Documentos de Académico
Documentos de Profesional
Documentos de Cultura
S. CASO DE
UNA
MUESTRA
ELISA MENDOZA G.
2020
CONCEPTOS PREVIOS
• En este punto se tiene conocimiento de los siguientes
conceptos:
• - Población
• - Diferencia entre los tipos de muestreo
• - Unidades de análisis
• - Propósitos del muestreo
• - Estadísticas descriptivas
ELISA MENDOZA G.
• - Distribuciones de probabilidad
DISTRIBUCIÓN DE PROBABILIDAD (CASO DE
V.A.C)
• De todas las distribuciones de probabilidad que se analizan, la distribución normal es la más importante,
dada su característica en forma de campana y la forma como se relaciona con la regla empírica.
• Muchas de las observaciones de la vida real se pueden modelar usando la distribución Normal. Si las
condiciones del asunto tratado satisfacen las condiciones de este importante modelo, se pueden encontrar
respuestas valiosas.
fi
X
PROF. ELISA MENDOZA
VEAMOS UN EJEMPLO
• Supóngase que se mide el peso (en libra) a 250 personas, seleccionadas de forma aleatoria y se elabora una tabla de
frecuencias para determinar su distribución. Además, se calcula la media y la desviación estándar.
ELISA MENDOZA G.
Esta foto de Autor desconocido está bajo licencia CC
Esta generalización
ocurre si la Muestra
es Probabilística.
Los estimadores
obtenidos de la muestra
se generalizan a la
población.
Muestra
Población n: Cantidad de
datos en la
N: Cantidad de datos en
muestra
la Población
Técnica:
Técnica: Censo Muestreo
Ejemplos: μ y σ
Estadísticas que se obtienen: Estimaciones
ESTADÍSTICA INFERENCIAL
PARÁMETROS Y ESTIMADORES
Parámetro (Estadística Estimador y Estimación
Estadístico Censal) (Estadística Muestral)
Media μ
Varianza σ2 s2
Desviación estándar σ s
Proporción P ρ
Total τ
(B,D) 25, 41 33.0 128.0 De todas las muestras la media que más se acerca a la
(C,D) 30, 41 35.5 60.5 verdadera es la muestra (B, C). Donde la media de las
edades es 27.5.
ELISA MENDOZA G.
DISTRIBUCIONES MUESTRALES
ELISA MENDOZA G.
INTRODUCCIÓN
• En una POBLACIÓN, los datos son: 120, 135, 140, 145 y 150,
correspondientes a los pesos en libra de 5 individuos, se selecciona una
muestra de tamaño 2. ¿Cuántas muestras posibles pueden resultar, si N=5, y
n=2?
• El resultado es 10 muestras posibles, de las cuales en la práctica solo elegimos
una muestra y con ella se toman decisiones, se elaboran los intervalos de
confianza y se realizan pruebas de hipótesis sobre el parámetro de estudio.
• Veamos la relación de las estimaciones y el parámetro cuando se realiza
muestreo aleatorio.
ELISA MENDOZA G.
ESTIMADOR DE LA MEDIA Y LA VARIANZA
DE LA MEDIA
ELISA MENDOZA G.
RESULTADOS POSIBLES.
μ = 138
8 de las 10
muestras
estiman la
media
poblacional.
2 muestras no estiman la
media poblacional
Si la media poblacional es 138, y con las medias de las 10 muestras posibles se elaboran los
intervalos de confianza, algo así como en la imagen podría resultar. De las 10 muestras 8
incluyen en el intervalo la media verdadera, mientras que dos muestras no la incluyen.
ELISA MENDOZA G.
ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR
INTERVALO
Un solo valor o estadística Dos valores, un mínimo y un máximo
ELISA MENDOZA G.
CRITERIOS DE
CALIDAD DE UN
ESTIMADOR
Consistent
Insesgado Eficiente
e
ELISA MENDOZA G.
EJEMPLO
Estimación puntual: Media muestral: 1.75 m
1.75
1.80 • La estatura promedio de un grupo
1.90 de estudiantes seleccionados Estimación por intervalo: [1.62, 1.88]
1.75 Este intervalo se refiere a la media de la muestra, a
aleatoriamente, es de: 1.75 m, con una desviación estándar.
1.80
1.90
una desviación estándar de: 0.13
1.75 m
1.60
1.51 Estimación por Intervalo de CONFIANZA,
Con un 95% (de probabilidad), es:
[1.67, 1.83]
Este intervalo es una estimación de la media
ELISA MENDOZA G. poblacional al 95% de confianza
ESTIMACIONES POR INTERVALOS O
INTERVALOS DE CONFIANZA
• Para elaborar los intervalos de confianza, se requieren:
• La estadística o estimación, puede ser la media, una proporción o porcentaje, o
cualquier otro estadístico.
