UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

TRABAJO COLABORATIVO 2
INFERENCIA ESTADSTICA




Presentado Por:

Tutor: Ing. LVARO ALFONSO BERNAL
Grupo 100403


FACULTAD DE CIENCIAS BSICAS E INGENIERA
PROGRAMA DE INGENIERA INDUSTRIAL
2014










INTRODUCCION

Inferir es, en general, establecer un nuevo conocimiento partiendo de uno ya
dado. La inferencia estadstica va a ser una forma especial de realizar este
proceso. Consiste, bsicamente, en determinar algunas caractersticas
desconocidas de una poblacin partiendo de datos mustrales conocidos. Estas
caractersticas poblacionales sern inferidas utilizando los recursos de la
TEORIA MATEMATICA DE LA PROBABILIDAD.
En el presente documento encontrara el desarrollo del trabajo colaborativo nmero
dos en el cual se tratan temas tales como prueba de hiptesis, anlisis de varianza
y estadsticas no paramtricas a travs del desarrollo de una gua la cual cuenta
con una serie de ejercicios relacionados con los temas de este primer trabajo
colaborativo, al realizar los ejercicios se busca hacerlo paso a paso con el fin de
dar a conocer como se llega a dicho resultado de manera correcta. As mismo
lograr afianzar los conocimientos bsicos en inferencia estadstica y poderlos
aplicar en los diferentes mbitos laborales.













1. OBJETIVOS

1.1 OBJETIVOS GENERALES
Comprender, aplicar y desarrollar la teora y las tcnicas de la inferencia
estadstica en diversos campos de su saber formativo, y que dicha
aplicacin se convierta en una herramienta de uso matemtico para la toma
de decisiones sobre hiptesis cuantitativas de datos, basado en la
informacin extrada de una muestra.

1.2 OBJETIVOS ESPECIFICOS
Conocer los criterios tcnicos que hay que tener en cuenta
antes de seleccionar un tamao de muestra.
Identificar el tipo de muestreo de acuerdo a los objetivos del estudio.
Diferenciar y analizar las ventajas y desventajas de la
estimacin por intervalos de confianza y las pruebas de hiptesis.
Determinar la prueba o tcnica apropiada a aplicar en las diferentes
pruebas de hiptesis paramtricas y No paramtricas.













2. DESARROLLO DEL TRABAJO
1. Prueba de hiptesis
Fase 1:
Realicen un diagrama con un diseo llamativo en el que se puedan ver los pasos
de una prueba de hiptesis. Este diagrama debe ser de su propia autora y por lo
tanto indito, no puede ser posible que en otro grupo se encuentre un diseo igual
al de ustedes.

.





Fase 2:
Sobre el diagrama anterior desarrollen del captulo 4 de prueba de hiptesis
realicen el siguiente ejercicio que esta propuesto en el mdulo:
Un fabricante de pastas alimenticias sostiene que el contenido medio de protenas
del producto es de 10.7. Un anlisis de una muestra de 8 paquetes dio como
resultado un contenido medio de 10% con una desviacin de 1. Se puede
aceptar como verdadera la afirmacin del fabricante a un nivel de 0.01?
Sugerencia: utilizar el siguiente estadstico de prueba:

Un ensayo unilateral con cola a la izquierda con un nivel significativo de 0.01 el
valor crtico con 7 grados de libertad es igual a 3.0
Respuesta:
Nombramos la hiptesis nula y alternativa:

Si se puede aceptar como verdadera la afirmacin, porque es una muestra
pequea menor de 30 para ese nivel de significancia del 0.01.
Para el estadstico de prueba tenemos:


(

)
(

)









2. Realizar un ANOVA comparando los precios promedios de tres empresas del
mismo sector, por ejemplo tres bancos en los periodos 10 Mayo al 30 Mayo
de 2013.
Ac la variable independiente (cualitativa) es el tipo de Banco y la variable
dependiente (cuantitativa) es el precio de cierre de las acciones.
Fase 1: Realizar un ANOVA
SOLUCION
ANALISIS ANOVA
1. Establecer la hiptesis nula y alternativa

2. Establecer el nivel de significancia de 5%
3. Realizar ANOVA

Davivienda Bancolombia Banco
occidente
TOTAL
Precio Cierre Precio Cierre Precio Cierre
1 24.480,00 28.320,00 35.600,00
2 24.780,00 28.500,00 35.820,00
3 25.000,00 28.400,00 36.180,00
4 24.520,00 27.900,00 36.540,00
5 25.080,00 28.300,00 37.040,00
6 24.800,00 28.200,00 37.100,00
7 24.200,00 28.220,00 37.500,00
8 24.480,00 28.340,00 37.680,00
9 24.440,00 27.920,00 38.000,00
10 24.200,00 28.160,00 38.300,00
11 24.300,00 28.480,00 38.560,00
12 24.360,00 28.200,00 38.840,00
13 24.200,00 27.900,00 39.100,00
14 24.300,00 28.040,00 39.340,00

24.510,00 28.205,71 37.542,86 30.086,19

80.557,14 38.424,49 1.373.534,69

283,83 196,02 1171,98

14 14 14 42

343.140,00 394.880,00 525.600,00 1.263.620,00

La media general es igual a:

