Documentos de Académico
Documentos de Profesional
Documentos de Cultura
U1 - Introducción A La Estadística Inferencial PDF
U1 - Introducción A La Estadística Inferencial PDF
Unidad:
Introducción a la
Estadística Inferencial y la
Estimación
Importancia
Esta unidad es importante porque nos permite estimar los
parámetros de una población, tal como el número promedio de
hijos por familia en una ciudad, una región, un País, etc., así
también nos permite estimar los parámetros de un proceso
productivo, tal como tiempo promedio de fabricación de un
artículo, una prenda, una pieza mecánica, un ensamblado, etc.
Contenido general
Introducción a la estadística Inferencial.
Distribución muestral y estimación de la media y la
diferencia de medias, con varianza conocida y
desconocida.
Introducción a la estadística Inferencial
Introducción a la estadística inferencial
ESTADÍSTICA
Estadística Estadística
Descriptiva Inferencial
Introducción a la estadística inferencial
Estadística Estadística
Inferencial Descriptiva
Población Muestra
Inferencia
del
resultado
Introducción a la estadística inferencial
X1
X1
X2
X2
X3
X3
X4
X4
e = X - μ (margen de error)
Ejemplo de Error Muestral
• Hallar el error muestral de la edad promedio de una población de adolescentes,
si de esta se extrae una muestra aleatoria de 25 adolescentes, siendo los
resultados obtenidos Media de la muestra 12, y Media de la población 15.
Ejemplo de Error Muestral
Ejemplo: Distribución muestral de la media
con varianza conocida
Distribución muestral y estimación de la
media y la diferencia de medias, con
varianza conocida y desconocida
Propiedades de la distribución muestral,
teorema de límite central
La Media
Error Muestral
Muestral
Desviación Cuando la
Estándar Población es
Muestral Normal
Teorema de
Límite Central
Propiedades de la distribución
muestral: Error muestral
e1 + e2 + e3 + e4 +…….. en = 0
Se cumple que :
µx = μ
Propiedades de la distribución muestral:
Desviación estándar muestral para una
población infinita
𝜎
ơx =
𝑛
Donde:
σx = Desviación Estándar Muestral
σ = Desviación Estándar Poblaciónal
n = Número de elementos de la Muestra
Propiedades de la distribución muestral:
Desviación estándar muestral para una
población finita
Pero si la distribución muestral es para una población
finita y LA MUESTRA FORMADA ES SIN REPOSICION se
utilizara la siguiente formula:(los eventos ya no serán
independientes)
𝜎 𝑁−𝑛
ơx =
𝑛 𝑁−1
Donde:
σx = Desviación Estándar Muestral
σ = Desviación Estándar Poblaciónal
N = Tamaño de la población
n = Tamaño de la Muestra
Propiedades de la distribución muestral: cuando la población es normal
Si la población de la que se extraen las muestras es normal, la distribución muestral de medias será
también normal sin importar el tamaño de la muestra (n≥ 2).
N (µx, σ2/𝑛)
Y el valor de Z se transformara de:
𝑋𝑖 − 𝜇 𝑋𝑖−µ
Z= en: Z= 𝜎
𝜎
𝑛
Propiedades de la distribución muestral:
Teorema de límite central
σ2
N (μ, )
𝑛
Distribución muestral
Distribución Muestral
Distribución Muestral
para la Diferencia de
para la Diferencia de
Medias con Varianzas
Medias con Varianzas
Iguales pero
Conocidas
Desconocidas
Distribución muestral de la media con varianza conocida
Para hallar la probabilidad de la Media Muestral, cuando se conoce la varianza poblacional, y la media poblacional, la
variable aleatoria x, tiene una distribución aproximadamente normal:
𝑋−µ
Z= PROBABILIDAD CUANDO LA POBLACION ES FINITA, INFINITA, y la muestra obtenida con reposición.
σ/ 𝑛
O LA POBLACION ES INFINITA Y SIN REPOSICION.
𝑋−µ
Z= PROBABILIDAD CUANDO LA POBLACION ES FINITA N y la muestra obtenida sin reposición.
σ 𝑁−𝑛
∗( )
𝑛 𝑁 −1
Donde: 𝜇 media poblacional
X media muestral
σ es la desviación estándar poblaciónal
Z Coeficiente de Distribución Normal
N es el tamaño de la población
n es el tamaño de la muestra
Distribución muestral de la media con
varianza desconocida
Para hallar la probabilidad de la Media Muestral, para
una distribución aproximadamente normal y n < 30 ,
cuando no se conoce la varianza poblacional, pero si la
varianza muestral, usaremos:
𝑥−𝜇
t= 𝑆
𝑛
𝑋−𝜇
Z= 𝜎
𝑛
Si las distribuciones no son normales y los tamaños de muestra n1 < 30 y n2 < 30, pero se
conocen las varianzas poblacionales, se utilizará también Z.
