•

UNIVERSIDAD NACIONAL AUTONOMA

DE HONDURAS
UNAH-CURC

Lic. Sergio Padilla

Análisis Cuantitativo ll
19:00

Integrantes:
Jenifer Mariela Velásquez Salinas 20222001210
Marilyn Tatiana Medina Gonzales 20221900120
Arlyn Maryly Sarmiento Maradiaga 20221900281

Comayagua, 19 de octubre del año 2023

 GUIA TEORICA DE ESTUDIO
Y
TRABAJO DE ANALISIS CUANTITATIVO
II
1. Inferencia estadística: La inferencia estadística es el conjunto de métodos y
técnicas que permiten inducir, a partir de la información empírica proporcionada por
una muestra, cual es el comportamiento de una determinada población con un riesgo
de error medible en términos de probabilidad.

2. Estimación y ejemplo: La estimación se hace a menudo por muestreo, que es contar

un pequeño número de ejemplos algo, y proyectar ese número en una población más
grande. Un ejemplo de estimación sería determinar cuántos caramelos de un tamaño
dado hay en un frasco de vidrio.

3. Estimación puntual: es un proceso mediante el cual se estima el valor de un

parámetro poblacional a partir de los datos de una muestra. Es decir, la estimación
puntual consiste en aproximar el valor de un parámetro de una población usando
como referencia el valor muestral del parámetro.
Por ejemplo, para determinar la media de una población de 1000 individuos
podemos hacer una estimación puntual y calcular el valor de la media de una
muestra de 50 personas. De manera que podemos tomar el valor de la media
muestral como una estimación puntual de la media poblacional.

4. Estimación por intervalo: es una gama de valores dentro del cual es posible que
esté un parámetro desconocido de una población. Es el uso de datos de muestra para
estimar un intervalo de valores posibles de un parámetro de interés. Esto contrasta
con la estimación puntual, que da un valor único.

5. Prueba de hipótesis: es una regla que especifica si se puede aceptar o rechazar una
afirmación acerca de una población dependiendo de la evidencia proporcionada por
una muestra de datos. Una prueba de hipótesis examina dos hipótesis opuestas sobre
una población: la hipótesis nula y la hipótesis alternativa. La hipótesis nula es la
afirmación que se está comprobando. Normalmente la hipótesis nula es una
afirmación de "sin efecto" o "sin diferencia". La hipótesis alternativa es la
afirmación que se desea ser capaz de concluir que es verdadera basándose en la
evidencia proporcionada por los datos de la muestra.

6. El nivel de confianza representa el porcentaje de intervalos que incluirían el

parámetro de población si usted tomara muestras de la misma población una y otra
vez. Por lo general, un nivel de confianza de 95% funciona adecuadamente.

7. Los niveles de confianza más comunes son el 90%, 95% y 99%. Estos niveles de
confianza se utilizan para expresar la certeza o la confianza que se tiene en que un
intervalo de confianza captura el parámetro de interés en la población. - **90% de
confianza: ** Si repites el proceso de muestreo y construcción de intervalos de
confianza muchas veces, esperarías que el 90% de esos intervalos capturen el
parámetro poblacional. - **95% de confianza: ** Es muy común y se utiliza
ampliamente en la práctica.
 8. Fórmulas para calcular intervalos de confianza para medias de muestras
grandes, descripción de sus componentes y la condición de su aplicación.

1. Se emplea cuando se conoce la desviación estándar de la población infinita, o

n/N < 0.05.

2. Se emplea cuando se conoce la desviación estándar de la población finita y n/N

≥ 0.05.

3. Se emplea cuando no se conoce la desviación estándar de la población infinita,

o < 0.05.

4. Se emplea cuando no se conoce la desviación estándar de la población finita

y n/N ≥ 0.05.

9. Cuando una muestra es grande y cuando es pequeña:

Por lo general, se puede considerar como una muestra grande cuando el tamaño de la
muestra es mayor o igual a 30, en cambio la muestra pequeña es cuando el tamaño es
menor de 30.
 10. Coeficientes o valores críticos de confianza más usados:

Los niveles de confianza más usados son: 90%, 95%, y 99%.

11. Que son grados de libertad y su fórmula:

Los grados de libertad (GL) son la cantidad de información suministrada por los datos
que usted puede “gastar” para estimar los valores de parámetros de población
desconocidos y calcular la variabilidad de estas estimaciones.

12. Escriba y describa la fórmula para calcular intervalos de confianza para la

media de muestras pequeñas:

Muestras o conocidas

Muestras o desconocidas

13. Escriba y describa la fórmula para calcular intervalos de confianza para

proporciones

14. Decisiones estadísticas:

Se trata de utilizar los datos obtenidos a partir de una muestra para tomar una decisión
sobre la población.
15. Hipótesis estadística:
Una hipótesis estadística es una proposición o supuesto sobre los parámetros de una o
más poblaciones.
 16. Hipótesis nula y su símbolo:
Enunciado relativo al valor de un parámetro poblacional formulado con el fin de probar
evidencia numérica. (H0).

17. Hipótesis alternativa: Es una afirmación sobre la población que es contradictoria

con y lo que concluimos cuando rechazamos. (H1).

18. Error tipo I: El error de tipo I se comete cuando la hipótesis nula es verdadera y,
como consecuencia del contraste, se rechaza.

19. Error tipo II: El error de tipo II se comete cuando la hipótesis nula es falsa y,
como consecuencia del contraste se acepta.

20. Nivel de significancia o y su símbolo: es la probabilidad de rechazar la hipótesis

nula cuando es verdadera. (α)

21. Pasos (6) para realizar una prueba de hipótesis:

Especificar las hipótesis. ...
Elegir un nivel de significancia (también denominado alfa o α). ...
Determinar la potencia y el tamaño de la muestra para la prueba. ...
Recolectar los datos. ...
Comparar el valor p de la prueba con el nivel de significancia. ...
Decidir si rechazar o no rechazar la hipótesis nula.

22. Niveles de significancia más usados: Son comunes los niveles de significación
del 0.05, 0.01 y 0.001

23. Tipos de pruebas de hipótesis (3): pruebas paramétricas, pruebas no

paramétricas, pruebas estadísticas.