Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Curso de Estadistica
Curso de Estadistica
DISEÑOS EXPERIMENTALES
EN MEDIO AMBIENTE
TOLOMEO RAÚL SOTO PÉREZ
5.1.1. SEMANAS:
z
I Unidad: 1ra Semema
▪ Fundamentos estadísticos.
▪ Representación de datos.
▪ Pruebas de hipótesis.
▪ Muestreo.
z
Principios básicos de la investigación.
Método Científico
▪ Método
▪ Camino para alcanzar una meta. Sistema de principios (identidad, contradicción, exclusión)
y normas (inducción, deducción) de razonamiento para establecer conclusiones en forma
objetiva.
▪ Método Científico
▪ No hay reglas infalibles que garanticen por anticipado el descubrimiento de nuevos hechos
y teorías. Las reglas sólo facilitan la investigación y, en especial, la formulación de hipótesis.
z
Principios básicos de la investigación.
▪ Percepción de un problema
Investigación
Investigación científica
▪ Las ciencias formales son racionales, sistemáticas y verificables, pero no objetivas porque
su búsqueda no es el objeto real. Por ejemplo, para determinar la probabilidad de sacar dos
6 al tirar dos dados no requiere de tener los dados en la mano.
▪ La sociología: trata de entender y explicar las interacciones del individuo en una sociedad y
de los procesos sociales globales.
▪ La psicología: estudia lo relacionado con los comportamientos y la mente del ser humano.
▪ La economía: estudia cómo cubrir las necesidades materiales con criterio de escasez.
▪ Las ciencias políticas: se encarga de estudiar los órganos del poder, su desarrollo y
evolución.
z
Ciencias puras o básicas y ciencias
aplicadas
▪ Adicionalmente existe una división de las ciencias según su objetivo final entre
ciencias puras o básicas y ciencias aplicadas. Las ciencias básicas tienen por
objetivo la búsqueda del conocimiento por sí mismo, por ejemplo:
▪ Por otro lado, las ciencias aplicadas se enfocan en tener una utilidad a largo
plazo, como por ejemplo:
ESTADÍSTICA
z DESCRIPTIVA
E INFERENCIAL
z Análisis de datos
z Tipos de datos
z
Definiciones básicas
Población: Conjunto de elementos que se quiere estudiar.
• Habitantes de una ciudad.
• Televisores fabricados en una factoría.
• Alumnos de primero de bachillerato.
Definiciones básicas
Individuo: Cada uno de los elementos que componen una
población y/o muestra .
• Es sinónimo de unidad básica o última del muestreo
Tipos de Estadística
• La Estadística descriptiva o deductiva:
Trata del recuento, ordenación y clasificación de
los datos obtenidos de las observaciones:
• Construcción de tablas, gráficos y cálculo de parámetros.
Cualitativ as
(Cualidades ,
• Colores
categorías o • Lugares
atributos) Nominales
• Profesiones
Variables Discretas • Número de hijos
(Unidades • Páginas de un libro
Cuantitati vas completas )
(Aquellas
medibles • Edad
numéricamente) Continuas • Peso
(Cualquier • Talla
valor en un • Tiempo
rango)
34
Tipos de Variables Cualitativas
▪ Dicotómicas: Sólo hay dos categoría, que son excluyentes una
de la otra
Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre
Media Aritmética
x
x 1 + x 2 + ... + x n i = 1
i
X= =
n n
40
Mediana
x (( n + 1) 2) si n es impar
Me = x
( n 2 ) + x ( ( n 2) +1)
si n es par
2
41
Moda
▪ La moda de un conjunto de observaciones es el
valor que más se repite, aquel cuya frecuencia
absoluta es máxima.
▪ Puede ser única, que haya más de una, o que no
exista.
▪ Cuando hay más de una , la distribución de los
datos se denomina acorde : bimodal , trimodal,
polimodal, etc.
