Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Vdocuments - MX - Unidad 1 Introduccion Ala Estadistica Inferencial
Vdocuments - MX - Unidad 1 Introduccion Ala Estadistica Inferencial
UNIDAD I: INTRODUCCION A LA
ESTADISTICA INFERENCIAL
EQUIPO:
MACEDO CASTRO VICTOR ALFONSO
ORTEGA FLORES YANELI
PRUDENTE CATANA MAYRA IRIS
AULA:105
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
ÍNDICE
Introducción…………………………………………………………………………….…..………3
1.10 Aplicaciones..............................................................................................................25
INTRODUCCION
Este tema delimita los contenidos del primer cuatrimestre de los contenidos del segundo
cuatrimestre. También diferencia los dos núcleos temáticos más importantes de la
materia: Descriptivo e inferencial. La validez de las conclusiones obtenidas con
procedimientos descriptivos se limita al conjunto de individuos de los que se ha obtenido
los datos, pero no incluye a los individuos que no han formado parte de la investigación, y
generalmente estamos interesados en generalizar los resultados y conclusiones obtenidos
con unos (pocos) individuos a la población.
2
2
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
El análisis descriptivo de los resultados obtenidos solo es válido para los individuos de los
grupos comparados, y si queremos saber si el nuevo tratamiento es mejor
para cualquier paciente, no solo para los que han intervenido en la prueba, hay que
utilizar procedimientos inferenciales.
UNIDAD 1
Los comienzos de la estadística pueden ser hallados en el antiguo Egipto, cuyos faraones
lograron recopilar, hacia el año 3050 antes de Cristo, prolijos datos relativos a la población
y la riqueza del país. De acuerdo al historiador griego Heródoto, dicho registro de riqueza
y población se hizo con el objetivo de preparar la construcción de las pirámides. En el
3
3
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
mismo Egipto, Ramsés II hizo un censo de las tierras con el objeto de verificar un nuevo
reparto.
También los chinos efectuaron censos hace más de cuarenta siglos. Los griegos
efectuaron censos periódicamente con fines tributarios, sociales (división de tierras) y
militares (cálculo de recursos y hombres disponibles). La investigación histórica revela
que se realizaron 69 censos para calcular los impuestos, determinar los derechos de voto
y ponderar la potencia guerrera.
Pero fueron los romanos, maestros de la organización política, quienes mejor supieron
emplear los recursos de la estadística. Cada cinco años realizaban un censo de la
población y sus funcionarios públicos tenían la obligación de anotar nacimientos,
defunciones y matrimonios, sin olvidar los recuentos periódicos del ganado y de las
riquezas contenidas en las tierras conquistadas. Para el nacimiento de Cristo sucedía uno
de estos empadronamientos de la población bajo la autoridad del imperio.
Durante los mil años siguientes a la caída del imperio Romano se realizaron muy pocas
operaciones Estadísticas, con la notable excepción de las relaciones de tierras
pertenecientes a la Iglesia, compiladas por Pipino el Breve en el 758 y por Carlomagno en
el 762 DC. Durante el siglo IX se realizaron en Francia algunos censos parciales de
siervos. En Inglaterra, Guillermo el Conquistador recopiló el Domesda y Book o libro del
Gran Catastro para el año 1086, un documento de la propiedad, extensión y valor de las
tierras de Inglaterra. Esa obra fue el primer compendio estadístico de Inglaterra.
Durante los siglos XV, XVI, y XVII, hombres como Leonardo de Vinci, Nicolás Copérnico,
Galileo, Neper, William Harvey, Sir Francis Bacon y René Descartes, hicieron grandes
operaciones al método científico, de tal forma que cuando se crearon los Estados
Nacionales y surgió como fuerza el comercio internacional existía ya un método capaz de
aplicarse a los datos económicos.
