Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura 1 - La Inferencia EstadÃ-stica PDF
Lectura 1 - La Inferencia EstadÃ-stica PDF
Unidad 1
Lectura 1
Inferencia Estadstica
Unidad 1: Estimadores
1.1. Estimacin
La mayora de las aplicaciones actuales de la Estadstica se relacionan con
la obtencin de conclusiones referidas a la poblacin a partir de la evidencia
Bibliografa Bsica recogida en una muestra correspondiente a una pequea porcin de casos,
en situaciones prcticas como las siguientes:
Para cumplir con los
objetivos de la Unidad 1
del programa, es necesario
profundizar en los temas Analizar la evolucin del total de desempleados en las grandes
desarrollados en el ciudades de un pas
Captulo 9 y 10 del texto Medir el gasto promedio de las familias en cierto rubro de inters
de Bibliografa Bsica. Cuantificar la variabilidad de un producto surgido de cierto proceso
(Berenson & Levine, industrial estandarizado.
1996), relacionndolos Conocer el porcentaje de votantes que prefieren a cierto candidato
con los comentarios, con anterioridad a una eleccin
ejemplos y
recomendaciones de las
lecturas del mdulo. Las tcnicas correspondientes a la Inferencia estadstica permiten dar
respuesta a estos interrogantes, utilizando slo una pequea porcin de
casos de la poblacin de inters. Para los objetivos de informacin
Captulos: 9 y 10 propuestos como ejemplos previamente, podran tomarse muestras de las
(Apartados 10.1, 10.2, 10.3, poblaciones:
10.4, 10.5, 10.6, 10.7,
10.8,10.9)
Seleccionando individuos residentes en las ciudades de inters, y
registrando su estado ocupacional.
Obteniendo por muestreo un conjunto de familias, y consultndolas
sobre el gasto en ese rubro.
Estudiando por muestreo la caracterstica de anlisis de un grupo de
productos elaborados en tal sistema.
Indagando a un conjunto representativo de votantes del lugar en
cuestin.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|2
Las tres propiedades que nos interesa destacar de la media muestral como
estimador de la media poblacional son:
1. Imparcialidad (insesgada)
2. Eficiencia
3. Consistencia
Imparcialidad
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|3
x i
x= i =1
n
xi
E ( x ) = E i =1
n
n
E xi
E ( x ) = i =1
n
n
E ( xi )
E ( x ) = i =1
n
n.
E(x) =
n
Simplificando resulta:
E (x ) =
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|4
Eficiencia
Consistencia
x
x =
n
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|5
x
p=
n
P(1 P)
p =
n
np > 5
n(1 p ) > 5
Cuando se selecciona una muestra, debe establecerse con precisin cul fue
el mecanismo con el que se procedi a escoger a los elementos que
componen la muestra.
x N n
x =
n N 1
P(1 P) N n
p =
n N 1
El fcpf siempre ser menor que 1, lo cual implica que en este tipo de
muestreo, las estimaciones surgidas de este tipo de muestreo resultan ms
exactas, o lo que es lo mismo tienen menos dispersin en el muestreo.
Preguntas de reflexin:
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|8
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|9
En definitiva vamos a poder decir, a travs del intervalo, con una confianza
establecida por el investigador (por ejemplo para la estimacin de la media
poblacional) que un intervalo a partir de la estimacin puntual ms /
menos un cierto margen de error o error de muestreo, atrapa al
verdadero valor del parmetro. Los intervalos en este caso tendrn la
siguiente estructura:
Bibliografa Bsica
x margen de error
Captulo 9: Repaso de
conceptos como
distribucin de muestreo
y Teorema Central del Estimacin por intervalo de la media
Lmite.
Caso: Desviacin estndar conocida
Captulo 10: Desarrollo
de los procedimientos
para estimacin de la
media y la proporcin. Por el Teorema del lmite central (que Ud. conoce la materia previa,
pero recordaremos ms adelante en el mdulo), sabemos que es posible
determinar qu porcentaje de las medias muestrales se ubican a
determinada distancia de la media de la poblacin, teniendo en cuenta la
distribucin de la medias muestrales.
Es la diferencia entre la
media de la muestra y la
media de la poblacin. Su x
frmula es: Z
1
2 n
x
Z
1
2 n
con respecto del valor de la media poblacional.
Observe que debe
diferenciarse del error Donde, Z es el valor de la tabla estandarizada normal, que tiene
estndar de la media, 1
2
dado que debe
multiplicarse por Z.
acumulado hasta ese valor 1 de probabilidad. Este valor se denomina
2
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|10
(1-) Z
1
Tabla de la 2
distribucin normal
x x
[LI , LS ] = x Z1 ;x + Z
1
2 n 2 n
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|11
Veamos un ejemplo:
1 162
2 176
3 169
4 165
5 171
6 172
7 169
8 168
9 175
10 167
x i
x= i =1
x = 169,4 cm
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|12
Z = 1,96
1
2
x = 4
n = 10
Como puede analizarse a partir del ejemplo, el intervalo que surge depende
de la muestra que ha sido seleccionada, en el caso de haber elegido a otros
estudiantes y no a esos, el resultado de la media muestra podra haber sido
distinto, y en consecuencias tambin el intervalo obtenido.
