Documentos de Académico
Documentos de Profesional
Documentos de Cultura
PROBABILSTICO
Y ESTIMADORES
INFERENCIA ESTADSTICA
Diseo muestral
Funcin p() tal que p(s) denota la probabilidad de seleccin de la muestra
s.
Se llamar diseo de muestreo al conjunto de probabilidades de
seleccin de todas las muestras posibles.
Para un diseo muestral dado p(), se puede considerar a cada muestra s
como el resultado de una variable aleatoria S, con distribucin de
probabilidad especificada por p(). As, si S es el conjunto de todas las
muestras
posibles
s, entonces
Pr(S = s)
p(s) para cada
s seS.tiene que
Debido a que
p(s) es
una distribucin
de=probabilidad
en S,
p(s) , para todo s S
y
En
general puede ocurrir que no todas las muestras s del espacio
muestral S puedan ser elegidas. Sin embargo consideraremos slo
mtodos de muestreo no restringidos; es decir, mtodos de
muestreo en los que todas las muestras puedan ser seleccionadas; es
decir, p(s) , para todo s S.
2
INFERENCIA ESTADSTICA
Ejemplo.
Dada la poblacin U={1,2,3,4,5}, en la siguiente tabla se define un
diseo muestral asociado con la poblacin U
s
{1,2varias
{1,3 muestras
{1,4 {1,5
{2,4
{2,5 {3,4
{3,5 {4,5
Dado
que
del{2,3
espacio
muestral
S generado
por el
}
} pueden
} originar
}
} mismo
} valor
} del }estimador,
}
mtodo }de muestreo
el
la
probabilidad
estimador
se define
suma
P(s)
0,1
0,1de ese
0,1 valor
0,1 del0,1
0,1
0,1
0,1 como
0,1 la 0,1
de las probabilidades de todas las muestras que lo originan.
INFERENCIA ESTADSTICA
Supuestos
1. Universo Finito
2. Se debe disponer de un marco de muestreo
3. Todas las unidades de seleccin tienen probabilidad conocida
y mayor que cero de ser incluidas en la muestra.
4. El mecanismo de seleccin de la muestra corresponde con las
probabilidades asignadas con anterioridad a cada objeto.
La probabilidad de seleccin o de inclusin de un elemento es lo
que permite el paso de la observacin en la muestra a la
inferencia de lo buscado en la poblacin
El hecho de conocer las probabilidades de seleccin de los
elementos debe ir acompaado del proceso de seleccin
aleatoria que le corresponda.
La inferencia que se realice con base en probabilidades no ciertas
conducir a decisiones equivocadas.
INFERENCIA ESTADSTICA
MTODO DE
ESTIMACIN
Con base en una muestra
que ha sido seleccionada
mediante un mtodo de muestreo se pueden estimar las
caractersticas poblacionales (media, total, proporcin,
etc.) con un error cuantificable y controlable.
Estimadores. Funciones matemticas de la muestra. Se
asumen como
variables aleatorias al considerar la
variabilidad de seleccin
de las muestras y por lo tanto cumplen las
condiciones de
una funcin de medida.
Los
errores
se
cuantifican
mediante
varianzas,
desviaciones tpicas o errores cuadrticos medios de
los estimadores que miden la precisin de los mismos.
INFERENCIA ESTADSTICA
Sea
una muestra de tamao n seleccionada de la poblacin . Se pretende
estimar el parmetro poblacional mediante una funcin de los valores
denominado estadstico, estimador o medida de la muestra:
As por ejemplo:
La funcin
INFERENCIA ESTADSTICA
DISTRIBUCIN DE UN
ESTIMADOR
Sea
el conjunto de valores del
estimador
La funcin
Se le denomina distribucin del estimador en el muestreo.
INFERENCIA ESTADSTICA
PROPIEDADES DE LOS
ESTIMADORES
Esperanza
matemtica del estimador del parmetro
Varianza del estimador del parmetro
INFERENCIA ESTADSTICA
PROPIEDADES DE LOS
ESTIMADORES
Acuracidad
del estimador del parmetro
INFERENCIA ESTADSTICA
Contribucin
del
sesgo y la
desviacin a
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
Observacin
INFERENCIA ESTADSTICA
1. Con base en el
2. Con base en el
3. Con base en el error de muestreo
INFERENCIA ESTADSTICA
EJERCICIOS
X=Nivel de
precipitacin
atmosfrica lt/m2
60
40
30
80
Zonas
Z1
Z2
Z3
Z4
b)
Pr(X)
1/6
1/3
1/3
1/6
Estimado
res
Media Aritmtica
Media
Geomtrica
Media
Cuadrtica
Media Armnica
3/20
3/20
1/15
1/3
3/20
Tenga en cuenta:
3/20
35
34 2/7
1/3
183/515
1/3
40
3/20
3/20
47
43 5/8
3/20
122/281
3/20
3/10
48
3/20
50
53 1/3
3/20
101/102
3/20
68 4/7
1/15
3/20
60
1/15
289/696
3/20
d.son insesgados?, en el caso que no lo sean, calcule Estimado
63
r
los sesgos
69/281
3/20
Sesgo del estimador del parmetro
70
1,1667
619/871
1/15
Se requiere entonces calcular y para
poder hallar
el sesgo.