Para el año 1532 empezaron a registrarse en Inglaterra las defunciones debido al temor
que Enrique VII tenía por la peste. Más o menos por la misma época, en Francia la ley
exigió a los clérigos registrar los bautismos, fallecimientos y matrimonios. Durante un
brote de peste que apareció a fines de la década de 1500, el gobierno inglés comenzó a
publicar estadística semanal de los decesos. Esa costumbre continuó muchos años, y en
1632 estos Bills of Mortality (Cuentas de Mortalidad) contenían los nacimientos y
4
4
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
fallecimientos por sexo. En 1662, el capitán John Graunt usó documentos que abarcaban
treinta años y efectuó predicciones sobre el número de personas que morirían de varias
enfermedades y sobre las proporciones de nacimientos de varones y mujeres que cabría
esperar. El trabajo de Graunt, condensado en su obra Natural and Political
Observations...Made upon the Bills of Mortality (Observaciones Políticas y Naturales...
Hechas a partir de las Cuentas de Mortalidad), fue un esfuerzo innovador en el análisis
estadístico.
Por el año 1540 el alemán Sebastián Muster realizó una compilación estadística de los
recursos nacionales, comprensiva de datos sobre organización política, instrucciones
sociales, comercio y poderío militar. Durante el siglo XVII aportó indicaciones más
concretas de métodos de observación y análisis cuantitativo y amplió los campos de la
inferencia y la teoría Estadística.
Los eruditos del siglo XVII demostraron especial interés por la Estadística Demográfica
como resultado de la especulación sobre si la población aumentaba, decrecía o
permanecía estática.
En los tiempos modernos tales métodos fueron resucitados por algunos reyes que
necesitaban conocer las riquezas monetarias y el potencial humano de sus respectivos
países. El primer empleo de los datos estadísticos para fines ajenos a la política tuvo
lugar en 1691 y estuvo a cargo de Gaspar Neumann, un profesor alemán que vivía en
Breslau. Este investigador se propuso destruir la antigua creencia popular de que en los
años terminados en siete moría más gente que en los restantes, y para lograrlo hurgó
pacientemente en los archivos parroquiales de la ciudad. Después de revisar miles de
partidas de defunción pudo demostrar que en tales años no fallecían más personas que
en los demás. Los procedimientos de Neumann fueron conocidos por el astrónomo inglés
Halley, descubridor del cometa que lleva su nombre, quien los aplicó al estudio de la vida
humana. Sus cálculos sirvieron de base para las tablas de mortalidad que hoy utilizan
todas las compañías de seguros.
Durante el siglo XVII y principios del XVIII, matemáticos como Bernoulli, Francis Maseres,
Lagrange y Laplace desarrollaron la teoría de probabilidades. No obstante durante cierto
tiempo, la teoría de las probabilidades limitó su aplicación a los juegos de azar y hasta el
siglo XVIII no comenzó a aplicarse a los grandes problemas científicos.
5
5
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
Jacques Quételect es quien aplica las Estadísticas a las ciencias sociales. Este interpretó
la teoría de la probabilidad para su uso en las ciencias sociales y resolver la aplicación del
principio de promedios y de la variabilidad a los fenómenos sociales. Quételect fue el
primero en realizar la aplicación práctica de todo el método Estadístico, entonces
conocido, a las diversas ramas de la ciencia.
Los estudiantes confunden comúnmente los demás términos asociados con las
Estadísticas, una confusión que es conveniente aclarar debido a que esta palabra tiene
6
6
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
Al conjunto de los distintos valores numéricos que adopta un carácter cuantitativo se llama
variable estadística.
• Discretas: sólo pueden tomar valores enteros (1, 2, 8, -4, etc.). Por ejemplo: número de
hermanos (puede ser 1, 2, 3...., etc., pero, por ejemplo, nunca podrá ser 3.45).
7
7
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
• Continuas: pueden tomar cualquier valor real dentro de un intervalo. Por ejemplo, la
velocidad de un vehículo puede ser 90.4 km/h, 94.57 km/h...etc.
Cuando se estudia el comportamiento de una variable hay que distinguir los siguientes
conceptos:
• Individuo: cualquier elemento que porte información sobre el fenómeno que se estudia.
