Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADÍSTICA APLICADA
Profesor: Bachiller:
Lic. Martínez, Milagros Basanta, José – C.I: 28.699.790
Otro concepto o base lógica es la ley de los grandes números que engloban varios
teoremas que describen el comportamiento del promedio de una sucesión de variables
aleatorias conforme aumenta su número de ensayos. Estos teoremas prescriben condiciones
suficientes para garantizar que dicho promedio converja (en los sentidos explicados abajo)
al promedio de las esperanzas de las variables aleatorias involucradas. Las distintas
formulaciones de la ley de los grandes números (y sus condiciones asociadas) especifican la
convergencia de formas distintas.
Las leyes de los grandes números explican por qué el promedio de una muestra al
azar de una población de gran tamaño tenderá a estar cerca de la media de la población
completa. A esto se le añade el teorema del límite central el cual indica que, en condiciones
muy generales, si Sn es la suma de n variables aleatorias independientes y de varianza no
nula pero finita, entonces la función de distribución de Sn «se aproxima bien» a una
distribución normal (también llamada distribución gaussiana, curva de Gauss o campana de
Gauss). Así pues, el teorema asegura que esto ocurre cuando la suma de estas variables
aleatorias e independientes es lo suficientemente grande.
- Intervalo de confianza: Es una expresión del tipo [θ1, θ2] o θ1 ≤ θ ≤ θ2, donde θ
es el parámetro a estimar. Este intervalo contiene al parámetro estimado con un
determinado nivel de confianza. Pero a veces puede cambiar este intervalo cuando
la muestra no garantiza un axioma o un equivalente circunstancial.
- Nivel de confianza y Significación: Representa el porcentaje de intervalos que
tomados de 100 muestras independientes distintas contienen en realidad el valor
desconocido. En estas circunstancias, α es el llamado error aleatorio o nivel de
significación, esto es, el número de intervalos sobre 100 que no contienen el valor.
Pasando de los conceptos, hablemos de la estimación de proporción poblacional, el
cual, es un parámetro que describe un valor porcentual asociado con una población. Por
ejemplo, el censo de los Estados Unidos de 2010 mostró que el 83,7% de la población
estadounidense se identificó como no hispana o latina. El valor de .837 es una proporción
de población. En general, se desconocen las proporciones de la población y otros
parámetros de la misma.
- El Anova será requerido en situación que cumplan ciertas condiciones como, por
ejemplo:
Situación 1: Cuando tenemos un grupo de individuos divididos
aleatoriamente en grupos más pequeños bajo distinto tratamiento. Por
ejemplo, usted podría estar estudiando los efectos del té en la pérdida de
peso y formar tres grupos: el té verde, té negro, y sin té.
Situación 2: Similar a la situación 1, pero en este caso los individuos se
dividen en grupos basados en un atributo que poseen. Por ejemplo, usted
podría estar estudiando la fuerza de las piernas de las personas de acuerdo al
peso. Podría dividir a los participantes en categorías de peso (obesidad,
sobrepeso y normal) y medir la fuerza de sus piernas en una máquina de
peso.
Uno de los usos más habituales de las series de datos temporales es su análisis para
predicción y pronóstico (así se hace por ejemplo con los datos climáticos, las acciones de
bolsa, o las series de datos demográficos). Resulta difícil imaginar una rama de las ciencias
en la que no aparezcan datos que puedan ser considerados como series temporales. Las
series temporales se estudian en estadística, procesamiento de señales, econometría y
muchas otras áreas. Son en esencia variables, específicamente, Una variable estadística
cuyos valores varían a lo largo del tiempo. El estudio de las series temporales es diferente
al del resto de las variables estadísticas porque el interés reside habitualmente en la
evaluación de sus cambios a lo largo del tiempo.
Para concluir, explicaré las predicciones con el análisis de las series cronológicas, lo
cual, significa que extendemos los valores históricos al futuro, donde aún no hay
mediciones disponibles. El pronóstico se realiza generalmente para optimizar áreas como
los niveles de inventario, la capacidad de producción o los niveles de personal.
Luego, existen algunas sutilezas relacionadas con la definición del período mismo,
principalmente debido a irregularidades del calendario. Por ejemplo, uno puede decidir que
la agregación mensual comienza el día N de cada mes (en lugar del 1.º), pero si N es mayor
que 28, causa problemas porque no todos los meses tienen más de 28 días.
Bibliografía.
A First Course on Time Series Analysis - un libro de fuente abierta sobre análisis de series
temporales con SAS (Statistical Analysis System)
Online Tutorial 'Recurrence Plot'(animación Flash); bastantes ejemplos (enlace roto
disponible en Internet Archive; véase el historial y la última versión).
Mooney, Christopher Z. (1999). Monte Carlo simulation. Thousand Oaks, Calif.: Sage