Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Inferencia
Estadistica Inferencia
CONOCIMIENTO DE LA UNIDAD 1
Por
Wilson Marín. Código. 93.449.053
Lucenys Donado. Código-22.605.697
Wilver Enrique Casas Flórez. Código 1.127.388.789
Yaneth Pino Carrascal. Codigo-60.266.779
John Jairo Hernández Orozco. Código. 10.124.361
posibles que pueden ser tomadas de una población. Su estudio permite calcular la
probabilidad que se tiene, dada una sola muestra, de acercarse al parámetro de la población.
dado. Como bien lo afirma Ximenez, C. (S, F.) “La estadística inferencial trata sobre las
Un estimador es un estadístico (esto es, una función de la muestra) usado para estimar
capacidades, con el fin de evidenciar las características de una población determinada con
el fin de analizar y dar solución a situaciones con la ayuda de los conocimientos acerca de
Objetivos específicos
• Desarrollar procesos de estimación de parámetros involucrando los términos
de variabilidad estadística correspondiente en cada caso que permitan su
adecuada interpretación.
• Desarrollar diversos ejercicios relacionados con distribución de muestreo y
estimaciones.
Resumen interpretativo
Las distribuciones muestrales se entienden como el conjunto de todos los valores posibles
para un estadístico, estos corresponden a los valores que resultan del análisis del muestreo;
en la distribución muestral se tiene en cuenta la población de donde se toma la muestra, la
muestra debe tener cierto tamaño (n), elegidas a l azar, en donde se calcula una estadística de
la muestra, finalmente se observa la distribución de las estadísticas que se obtienen de las
muestras.
Capítulo de Estimación
Clases de estimación
Estimación puntual: Una estimación puntual es un único valor estadístico y se usa para
estimar un parámetro. El estadístico usado se denomina estimador.
µ=92
𝜎 = 3.6
n= 4 componentes
𝜎 2 = (3.6)2
El error estándar es
℮ = 𝜎/√𝑛
℮ = 3.6/ √4
℮ = 3.6 / 2
𝜎 = 40
√𝑛 = 𝑟𝑎í𝑧 𝑐𝑢𝑎𝑑𝑎𝑑𝑎 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
Solución:
40
= 13.33
3
Respuesta: El error muestral es de 13.33
5) El precio medio de venta de casas nuevas durante el último año en cierta ciudad fue
de 115000 dólares. La deviación típica fue de 25000 dólares. Si se toma una muestra
de 100 casa, y la distribución es normal halle:
Asumimos Distribución Normal
Media=115000 dólares
Desviación típica= 25000 dólares
Muestra= 100 casas
a. Hallar la varianza de la media muestral.
Para hallar la varianza muestral se eleva al cuadrado la media muestral
quedando así.
σ2 = (25000)2
σ2 = 625.000.000 varianza de la media muestral.
b. Hallar el error estándar de la media muestral.
El error estándar se obtiene.
σ2 = 25000 = media muestral
√𝑛 = 𝑟𝑎𝑖𝑧 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑎 𝑑𝑒𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠
℮ = σ/√𝑛
℮ = 25.000/√100
℮ = 25.000/10
Media.
3,2 + 4,3 + 2,1 + 2,8 + 3,2 + 3,6 + 4,0 + 3,8
𝑥̅ = = 3,375
8
𝑥̅ = 3,375
Varianza.
Formula
∑(𝑥̅ −𝑋𝑖)2
𝟐
𝝈 =
𝒏−𝟏
𝑥̅ = 3,375
Xi 𝑥̅ − 𝑋𝑖 (𝑥̅ −𝑋𝑖)2
2,1 1.275 1.625
2,8 0.575 0.330
3,2 0.175 0.030
3,2 0.175 0.030
3,6 -0.225 0.050
3,8 -0.425 0.180
4,0 -0.625 0.390
4,3 -0.925 0.850
𝟑,𝟒𝟖𝟓
𝝈𝟐 = = 𝟎. 𝟒𝟗𝟕
𝟕
𝝈𝟐 = 𝟎. 𝟒𝟗𝟕
Desviación Típica.
