Escuela superior de ingeniería mecánica y eléctrica

Unidad Zacatenco
Probabilidad y estadística
Síntesis – Sección 5

Presenta: Bernal Gonzalez Saul Aaron

Titular de materia: García Hernández Apolinar

3EV7

INDICE
Introducción………………………………………………… 3

Tema 5.1 Muestreo estadístico ……………………………. 4

 5.1.2 Teorema de limite central……………………. 5

Tema 5.2 Estimación puntual y por intervalos ……………. 7

Tema 5.3 Prueba de hipótesis ……………………………. 8

Tema 5.4 Regresión lineal y no lineal ……………………… 12

Introducción
Los temas que se presentan a continuación van de la mano con la inferencia
estadística, explicándolo de una manera sencilla y no tan compleja es el conjunto
de métodos y técnicas que permiten inducir, a partir de la información empírica
proporcionada por una muestra.
El trabajo que se presenta a continuación representa los temas a abordar en el 3er
parcial de la materia Probabilidad y estadística, dando los datos mas relevantes
para el estudiante, con el objetivo de que se comprendan de una manera clara y
se demuestre lo aprendido con la realización de este trabajo.
5.1
Muestreo estadístico (Probabilístico)
consisten en seleccionar adecuadamente una muestra y obtener información
estadística útil para su aplicación y la toma de decisiones. La muestra debe lograr
una representación clara de esa población, en la que se reproduzca de la mejor
manera los rasgos esenciales de dicha población que son importantes para la
investigación.
De esta manera, teniendo en cuenta la definición general de lo que es un
muestreo, podemos abarcar lo que es el muestreo aleatorio probabilístico y el
muestreo no probabilístico que se dividen en 4 cada una de ellas (de acuerdo a lo
visto en clase)
Muestreo probabilístico
a) Simple
b) Estratificado
c) Sistemático
d) Conglomerado/Closter

Muestreo no probabilístico
a) Cuotas
b) Muestreo por conveniencia
c) Bola de nieve
d) Discrecional
5.1.2
Teorema de limite central
Cuando sumamos un número grande de variables, la variable resultante sigue una
distribución normal.
cuando se suma un número grande de variables aleatorias, la variable resultante
es una variable con distribución aproximadamente igual a la distribución normal
Cuando el tamaño de la muestra es lo suficientemente grande, la distribución de
las medias sigue aproximadamente una distribución normal. El teorema se aplica
independientemente de la forma de la distribución de la población
Características.
 la distribución de la suma de variables aleatorias tiende a una distribución normal
cuando la cantidad de variables es muy grande. Es decir, garantiza una
distribución normal cuando n es suficientemente grande.
EJEMPLO

Las bolsas de sal envasadas por una máquina tienen   y  .

Las bolsas se empaquetaron en cajas de   unidades. Calcular la probabilidad
de que la media de los pesos de las bolsas de un paquete sea menor que 
.Calcular la probabilidad de que una caja   de bolsas pese más de  .
https://www.superprof.es/apuntes/escolar/matematicas/estadistica/inferencia/
teorema-central-del-limite.html
(ejemplo tomado de esta fuente de internet)
 Estimación puntual y por intervalos
Estimación puntual
Tiene como prioridad establecer un único valor que corresponda a las
características de la población. El objetivo de la estimación puntual es aproximar el
valor del parámetro desconocido
Para ello se utiliza la información de la muestra (x1,x2,…,xn), a través de
un estimador.
Algunos estimadores frecuentes son:
Media muestral, para estimar la media teórica de una variable X

Ejemplo: Media poblacional µ, un estimador se denota por ˆµ. Un estimador puede

ser la media muestral
µˆ = X¯ = X1 + .... + Xn n ⇐ Estimador: función de la muestra

Estadístico. Un estadístico T es una función real de la muestra aleatoria (X1, X2, .

. . ..., Xn).
Estimador. Estadístico que se usa para estimar un parámetro.
Estimación. Realización específica de un estimador.
Estimador Puntual. Función de la muestra que da como resultado un único valor.
La correspondiente realización se llama estimación puntual del parámetro.

ESTIMACIÓN POR INTERVALOS

Se determina el intervalo de valores donde es más probable se encuentre el
parámetro. Nivel de confianza: Es la probabilidad de que el intervalo calculado
contenga al valor del parámetro.
Nivel de confianza: Es la probabilidad de que el intervalo calculado contenga al
valor del parámetro.
donde: 1 − 𝛼 = nivel de confianza

Prueba de hipótesis
Una prueba de hipótesis es una regla que especifica cuando se puede aceptar o
rechazar una afirmación sobre una población dependiendo de la evidencia
proporcionada por una muestra de datos.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es la afirmación que se
está comprobando. Normalmente la hipótesis nula es una afirmación de "sin
efecto" o "sin diferencia". La hipótesis alternativa
Basándose en los datos de la muestra, la prueba determina cuando rechazar la
hipótesis nula. Se utiliza un valor, para realizar esa determinación. Si el p-valor es
menos que el nivel de significación (conocido como α o alfa), entonces se puede
rechazar la hipótesis nula.

Ejemplos de algunas preguntas que se pueden responder con una prueba de hipótesis:

¿La altura media de las mujeres en secundaria difiere de 168 cm?

¿La desviación estándar de sus alturas es igual o menor que 13 cm?

¿Los estudiantes masculinos y femeninos difieren en su altura promedio?

¿Es la proporción de estudiantes masculinos de secundaria significativamente más alta que

la proporción de estudiantes femeninas de secundaria?