Distribucin t de Student1
Tabla de la
distribucin t
Es importante que Ud. La distribucin t de Student fue estudiada por William Gosset (1876-1937)
pueda manejar con quien se ocupaba de tareas de control de calidad en la fbrica de cervezas
suficiente solvencia la
Guiness, en Irlanda.
tabla de la distribucin t
de Student. En el anexo
del mdulo tiene
disponible una tabla. Ms
Figura: Comparacin de la distribucin t y la normal estndar para
adelante en el mdulo se
explica cmo trabajar con diferentes grados de libertad
la tabla.
Distribucintcon2gradosde
libertad
Grficodeladistribucin
normal:lnearoja
Grficodeladistribucint:azul
1
La nota que se indica est basada en:
http://www.matematicasvisuales.com/html/probabilidad/varaleat/tstudent.html. En
este sitio se pueden realizar visualizaciones de las diferentes distribuciones que
estudiaremos en este mdulo, simplemente ajustando los parmetros de las
mismas. En la pgina
http://www.matematicasvisuales.com/html/probabilidad/varaleat/tstudentprob.html
pueden calcularse y compararse las respectivas probabilidades de la tabla normal
y la tabla t de Student.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|14
Distribucintcon5gradosde
libertad
Distribucintcon15gradosde
libertad
Distribucintcon30gradosde
libertad
Observarcmoprcticamente
nohaydiferenciaentreambas
distribuciones.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|16
Estadstica I
En el curso anterior se ha
estudiado la
distribucin normal,
sus parmetros y la Para los diversos problemas en los cuales es requieren valores de t o
manera de obtener probabilidades asociadas con valores de la variable t se pueden utilizar las
probabilidades en la tablas que indicamos a continuacin. Existen diversas tablas publicadas. La
tabla correspondiente. Su nica recomendacin importante para el uso es considerar cuidadosamente
Ud. no recuerda esos
qu probabilidad estn informando, y hacer uso de la propiedad de simetra
conceptos y
procedimientos deber de la distribucin t (que se debe aplicar de manera anloga a la de la
repasarlos a partir del distribucin normal, ya conocida del curso anterior).
material de ese curso.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|17
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|18
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|19
Tabla de la
Los intervalos as obtenidos son, no podra ser de otra manera, ms grandes
distribucin t
y menos precisos que los que se obtendran si conocemos la varianza en una
En el punto 10.3 del texto distribucin normal.
de Berenson & Levine
(1996) se desarrolla el
tema de estimacin de un
intervalo de confianza de Si la variable aleatoria X es normal, el estadstico:
la media cuando la
desviacin estndar es
desconocida. Le
recomendamos que siga x
con detalle los ejemplos s
propuestos en el texto,
verificando si llega a los
n
mismos resultados.
Grados de libertad
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|20
Inferior:
s
x t
1 ; n 1 n
2
Superior:
s
x +t
1 ; n 1 n
2
Veamos un ejemplo:
x = 169,4 cm
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|21
t = 2,2622
9;1
2
s = 4,02
n = 10
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|22
En el punto 10.6 del texto En el caso de datos categricos tambin podemos aplicar estimacin por
de Berenson & Levine intervalos de la proporcin poblacional de casos que poseen cierta
(1996) se desarrolla el caracterstica.
tema de estimacin de un
intervalo de confianza
para la proporcin. Le
recomendamos que siga Tal como sealamos en el caso de la estimacin puntual, la base de la
con detalle los ejemplos estimacin va a estar dada por la proporcin muestral.
propuestos en el texto,
verificando si llega a los
mismos resultados.
La propiedad que permite hacer uso de la distribucin normal en este caso
es la aproximacin de la distribucin binomial a la normal cuando se
verifican las condiciones:
P.n5
(1-P).n5
Con esta premisa, los lmites del intervalo van a estar dados por:
p (1 p ) p (1 p )
[LI , LS ] = p Z1 ;p+Z
1
2
n 2
n
Donde:
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|23
p = proporcin muestral
P = proporcin poblacional
n = tamao de la muestra
Z = valor crtico de la distribucin normal
Tras procesar las encuestas se obtiene que 178 individuos estn seguros que
elegirn al candidato en cuestin en la eleccin.