35
45
50
55
60
70
1/3
3/20
3/20
3/20
3/20
1/15
34 25/39
42
197/462
48 97/98
56
394/693
69 11/39
1/3
-0,9547
3,1453
Primero se calcula el parmetro que se pretende estimar, dado que
se
conoce la informacin de la poblacin.
-2,9212
)=46
)=?
2/3
47
5/6
49 177/218
45 89/125
43 41/55
e. Calcule las
estimadores.
varianzas
de
todos
los
41
143 713/924
0207
INFERENCIA ESTADSTICA
Contribucin
del sesgo y la desviacin
a
En la prctica se considera que el sesgo no es influyente cuando
En el nico
caso que se
Estimador
puede asumir
0,1067
el sesgo
0,0953
1,1667
0,2623
despreciable
0,3087
-0,9547
10,0207
es con el
estimador
3,1453
g.Haga un anlisis de su precisin. Cul de ellos es mejor?
media
-2,9212
geomtrica, en
Si un estimador del parmetro poblacional es sesgado, la magnitud
los dems NO.
INFERENCIA ESTADSTICA
cuadrtico medio.
Estimador
23,26%
3,36%
56,75%
-
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
EJERCICIOS
3. En una poblacin de N=10 unidades se encuentran estas formando
cuatro subconjuntos . Los valores de una caracterstica X medida sobre
los elementos de la poblacin se presentan en la tabla adjunta:
51, 52,
53
54, 56
59, 61
52, 52,
55
INFERENCIA ESTADSTICA
EJERCICIOS
INFERENCIA ESTADSTICA
EJERCICIOS
INFERENCIA ESTADSTICA
Cuando
se realiza una afirmacin acerca de los parmetros de la poblacin
en estudio con base en la informacin proporcionada por una muestra,
sealando un intervalo de valores dentro del cual se tiene confianza de
que est el valor del parmetro, se tendr una estimacin por Intervalos de
confianza ()
Realizar una estimacin por para un parmetro al nivel del de confianza
es hallar un intervalo en para el que se tiene una probabilidad de de que
el verdadero valor del parmetro caiga dentro del intervalo. A los valores
extremos de la distribucin asociados con el nivel de confianza se les
suele denominar coeficientes de confianza.
INFERENCIA ESTADSTICA
Para
un nivel de confianza el intervalo de confianza del parmetro est
dado por:
Dado que es usual que no se conozca debido a que en su clculo
intervienen datos poblacionales no conocidos, en su lugar se utiliza
Observacin.
En este caso no se puede asegurar con exactitud que el intervalo cubra a
con probabilidad pero en la mayora de los casos toma la forma de una
suma de variables normales, con lo que podr inferirse su normalidad.
realmente es dudoso que entonces se puede utilizar la distribucin tSi
student con grados de libertad para el clculo del intervalo. En este caso
queda:
La distribucin t-Student es una distribucin de probabilidad que surge del
problema de estimar la media de una poblacin normalmente
distribuida cuando el tamao de la muestra es pequeo
INFERENCIA ESTADSTICA
Distribucin t - Student
Supongamos
que son variables aleatorias independientes distribuidas
normalmente con media y varianza .
Sea . Entonces el cociente sigue una distribucin normal con media 0 y
varianza 1.
qu pasa si no es conocida? (Pregunta que formul W. S. Gosset)
1
1
2 2
t
2
1
n x n 1e x dx
f (t )
, t R, n 1
0
.
2
La distribucin depende de , no de ni de . es denominado grados
de libertad.
INFERENCIA ESTADSTICA
Distribucin t - Student
1.
INFERENCIA ESTADSTICA
Distribucin t - Student
INFERENCIA ESTADSTICA
Distribucin t - Student
INFERENCIA ESTADSTICA
Distribucin t - Student
Tabla de Valores t
0,25
0,10
0,05
0,025
0,01
0,005
0,0025
0,001
0,0005
1c
Grados de
0,5
0,2
0,1
0,05
0,02
0,01
0,005
0,002
0.001
2c
Libertad
.
1
..
..
n -1.
n
. .
Valor t
INFERENCIA ESTADSTICA
Observaciones.