42
Medidas de Dispersión
https://www.youtube.com/watch?v=Xf79KM86qoQ&t=297
s
Una maquina ha fabricado 60 cilindros cuya longitud en centrimetros registra a continuación:
259 257 249 247 251 246 245 243 250 249
239 254 255 248 246 249 242 250 249 244
253 248 258 252 251 250 253 247 243 245
251 247 250 250 259 249 249 250 251 253
250 248 250 241 251 249 252 247 251 259
250 246 252 238 251 238 236 249 242 238
50
Varianza
(x − x)
i
2
s =
2 i =1
n
z
. Varianza
▪ Es una medida de variabilidad que toma en cuenta la dispersión que los
valores de los datos tienen respecto a su media. Es decir, aquellos conjuntos
de datos que tengan valores más alejados de la media, sea muestral o
poblacional, tendrán una mayor varianza. Su resultado se expresa en
unidades al cuadrado.
σ𝑛𝑖=1(𝑥𝑖 − µ)2
𝑉 𝑋 = σ2 =
𝑁
σ𝑛𝑖=1(𝑥𝑖 − µ)2 =Suma de los cuadrados de las desviaciones del valor de cada dato
de la serie respecto a la media poblacional.
Xi = El valor de cada dato de la serie.
µ = La media poblacional.
N = Tamaño de la población
z
. Varianza
▪ a) LA VARIANZA PARA DATOS NO AGRUPADOS
σ𝑛𝑖=1(𝑥𝑖 − 𝑋)
ത 2
𝑆2 =
𝑛 −1
σ𝑛𝑖=1(𝑥𝑖 − 𝑋)
ത 2 = Suma de los cuadrados de las desviaciones del valor de cada
dato de la serie respecto a la media muestral.
Xi = El valor de cada dato de la serie.
X = La media muestral.
n = Tamaño de la muestra
▪ z Los pasos para obtener la varianza muestral o poblacional para datos no
agrupados son los siguientes:
▪ a) Realizando una inspección visual, ¿en cuál de los dos años se observa una mayor
estabilidad en el tipo de cambio?
Tabla 2. Tipo de cambio mensual peso-dólar Tabla 3. Tipo de cambio mensual. peso-dólar
en el año 1995 en el año 2000
z
De los resultados obtenidos en las tablas 2 y 3 se divide la suma del cuadrado de las
desviaciones entre n – 1 y así se obtiene la varianza muestral del tipo de cambio para los
años de 1995 y 2000
Para el año de 1995 Para el año 2000
z
σ 𝑛 2
𝑖=1(𝑚𝑖 − µ) 𝑓𝑖
σ2 =
𝑁
Donde:
▪ σ2 = Varianza de la población.
▪ µ = Media de la población.
▪ N = Tamaño de la población.
▪ 𝑓𝑖 = Frecuencia de la clase
z
σ 𝑛 ത 2
2 𝑖=1(𝑚𝑗 − 𝑋) 𝑓𝑖
𝑆 =
𝑛 −1
▪ S2 = Varianza de la muestra.
▪ 𝑋ത = Media de la muestra.
▪ n = Tamaño de la muestra.
▪ f = Frecuencia de la clase
Para obtener la varianza para datos agrupados, sea muestral o poblacional, se tienen que
realizar los siguientes pasos:
z
1. Se obtiene la media muestral o poblacional para datos agrupados, según corresponda.
Por ejemplo, si se pretende obtener la varianza muestral, entonces procedemos a
encontrar la media a través de la siguiente fórmula:
2. Se encuentran los puntos medios para cada una de las clases m1 ,m2 ,...,mn y a cada
uno se resta la media muestral o poblacional según corresponda. Por ejemplo, para el
caso de la varianza muestral se encontrarían las siguientes desviaciones:
3. Se eleva al cuadrado cada una de las desviaciones de los puntos medios de clases
respecto a la media. Por ejemplo, en caso de una población:
4. Cada uno de los cuadrados se multiplica por su respectiva frecuencia de clase. Por
ejemplo, en el caso de una población:
▪ La varianza obtenida señala que la dispersión existente entre las ventas entre
(x − x)
i
2
= i =1
n
Al igual que la varianza, la desviación estándar es una medida de
variabilidad que también toma en cuenta la dispersión de los valores de los
datos respecto a su media.
Sin embargo, su significado es más valioso que el de la varianza, pues su
resultado se encuentra expresado en las mismas unidades de la variable
que se examina y no en valores elevados al cuadrado como lo hace la
varianza.
