Está en la página 1de 7

MARIA FERNANDA RIVAS IBARGUEN

C.C 1077457435

PASO 1: REALIZAR RECONOCIMIENTO GENERAL DEL CURSO

PRESENTADO POR:
MARÍA FERNANDA RIVAS
C.C 1.077.457.435

TUTORA

MARIA CAMILA GONZALEZ

GRUPO AL QUE PERTENECE: 551112_4

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD


LICENCIATURA EN MATEMÁTICAS
INFERENCIA ESTADISTICA
CÓDIGO DEL CURSO: 551112A_611
MEDELLIN – ANTIOQUIA
MARZO/ 2019
MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435

INTRODUCCIÓN

Este trabajo trata sobre distribución de muestreo y estimaciones, donde inicialmente


realizamos un rastreo y consultas sobre las temáticas anteriores en cuanto a las definiciones,
características o propiedades, interpretación, significado estadísticos, para qué o cuando se
utiliza, símbolo, unidad de medida, modelo matemático, identificación o definición de cada
una de las variables o constantes que hacen parte integral del modelo matemático, según sea
el caso, luego de esta se procede a la aplicación de los conceptos y procesos consultados
mediante la lectura de cada uno de los enunciados de las situaciones problemáticas
propuestas, esto nos ayudó a realizar una compresión significativa de los temas de la unidad
1 que trabajaremos en esta 2 actividad.

OBJETIVO GENERAL
Desarrollar un pensamiento crítico y estadístico mediante el desarrollo de procesos de
estimación de parámetros involucrando los términos de variabilidad estadística
correspondiente en cada caso que permitan su adecuada interpretación, con el fin de analizar
los alcances cognitivos y procedimentales de un determinado aprendizaje.

OBJETIVOS ESPECÍFICOS

 lograr un pensamiento lógico de las teorías estadísticas que nos ayuda a la construcción
conceptual del pensamiento matemático.

 Realizar un análisis conceptual de la unidad en estudio.


MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435

DESARROLLO DE LA ACTIVIDAD

1 CAPÍTULO DE DISTRIBUCIONES MUÉSTRALES


En este proceso de inferencia estadística se deben tener claros los conceptos y procesos
relacionados con estos, en el cual debemos recoger datos para probar teorías, aplicar las
fórmulas de una teoría y luego de estas realizar una interpretación y toma de decisión.
Las distribuciones muéstrales vienen de muestras simples aleatorias que se presentan un
comportamiento en repetidas muestras, estos comportamientos o patrones son los que
permiten que se realice la distribución muestral en estadística y de esta podremos hacer
inferencia.
En las distribuciones muéstrales se tienen inicialmente una proporción muestral, los cuales
son los valores de las proporciones de las muestras con tamaño n que tiene la población.
Para la proporción muestral se utiliza la formula
𝑁
𝑝̂ = Donde N es el número total de la muestra y n es el tamaño de la muestra.
𝑛

µ𝑥 = 𝐸( 𝑋 ) = µ

En una distribución muestral se deben tener en cuenta unos parámetros tales como: la
media que se representa con (𝜇), la varianza (𝜎 2 ) o la proporción (p). de la muestra
aleatoria de una población se calcula el valor correspondiente de un estadístico, es decir, la
media muestral ((𝑥̅ ), 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 (𝑠 2 )𝑜 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 (𝑝) ̂

Donde:
L𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 (𝑠 2 ): Se define como el promedio aritmético de las diferencias
entre cada uno de los valores del conjunto de datos y la media aritmética del conjunto
elevadas al cuadrado y su fórmula es:

Media muestral: es una medida de tendencia central que denota el promedio de un conjunto
de datos.
MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435
𝑥1 + 𝑥2 + 𝑥3 ….𝑥𝑛 𝑥1
𝑥̅ = = ∑𝑛𝑖=1
𝑛 𝑛

Desviación típica: La desviación típica es una medida que se usa para cuantificar la
variación o dispersión de un conjunto de datos numéricos.

𝑥1
∑𝑛𝑖=1 (𝑥1 − 𝑥̅ ) 2
𝑠= √ 𝑛
𝑛−1

Proporción Muestral: son los valores de las proporciones de las muestras con tamaño n que
tiene la población.
Para la proporción muestral se utiliza la formula
𝑁
𝑝̂ = 𝑛

2 CAPÍTULO DE ESTIMACIÓN
En una investigación tiene un papel fundamental la estimación y el contraste que son métodos
básicos de la inferencia estadística.
Lo que pretende este capítulo es enseñarnos a:
Calcular los parámetros de la distribución de medias o proporción muestral, tomada de una
población de media y varianza determinada.
Partir de la media o proporción muestral estimar la media o la proporción de una población
Utilizando distintos tamaños muéstrales para controlar la confianza y el error admitido.
La estimación se emplea para conocer los parámetros de una muestra desconocida.