µ𝑥1−µ𝑥2 −(µ1−µ2)
Z=
ơ2 1 ơ2 2
+
𝑛1 𝑛2
Luego el intervalo de confianza para las Diferencia de las medias Poblacionales será:
𝜎21 ơ22
Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 x +
𝑛1 𝑛2
Distribución Muestral para la diferencia de Medias con varianzas
iguales pero desconocidas
Cuando las Poblaciones son Normales e independientes y las Varianzas σx2 = σy2 son iguales
pero no se conocen, pero los valores de sus varianzas muestrales son conocidas, y el tamaño
de las muestras son < 30, aplicaremos la siguiente formula:
µ𝑥1−µ𝑥2 −(µ1−µ2) 1 1
t= 1 1 Intervalo (μ1-μ2) = (µx1 – µx2) +/- tơ/2 xSp +
𝑆𝑝 𝑥 + 𝑛1 𝑛2
𝑛1 𝑛2
Donde:
Intervalo de Estimación
Intervalo de Estimación
para la diferencia de
para la diferencia de
Medias con varianzas
Medias con varianzas
diferentes y
conocidas
desconocidas
Intervalo de Estimación para la Media
con varianza conocida
𝑛
Intervalo de Estimación para la Media
con varianza desconocida y n ≥ 30
𝑛
Intervalo de Estimación para la Media
con varianza desconocida y n < 30
𝑛
Intervalo de Estimación para la
diferencia de Medias con varianzas
conocidas
ơ21 ơ22
Intervalo (μ1-μ2) = (µx1 – µx2) +/- Zơ/2 x +
𝑛1 𝑛2
Intervalo de Estimación para la diferencia de Medias con varianzas
iguales pero desconocidas
donde t α/2 es el valor t con n1+n2-2 grados de libertad, por arriba del cual encontramos un
área de α/2 y un nivel de confianza de 1 – α.
Intervalo de Estimación para la diferencia de Medias con varianzas
diferentes y desconocidas
Cuando las Poblaciones son Normales e independientes pero las Varianzas σ21 ≠ σ22 son diferentes y
desconocidas, y tamaños de muestra n , m < 30, utilizaremos la siguiente formula, para hallar el
intervalo de estimación:
𝑆21 𝑆22
Intervalo (μ1-μ2) =(µx1 – µx2)+/- t(v,𝛂/2) +
𝑛1 𝑛2
𝑆12 𝑆22 2
+
𝑛1 𝑛2
V= 𝑆12 2 𝑆22 2
𝑛1 + 𝑛2 V= grados de libertad, se redondea al
𝑛1−1 𝑛2−1 inmediato superior
Ejemplo de Distribución Muestral de
la Media con Varianza Conocida
Ejemplo: Distribución Muestral de la Media con Varianza
• Una empresa eléctrica fabrica focos que tienen un tiempo de duración que se distribuye en
forma normal, con media 800 horas y desviación estándar de 40 horas. Encuentre la
probabilidad de que una muestra aleatoria de 16 focos tenga una vida promedio de menos
de 775 horas.
conocida y Población Infinita
Ejemplo: Distribución Muestral de la Media con Varianza
conocida y Población Infinita
Demostración:
Distribución Muestral de la Media
con Varianza Desconocida
Ejemplo: Distribución Muestral de la Media
a. Determine el intervalo de confianza al 90% para el peso promedio de todas las latas de
conserva (μx)
Ejemplo: Intervalo de Estimación para la
Media con Varianza Conocida
Intervalo de Estimación para la
Diferencia de Medias con Varianzas
Iguales pero Desconocidas
Demostración:
Intervalo de Estimación para la Diferencia de
Medias con Varianzas Iguales pero
Desconocidas
Diferencia de Medias con varianzas iguales
Ejemplo: Intervalo de Estimación para la
• Los tiempos de vida de dos tipos de focos en horas son las siguientes (ver
cuadro)
Determinar un intervalo de confianza al 95% para la diferencia de medias de los
tiempos de vida de ambos focos, si se supone que las varianzas de las
poblaciones son iguales pero desconocidas.
pero desconocidas
X 481 506 527 661 501 572 561 501 487 524
Y 526 511 556 542 491 537 582 605 558 578
Ejemplo: distribución muestral de la media
con varianza desconocida
Conclusiones
QUE APRENDIMOS EN ESTA SESIÓN:
Conceptos de Distribución Muestral de la Media.
Que es el Margén de Error.
Las Propiedades de la Distribución Muestral de la
Media.
Estadísticos de la Distribución Muestral de la Media.
Cálculo del Intervalo de Estimación de la Media
Poblacional.
Estadísticos de la Distribución Muestral de la
Diferencia de Medias.
Cálculo del Intervalo de Estimación de la Diferencia de
Medias.
Gracias
Docente: Manuel Enrique Sotero Murga