Acción A Acción B
En el contexto de este ejemplo puede pensarse en la desviación estándar como una medida
de la incertidumbre o riesgo de la rentabilidad de una inversión. Es decir, la rentabilidad
promedio fue mayor para el instrumento A, pero su riesgo en términos de la desviación
estándar de la rentabilidad también fue mayor.
z Ventajas y desventajas de la desviación
estándar
▪ Por otra parte, para obtener la desviación estándar cuando se trabaja con datos
agrupados se utiliza la misma metodología que en el caso de los datos no
agrupados. En primer lugar se encuentra la varianza a través de su respectiva
fórmula y posteriormente se le saca la raíz cuadrada
Los primeros tres grupos tienen el mismo tamaño (n=50) con desviaciones
estándar de aproximadamente 3. El cuarto grupo es mucho más grande (n=200) y
tiene una desviación estándar mayor (6.8). Puesto que la desviación estándar
agrupada utiliza un promedio ponderado, su valor (5.486) está más cerca de la
desviación estándar del grupo más grande. Si usted utilizara un promedio simple,
entonces todos los grupos tendrían el mismo efecto
¿Qué es la moda?
La moda es el valor que más se repite dentro del conjunto de datos que
tengo. Es decir, es aquel que tiene mayor frecuencia absoluta. Se denota
por Mo.
Puede haber más de un valor de la moda. No obstante, si ningún valor se
repite no hay moda.
¿Y la mediana?
Es el valor que ocupa el lugar central de todos mis valores. Tengo que
ordenar el conjunto de datos de forma creciente o decreciente. Se
denomina por Me
La media vs. la mediana
Relación entre el valor de la media y la mediana de una distribución
Tanto la media aritmética como la mediana miden el centro de la distribución, pero lo hacen de
formas diferentes. En el caso en que la distribución sea simétrica ambas medidas son iguales. Si la
distribución es asimétrica, la media aritmética se desplaza hacia la cola de la distribución. Observar
que para calcular la media aritmética, utilizamos todos los datos, sin embargo, no ocurre así con la
mediana. Así, si hay valores extremos, la media se verá mucho más afectada que la mediana.
Medidas de dispersión
Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de tendencia
central, necesitamos conocer también la dispersión que presentan los datos en su distribución, con
objeto de tener una visión de los mismos más acorde con la realidad a la hora de describirlos e
interpretarlos.
Recorrido o amplitud:
Es la diferencia entre el valor máximo de la distribución y el valor mínimo.
Cuartiles:
Así como la mediana divide a la distribución en mitades, los
cuartiles de una distribución son los valores que dividen la
distribución en cuartos.
El primer cuartil (Q1) deja un cuarto de las observaciones
por debajo del mismo, y tres cuartos por encima.
El segundo cuartil (Q2) tiene dos cuartos por debajo y dos
por encima (el segundo cuartil coincide con la mediana).
El tercer cuartil (Q3) tiene tres cuartos de las observaciones
por debajo y un cuarto por encima.
Primer cuartil
El primer cuartil, también llamado cuartil 1, es aquel valor superior al 25% de los
datos estadísticos de una muestra. Es decir, el primer cuartil es más grande que el
25% de los datos observados
Segundo cuartil
El segundo cuartil, también llamado cuartil 2, es aquel valor superior al 50% de los
datos estadísticos de una muestra. Por lo tanto, el segundo cuartil separa el
conjunto de datos en dos mitades y coincide con la mediana y el quinto decil.
El símbolo del segundo cuartil es Q2.
Tercer cuartil
El tercer cuartil, también llamado cuartil 3, es el valor que supera al 75% de los datos
estadísticos de una muestra. O dicho de otra forma, el tercer cuartil es más grande
que el 75% de los datos recopilados.
El tercer cuartil se expresa mediante el símbolo Q3 y representa los valores más
grandes de la muestra.
Por lo tanto, la fórmula de los cuartiles es:
Atención: esta fórmula nos indica la posición del cuartil, no el valor del cuartil. El cuartil será el
dato situado en la posición obtenida por la fórmula.