Así, si estudiamos la altura de los niños de una clase, cada alumno es un individuo; si se
estudia el precio de la vivienda, cada vivienda es un individuo.
• Población: conjunto de todos los individuos (personas, objetos, animales, etc.) que
porten información sobre el fenómeno que se estudia. Por ejemplo, si se estudia el precio
de la vivienda en una ciudad, la población será el total de las viviendas de dicha ciudad.
Hacia fines del siglo XVII, ya existían investigaciones semejantes a nuestros censos
modernos. Al mismo tiempo, las compañías de seguros empezaban a recopilar tablas de
mortalidad para determinar las primas de seguros de vida. En las primeras etapas de
desarrollo, la estadística incluía poco más que la obtención, clasificación y presentación
de datos numéricos. Aún hoy en día, estas actividades siguen siendo una parte
importante de la Estadística.
8
8
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
- Económicas.
- Tiempo: si la población es muy grande llevaría tanto tiempo analizarla que incluso la
característica de interés podría variar en ese período. Por ejemplo, la tasa de paro.
Supongamos que estudiamos una variable X en una población y sabemos que presenta
una distribución Fθ, donde θ es el parámetro de la distribución y es desconocido. Los
problemas de inferencia que pueden darse son: de estimación, en los que se busca un
valor (estimación puntual) para θ o un conjunto de valores posibles para el mismo
(estimación por intervalos de confianza), y de contraste, cuyo objetivo es comprobar si es
cierta o falsa cierta hipótesis formulada sobre el parámetro θ. En el Tema 7 se estudia la
estimación puntual y por intervalos de confianza, y en Tema 8 estudiaremos problemas de
contraste de hipótesis. Ejemplo: Supongamos que queremos estudiar el tiempo de fallo de
una población de cierto tipo de componentes. Intuimos (por estudios anteriores por
ejemplo) que el tiempo de fallo X sigue una distribución Exponencial, X → Exp(λ), con λ
desconocido, ya que no observamos el tiempo de fallo de todos los componentes de la
población.
9
9
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
Conforme aumenta la complejidad del ser vivo, aumenta también la complejidad de sus
decisiones y la forma en que éstas se toman. Así, pasamos de una toma de decisiones
guiada instintivamente, a procesos de toma de decisiones que deben estar guiados por un
pensamiento racional en el ser humano. La Teoría de la Decisión tratará, por tanto, el
estudio de los procesos de toma de decisiones desde una perspectiva racional.
10
10
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
11
11
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
Población. Es el conjunto formado por todos los valores posibles que puede asumir,
la variable objeto de estudio.
Por tanto, no es extraño escuchar expresiones tales como, "se hizo un estudio de los
niveles de ingreso de la población trabajadora colombiana", entendiéndose con ello
que el elemento estadístico objeto de análisis fue el registro numérico de los ingresos.
El concepto de muestra tiene también las dos connotaciones que hemos señalado para
la población.
13
13
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
se generará luego. De todas formas, la recolección por sí sola no garantiza la calidad del
saber producido.
LA MUESTRA ALEATORIA
Para estudiar una población existen dos posibilidades. Una de ellas consiste en estudiar
todos sus elementos y sacar conclusiones; la otra consiste en estudiar sólo una parte de
ellos, una muestra, elegidos de tal forma que nos digan algo sobre la totalidad de las
observaciones de la población. El mejor método ser el primero, cuando es posible, lo cual
sólo ocurre en las poblaciones finitas y razonablemente pequeñas; en el caso de
poblaciones muy grandes o infinitas será muy difícil o imposible realizar un estudio total.
En este caso necesitaremos tomar una muestra y nos surgirá el problema de cómo hacer
para que la muestra nos diga algo sobre el conjunto de la población.
La condición más obvia que se le puede pedir a una muestra es que sea representativa
de la población. Está claro que si no conocemos la población no podemos saber si la
muestra es representativa o no. La única forma de tener cierta garantía de que esto
ocurra es tomar nuestra muestra de forma que cada individuo de la población y cada
subgrupo posible de la población tengan igual probabilidad de ser elegidos. A este tipo de
muestras se les llama muestras aleatorias o muestras al azar.
