Profesional

Reporte de Actividad

Nombre: Jesus Arturo Rojo Rodriguez Matrícula: 2943527

Nombre del curso: Diseño de Nombre del profesor:
experimentos. Ing. Christian Ladislao Quintero Sandoval
Módulo: Actividad:
Comprobante de Lectura 2
Fecha: 03/09/23
Bibliografía:

Elementos de inferencia estadística: experimentos con uno y dos

tratamientos
 Profesional
Reporte de Actividad

Una población o universo es una colección o totalidad de posibles

individuos, especímenes, objetos o medidas de interés sobre los que se hace un
estudio. Las poblaciones pueden ser finitas o infinitas. Si es finita y pequeña se
pueden medir todos los individuos para tener un conocimiento “exacto” de las
características (parámetros) de esa población.

Población finita: Es aquella en la que el número de valores que la

componen tiene un fin. Por ejemplo, la población estadística que nos indica la
cantidad de árboles de una ciudad es finita.

Parámetros: Estas mediante su valor numérico describen un conjunto de

elementos o individuos.

Población estadística infinita: Se trata de aquella población que no tiene

fin. Por ejemplo, el número de planetas que existen en el universo.

Inferencia estadística
El objetivo de la inferencia estadística es hacer afirmaciones válidas acerca
de la población o proceso con base en la información contenida en una muestra. a
inferencia estadística por lo general se divide en estimación y prueba de hipótesis,
y se apoya en cantidades o datos estadísticos calculados a partir de las
observaciones en la muestra.
La distribución de probabilidad o distribución de una variable aleatoria
X se relaciona el conjunto de valores posibles a x con la probabilidad asociada de
cada uno. Ejm sea la variable aleatoria dada por el estadístico media muestral, X,
entonces al conocer su distribución de probabilidad podremos saber cuáles son
los valores que puede tomar X y cuáles son más probables.

Grados de libertad: Son parámetros que definen las distribuciones T, ji-

cuadrada y F(Se determinan por los tamaños muestrales).

Estimación puntual y por intervalo

En la estimación por intervalos se aproxima un parámetro a un intervalo de
confianza, mientras que en la estimación puntual se aproxima el parámetro a un
valor concreto.

Estimación puntual: Un estimador puntual de un parámetro desconocido

es un estadístico que genera un valor numérico simple, que se utiliza para hacer
una estimación del valor del parámetro desconocido
 Profesional
Reporte de Actividad

 La media μ del proceso (población).

 La varianza σ2 o la desviación estándar σ del proceso.
 La proporción p de elementos que tienen cierta característica.

Estimador puntual: Estadístico que estima un valor específico de un parámetro

Estimación por intervalo

La estimación puntual de un parámetro se genera a través de un
estadístico, y como el valor de éste es aleatorio porque depende de los
elementos que fueron seleccionados en la muestra, entonces la
estimación que se hace sobre el parámetro dependerá y variará de una
muestra a otra. Por ello es necesario saber qué tan precisa es la
estimación puntual, y esto tiene que ver con la varianza del
correspondiente estimador.

Intervalo de confianza: Valores entre los que se estima está el valor de

un parámetro poblacional.

Intervalo de confianza para una media: Por definición de intervalo de

confianza se trata de encontrar dos números L y U, tales que el
parámetro μ se encuentre entre ellos con una probabilidad de 1 − α.
Esto es, P(L ≤ μ ≤ U) = 1 – α.

Tamaño de la muestra: es necesario calcular el tamaño de muestra n

para lograr que la estimación de una media

Intervalo para la varianza: se obtiene el intervalo para la media, es

posible deducir intervalos de confianza para cualquier parámetro.

Intervalo para la proporción: se desea estimar la proporción p de

elementos que tienen una característica determinada en una población,
donde cada elemento tiene o no tal característica, como podría ser si un
artículo está defectuoso o no.