Para llevar a cabo la prueba de la igualdad de las medias de la poblacin, se
subdivide la variacin total en dos mediciones:
a. Diferencia entre los grupos.
b. Diferencia dentro de los grupos.
La varianza de la muestra total se particiona en la varianza dentro de los bancos y
la varianza entre los bancos, tal como se indica en el siguiente grfico:

Variacin total (VT)

Variacin dentro del grupo (VDG)

Variacin entre grupos (VEG)

4. Calcular el valor F o el valor crtico correspondiente al nivel de confianza
fijado con los grados de libertad.
Numerador K-1 = 2
Denominador n K = 39

5. Hallar el estadstico de prueba

Variacin Suma
cuadrados
Grados
Libertad
Cuadrado
medio
Distribucin
F
Entre
Bancos
1.263.247.552,2 (k-1) = 2 631.623.776 1.178,89
Dentro o
error
20.895.228,57 (n-k) = 39 535.775,09
Total 1.284.142.790,48 (n-1) = 41


Para el caso la relacin es igual a 1.178,89, mayor que el valor crtico 3,238,
entonces se tienen pruebas suficientes para rechazar la hiptesis nula consistente
en que las medias de las tres poblaciones son iguales. En otras palabras el
anlisis de varianza apoya la conclusin que las medias para el precio de cierre de
las acciones es diferente en los tres bancos.
Fase 2: Realizar prueba Tukey
Realicen una conclusin donde indique si hay diferencia significativas entre por los
menos un par de los bancos y apoyados en la prueba de Tukey cual se espera
que tenga los precios de cierre de las acciones ms altos.
SOLUCION

3. Dada la siguiente tabla en donde X es una variable aleatoria que representa el
nmero de errores por caso al ao, que se cometen al tramitar las pensiones en
un fondo en Colombia. Adems se tiene que en promedio se cometen 3
errores.

Realicen una prueba Ji cuadrado (prueba no paramtrica) para comprobar si el
nmero de errores se distribuye como una Poisson.
Respuesta:

: Los datos se distribuyen segn el modelo de Poisson.

: Los datos no estn distribuidos segn el modelo de Poisson.

Se realiza el estadstico de prueba
Numero de errores Frecuencias Observadas N Errores*frecuencias
0 18 0
1 53 53
2 103 206
3 107 321
4 82 328
5 46 230
6 18 108
7 13 91
TOTAL 440 1337

Efectivamente el nmero de errores en promedio son 3. Se realiza la tabla de
distribucin de Poisson.

0 18 0,0498 21,912 14,79
1 53 0,1494 65,736 42,73
2 103 0,2240 98,56 107,64
3 107 0,2240 98,56 116,16
4 82 0,1680 73,92 90,96
5 46 0,1008 44,352 47,71
6 18 0,0504 22,176 14,10
7 13 0,0216 9,504 17,78
TOTAL 440 0.988 434,72 451,87

Valor Critico: El valor de la ji-cuadrada terica para 6 (k-r=7-1) grados de
libertad, a un nivel de significancia de 0.05 es 14,067.

El nmero de errores para tramitar las pensiones en un fondo en Colombia S se
distribuye como una Poisson.

CONCLUSIONES

Se logr dejar claro los conceptos bsicos de inferencia estadstica para
esta unidad tales como prueba de hiptesis, anlisis de varianza y pruebas
no paramtricas para el desarrollo de las diferentes actividades.
El uso de las pruebas no paramtricas facilita y agiliza el clculo de los
diferentes parmetros pero con una gran margen de error, dado que se
omiten clculos.
El manejo de los principios del muestreo, las distribuciones muestrales, los
intervalos de confianza, pruebas de hiptesis, anlisis de varianza y
pruebas no paramtricas son muy tiles en el desarrollo de nuestro futuro
rol profesional.
La comprensin de la teora de las dos colas y teorema del lmite central,
que en otras palabras no es ms que la forma de asegurarse que la
distribucin de la muestra n datos se aproxima a la normal de la curva de la
campana de gauss que en la teora no es muy aplicable pero que cumple si
un papel muy importante para tomar una decisin de una hiptesis siempre
y cuando este sea al 30. Esto nos permite usar estadsticas de muestra
para hacer deducciones con relacin a los parmetros de poblacin sin
saber nada sobre la forma de la distribucin de frecuencias de esa
poblacin ms que lo que podamos obtener de la muestra.
















BIBLIOGRAFIA
Sierra, J.J (2013). Mdulo Inferencia Estadstica. 1, (2). Universidad
Nacional Abierta y a Distancia UNAD-. Ibagu

Aula virtual: Inferencia Estadstica.
Inferencia Estadistica, Blog del curso: http://inferencia-e.blogspot.com/
Sierra, J.J. (2013). Inferencia Estadstica [Recurso en lnea, Blog], ubicado en:
http://inferencia-e.blogspot.com/
Introduccin a la inferencia estadstica (Introduccin Muestreo Distribuciones
mustrales). Consultado el 24, mayo, 2014 de:
file:///C:/Users/FRANCO/Desktop/introinfer.pdf
Estadstica descriptiva en los juegos de azar. Consultado el 24 de mayo de 2014
de: http://www.eyeintheskygroup.com/Azar-Ciencia/Analisis-Estadistico-Juegos-
de-Azar/Estadistica-Descriptiva-Poblacion-y-Muestra.htm
Explorable. Muestreo aleatorio. Consultado el 24 de mayo de 2014 de:
https://explorable.com/es/simple-random-sampling-es