En esta estimación podemos encontrar 2 tipos según su parámetro los cuales pueden ser:
Un estimador puntual: consiste en la búsqueda del valor de los parámetros poblacionales objeto
de estudio, el cual se obtiene a partir de alguna función de la muestra, es un valor que puede ser
considerado representativo de θ y se indicará θ ˆ.

Una estimación por intervalo n por intervalo es un rango, generalmente de ancho finito, que se
espera que contenga el parámetro.
MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435

Luego de estas estimaciones para mayor precisión utilizamos el error de estimación la cual es
una medida de precisión se halla con la amplitud del intervalo de confianza, cuanta más precisión
se desee en la estimación de un parámetro, más estrecho deberá ser el intervalo de confianza y,
por tanto, menor el error, y más sujetos deberán incluirse en la muestra estudiada

Tarea 2: Estimaciones: Cada estudiante debe escoger un punto de los siguientes problemas:

1) Se toma una muestra de ocho lotes de un producto químico para comprobar la


concentración de impurezas. Los niveles porcentuales de impurezas encontrados
en las muestras fueron: 3,2 4,3 2,1 2,8 3,2 3,6 4,0 3,8

a) Halle la media, la varianza y la desviación típica.


b) Halle la proporción muestral de lotes con nivel porcentual de impurezas mayor a
3,75

Solución:

a) Halle la media, la varianza y la desviación típica.

Media
𝑥1 + 𝑥2 + 𝑥3 ….𝑥𝑛 𝑥1
𝑥̅ = = ∑𝑛𝑖=1
𝑛 𝑛

n= término de la muestra n= 8
3,2 + 4,3 + 2,1 + 2,8 + 3,2 + 3,6 + 4,0 + 3,8 27
𝑥1 = = = 3,375 ≈ 3,4
8 8
Varianza
𝑥1
∑𝑛
𝑖=1 (𝑥1 − 𝑥̅ ) 2
2 𝑛
𝑠 = 𝑛−1

(3,2 − 3,4)2 + (4,3 − 3,4)2 + (2,1 − 3,4)2 + (2,8 − 3,4)2 + (3,2 − 3,4)2 + (4,0 − 3,4)2 + (3,8 − 3,
=
8−1
MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435

0,04 + 0,81 + 1,69 + 0,36 + 0,04 + 0,04 + 0,36 + 0,16


𝑠2 =
7

3,5
𝑠2 = = 0.5
7

Desviación típica

𝑥1
∑𝑛𝑖=1 (𝑥1 − 𝑥̅ ) 2
𝑠= √ 𝑛
𝑛−1

𝑠 = √0,5 = 0.7071067811865475

b) Halle la proporción muestral de lotes con nivel porcentual de impurezas mayor a


3,75

1 (𝑥− 𝜇)2
𝑓(𝑥 = 𝑒 2𝜎2
𝜎√2 𝜋

𝑆𝑖 , 𝑥 ~ 𝑁 ( µ, 𝜎 2 )𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠:
𝑥− 𝜇
𝑍=
𝜎

CONCLUSIONES

Con la terminación de este trabajo, aprendí sobre los conceptos de distribuciones muéstrales
y estimación como su representación estadísticos y sus aplicaciones.
En las operaciones con determinantes como la suma, resta, multiplicación se deben contar
con condiciones e interpretaciones adecuadas para que se puedan realizar correctamente las
situaciones problemas.
MARIA FERNANDA RIVAS IBARGUEN
C.C 1077457435

Entre los diferentes métodos utilizados para la solución de algunos problemas, me llevó a
tener un enfoque mucho más amplio referente a la resolución de problemas relacionados con
las estimaciones e inferencias estadísticas, también hay que tener en cuenta la población o la
muestra a estudiar, y estas situaciones aprendidas también nos serán de gran ayuda en
nuestra vida práctica y real.

REFERENCIAS
Capítulo 7: Distribuciones muestrales, recuperado de:
http://ftp.utalca.cl/profesores/gicaza/Clases/7Distribuciones%20Muestrales.pdf
Dr. Edgar Acuna, 6. DISTRIBUCIONES MUESTRALES. Recuperado de:
http://academic.uprm.edu/eacuna/miniman6sl.pdf
Pita Fernández S, Pértega Díaz, S. Estadística descriptiva de los datos (Actualizado
06/03/2001)- recuperado de:
https://www.fisterra.com/mbe/investiga/10descriptiva/10descriptiva.asp#b