178
p=
400
p = 0,445
n . p = 400 . 0,445
= 178
= 222
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|24
p (1 p ) p (1 p )
[LI , LS ] = p Z1 ;p+Z
1
2
n 2
n
Z = 2,576
1
2
[LI , LS ] = [0,38;0,51]
Como conclusin, podemos decir que con un nivel de confianza del 99%, el
intervalo [0,38; 0,51] atrapa el verdadero valor poblacional de la proporcin
de votantes que tienen decidido votar al candidato. Observe que,
dependiendo de los porcentajes de otros candidatos, esto podra significar
que pierda la eleccin (si obtiene un porcentaje inferior al 50% de los votos,
algn otro candidato puede alcanzar un porcentaje mayoritario) o bien que
gane (si obtiene un valor mayor al 50% de los votos), en ambos casos, con el
nivel de confianza definido, que siendo tan elevado, le permite estar casi
seguro de que el resultado se encuentra en el intervalo estimado.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|25
Figura:
En este caso, la regla La frmula que permite obtener el tamao adecuado de la muestra para la
prctica indica que se estimacin de la proporcin es la siguiente:
utilizar un valor de
p=0,5 dado que es un
criterio conservador
(que dar un mayor valor
de la varianza y del
tamao de la muestra.
Al igual que en el caso anterior, esta frmula se desprende de la expresin
Ver Berenson & Levine del error de muestreo (en este caso para la proporcin). Adems de los
(1996) punto 10.8 datos sobre el nivel de confianza deseado y el error mximo tolerable, debe
conocerse alguna estimacin o dato histrico sobre para p. De lo contrario,
una regla prctica consiste en darle a p el valor 0,5. De esta manera, la
expresin p (1-p) ser la mayor posible, al igual que el tamao de muestra
determinado.
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|27
Bibliografa Bsica Si bien este tema fue desarrollado en Estadstica I, es muy importante
recordarlo, ya que es un concepto fundamental para la Inferencia
Le recomendamos que estadstica, del cual se nutren los contenidos de este y los siguientes
revise en detalle este mdulos.
tema en el texto de
Berenson y Levine
(1996). El Captulo 9,
tambin estudiado en
Estadstica I, trata el 1.1.2.1 Teorema Central del lmite
tema de la distribucin
de muestreo y el
Teorema Central del
Lmite. Este resultado nos indica que:
Analicemos un ejemplo:
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|28
Tamao 3
Muestra Casos
seleccionados
1 24 14 7
2 37 4 49
3 11 41 48
4 21 7 8
5 6 50 30
6 10 40 48
7 4 26 34
8 3 11 17
9 47 40 9
10 31 47 11
Tamao 5
Muestra Casos seleccionados
1 9 45 21 14 15
2 33 41 33 16 38
3 34 49 22 35 17
4 49 30 17 15 8
5 39 21 35 2 28
6 11 26 40 24 45
7 42 5 31 23 19
8 19 38 46 50 6
9 37 33 31 8 48
10 34 46 33 46 37
Tamao 7
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|30
Tamao 3
Muestra Valores de los Media muestral
casos de la
muestra
seleccionada
1 2 6 4 4
2 5 5 8 6
3 5 5 3 4,33
4 7 4 6 5,67
5 6 3 3 4
6 2 3 3 2,67
7 5 4 5 4,67
8 1 5 4 3,33
9 6 3 4 4,33
10 2 6 5 4,33
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|31
Tamao 5
Muestra Valores de los casos de la Media muestral
muestra seleccionada
1 4 4 7 6 2 4,6
2 3 5 6 1 9 4,8
3 5 8 4 2 4 4,6
4 8 3 4 2 6 4,6
5 4 7 2 4 6 4,6
6 5 4 3 2 4 3,6
7 4 2 1 5 4 3,2
8 4 9 5 3 6 5,6
9 5 3 1 6 3 3,6
10 5 5 3 5 5 4,6
Tamao 7
Muestra Valores de los casos de la muestra Media
seleccionada muestral
1 3 5 3 6 4 4 6 4,43
2 7 3 3 5 4 7 5 4,86
3 2 5 3 5 4 2 4 3,57
4 8 4 2 2 4 4 6 4,28
5 4 6 4 4 6 6 1 4,43
6 5 4 2 4 2 6 3 3,71
7 9 8 4 4 5 9 8 6,71
8 5 4 3 2 6 5 4 4,14
9 2 5 4 6 3 4 3 3,86
10 6 2 8 3 2 3 5 4,14
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|32
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|33
Bibliografa Lectura 1
Berenson & Levine (1996). Estadstica para administracin y
economa. Sexta Edicin. Ed. Prentice Hall Hispanoamericana. Mxico.
www.uesiglo21.edu.ar
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|34
Materia:HerramientasMatemticasV(EstadsticaII)
Profesora:Mgter.VernicaHerrero|35