. Intervalos de confianza Para obtener un intervalo de confianza se procese como sigue: 1. Se determina el riesgo de error que se quiere asumir al afirmar que el parmetro (en este caso la media) se encuentra en el interior del intervalo. 2. El intervalo de confianza se obtiene separando a izquierda y derecha de la estimacin del parmetro (en este caso la media) un mltiplo de error estndar. El mltiplo est determinado por el valor del estadstico Z asociado al nivel de confianza escogido.

INTERVALOS DE CONFIANZA UNA POBLACIN DOS POBLACIONES

MUESTRAS GRANDES n >=30

MUESTRAS PEQUEAS n<30

VARIANZA

MUESTRAS GRANDES n>=30

MUESTRAS PEQUEAS n<30

Media

Media

Diferencia de proporciones

Diferencia de medias

Proporcin

Diferencia de medias

Clic ac para ver Recurso: Mapas conceptuales intervalos de confianza

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 3. Reconocimiento Unidad I

RECURSOS VIDEOS

Intervalo de confianza para la media

Intervalo de confianza para la diferencia de medias

Intervalo de confianza para la proporcin