Tema 1: Introducción.

Estadística Descriptiva

Curso 2021-2022 1
 Población
Muestra
Inferencia

Determinación del Determinación del

contenido en contenido en
Cafeína del agua del Cafeína en las muestras de
charco agua

Valor medio 𝜇 Valor medio 𝑥 2

Los elementos más importantes de tu BASE DE DATOS son

VARIABLES
Las variables son las características que has decidido
observar de la realidad. 3

Para analizarlas y comprender qué está pasando.

Por este motivo es tan importante comprender con qué

variables trabajas y de qué tipo son.
3
¿Tipos de Variables?
 ¿Tipos de Variables?

Expresan
CANTIDAD Expresan
CUALIDADES

5
 Población
Muestra

Determinación del Inferencia Determinación del

En qué medida
contenido en los datos de la muestracontenido
pueden en ser
Materia Orgánica del agua Materia Orgánica en las
extrapolados
del charco
a la población a la quemuestras
pertenecen
de agua

Valor medio 𝜇 Valor medio 𝑥 6

• Estadística Descriptiva:
La estadística descriptiva es el conjunto de
métodos estadísticos que describen y/o
caracterizan un grupo de datos

• Inferencia estadística:
Su objetivo es analizar y estudiar los datos más
allá de la estadística descriptiva, con el objetivo de
tomar decisiones y realizar predicciones.

7
 Algunos conceptos estadísticos básicos

1
𝑚𝑒𝑑𝑖𝑎 = 𝑥 = 𝑥𝑖
𝑁

(𝑥𝑖 − 𝑥)2
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟𝑑 = 𝑠 =
𝑁−1

100 ∙ 𝑠
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟𝑑 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 = 𝑅𝑆𝐷 =
𝑥

N = nº de determinaciones independientes.
8
Valor del parámetro varía de una muestra a otra

Parámetro estimado permanece estable

Estadístico varía de una muestra a otra

Ejemplo valor medio

Es una variable aleatoria

Debemos conocer su
función de probabilidad o
densidad de probabilidad

INFERENCIAS 9
 INFERENCIA HIPÓTESIS

Hipótesis de investigación H1

H1 – TENGO FIEBRE (estado que buscamos CONFIRMAR/NO CONFIRMAR)

Hipótesis Nula H0

H0 – NO TENGO FIEBRE (estado normal)

10
 Población
Muestra

Valor medio 𝜇 Valor medio 𝑥

𝜇 ≠𝑥 11
 Hemos dicho que vamos a
proponer un intervalo donde se
encontrará el parámetro a estimar,
con una probabilidad de acierto
alta

La estimación por intervalos de confianza nos

proporciona un rango de valores entre los que
tendremos una cierta certeza o nivel de confianza de
que se encuentre nuestro parámetro poblacional
desconocido.
12
CONTRASTE DE HIPÓTESIS

La hipótesis estadística: se basa en la formulación de dos

hipótesis mutuamente exclusivas:

LA HIPÓTESIS NULA H0

LA HIPÓTESIS ALTERNATIVA H1

Características del parámetro ha seleccionado como indicador:

a) Proporcionar información relevante sobre la H0

b) Poseer una distribución muestral conocida

13
Características de las hipótesis estadísticas:

a) LA HIPÓTESIS NULA siempre expresa igualdad

H0:μv=μm H0:μv≥μm

b) LA HIPÓTESIS NULA H0 es la única que se somete a

contraste.

c) En función de la hipótesis el contraste estadístico puede ser

bilateral o unilateral

14
 Ejemplo 1

Una organización de consumidores está interesada en

comprobar que el peso medio de una determinada producción
de quesos es de 1000 gr. Para verificar esto, eligen al azar cinco
quesos, obteniendo los siguientes pesos 992, 998, 990, 999,
1001.

¿Puede mantenerse la hipótesis de que la media es de 1000

gramos con un nivel de significación de 0,05?