1. Este intervalo suele ser ms ancho que el obtenido cuando la
distribucin de
es normal. A medida que
se aleja de la
normalidad, la anchura de este intervalo es mucho mayor respecto del
obtenido para normalidad.
2. Se sabe que una estimacin por es mejor cuanto ms reducido
sea el de ah que la propiedad de normalidad sea muy deseable, pues
en este caso los intervalos obtenidos son muy estrechos, lo que implica
una buena estimacin por intervalos.
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
EJERCICIOS
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
EJERCICIOS
3. En una poblacin de N=10 unidades se encuentran estas formando
cuatro subconjuntos . Los valores de una caracterstica X medida sobre
los elementos de la poblacin se presentan en la tabla adjunta:
51, 52,
52,
54, 56
59, 61
52, 52,
52,
53
55 en elegir cada
de muestreo que consiste
Se considera un procedimiento
INFERENCIA ESTADSTICA
EJERCICIOS
INFERENCIA ESTADSTICA
EJERCICIOS
INFERENCIA ESTADSTICA
1.
2.
3.
4.
Si
Si
Si
Si
INFERENCIA ESTADSTICA
1.
2.
3.
4.
1.
2.
3.
4.
Para calcular las varianzas estimadas en este caso basta con quitar de las
expresiones estimadas sin reposicin el factor
INFERENCIA ESTADSTICA
EJERCICIOS
6. Considere una poblacin finita de 6 elementos sobre los que se mide una
variable X, obteniendo como resultado . Mediante muestreo aleatorio
simple se extraen muestras de tamao 2. Se pide.
a) Cuntos elementos tiene el espacio muestral? Especificar tal
espacio y las probabilidades asociadas a las muestras.
b) Hallar las distribuciones en el muestreo de los estimadores de la
media, del total, de la varianza, as como los estimadores de sus
varianzas.
c) Compruebe la insesgadez de los estimadores.
d) Verifique que se cumple que y
e) Verifique que el estimador = Total muestral, no es insesgado del
total poblacional .
f) Hallar intervalos de confianza del 97% para la media y el total en la
poblacin tomando como referencia la muestra de mayor promedio
para la media y la de menor total para el total.
g) Hallar el tamao de muestra necesario para que el error de muestreo
sea 2 al estimar la media de la poblacin dado que se asume una
confianza del 95%
h) Asuma que el muestreo se hace con reposicin. Repita las partes a) a
INFERENCIA ESTADSTICA
EJERCICIOS
7. Con el objetivo del anlisis de la divisibilidad de un conjunto de nmeros considere
la poblacin , . Mediante muestreo aleatorio simple se extraen muestras de
tamao 2.
a) Cuntos elementos tiene el espacio muestral? Especificar tal espacio y las
probabilidades asociadas a las muestras.
b) Hallar las distribuciones en el muestreo de los estimadores de la proporcin de
nmeros primos y del total de nmeros primos, as como de los estimadores
de sus varianzas.
c) Compruebe la insesgadez de los estimadores.
d) Verifique que se cumple que y
e) Verifique que el estimador = Total de nmeros primos en las muestras, no es
insesgado del total de clase poblacional A.
f) Hallar intervalos de confianza del 95% para el total y la proporcin de
nmeros primos de la poblacin tomando como referencia las muestras cuyos
dos elementos son nmeros no primos. Asuma que la variable de inters en la
poblacin no se ajusta a una distribucin normal.
g) Hallar el tamao de muestra necesario para que el error de muestreo sea 1/4
al estimar la proporcin de nmeros primos de la poblacin dado que se
asume una confianza del 97%
INFERENCIA ESTADSTICA
EJERCICIOS
8. De una poblacin con 45 millones de habitantes se ha obtenido una
muestra de 10000. En ella 4250 se han clasificado como poblacin
activa, y de estos 125 se encuentran en situacin de desempleo. Se pide:
a) Estimar la proporcin de poblacin activa.
b) Estimar el nmero de personas activas que se encuentran en
situacin de desempleo.
c) Calcular los errores absoluto y relativo de muestreo en ambas
estimaciones.
d) Determine los intervalos de confianza tanto para la proporcin de la
parte a) como para el total de la parte b) asumiendo un riesgo del
2,5%
e) Cuntas personas de todas las edades sera necesario incluir en una
muestra para estimar la proporcin de actividad con un error
absoluto del 2% y una probabilidad del 95%? Suponga que por el
ltimo censo se sabe que en el pas hay un 39% de activos.
9. En una regin con viviendas determinar el tamao de muestra necesario
para que, con un nivel de confianza del 95%, la estimacin de la
proporcin de viviendas que no tienen servicio de agua tratada no difiera
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
Principio
Gua:
No
existen
resultados
cuantitativos vlidos si no van acompaados de
alguna estimacin de los errores inherentes a
ellos.