• El error de estimación
• El nivel de confianza (o nivel de significación) con que se quiere determinar el
intervalo de confianza (IC%)
Los dos primeros se calculan a partir de la muestra. El último dato, lo determina
el investigador o analista (o usted).
ELISA MENDOZA G.
ESTIMADORES DE LA MEDIA Y DEL
ERROR
ELISA MENDOZA G.
REGLA EMPÍRICA
Tomado de: Guía práctica del Curso de Bioestadística Aplicada a las Ciencias de la Salud.
ELISA MENDOZA G.
ESTIMACIONES POR INTERVALO PARA LA MEDIA,
CON Σ CONOCIDA
ELISA MENDOZA G.
ESTIMACIONES POR INTERVALO PARA LA
MEDIA
Ejemplo. Usando los datos de la muestra 5, con media: 137.5 y desviación estándar de 3.5, calcular
el Intervalo de confianza para un 95% de acertar en la estimación de la media.
95%
1-α Se tiene un 95% de certeza que la
media poblacional se encuentra entre
ELISA MENDOZA G.
133.3 y 141.7
ESTIMACIONES POR INTERVALO PARA LA
MEDIA CON Σ DESCONOCIDA
ELISA MENDOZA G.
INTERVALO DE
CONFIANZA PARA
PROPORCIÓN
Fórmula para el Intervalo de Confianza para p’
ELISA MENDOZA G.
EJEMPLOS
ELISA MENDOZA G.
DESARROLLE UN ESQUEMA QUE RESUMA
LOS TIPOS DE ESTIMACIONES
• Tome en cuenta:
• - Estimación puntual y por Intervalo de confianza
• - Estimación por Intervalo de confianza para la media, con varianza conocida
• - Estimación por Intervalo de confianza para la media, con varianza desconocida.
• - Estimación por Intervalo de confianza para la proporción.
• - Incluya el Error Estándar cuando la población es infinita y cuando es Finita (factor de
corrección).
ELISA MENDOZA G.
PRÁCTICA
Con los datos poblacionales del ejemplo anterior: 120, 135, 140, 145 y 150, correspondientes a los
pesos en libra de 5 individuos, ahora seleccione muestras de tamaño 3. Con los datos muestrales calcule
las medias de cada muestra.
a). Calcule la media para cada muestra
b). Calcule la Media de todas las medias muestrales
c). Escoja una muestra de las 10 muestras posibles aleatoriamente,
puede usar el método de SORTEO o TÓMBOLA, enumere del 1 al 10 y
escoja solo una muestra.
d). Para la muestra elegida, calcule la media, la desviación estándar
muestral, y el IC95%.
e). Explique los resultados y compare con los parámetros poblacionales.
ELISA MENDOZA G.
“PRUEBA DE
HIPÓTESIS”.
ELISA MENDOZA
27
PRUEBAS DE HIPÓTESIS.
CONTENIDO.
1. Conceptos Generales.
Hipótesis.
2. Pruebas de Hipótesis para una Hipótesis Nula.
sola población. Hipótesis Alternativa.
poblaciones dependientes.
Bioestadística. Elisa Mendoza G.
CONCEPTOS GENERALES
• Las hipótesis son respuestas TENTATIVAS a la o las preguntas de investigación.
• Por lo general, implican parámetros estadísticos como: promedios, proporción,
varianzas, relación de variables, etc.
• Están estrechamente relacionadas con los objetivos y preguntas de investigación.
• Se plantea, fundamentado en teorías, estudios previos o con base a opiniones de
expertos.
• Se recomienda sean redactados en forma afirmativa.
• Se expresa en términos de la unidad de análisis, variables y expresión lógica
(igual, mayor que, menor que).
29
30
Una Media H0: μ = valor específico H0: μ = valor específico Prueba t ó z para media
H1: μ ≠ valor específico H1: μ > valor específico en una población
ó
H1: μ < valor específico
Hipótesis nula
Decisión
Verdadera Falsa
32
33
Región de rechazo de
Caso donde las
Región de rechazo de
Ho Ho Hipótesis son:
■Ho: μ = μ o.
Cola 1. Cola 2. ■Ha: μ ≠ μ o.
-c c
c representa el valor crítico del estadístico de prueba y se obtiene a partir del
nivel de significancia α, establecido. Tiene dos regiones de rechazo de Ho,
(cola 1 y cola 2). 35
Cola 1.
Región de rechazo de -c
Ho
36
Cola 2.
Región de rechazo de
c Ho
37
39
155 160 163 165 167 170 173 182 190 174
180 185 195 143 151 164 162 178 181 179
185 179 190 180 176
Datos:
• El parámetro de población en cuestión es: “el número medio o estatura media”.