Fuente: https://www.addlink.es/noticias/minitab/2852-que-es-una-prueba-de-hipotesis
Cuando se rechaza la hipótesis nula, se tiene una prueba estadística de que la
alternativa es cierta. Y si no se rechaza la hipótesis nula, no se tiene prueba
estadística de que la hipótesis nula sea cierta.

Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que
el parámetro de la población bajo estudio puede tomar. Esta afirmación puede
estar basada en alguna creencia o experiencia pasada que será contrastada con
la evidencia que nosotros obtengamos a través de la información contenida en la
muestra. Esto es a lo que llamamos prueba de hipótesis, fragmentada en 2:

Hipótesis Nula
La Hipótesis Nula, denotada como H0 siempre especifica un solo valor del
parámetro de la población si la hipótesis es simple o un conjunto de valores si es
compuesta (es lo que queremos desacreditar)

Hipótesis Alternativa
La Hipótesis Alternativa, denotada como H1 la que se establece en base a la
evidencia que tenemos es decir, es la afirmación que se desea ser capaz de
concluir que es verdadera basándose en la evidencia proporcionada por los datos
de la muestra.

Dos decisiones correctas son posibles: Rechazar H0 cuando es falsa No Rechazar H0

cuando es verdadera.
Dos decisiones incorrectas son posibles: Rechazar H0 cuando es verdadera No Rechazar
H0 cuando es falsa
Ejemplo (tomado como muestra de internet)

1. Especificar las hipótesis.

 En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la
media de la población de todos los tubos es igual a 5 cm. Formalmente,
esto se escribe como: H0: μ = 5

Luego, el gerente elige entre las siguientes hipótesis alternativas:

Condición que se probará Hipótesis alternativa

La media de la población es menor que el unilateral: μ < 5

objetivo.

La media de la población es mayor que el unilateral: μ > 5

objetivo.

La media de la población es diferente del objetivo. bilateral: μ ≠ 5

Ejemplo:
(Ejemplo sacado de fuente de internet)
Como tiene que asegurarse de que los tubos no sean más grandes ni más
pequeños de 5 cm, el gerente elige la hipótesis alternativa bilateral, que
indica que la media de la población de todos los tubos no es igual a 5 cm.
Formalmente, esto se escribe como H1: μ ≠ 5

2. Elegir un nivel de significancia (también denominado alfa o α).

El gerente selecciona un nivel de significancia de 0.05, que es el nivel de

significancia más utilizado.

3. Determinar la potencia y el tamaño de la muestra para la prueba.

El gerente utiliza un cálculo de potencia y tamaño de la muestra para

determinar cuántos tubos tiene que medir para tener una buena
probabilidad de detectar una diferencia de 0.1 cm o más con respecto al
diámetro objetivo.
 4. Recolectar los datos.

Recoge una muestra de tubos y mide los diámetros.

5. Comparar el valor p de la prueba con el nivel de significancia.

Después de realizar la prueba de hipótesis, el gerente obtiene un valor p de

0.004. El valor p es menor que el nivel de significancia de 0.05.

6. Decidir si rechazar o no rechazar la hipótesis nula.

El gerente rechaza la hipótesis nula y concluye que el diámetro medio de

todos los tubos no es igual a 5 cm.
Estadístico de prueba
Es una variable aleatoria que se calcula a partir de datos de muestra y se utiliza en
una prueba de hipótesis. Puede utilizar los estadísticos de prueba para determinar
si puede rechazar la hipótesis nula. El estadístico de prueba compara sus datos
con lo que se espera bajo la hipótesis nula.
Región de rechazo
Puede considerarse como el conjunto de valores de la estadística de prueba que
no tienen posibilidad de presentarse si la hipótesis nula es verdadera.

https://support.minitab.com/es-mx/minitab/20/help-and-how-to/statistics/basic-
statistics/supporting-topics/basics/example-of-a-hypothesis-test/
(Esta fuente involucra el tema “prueba de hipótesis”)
 Regresión lineal y no lineal
Nos funciona para describir una variable de respuesta continua como una función
de una o varias variables y puede ayudar a comprender y predecir el
comportamiento de sistemas complejos o a analizar datos experimentales o bien
de manera más concreta y sencilla, como se comentó en clase; para encontrar la
recta del mejor ajuste
Ecuación Estimada de regresión lineal: ŷ = 𝑏0 + 𝑏1 X
Donde:
Ŷ=Variable
𝑏0 = Coeficiente constante no varía un solo valor (intercepto u ordenada al origen)
𝑏1 = Coeficiente constante no varía un solo valor (pendiente)
X= Variable
 ŷ es el valor estimado de y para un valor específico de x. 𝑏0 𝑦 𝑏1 se
calculan usando el método de mínimos cuadrados.

REGRESION NO LINEAL
La regresión no lineal se usa cuando se quieren estimar los parámetros de un
modelo no lineal que relaciona una respuesta Y
En contraste/diferencia con la regresión lineal, no podemos utilizar el método de
“mínimos cuadrados” ordinarios para ajustar los datos
Para decir que una regresión es no lineal, debe cumplir que:
Existe una relación no lineal entre la variable dependiente y el conjunto de
variables independientes.
Su modelo debe ser una función no lineal de los parámetros , no necesariamente
las características .

REGRESION NO LINEAL

REGRESION LINEAL

file:///C:/Users/Administrator/Downloads/10003-Article%20Text-18133-1-10-
20090701.pdf
https://la.mathworks.com/discovery/linear-regression.html (Estas fuentes son
para el tema de regresión, no involucra los demás temas)
Conclusión

La presente “Síntesis” se espera cumplir con las expectativas del

docente con la entrega de este trabajo ya que fue realizado con arduas
horas de trabajo independientemente de los acontecimientos
presentados en otras materias.