15
15
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
Si la población está subdividida en grupos podemos tomar otro tipo de muestra en la que
cada grupo de la población está representado por un porcentaje de individuos igual al
porcentaje de individuos de la población integrados en ese grupo. Este tipo se llama
muestra al azar estratificado.
PARÁMETROS Y ESTADÍSTICOS
Parámetros poblacionales
Parámetros muéstrales
Los Parámetros muéstrales no son constantes sino variables aleatorias pues sus valores
dependen de la estructura de la muestra que no es siempre la misma como consecuencia
del muestreo aleatorio. A estas variables se les suele llamar estadísticos.
Estadísticos de centralidad:
16
16
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
2) La mediana
En una variable se define como el punto para el cual la función de distribución alcance el
valor 0.5; en una muestra la mediana es el valor central.
17
17
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
En resumen, podríamos decir que la mediana es el valor que es mayor o igual que el 50%
de las observaciones de la muestra y menor o igual que el otro 50%.
Es más fácil de calcular que la media aritmética y apenas se afecta por observaciones
extremas; sin embargo tiene mayor varianza que X y sólo toma en cuenta la información
de los valores centrales de la muestra.
3) La moda
La media es el estadístico de centralidad más usado cuando uno espera que la población
tenga una distribución más o menos simétrica, sin estar clasificada en grupos claramente
diferenciados.
En el caso de distribuciones muy asimétricas, con una cola muy larga, la mediana es,
normalmente, el valor de elección dado que la media suele estar desplazada respecto al
núcleo principal de observaciones de la variable. En estos casos, la mediana es el valor
que mejor expresa el punto donde se acumulan mayoritariamente las observaciones de la
variable.
Los cuartiles son tres valores que dividen la distribución en cuatro partes equivalentes
porcentualmente.
18
18
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
El primer cuartil es el valor que es mayor o igual que el 25% de las observaciones de la
muestra y menor o igual que el 75%.
Estadísticos de dispersión
El rango
Se afecta mucho por observaciones extremas y utiliza únicamente una pequeña parte de
la información.
La varianza
19
19
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
20
20
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIALESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA
INFERENCIAL
La desviación típica
Coeficiente de variación
21
21
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA INFERENCIAL I
INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
10.1 APLICACIONES
C=19.1 LI =94.9
95.0 99.6 101.0 103.6 105.6 110.0 116.1 120.0 125.6 140.0 148.2 150.4 155.2 158.9 165.2 170.6 176.0 180.0 190.3 195.9
95.1 99.6 101.0 103.8 105.6 110.2 116.3 120.3 125.9 140.0 148.2 150.5 155.2 159.6 165.2 170.7 178.1 181.4 191.6 195.9
95.1 99.6 101.2 103.8 105.8 110.6 116.3 120.8 125.9 140.1 148.2 150.5 155.3 159.6 165.3 170.8 178.3 181.4 191.6 196.0
97.2 99.9 101.2 103.9 106.0 110.6 116.3 123.0 126.0 140.1 148.2 150.5 155.4 159.8 165.4 171.2 178.4 182.3 191.6 196.0