• μo = 167 cm, es el valor específico de interés o de comparación del parámetro.
• La relación propuesta es μ = 167 cm. (Hipótesis de dos colas).
• Nivel de confianza: 1-α = 0.98, por lo tanto, α = 0.02
Bajo el supuesto de que los las medias muestrales siguen una distribución normal y
cumpliendo con el Teorema de Límite Central, además considerando la varianza
poblacional ( σ ) conocida.
98%
α/2=0.01 α/2=0.01
Región de rechazo de -c c Región de rechazo de
Ho Ho
CONCLUSIÓN: Dado que el valor de Z calculado es mayor que el valor crítico 2.3263 se rechaza la
Ho, por lo tanto, la estatura promedio es diferente de 167 cm,
45
47
Donde:
x1, es el total de unidades con la característica de interés, en la muestra 1.
x2, es el total de unidades con la característica de interés, en la muestra 2.
n1, es el tamaño de la muestra 1.
n2, es el tamaño de la muestra 2.
, y 49
Donde: y
Valores críticos para nivel de significancia del 5%, prueba bilateral, y grados de libertad: 11 y 9, son:
0.2787 y 3.9121
52
54
TABLA DE DISTRIBUCIÓN NORMAL ESTÁNDAR -Z
55
UNIVERSIDAD DE PANAMÁ
Facultad de Ciencias Naturales,
Exactas y Tecnología
ESCUELA DE ESTADÍSTICA
DISTRIBUCION NORMAL.
Presentado por:
Elisa Mendoza G.
Pueden ser para:
Distribuciones
• Variables aleatorias discretas (v.a.d)
de probabilidad
• Variables aleatorias continuas (v.a.c.)
De todas las distribuciones de probabilidad que se analizan, la distribución normal es la más importante,
dada su característica en forma de campana y la forma como se relaciona con la regla empírica.
Muchas de las observaciones de la vida real se pueden modelar usando la distribución Normal. Si las
condiciones del asunto tratado satisfacen las condiciones de este importante modelo, se pueden
encontrar respuestas valiosas.
fi
X
Prof. Elisa Mendoza
Veamos un Ejemplo
Supóngase que se mide el peso (en libra) a 250 personas, seleccionadas de forma aleatoria y se elabora una tabla de frecuencias para
determinar su distribución. Además, se calcula la media y la desviación estándar.
Se observa que
los datos tienden
a una forma
acampanada y
que la media se
ubica en el centro
de la distribución.
MEDIA
9/8/2020 Elisa Mendoza G.
Distribución de Probabilidad
Normal
Abrahan De Moivre (1733) fue el primero en obtener la
ecuación matemática de la curva normal. Kart Friedrich Gauss y
Márquez De Laplace (principios del siglo diecinueve)
desarrollaron más ampliamente los conceptos de la curva. La
curva normal también es llamada curva de error, curva de
campana, curva de Gauss, distribución gaussiana o curva de De
Moivre. Su altura máxima se encuentra en la media aritmética,
es decir su ordenada máxima corresponde a una abscisa igual a
la media aritmética. La asimetría de la curva normal es nula y
por su grado de apuntamiento o curtosis se clasifica en
mesocúrtica.
1 1 −z2 / 2
f ( x) = e − ( x − ) 2 / 2 2
f ( z) = e
2 2
Parámetros: (media) y (desviación estándar)
La estandarización de la variable X, se realiza mediante la fórmula:
(𝑋 − 𝜇)
𝑍=
𝜎
Tomado de: Guía práctica del Curso de Bioestadística Aplicada a las Ciencias de la Salud.
X −
Z=
Se llama estandarización a la
transformación de la variable X a Z. Se
eliminan las unidades de medidas.
Ejemplo:
3.3 − 2.2
Sea = 2.2 y =0.8, calcule la probabilidad de, X>3.3 P( X 3.3) = P Z
0.8
= P( Z 1.38)
= 0.0838
◦Usando Excel
• Bibliografía:
• Pagano, M.; Gauvreau, K.; (2001). Fundamentos de Bioestadística.
Thomson Learning editores. México.
• Blair, C. y Otros (2008). Bioestadística. Edit. Pearson. México.
• Bioestadística. Hospital Ramón Cajal.
http://www.hrc.es/bioest/M_docente.html
• Díaz Narváez, V. P. y Díaz Narváez, V. P. (2009). Metodología de la
investigación científica y bioestadística: para médicos, odontólogos y
estudiantes de ciencias de la salud. Chile: RIL editores. Recuperado de
https://elibro.net/es/ereader/upanama/85233?page=243.
• Apuntes y videos de bioestadística.
https://www.bioestadistica.uma.es/baron/apuntes/