Documentos de Académico
Documentos de Profesional
Documentos de Cultura
GUIA PARA
ESTUDIANTES DE
ESTADÍSTICA APLICADA
CONTENIDOS
z1
1.9.2. ES CONOCIDA
2
2 ................................................................................. 11
t n1,
1.9.3. ES DESCONOCIDA
2
2 ...................................................................... 11
g) VALORES DE p:
2
1 . p.q
z
n 2 2
e
1.2.2. CUANDO N ES FINITO O EL MUESTREO ES SIN REEMPLAZO
2
N . z . p.q
1
n 2
2
( N 1)e 2 z . p.q
1 2
Donde:
2
2
1 .
z
n 2 2
e
1.3.2. CUANDO N ES FINITO
2
N . z . 2
n 1 2
2
2
( N 1)e z .
2
1 2
A. MUESTRAS IGUALES
n1 n2
FORMULA:
2
1 1 2
2 2
z
n2 2 2
e
B. MUESTRAS DEFERENTES
POBLACIÓN 1 POBLACIÓN 2
n1 kn2
FORMULA:
2
z1 1 k 2
2 2
n2 2
ke2
A. MUESTRAS IGUALES
n1 n2
FORMULA:
2
z1 p1.q1 p2 .q2
n2 2
e2
B. MUESTRAS DEFERENTES
POBLACIÓN 1 POBLACIÓN 2
n1 kn2
FORMULA:
2
z1 p1.q1 kp2 .q2
n2 2
ke2
1.6.1. MUESTREO
Es el proceso de selección de una muestra de n elementos de la población.
1
CnN
Ejemplo: Una empresa tiene 120 trabajadores y se quiere extraer una muestra
aleatoria simple de 30 trabajadores. Para ello se numeran los trabajadores del
1 al 120, se sortean 30 números de entre los 120. Entonces, la muestra estará
formada por los 30 trabajadores a los que les correspondan los números
obtenidos.
Por ejemplo, para obtener una muestra aleatoria de 600 electores de una
población de 600,000 electores de los cuales 300,0000 son de clase baja,
200,000 de clase media y 100,000 de clase alta. Se deben elegir al azar 300
de clase baja, 200 de clase media y 100 de clase alta.
Muestras La variable 1 y 2
Pareada están relacionadas
s
Por lo general
hay un ¨antes¨ y ¨después¨
di xi yi
n
d i
d i 1
n
1.8. INTERVALO DE CONFIANZA
a) 2 ES CONOCIDA
2
u1 u2 d z .
1
2 n
b) 2 ES DESCONOCIDA
d
n n
d
2 2
i d i
2
n d
Sd i 1
Sd i 1
n 1 n 1
FORMULA:
Sd
u1 u2 d t .
n 1,
2 n
1.9. PRUEBA DE HIPÓTESIS
1.9.1. PROCEDIMIENTO
H 0 : 0 H 0 : 0 H 0 : 0
H1 : 1 H1 : 0 H1 : 0
b) Se escoge un nivel de significación 𝛼.
c) Se establece el estadístico de prueba es:
d) La Regla de Decisión para 𝐻0 con un riesgo 𝛼.
e) Tomar la decisión y dar una respuesta: Si se rechaza o se acepta la
hipótesis nula y se da respuesta a la pregunta planteada.
z1
1.9.2. ES CONOCIDA
2
2
ESTADÍSTICO DE PRUEBA:
d
z
2
n
t n1,
1.9.3. ES DESCONOCIDA
2 2
ESTADÍSTICO DE PRUEBA:
d d d
t t
sd sd
n n
MÉTODOS NO PARAMÉTRICOS
1.10. INTRODUCCIÓN
Las técnicas estadísticas de estimación de parámetros, intervalos de confianza y
prueba de hipótesis son, en conjunto, denominadas ESTADÍSTICA PARAMÉTRICA
y son aplicadas básicamente a variables continuas. Estas técnicas se basan en
especificar una forma de distribución de la variable aleatoria y de los estadísticos
derivados de los datos.
En ESTADÍSTICA PARAMÉTRICA se asume que la población de la cual la muestra
es extraída es NORMAL o aproximadamente normal. Esta propiedad es necesaria
para que la prueba de hipótesis sea válida.
