Está en la página 1de 6

MATERIA

PROBABILIDAD Y ESTADISTICA
UNIDAD
4
TEMA
ESTADISTICA INFERENCIAL
ALUMNO
JULIO CESAR CLEMENTE DE LA CRUZ
DOCENTE
LIC. JOSEFINA ORDOÑES PACHECO.
SALA
F8
HORARIO:
MARTES-07:00-09:00PM. JUEVES-7:00-09:00PM
NUMERO DE CONTROL: 17500057
ESTADISTICA INFERENCIAL
La estadística inferencial es una parte de la estadística que comprende los métodos y
procedimientos que por medio de la inducción determina propiedades de una
población estadística, a partir de una parte de esta. Su objetivo es obtener
conclusiones útiles para hacer deducciones sobre una totalidad, basándose en la
información numérica de la muestra.

Se dedica a la generación de los modelos, inferencias y predicciones asociadas a los


fenómenos en cuestión teniendo en cuenta la aleatoriedad de las observaciones. Se
usa para modelar patrones en los datos y extraer inferencias acerca de la población
bajo estudio. Estas inferencias pueden tomar la forma de respuestas a preguntas sí/no
(prueba de hipótesis), estimaciones de unas características numéricas (estimación),
pronósticos de futuras observaciones, descripciones de asociación (correlación) o
modelamiento de relaciones entre variables de Sam (análisis de regresión). Otras
técnicas de modelamiento incluyen análisis de varianza, series de tiempo y minería de
datos.

Método

Planteamiento del problema:

un problema de inferencia estadística suele iniciarse con una fijación de objetivos o algunas
preguntas del tipo:

¿Cuál será la media de esta población respecto a tal característica?

¿Se parecen estas dos poblaciones?

¿Hay alguna relación entre...?

En el planteamiento se definen con precisión la población, la característica a estudiar, las


variables, etc.

Elaboración de un modelo:

en caso de establecer un modelo teórico, se replantea el procedimiento y se llega a una


conclusión lógica. Los posibles modelos son distribuciones de probabilidad.

Extracción de la muestra:

se usa alguna técnica de muestreo o un diseño experimental para obtener información de una
pequeña parte de la población.
Tratamiento de los datos:

en esta fase se eliminan posibles errores, se depura la muestra, se tabulan los datos y se
calculan los valores que serán necesarios en pasos posteriores, como la media muestral, la
varianza muestral.

Los métodos de esta etapa están definidos por la estadística descriptiva.

Estimación de los parámetros:

con determinadas técnicas se realiza una predicción sobre cuáles podrían ser los parámetros
de la población.

Contraste de hipótesis: los contrastes de hipótesis son técnicas que permiten simplificar el
modelo matemático bajo análisis. Frecuentemente el contraste de hipótesis recurre al uso de
estadísticos muestrales.

Artículo principal:

Contraste de hipótesis

Conclusiones: se critica el modelo y se hace un balance. Las conclusiones obtenidas en este


punto pueden servir para tomar decisiones o hacer predicciones.

El estudio puede comenzar de nuevo a partir de este momento, en un proceso cíclico que
permite conocer cada vez mejor la población y características de estudio.

Estimador

En estadística, un estimador es un estadístico (esto es, una función de la muestra) usado para
estimar un parámetro desconocido de la población. Por ejemplo, si se desea conocer el precio
medio de un artículo (el parámetro desconocido) se recogerán observaciones del precio de
dicho artículo en diversos establecimientos (la muestra) y la media aritmética de las
observaciones puede utilizarse como estimador del precio medio.

Para cada parámetro pueden existir varios estimadores diferentes. En general, escogeremos el
estimador que posea mejores propiedades que los restantes, como insesgadez, eficiencia,
convergencia y robustez (consistencia).

El valor de un estimador proporciona lo que se denomina en estadística una estimación


puntual del valor del parámetro en estudio. En general, se suele preferir realizar una
estimación mediante un intervalo, esto es, obtener un intervalo [a,b] dentro del cual se espera
esté el valor real del parámetro con un cierto nivel de confianza. Utilizar un intervalo resulta
más informativo, al proporcionar información sobre el posible error de estimación, asociado
con la amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a priori el
verdadero valor del parámetro quede contenido en el intervalo.

En la práctica, los intervalos de estimadores con distribuciones simétricas suelen indicarse


dando el valor del estimador puntual utilizado como centro del intervalo y un valor que debe
sumarse y restarse para obtener el límite superior e inferior; por ejemplo:

{\displaystyle 3,5\pm 2,03\;} {\displaystyle 3,5\pm 2,03\;} equivale a {\displaystyle [3,5-


2,03\,;\,3,5+2,03]=[1,47\,;\,5,53]} {\displaystyle [3,5-2,03\,;\,3,5+2,03]=[1,47\,;\,5,53]}

Podemos hacer dos tipos de estimaciones concernientes a una población:

Una estimación puntual:

es sólo u número que se utiliza para estimar un parámetro de población desconocido. Una
estimación puntual a menudo resulta insuficiente, debido a que sólo tiene dos opciones: es
correcta o está equivocada. Una estimación puntual es mucho más útil si viene acompañada
por una estimación del error que podría estar implicado.

Una estimación de intervalo:

es un intervalo de valores que se utiliza para estimar un parámetro de población. Esta


estimación indica el error de dos maneras: por la extensión del intervalo y por la probabilidad
de obtener el verdadero parámetro de la población que se encuentra dentro del intervalo.
Los siguientes datos agrupados sobre la realización en minutos de una actividad
escolar, calcule la media y la mediana.

Clases Fi X Fi Xi Fa
5-9 5 7 35 5
10-14 9 12 108 14
15-19 10 17 170 24
20-24 10 22 220 34
25-29 8 27 216 42
30-34 8 32 256 50
Total: 50 1005
Histograma de frecuencia absoluta.

Serie 1
12

10

6
Serie 1

0
7 12 17 22 27 32

Marca de clase

OJIVA
Serie 1
60

50

40

30
Serie 1

20

10

0
7 12 17 22 27 32