𝝈 = √0.497 = 0.7
Muestra=8
𝜇 = 3.375
𝜎 = 0.7
Varianza =0.497>
𝑝(𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 > 3.75)
𝑝(𝑥̅ > 3.75)
𝑝(3.375, 0.7)
Lo tipificamos
3.75 − 3.375
𝑧=
0.7
3.75 − 3.375
𝑝(𝑥̅ > 107) = 𝑝 (𝑧 > )
0.7
𝑝(𝑧 > 0.53) = 1 − 𝑝(𝑧 ≤ 0.53) = 1 − 0.7029
2) Se toma una muestra aleatoria de ocho casas en la ciudad de Londres, los precios de
venta de estas casas son (en miles de libras):
𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝜎 = √201.69 = 14.201𝑢2
Respuesta:
𝑥̅ = 101.375
1411.86
𝑠2 = = 201.69
7
𝜎 = √201.69 = 14.201𝑢2
b) Halle la proporción muestral de casas con nivel porcentual mayor a 107
Muestra=8
𝜇 = 101.375
𝜎 = 14.201
Varianza =201.69>
𝑝(𝑚𝑒𝑑𝑖𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 > 107)
𝑥−𝜇 𝑥 − 𝑥̅
𝑧= 𝜎 →𝑧= 𝑠
√𝑛 √𝑛
Lo tipificamos
107 − 101.375
𝑧= = 0.396
14.201
𝑃(𝑥 > 107) = 𝑃(𝑍 > 1.12 =0. 131%
Respuesta:
La proporción muestral de casas con nivel mayor porcentual 107 es de 0.131(ver
GeoGebra.)
3) Se toma una muestra aleatoria de 12 empleados de una gran planta productora, el
número d horas extras que estos empleados hicieron durante el último mes fueron: 22 16
28 12 18 36 23 11 41 29 26 31
MEDIA
∑𝑥
𝑥̅ =
𝑛
11 + 12 + 16 + 18 + 22 + 23 + 26 + 28 + 29 + 31 + 36 + 41
𝑥̅ =
12
293
𝑥̅ = = 24.416
12
VARIANZA
2
∑(𝑥𝑖 − 𝑥̅ )2
𝛿 =
𝑛−1
942.917
δ2 = = 85.719
11
DESVIACIÓN TÍPICA
∑(xi −x̅)2
δ=√ = √85.719 = 9.258
n−1
b. Halle la proporción muestral de horas con nivel porcentual mayor a 19
muestra = 12
𝑥̅ = 24.416 media
δ = 9.258 desviación típica
δ2 = 85.719 varianza
P(media muestral > 19)
P(𝑥̅ > 19)
La tipificamos
19 − 24.416
z=
9.258
19 − 24.416
P(𝑥̅ > 19) = P (z > )
9.258
P(z > −0.58) = 0.71%
-Media= 𝑥̅
79+73+68+77+86+71+69
𝑥̅ = 7
523
𝑥̅ = 7
𝑥̅ = 74.71 → 𝑀𝑒𝑑𝑖𝑎
̅)𝟐
∑(𝒙−𝒙
-Varianza= 𝒔𝟐 = 𝒏−𝟏
𝑠2
(79 − 74.71)2 − (73 − 74.71)2 − (68 − 74.71)2 − (77 − 74.71)2 − (86 − 74.71)2 − (71 − 74.71)2 − (69 − 74.71)2
=
6
18.4041 + 2.9241 + 45.0241 + 5.2441 + 127.4641 + 13.7641 + 32.6041
𝑠2 =
6
245.4287
𝑠2 =
6
𝑠 2 = 40.9048 → 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎.