97.8 100.0 101.3 104.1 106.0 110.6 116.3 123.6 126.0 141.2 148.3 151.6 155.5 159.8 165.5 171.6 178.6 184.2 191.7 196.0
98.3 100.1 101.3 104.6 106.1 110.7 116.9 123.6 126.1 141.3 148.3 152.9 155.6 159.9 165.5 171.3 178.6 184.5 191.7 196.2
98.5 100.1 101.4 104.9 106.3 110.8 118.0 123.7 128.6 141.3 148.5 152.9 155.7 160.0 165.6 172.3 178.7 184.6 192.3 196.2
98.5 100.5 101.6 105.0 106.3 110.9 118.9 123.8 128.9 141.5 148.6 153.2 155.7 161.3 165.6 172.3 178.9 184.6 192.3 196.3
98.5 100.6 101.8 105.1 106.4 111.0 118.9 124.0 130.2 141.6 148.7 154.0 155.7 161.3 165.7 172.3 178.9 185.0 192.6 197.8
99.0 100.6 101.9 105.1 106.4 114.3 118.9 124.0 130.2 141.7 148.8 154.3 155.8 161.4 165.8 174.5 179.0 186.3 193.6 199.8
99.0 100.7 101.9 105.2 106.5 114.6 119.0 124.3 130.5 141.8 149.9 154.4 155.9 161.5 165.9 175.0 179.0 186.9 193.7 199.8
99.1 100.8 102.0 105.4 106.9 114.6 119.1 124.8 130.6 143.0 149.9 154.4 158.0 161.5 170.0 175.1 179.1 188.7 193.8 199.9
99.2 100.9 102.0 105.4 108.3 115.6 119.1 124.8 130.6 143.2 149.9 155.0 158.1 164.3 170.1 175.6 179.3 188.9 193.8 199.9
99.4 100.9 102.1 105.5 108.7 115.9 119.1 125.0 130.6 144.2 149.9 155.1 158.1 164.4 170.3 175.6 179.4 188.9 194.0 200.0
22
22
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA INFERENCIAL I
INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
99.6 100.9 103.0 105.6 109.0 115.9 119.1 125.1 130.9 145.0 150.0 155.1 158.2 164.4 170.5 175.7 179.4 188.9 194.1 200.0
L.R.I L.I L.S L.R.S F X FX D FD U FU U^2 F(U^2) (x-x)^2 F(x-x)^2 > <
lx-xl Flx-xl
-
94.85 94.9 113.9 113.95
84 104.4 8769.6 -38.23 3210.9 -2 -168 4 336 38.85 3263.79 1509.69 157611.13 300 0
113.95 114.0 133.0 133.05 51 123.5 6299.8 -19.10 -974.1 -1 -51 1 51 19.73 1006.21 389.26 48083.31 216 84
133.05 133.1 152.1 152.15 35 142.6 4991.9 0.00 0.0 0 0 0 0 0.63 22.04 0.40 13.88 165 135
152.15 152.2 171.2 171.25 60 161.7 9703.5 19.10 1146.0 1 60 1 60 18.47 1108.22 341.15 20469.19 130 170
171.25 171.3 190.3 190.35 41 180.8 7413.8 38 1566 2 82 4 164 37.57 1540.38 1411.5299 57872.73 70 230
190.35 190.4 209.4 209.45 29 199.9 5797.8 57.30 1661.7 3 87 9 261 56.67 1643.44 3211.53 93134.27 29 271
209.45 0 300
23
23
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA INFERENCIAL I
INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
24
24
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA
INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
MEDIA
ΣFX 42976.4
METODO LARGO : X́= = =¿143.25
N 300
ΣFD 188.90
METODO CORTO : X́= A+ =142.6+ =142.6+0.63=¿ 143.23
N 300
MEDIANA
N 300
MEDIANA : medLRI+ C
2
−ΣFI
Fmed [ ]
=133.05+19.1
2
−135
35
=¿ [
138.51
]
MODA
Δ1 84
MODA :medLRI + C [ Δ 1+ Δ2]=94.85+19.1 [
84 +33 ]
= 94.85+ 19.1 ( 0.71 ) =¿108.56
Δ1=84−0=84 Δ 2=84−51=33
DESVIACIÓN MEDIA
Σ F ( X− X́ ) 8584.09
DM : = =¿28.61
N 300
DESVIACIÓN TÍPICA
S : √ ΣF ¿ ¿ ¿35.52
ΣF U 2
S :C
√ N
−¿ ¿32.56
25
25
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA
INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
26
26
ESTADISTICA INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIALESTADISTICA
INFERENCIAL I INTRODUCCIÓN A LA ESTADÍSTICA INFERENCIAL
350
300
250
200
Mayor que
Menor que
150
100
50
0
94.85 113.95 133.05 152.15 171.25 190.35 209.45
27
27