Adaptado de J.M. Ramos González, I.E.S. A Xunqueira I

15
 Pasos a seguir - Diseño de un test
estadístico
1º) Establecer claramente la hipótesis nula y la alternativa.
Ho: μ=1000 g Hipótesis nula
H1: μ<1000 g Hipótesis alternativa

2) Nivel de significación o probabilidad de Error Tipo I

Una vez que hemos fijado H0, la pregunta que nos hacemos es,
α=0,05 El que se produce al rechazar la hipótesis
¿los datos aportan nula
suficiente
cuando enevidencia en
realidad es cierta.
contra de la hipótesis nula?
3) Estadístico pivote:o medida de discrepancia, que dependerá
del parámetro que estamos contrastando
¡¡¡ LA ESTADÍSTICA NO SIRVE
(aquí recurriremos PARAde los
al tema anterior
PROBAR NADA
intervalos !!!
de confianza)

16
 Pasos a seguir - Diseño de un test
estadístico
1º) Establecer claramente la hipótesis nula y la alternativa.
Ho: μ=1000 g Hipótesis nula
H1: μ<1000 g Hipótesis alternativa

2) Nivel de significación o probabilidad de Error Tipo I

α=0,05 El que se produce al rechazar la hipótesis

nula cuando en realidad es cierta.

3) Estadístico pivote: o medida de discrepancia, que dependerá

del parámetro que estamos contrastando
(aquí recurriremos al tema anterior de los
intervalos de confianza)

17
 Pasos a seguir - Diseño de un test
estadístico
1º) Establecer claramente la hipótesis nula y la alternativa.
Ho: μ=1000 g Hipótesis nula
H1: μ<1000 g Hipótesis alternativa

2) Nivel de significación o probabilidad de Error Tipo I

α=0,05 El que se produce al rechazar la hipótesis

nula cuando en realidad es cierta.

3) Estadístico pivote: o medida de discrepancia, que dependerá

del parámetro que estamos contrastando.

18
Estadístico pivote:

Si conocemos la desviación típica

con n-1 grados de libertad si no conocemos la desviación

típica

DEPENDIENDO DE LA HÍPÓTESIS ALTERNATIVA

19
3) Estadístico pivote: o medida de discrepancia, que dependerá
del parámetro que estamos contrastando
(aquí recurriremos al tema anterior de los
intervalos de confianza)

CON 4 GRADOS DE LIBERTAD

4) Medida de la discrepancia

a) Región de aceptación

20
3) Estadístico pivote:

CON 4 GRADOS DE LIBERTAD

4) Medida de la discrepancia

a) Región de aceptación Z= (x-media)/s

21
22
 Por tanto hay que buscar en la tabla de la t-Student con 4 grados de libertad el
valor de t que deja a la derecha un valor de probabilidad de 0,95,

Región de aceptación -2,1318 - infinito t-student= -2,1318

b)

5º) Decisión final. Como el valor del estadístico -1,89 está dentro de la región de
aceptación,
podemos aceptar la hipótesis nula, es decir que la media sea de 1000 g
23
 Por tanto hay que buscar en la tabla de la t-Student con 4 grados de libertad el
valor de t que deja a la derecha un valor de probabilidad de 0,95,

Región de aceptación -2,1318 , ¥ t-student= -2,1318

b)

5º) Decisión final. Como el valor del estadístico -1,89 está dentro de la región de
aceptación,
podemos aceptar la hipótesis nula, es decir que la media sea de 1000 g
24
Por tanto hay que buscar en la tabla de la t-Student con 4 grados de libertad el
valor de t que deja a la derecha un valor de probabilidad de 0,95,

Región de aceptación -2,1318 , ¥ t-student= -2,1318

b)

25
 5º) Decisión final. Como el valor del estadístico -1,89
está dentro de la región de aceptación,
Región de aceptación -2,1318 , infinito

podemos aceptar la hipótesis nula, es decir que la media sea de 1000 g

26
 Ejemplo 2

Un agricultor está dispuesto a demostrarle a un agricultor

competidor que la desviación típica del diámetro de las
manzanas que produce es superior a 1,5 cm con un nivel de
significación de 0,01. Escoge 20 manzanas y obtiene que la
varianza de la medida del diámetro de las manzanas es 2,25 cm.

¿Cómo realizará el contraste?

Adaptado de J.M. Ramos González, I.E.S. A Xunqueira I

27
 Pasos a seguir
1º) Establecer claramente la hipótesis nula y la alternativa.
Ho: 2=2,25 Hipótesis nula
H1: 2>2,25 Hipótesis alternativa

2) Nivel de significación o probabilidad de Error Tipo I

α=0,01
3) Estadístico pivote:
a) Región de aceptación

28
Por tanto hay que buscar en la tabla de la χ2 (chi-cuadrado) con 19 grados de
libertad el valor de X2 que deja a la derecha un valor de probabilidad de 0,01,
que se corresponde con 36,191
Región de aceptación 0, 36.191

b)

5º) Decisión final. Como el valor del estadístico 44,67 no está dentro de la
región de aceptación,
podemos rechazar la hipótesis nula,

29