1.11. DEFINICIÓN
Los métodos no paramétricos o métodos de distribución libre, no depende del
conocimiento de como se distribuye la población. Estos métodos son adecuados
cuando no se conoce la distribución de la población y los cálculos empleados son
mas simples. Sin embargo, si se conoce la distribución de los datos una prueba
paramétrica es mas eficiente que una no paramétrica.
Los métodos no paramétricos pueden ser usados para datos cualitativos, ya sea
ordinales (jerarquizados) o nominales; así como también para datos cuantitativos,
mientras que los métodos paramétricos solo pueden usar para datos cuantitativos
(discretos y continuos).
a) ESCALA NOMINAL
Una escala de medición es nominal si los datos son etiquetas o categorías que
se usan para definir un atributo de un elemento. Los datos nominales pueden
ser numéricos o no numéricos. Ejemplo: El sexo de una persona es un dato
nominal no numérico. El número de seguro social de una persona es un dato
nominal numérico.
b) ESCALA ORDINAL
Una escala de medición es ordinal si los datos pueden usarse para jerarquizar u
ordenar las observaciones. Los datos ordinales pueden ser numéricos o no
numéricos. Ejemplo: Las medidas pequeño, mediano y grande para dar el
tamaño de un objeto son datos ordinales no numéricos.
c) ESCALA DE INTERVALO
Una escala de medición es de intervalo si los datos tienen las propiedades de
los datos ordinales y los intervalos entre observaciones se expresan en
términos de una unidad de medición fija. Los datos de intervalo tienen que ser
numéricos. Ejemplo: Las mediciones de temperatura son datos de intervalo.
Suponga que la temperatura en un lugar es de 21°C y en otro es de 4°C. Estos
lugares se pueden jerarquizar de acuerdo con lo calurosos que son: el primero
es más caliente que el segundo. La unidad fija de medición, 1°C , permite decir
cuán más caliente es el primer lugar: 17°C.
d) ESCALA DE RAZÓN
Una escala de medición es de razón si los datos tienen las propiedades de los
datos de intervalo y el cociente (o razón) entre dos medidas tiene sentido. Los
datos de razón tienen que ser numéricos. Ejemplo: Variables como la distancia,
la altura, el peso y el tiempo se miden con una escala de razón.
1.12.1. DEFINICIÓN
Estas pruebas permiten verificar que la población de la cual proviene una
muestra tiene una distribución especificada o supuesta.
2
1.12.2. USANDO x
Esta prueba es aplicable para variables aleatorias discretas o continuas. Teniendo
un número k de clases en la cual se ha registrado un total de n observaciones,
llamaremos frecuencia observada (corresponde a los datos de la muestra),
denotadas por
Oi . Lo que se busca es comprobar las frecuencias observadas con
FRECUENCIA FRECUENCIA
CLASE i OBSERVADA ESPERADA
(Oi ) ( Ei )
CLASE 1 O1 E1
CLASE 2 O2 E2
CLASE 3 O3 E3
CLASE K Ok Ek
ESTADÍSTICO DE PRUEBA:
Oi Ei
2
n
x
2
i 1 Ei
Grados de
libertad : k 1 m
Donde:
k = Numero de clases.
m = Numero parámetros estándar a partir de los datos muestrales.
Frecuencias
esperadas :
p ( x ).n0
¡NOTA!
Si la frecuencia esperada de una celda es menor o igual a 5, se combina con
la celda anterior y se vuelven en una sola.
N° de
individuos
con parásitos 0 1 2 3 4 5
(Xi )
Frecuencia
Observada 17 81 152 180 104 16 n0 550
(Oi )
Solución
x (O )
i i
0(17) 1(81) 2(152) 3(180) 4(104) 5(16)
i 1
n0 550
2.58
n. p
2.58
p
n 5
p 0.516 q 0.484
N° de
individuos
con 0 1 2 3 4 5
parásitos
(Xi )
Frecuencia
Observada 17 81 152 180 104 16 550
(Oi )
p ( x) 0.027 0.142 0.302 0.312 0.172 0.037
Frecuencia
Esperada 14.85 78.1 166.1 171.6 94.6 20.35
( Ei )
Oi Ei
2
2) 0.05 1 0.95
g .l. k 1 m
g .l. 6 1 1
g .l. 4
x(4,0.95)
2
9.488
3)
Oi Ei
2
n
x2 3.566
i 1 Ei
4)
REFERENCIA BIBLIOGRÁFICA