Tamaño de muestra

El tamaño de la muestra se le conoce como aquel número determinado de

sujetos o cosas que componen la muestra extraída de una población,

necesarios para que los datos obtenidos sean representativos de la población.

Estimador, Estimación, Características de un buen estimador, estimaciones

insesgada y eficiente

 Estimador

Un estimador es un estadístico (esto es, una función de la muestra)

usado para estimar un parámetro desconocido de la población. Por

ejemplo, si se desea conocer el precio medio de un artículo (el

parámetro desconocido) se recogerán observaciones del precio de dicho

artículo en diversos establecimientos (la muestra) y la media aritmética

de las observaciones puede utilizarse como estimador del precio medio.

 Estimación

Se llama estimación al conjunto de técnicas que permiten dar un valor

aproximado de un parámetro de una población a partir de los datos

proporcionados por una muestra.

 Características de un buen estimador

Las cualidades de un buen estimador son: suficiente, eficiente,

consistente e Insesgado. Insesgado, eficiente, constante e invariable.

  Estimaciones insesgada y eficiente

Un estimador insesgado es aquel cuya esperanza matemática coincide

con el valor del parámetro que se desea estimar. En caso de no coincidir

se dice que el estimador tiene sesgo. La razón de buscar un estimador

insesgado es que el parámetro que deseamos estimar esté bien

estimado

Tipos de estimación puntual y por intervalo

Los problemas de diferencia estadística se dividen en estimación y pruebas de

hipótesis aunque en realidad son dos problemas de decisión y por lo tanto no

se pueden manejar con un enfoque limitado.

La diferencia principal entre las dos clases de problemas es que los problemas

de estimación debemos determinar el valor de un parámetro o los valores de

varios parámetros de un continuo posible de alternativas mientras que en las

pruebas de hipótesis debemos de medir si aceptamos o rechazamos un valor

especifico o un conjunto de valores específicos de un parámetro.

La estimación de un parámetro involucra el uso de los datos muéstrales en

conjunción con alguna estadística. Existen dos formas de llevar a cabo la

anterior estimación, puntual o por intervalo.

En la primera se busca que con base a los datos muéstrales de origen a una

estimulación evaluada del parámetro y que recibe el nombre de estimador

puntual. Para la segunda se determina un intervalo en la que forma probable se

encuentre el valor de parámetro y recibe el nombre de intervalo de confianza.

Construcción de un intervalo de confianza

El intervalo de confianza describe la variabilidad entre la medida obtenida

en un estudio y la medida real de la población (el valor real). Corresponde a

un rango de valores, cuya distribución es normal y en el cual se encuentra,

con alta probabilidad, el valor real de una determinada variable. Esta «alta

probabilidad» se ha establecido por consenso en 95%. Así, un intervalo de

confianza de 95% nos indica que dentro del rango dado se encuentra

el valor real de un parámetro con 95% de certeza

Introducción de hipótesis científica e hipótesis estadística

Una hipótesis científica es una explicación tentativa sobre un fenómeno o conjunto de

fenómenos observados en el mundo natural. La formulación y prueba de una hipótesis

es parte del método científico, el enfoque que utilizan los científicos cuando intentan

comprender y probar ideas sobre fenómenos naturales. La generación de una

hipótesis se describe con frecuencia como un proceso creativo y se basa en el

conocimiento existente y la observación cuidadosa de la naturaleza.

Por otro lado, una hipótesis estadística es una afirmación formal sobre un estado de

naturaleza estructurado dentro del marco de un modelo estadístico. Es una suposición

que se realiza acerca de las características de una población y se utiliza para

verificarla o rechazarla tras realizar el estudio estadístico pertinente

. Las hipótesis estadísticas son la transformación de las hipótesis de investigación,

nulas y alternativas en símbolos estadísticos.

Es importante destacar que las hipótesis estadísticas no son lo mismo que las

hipótesis científicas. Aunque ambas son suposiciones, las hipótesis científicas se

refieren a explicaciones tentativas sobre fenómenos naturales, mientras que las

hipótesis estadísticas se refieren a afirmaciones formales sobre un estado de

naturaleza estructurado dentro del marco de un modelo estadístico

Contraste de hipótesis

Un contraste de hipótesis es un procedimiento formal para evaluar si una afirmación

sobre una población es verdadera o no, utilizando datos de una muestra. El objetivo es

determinar si los datos proporcionan suficiente evidencia para rechazar una hipótesis

nula en favor de una hipótesis alternativa. La hipótesis nula es una afirmación que se

supone que es verdadera a menos que se demuestre lo contrario, mientras que la

hipótesis alternativa es la afirmación que se está tratando de probar. Los contrastes de

hipótesis son ampliamente utilizados en la ciencia y en la investigación para tomar

decisiones basadas en datos. Hay diferentes tipos de contrastes de hipótesis, como

los test centrales, de hipótesis y alternativos simple

Una hipótesis nula

Es una suposición que se utiliza para negar o afirmar un suceso en relación a algún o

algunos parámetros de una población o muestra. Siempre que se llega a una

conclusión acerca de un experimento, el investigador debe establecer dos hipótesis, la

hipótesis nula y la hipótesis alternativa. La hipótesis nula (H0) se refiere a la afirmación

contraria a la que ha llegado el investigador. Es la hipótesis que el investigador

pretende rechazar

Por ejemplo, si se quiere probar que un nuevo medicamento es efectivo para tratar

una enfermedad, la hipótesis nula sería que el medicamento no tiene ningún efecto

sobre la enfermedad. La hipótesis alternativa sería que el medicamento sí tiene un

efecto sobre la enfermedad. El objetivo del experimento sería reunir evidencia

suficiente para rechazar la hipótesis nula y aceptar la hipótesis alternativa

La hipótesis nula se utiliza para establecer una base de comparación para los

resultados del experimento. Si los resultados del experimento son significativamente

diferentes de lo que se esperaría bajo la hipótesis nula, se puede concluir que hay

evidencia suficiente para rechazar la hipótesis nula y aceptar la hipótesis alternativa

Alternativa y error tipo I

Una alternativa es una hipótesis que se plantea para contrastar con la hipótesis nula

en una prueba de hipótesis

El error de tipo I es el error que se comete cuando se rechaza la hipótesis nula siendo

esta verdadera en la población

También se le conoce como error alfa o falso positivo

La probabilidad de cometer un error de tipo I es el nivel de significación α