Sin embargo, a veces el resultado de esta fórmula nos En este caso n, el número total de observaciones, es
dará un número decimal. De manera que debemos 15, de manera que debemos sustituir n por 15 y la k
distinguir dos casos dependiendo de si el resultado es un por 1 para hallar el primer cuartil:
número decimal o no:
Si el resultado de la fórmula es un número sin parte Por lo tanto, el primer cuartil es el número en la
decimal, el cuartil es el dato que está en la posición que posición cuatro de la lista ordenada de valores, que
nos proporciona la fórmula de arriba. en este caso es el 39.
Si el resultado de la fórmula es un número con parte
Del mismo modo, hacemos el cálculo del segundo cuarti
decimal, el valor del cuartil se calcula mediante la
sustituyendo el coeficiente k por un 2
siguiente fórmula:
Los cuartiles son una medida de posición, por lo tanto, los cuartiles sirven para saber
cómo están posicionados los datos. Es decir, los valores de los tres cuartiles permiten
saber si un dato aleatorio de la muestra es muy grande, muy pequeño, o es un valor
medio.
X=” cuántos objetivos desarrollo sostenible llevan a cabo de los 17 que el PNUD”, variable
estadística cuantitativa discreta
Coeficiente de variación
z
▪ Es una medida de dispersión que señala qué tan grande es la magnitud de la desviación estándar
respecto a la media del conjunto de datos que se examina. A diferencia de otras medidas de
variabilidad, el coeficiente de variación mide la dispersión en términos de porcentaje y no en
unidades de medida. De esta manera, este coeficiente se utiliza para comparar la dispersión entre
dos conjuntos de datos expresados en diferentes unidades de medidas.
Donde:
CV = Coeficiente de variación.
𝑆
𝐶𝑉 = 100% En caso de una muestra S = Desviación estándar de la
𝑋ത
muestra.
𝑋ത = Media de los datos.
𝜎
𝐶𝑉 =
𝜇
100% En caso de una población σ = Desviación estándar de la
población.
µ = Media poblacional
z
En una población de alumnos, la estatura tiene una media de 180 cm y una desviación estádar de 18 cm.
El peso de esta población tiene una media de 60 kg y una desviación estandar de 12 kg ¿Cuál de
Las 2 variables tiene mayor dispersión relativa?
Estatura Peso
µ = Media poblacional = 60 kg
µ = Media poblacional =180 cm σ = Desviación estándar de la =12 kg
σ = Desviación estándar de la =18 cm población
población
𝜎 18 𝜎 12
𝐶𝑉 = = = 0.1 x100% = 10% 𝐶𝑉 = = = 0.2 x100% = 20%
𝜇 180 𝜇 60
z
Xi 𝑋𝑖 − 𝜇 𝑋𝑖 − 𝜇 2
σ𝑁
𝑖=1 𝑋𝑖 20
2 -3 9 𝜇= = =5
𝑁 4
4 -1 1
6 1 1
8 3 9 σ𝑛
𝑖=1(𝑚𝑖 −µ)
2
20
σ2 = = =5
20 20 𝑁 4
5 𝜎
𝐶𝑉 = 𝜇
= 5/5 = 0.4472
INTERVALOS
BASADOS EN UNA
z
DISTRIBUCION DE
POBLACION
NORMAL
z
z
z
z
z
INTERVALOS DE CONFIANZA
z
z Ejercicios de intervalos de confianza de media
poblacional µ; conociendo a la desviación estándar σ
z
z
z
z
z
z
z
Intervalo de confianza media con
desviación estándar conocida
Intervalos de confianza con Minitab
z Ejercicios de intervalos de confianza de media
poblacional µ; conociendo a la desviación estándar σ
z
Intervalos de confianza con Minitab
z
Si desconocemos la desviación
estándar
C
z ual es el intervalo de confianza para la
𝑠 2 = 𝑥𝑖 − 𝑥ҧ 2
𝑖=1
z DISTRIBUCIÓN DE t STUDENT
𝑠 2 = 𝑥𝑖 − 𝑥ҧ 2
𝑖=1
z
SUPOSICION
TEOREMA
Ejemplo Curvas z
y tv
▪ El numero de grados de libertad con T es n – 1… debido a que se considera al numero
z
de desviaciones libremente determinadas en las cuales esta basada la desviación
estándar estimada en el denominador de T.
z
Intervalo de confianza t para una
muestra
z
z
EJEMPLO
•Antes:
•1774 Laplace muestra el patrón de distribución esperado alrededor de la norma.