n= 7
𝐱̅ = 74.71
𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝜎 = √40.9048
𝜎 = 6.39
Z=95%= 1.96
̅ ± 𝚭(𝝈/√𝒏 )
𝝁= 𝒙
Reemplazando:
𝜇 = 74.71 ± 1.96(6.39/√7 )
𝜇 = 74.71 ± 1.96(6.39/2.64)
𝜇 = 74.71 ± 1.96(2.42)
𝜇 = 74.71 ± 4.74
Recordemos que 𝑍𝛼⁄2 es el valor que queda por fuera del intervalo y como se
busaca un intervalo del 95% queda por fuera el 5% dividido en 2.5% por cada
lado del intervalo. Debemos buscar entonces en la tabla de referencia un valor
que contenga el intervalo del 95% + 2.5%, es decir que contenga el 97.5%, es
decir, 0,975
Se suman las dos partes de la tabla y se obtiene como 𝒁𝜶⁄ = 1,96
𝟐
0,45
𝑒𝑟𝑟𝑜𝑟 = 1,96 ∗
√25
0,882
𝑒𝑟𝑟𝑜𝑟 =
5
𝒆𝒓𝒓𝒐𝒓 = 𝟎, 𝟏𝟕𝟔𝟒
Datos
𝝈 = 𝟎, 𝟒𝟓
𝑵 = 𝟐𝟓
̅ = 𝟐, 𝟏
𝑿
¿ 𝑰𝑪𝟗𝟓% 𝒑𝒂𝒓𝒂 𝝁?
̅ − 𝒆𝒓𝒓𝒐𝒓, 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)
𝜎
𝒆𝒓𝒓𝒐𝒓 = 𝑍𝛼⁄2 ∗
√𝑁
Recordemos que 𝑍𝛼⁄2 es el valor que queda por fuera del intervalo y como se busaca un
intervalo del 99% queda por fuera el 1% dividido en 0.5% por cada lado del intervalo.
Debemos buscar entonces en la tabla de referencia un valor que contenga el intervalo
del 99% + 0.5%, es decir que contenga el 99.5%, es decir, 0,995
Se suman las dos partes de la tabla y se obtiene como 𝒁𝜶⁄ = 2,65
𝟐
Ahora reemplazamos para hallar el error
𝝈
𝒆𝒓𝒓𝒐𝒓 = 𝒁𝜶⁄ ∗
𝟐 √𝑵
0,45
𝑒𝑟𝑟𝑜𝑟 = 2,65 ∗
√25
1,1925
𝑒𝑟𝑟𝑜𝑟 =
5
𝒆𝒓𝒓𝒐𝒓 = 𝟎, 𝟐𝟑𝟖𝟓
̅ − 𝒆𝒓𝒓𝒐𝒓 ; 𝑿
𝑰𝑪 = (𝑿 ̅ + 𝒆𝒓𝒓𝒐𝒓)
𝐼𝐶99% = (2,1 − 0,2385; 2,1 + 0,2385)
Conclusión
Con la realización de cada uno de los ejercicios de cada tarea propuesta, se pudo
evidenciar cómo a través de las técnicas y procedimientos de la inferencia estadística se pude
dar solución a una determinada muestra de una población, con el fin de afianzar los
conocimientos de distribuciones y estimaciones muestrales, los cuales permiten la
apropiación de importantes conocimientos que sin duda alguna aportan a nuestro proceso
formativo.
Como docente es importante están en constante formación profesional con el fin de dar lo
mejor a los estudiantes es por ello por lo que este curso es muy importante porque nos
permite realizar una comprensión objetiva, analizar, inferir, realizar diversas hipótesis y
aplicar estos conocimientos en nuestro entorno. Además, son bastante utilizadas para
sondeos de votación, análisis de poblaciones, epidemiologia médica, tendencias, hacer
proyecciones y comparaciones entre otros usos.
Bibliografía
Sierra, J. (2013. ). INFERENCIA ESTADÍSTICA. Módulo de la Universidad Abierta y a
dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/detail.action?docID=10156663&p00
=inferencia+estadistica
dehttp://hdl.handle.net/10596/10539
de http://hdl.handle.net/10596/14556