Está en la página 1de 6

La estimacin Es el proceso de utilizar datos mustrales para estimar los valores de parmetros desconocidos de una poblacin.

Esencialmente cualquier caracterstica de la poblacin se puede estimar a partir de una muestra al azar entre los valores ms comunes estn la media y las desviacin estndar de una poblacin y la proporcin de la misma. Estimacin Puntual: Se define como la estimacin de un valor nico de un parmetro de la poblacin. Los estimadores puntuales ms recomendables para estimar estos parmetros son respectivamente: La media muestral = La varianza muestral = S2 La proporcin de defectuosos en a muestra = , donde X es el nmero de artculos defectuosos en una muestra de tamao n. Ejercicio En una industria de plsticos se extruye un material y se toma 10 muestras de grosor: 50 45 51 49 50 52 51 50 54 55 Conclusin: La estimacin puntual en este caso es la media que nos indica que da un valor de = 50,7

Estimacin por intervalos: Consiste en definir dos estadsticos T1(X1.Xn), T2(X1..Xn) Donde T1 < T2 de forma que T1(X1.Xn) y T2(X1..Xn) constituye un intervalo para el que puede determinarse la probabilidad de que contenga a T(). Es decir, estamos que el verdadero valor de T() esta contenido en un intervalo. T1 T() T2

Ejercicio El gerente de un banco desea conocer el tiempo promedio en el cual son atendidos los clientes de su sucursal para esto se observa una muestra de 200 clientes con un tiempo promedio de 15 minutos, con desviacin estndar = 10 min. Necesito estimar el tiempo promedio mediante un intervalo de confianza de 95% Datos: n= 200 X = 15 = 10 Intervalo de Confianza = 95%

T de una muestra Error estndar de la N Media Desv.Est. media IC de 95% 200 15,000 10,000 0,707 (13,606. 16,394)

Conclusin: Se estima con un 95% de probabilidad que la poblacin de clientes de la sucursal bancaria tardan en ser atendidos entre 13.6 y 16.39 minutos.

PRUEBA DE HIPTESIS Procedimiento que evala dos enunciados mutuamente excluyentes sobre una poblacin. Una prueba de hiptesis utiliza datos de muestra para determinar a cul enunciado respaldan mejor los datos. Estos dos enunciados se denominan hiptesis nula e hiptesis alternativa. Siempre son enunciados sobre los atributos de las poblaciones, tales como el valor de un parmetro, la diferencia entre parmetros correspondientes de mltiples poblaciones o el tipo de distribucin que describe mejor a la poblacin. Prueba de hiptesis par una proporcin Prueba de hiptesis para determinar si la proporcin de ensayos que produce cierto evento es igual a un valor objetivo. Este procedimiento utiliza la hiptesis nula de que la diferencia entre las proporciones de dos poblaciones es igual a un valor hipottico (H0: p = p0). La hiptesis alternativa puede ser de cola izquierda (p < p0), de cola derecha (p > p0), o de dos colas (p p0). Los siguientes son ejemplos de datos de proporcin: Ejercicios. El gerente de produccin de una fbrica textil desea saber si la proporcin de productos defectuosos que produce su compaa se encuentra por debajo del promedio de la industria, que es de 0.045. Usted toma una muestra de 1000 jeans y observa que hay 30 defectuosos. Datos: n = 1000 jeans 30 defectuosos p= 0,03 Ho: p = 0.045 H1: p < 0.045

Prueba e IC para una proporcin Prueba de p = 0,045 vs. p < 0,045 Lmite Valor P Muestra X N Muestra p superior 95% exacto 1 30 1000 0,030000 0,040472 0,010

0,01

0,045

Conclusin. La prueba produce un valor p de 0.010, de manera que se rechaza la hiptesis nula y concluye que la proporcin de jeans defectuosos que produce su compaa es menor que el promedio de la industria Prueba de hiptesis para dos proporciones Sirve para calcular un intervalo de confianza y realizar una prueba de hiptesis de la diferencia entre dos proporciones.

Minitab ofrece dos pruebas de hiptesis para la diferencia entre dos proporciones: La prueba exacta de Fisher y una prueba basada en una aproximacin normal. La prueba de aproximacin normal puede ser inexacta para muestras en las cuales el nmero de eventos de cada muestra es menor que cinco o si la diferencia entre el nmero de ensayos y eventos de cada muestra es menor que cinco. La prueba exacta de Fisher es exacta para todos los tamaos de muestra, pero slo se puede calcular cuando la hiptesis nula establece que las proporciones de poblacin son iguales. En otras palabras, Minitab slo realiza la prueba exacta de Fisher cuando usted especifica una diferencia de la prueba de cero en el cuadro de dilogo secundario Opciones. Ejemplo En un estudio de cuidados nutricionales en acilos para ancianos, encontraron que entre 55 pacientes con hipertensin, 24 tenan una dieta con restriccin de sodio. De 149 pacientes sin hipertensin 36 tenan una dieta sin sodio. Es posible concluir que en las poblaciones muestreadas la proporcin de pacientes con dieta restringida en sodio es mayor entre pacientes con hipertensin que en pacientes sin hipertensin. Datos: n1 = 55 pacientes con hipertensin 24 dieta restriccin de sodio p1 = 0,24 n2 = 149 pacientes sin hipertensin 36 dieta restriccin de sodio p2 = 0,36 Ho = p1p2 H1 = p1>p2

Prueba e IC para dos proporciones Muestra X N Muestra p 1 24 55 0,436364 2 36 149 0,241611 Diferencia = p (1) - p (2) Estimado de la diferencia: 0,194753 Lmite inferior 95% de la diferencia: 0,0705518 Prueba para la diferencia = 0 vs. > 0: Z = 2,71 Valor P = 0,003 Prueba exacta de Fisher: Valor P = 0,006

Conclusin. Como nuestro valor de Z es mayor que 1.645 que es el grado de confianza que nos da al 95%; o a su vez, el valor de P (0,003) < = 0,05 podemos concluir que la proporcin de pacientes con dieta restringida en sodio es mayor entre los pacientes hipertensos que en los pacientes sin hipertensin, entonces se rechaza la hiptesis nula.