1809 Gauss desarrolla el método de mínimos cuadrados para encontrar la mejor función
continua para un conjunto de datos.
•1835 Adolphe Quetelet defiende el uso de la curva de Gauss para modelos de datos sociales.
•Después: 1900 Karl Pearson propone la prueba F2 para determinar las diferencias entre
frecuencia esperada y observada.
• Prueba de homogeneidad
• Prueba de independencia
• Ejemplo: tabla 2x2 => cada dígito indica una variable y el valor de este
indica el número de categorías de la variable
EJEMPLO DE UNA TABLA DE CONTINGENCIA
z TABLA DE CONTINGENCIA
NIVEL DE EDUCACIÓN
Primaria Secundaria
z NIVEL DE EDUCACIÓN
marginal de columnas
540 Tc 500 1040 Tg
Frecuencia observada:
Frecuenciaz
esperada:
X 2
=
E
Celda O E O-E (O-E)2 (O-E)2 / E
Conceptual/Primaria 180 145,4 34,6 1197,16 8,23
Procedimental/ Primaria 190 244,4 -54,4 2959,36 12,11
Actitudinal / Primaria 170 150,6 19,4 376,36 2,50
Conceptual / Secundaria 100 134,6 -34,6 1197,16 8,69
Procedimental /Secundaria 280 226,0 54,0 2916,00 12,80
Actitudinal / Secundaria 120 139,4 -19,4 376,36 2,70
z
X2 = 47,33
Aplicación:
Para el nivel de confianza de =0,05 y g.l. = 2, el X2 de
tabla es 5,9915 (ver tabla).
X2caculado = 47,33
X2tabla = 5,9915
z
Prueba de hipótesis:
z
X2calculada > X2tabla entonces se rechaza la
hipótesis nula (H0), y por lo tanto se acepta la hipótesis
alterna (H1).
OBSERVACIONES
z
1 48 47 48
2 76 47 32
3 36 40 34
z
Ejemplo de Prueba chi-cuadrada para
asociación
3. En la lista desplegable de datos, seleccione Datos resumidos en una tabla de dos factores.
4. En Columnas que contienen la tabla, ingrese '1er turno' '2do turno' '3er turno'.
▪ ara realizar un ANOVA de dos factores en Minitab, utilice Estadísticas > ANOVA > Modelo
lineal general > Ajustar modelo lineal general. Supongamos que la respuesta se denomina A
y sus factores son B y C.
▪ Elija Estadísticas > ANOVA > Modelo lineal general > Ajustar modelo lineal general.
▪ En Respuestas, ingrese A.
▪ En Factores, ingrese B C.
z
TÉCNICAS DE
MUESTREO
176
177
z
Introducción
z
Cuando se va a seleccionar una muestra
básicamente debemos de preocuparnos
por dos cosas:
▪ Aleatorios
▪ No aleatorios
Censo Muestra
- Costoso - Un bajo costo
- Muchos recursos
- Pocos recursos humanos
humanos
- Organización poco
- Organización compleja
compleja
- Gran duración en la - Obtención y análisis de
obtención y análisis de la la información en un
información corto periodo de tiempo
- Resultados precisos - Resultados muy precisos
15/09/2023
182
z
1. Establecimiento de objetivos
2. Definición de la población objetivo
3. Obtención del marco muestral
4. Seleccionar el diseño o esquema de muestreo
5. Determinar los métodos de medición
6. Escoger el instrumento de medición
7. Selección y adiestramiento de los
investigadores de campo
8. Prueba piloto
9. Organización del trabajo de campo
z
Población finita de tamaño N
8
N-6 N
5
2
6
... N-2
1
4 N-3 N-5
3
7 N-1
N-4
2 5
1 ...
Muestra aleatoria simple de
15/09/2023
3
4 6
n
tamaño n
z
187
z
Muestreo aleatorio estratificado
Nh
nh = n
N
Una vez determinado nh se procede a realizar un
muestreo aleatorio simple en cada estrato.
15/09/2023
189
Esquema de un muestreo aleatorio estratificado
z
2 2 1
1 1 2 3
4 5
4 3 4 5 6 6
...
3 7
6 7 8
5 N 8
... N2 NL
7 9 ... ...
Muestra aleatoria Muestra aleatoria
Muestra aleatoria
simple simple
simple
1 1 2 1 2
2 3 ...
... ...
3 n1 3 nL
4 n2
15/09/2023
n = n1 + n2 + ...+ nL
z
z
Muestras probabilísticas estratificada
192
z
Muestreo por
conglomerados
m conglomerados.
194
Esquema de un muestreo por
z conglomerados en dos etapas
3
1 5
4
2
6
... M
z
Muestreo sistemático
Si la población tiene un
comportamiento cíclico la muestra puede
ser poco representativa.
15/09/2023
197 Esquema de un muestreo sistemático
. . .
. . . . . . . . . . . .
z Muestras no aleatorias
z
Tamaño de muestra
1. La variabilidad de la característica de
interés en los elementos de la población.
2. El tamaño de la población bajo estudio.
3. El nivel de precisión que se desea para
estimar el parámetro de interés.
4. El nivel de confiabilidad deseado.
15/09/2023
205
Z 2 2
n= /2
B2
N 2
n=
B2
( N − 1) + 2
Z 2
/2
Z2 / 2 N 2 2
n= 2
B
N 2
n=
B2
( N − 1) 2 + 2
Z / 2 N 2
15/09/2023
208
Z2 / 2 pq
n=
B2
Npq
n=
B2
( N − 1) 2 2
+ pq
Z / 2 N
centro horizontal y vertical del canal. Al tomar la muestra, debe evitarse agitar los sedimentos que se
encuentran en el fondo del canal o recolectar residuos que no sean característicos de la descarga. En
todo momento deben tomarse precauciones de seguridad.
212
METODOLOGIA DE MUESTREO La etapa de recolección de
muestras es de trascendental importancia. Los resultados de los
mejores procedimientos analíticos serán inútiles si no se recolecta y
manipula adecuadamente las muestras
Aguas de mar
Las muestras estratificadas de agua de mar deben tomarse desde la superficie del
mar por medio de un bote haciendo uso de botellas Niskin para la colecta
estratificada dentro de un plan de muestreo que contempla la toma de muestra a
lo largo de transectos previamente establecidos. Para ello el operador debe
situarse en un bote a lo largo del transecto elegido y desde la superficie accionar
el mecanismo que permite la recolección de una muestra representativa
procedente de la profundidad requerida.
Aguas subterráneas
Los pozos de aguas subterráneas normalmente son perforados hasta alcanzar el
nivel freático. Antes de iniciar el muestreo se debe determinar la profundidad del
nivel estático del pozo. Se utiliza una sonda con línea con graduación métrica. La
profundidad del nivel de agua se determina en el momento en que la sonda toca
15/09/2023
la superficie del agua y envía una señal luminosa y sonora que indica que se ha
alcanzado el nivel estático del pozo.
213
METODOLOGIA DE MUESTREO La etapa de recolección de
muestras es de trascendental importancia. Los resultados de los
mejores procedimientos analíticos serán inútiles si no se recolecta y
manipula adecuadamente las muestras
Los pozos de aguas subterráneas
El procedimiento para realizar el muestreo de aguas subterráneas es el siguiente:
Introducir el medidor de nivel de agua previamente descontaminado al pozo con la
finalidad de conocer el nivel del agua subterránea.
Las muestras se tomaran utilizando un bailer o una bomba de profundidad. El método
recomendable por la mínima alteración sobre el régimen de agua es de bombas
peristálticas de bajo flujo. Este método en cuanto sea posible utilizarlo garantiza la
obtención de muestras representativas de agua subterránea.
Todos los pozos deberán ser purgados antes de tomar las muestras, de esta manera se
podrá asegurar que el agua que se extraiga para análisis de calidad del agua represente las
condiciones del acuífero y no del agua almacenada en el pozo. Antes de cualquier
evacuación o muestreo, todas las bombas y otros equipos que no sean descartables, deben
ser previamente descontaminados.
Para el procedimiento de purga se deben conocer la profundidad del pozo, el nivel del
agua del pozo y el radio del tubo PVC del pozo; con esta información se deberá calcular el
15/09/2023
volumen de agua a extraer para purgar el pozo. La formula a usar será la siguiente:
214 15/09/2023
215 15/09/2023
216
1 N 1 1 N
= yi = ( y1 + y 2 + ... + y N ) = ( yi − ) 2
2
N i =1 N N i =1
n i =1 n n − 1 i =1
Las cantidades x y s valor medio muestral y varianza muestral se llaman
2
n N −1
x
Regresa
220
z2 s2 2,5758 2 0,2886
n= n= = 266
d 2
(3,3915 0,025 )2
Al localizar la unidad que indica el número aleatorio y siempre que no haya sido
seleccionada se marca con algún color de fondo, copiando toda la información de la
hilera a la Hoja Muestra inmediatamente debajo de la muestra anterior.
https://www.youtube.com/watch
?v=0dWOVbIGGs8&t=493s
z
225 15/09/2023
z
226 15/09/2023
z
15/09/2023
z
228 15/09/2023
z
229 15/09/2023
z
230 15/09/2023
z
231 15/09/2023
z
232 15/09/2023
z
233 15/09/2023
z
234 15/09/2023
z
235 15/09/2023
z
236 15/09/2023
z
237 15/09/2023
238 un estimador puntual de 𝜇, (media
z poblacional) , será 𝑥̅(media muestral),
dónde:
15/09/2023
¿Cuántas muestras son necesarias para determinar si el grosor medio del papel de un
proveedor es el mismo que el de otro proveedor?
¿Cuánta gente se debería de muestrear para tener una confianza del 95% de que la
proporción de gente que da soporte a un candidato está dentro del 3% de su valor real?
¿Podemos confiar en la conclusión del test-t que indica que las notas de examen medias de
dos distritos escolares no son diferentes?
¿Cuántas replicas de un experimento se necesitan si se desea tener al menos un 85% de
oportunidad de detectar los factores que afectan significativamente a un proceso de
fabricación?
Idealmente, se desea recoger datos suficientes para estar seguro de que se dispone de
suficiente potencia para trazar conclusiones razonables.
Utilizar Minitab para determiner la Potencia y el Tamaño de la muestra
Minitab proporciona herramientas para estimar el tamaño de la muestra y la potencia para los
siguientes test estadísticos:
Calcular la potencia estadística antes de recoger los datos para asegurarse de que el test de
hipótesis detectará efectos significativos, recibe el nombre de un estudio “prospectivo”. Por
ejemplo, suponga que su empresa fabrica cereales, y necesita determinar si el proceso de
llenado de las cajas se ajusta a los requerimientos. Quiere estar seguro que el peso de llenado
medio del proceso no difiere del peso objetivo de 365 gramos en más de 2.5 gramos. Utilizando
una desviación estándar de 4.58 gramos y una potencia del 85%, ¿cuántas cajas de cereales se
necesitan para la muestra? Cuanto más muestras se comprueben, mayor será la oportunidad de
detectar esa diferencia si ésta existe—pero si comprueba demasiadas muestras, el test tardará
mucho en realizarse y costará más de lo necesario.
▪ Elija Estadísticas > Potencia y tamaño de la muestra > Tamaño de muestra para intervalos de
tolerancia.
▪ Elija Estadísticas > Potencia y tamaño de la muestra > Tamaño de muestra para intervalos de
tolerancia.
El ingeniero podría decidir que el porcentaje máximo aceptable es demasiado alto y volver a
ejecutar el análisis utilizando tamaños de muestra más grandes para reducir el porcentaje
máximo aceptable. Por ejemplo, podría probar con 250 o 400 arandelas. Sin embargo, tras
el primer análisis, el ingeniero sabe que se requieren al menos 525 arandelas para que haya
un 5% de probabilidad de que el intervalo de tolerancia no contenga más del 97% de la
población, presuponiendo una distribución normal.
z
https://www.studocu.com/es-mx/document/instituto-tecnologico-de-ciudad-guzman/estadistica-
inferencial-2/ejercicios-minitab-espero-les-ayude/55143698
z
z