Tipos de Errores
Crasos
Crasos oo
Espurios
Espurios
Aleatorios
Aleatorios o
Indeterminados
Indeterminados
Sistemticos o
Determinados
Determinados
Provocan
experimento
Entre ms alta sea la variabilidad, mayor
que
todos
la
precisin
No se pueden eliminar. Se pueden
la
proximidad
al
verdadero
mtodos
Losestadsticos.
errores sistemticos y aleatorios
pueden ocurrir
valor
INFERENCIA ESTADSTICA
Insuficiente observacin.
Proteccin ms efectiva:
Uso de materiales de referencia.
Uso de mtodos estndar.
INFERENCIA ESTADSTICA
TEORIA DE ESTIMACIN
ESTADSTICA
INFERENCIA ESTADSTICA
ERROR MUESTRAL
INFERENCIA ESTADSTICA
Sesgo y Variabilidad
En la figura se analiza intuitivamente el efecto combinado de sesgo
INFERENCIA ESTADSTICA
INSESGADEZ DEL
ESTADSTICO
Si el valor esperado del
estadstico muestral es
igual
al
parmetro
poblacional
que
se
estudia, se dice que el
estadstico muestral es
un estimador insesgado
del
parmetro
poblacional.
INFERENCIA ESTADSTICA
SESGADEZ DEL
ESTADSTICO
queda
EFICIENCIA (Menor
Variabilidad)
INFERENCIA ESTADSTICA
Como
E
es
relativamente
ms eficiente
que
y se
prefiere como
estimador
puntual.
INFERENCIA ESTADSTICA
EFICIENCIA
INFERENCIA ESTADSTICA
Consistencia (depende de n)
Un
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
Herramienta que permite, con base en
la INFORMACIN proporcionada por
una MUESTRA DE TAMAO n sobre
una variable de naturaleza cuantitativa
o cualitativa, PROYECTAR el
comportamiento de la variable a la
TOTALIDAD DE LA POBLACIN
asumiendo para ello la PRESENCIA DE
LA INCERTIDUMBRE y facilitando as
los procesos de TOMA DE
DECISIONES
INFERENCIA ESTADSTICA
CRITERIOS
1. El procedimiento de inferencia se
relaciona
con
parmetros
o
medidas de la variable de inters en
la poblacin.
2. La variable de inters en la poblacin
de la cual surgen los datos est
distribuida normalmente.
INFERENCIA ESTADSTICA
PROCEDIMIENTOS ESTADSTICOS
DE INFERENCIA
INFERENCIA ESTADSTICA
TEORA DE INFERENCIA
ESTADSTICA
INFERENCIA ESTADSTICA
DISTRIBUCIONES MUESTRALES DE
PROBABILIDAD
POBLACIN
CUANTAS
MUESTRAS
DIFERENTES SE
PUEDEN OBTENER?
VARIABLE
CON REPOSICIN?
SIN REPOSICIN?
MEDIA POBLACIONAL DE
LA VARIABLE EN LAS
UNIDADES
VARIANZA Y DESVIACIN
2
ESTNDAR POBLACIONAL DE LA
NORMAL
VARIABLE EN LAS UNIDADES
POBLACIN DE
MUESTRAS
VARIABLE
DESCONOCIDO
COMPORTAMIENTO
FUNCIONAL DE LA VARIABLE EN CONOCIDO NO NORMAL
LA POBLACIN
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
FORMALIZANDO LA DISTRIBUCIN DE
PROPORCIONES MUESTRALES
Supngase una poblacin de tamao N y en ella una variable cualititativa X, para la
que se conocen en una clasificacin A de la Variable su proporcin () y su varianza
() y para la que su forma funcional podra ser: Conocida pero no normal o
desconocida.
Si se determinan todas las posibles M muestras de tamao n: M1, M2, .......,MM ; y
para cada una de ellas se calcula su respectiva proprocin en la clasificacin A: , ,
; entonces, se construye una nueva variable denominada proporciones muestrales
y a partir de ella la distribucin de probabilidad que lleva su nombre.
El comportamiento funcional de esta distribucin es aproximadamente normal es
decir la variable tiende a un comportamiento normal a medida que n crece.
INFERENCIA ESTADSTICA
PARA QU LAS
DISTRIBUCIONES MUESTRALES
DE PROBABILIDAD?
PARA LLEGAR A LA CONCLUSIN
DEL COMPORTAMIENTO DE LA
VARIABLE EN LA POBLACIN
SIN TENER QUE OBSERVAR
TODA LA POBLACIN
INFERENCIA ESTADSTICA
UNA
POBLACIN
DOS
POBLACIONES
MEDIA
VARIANZA
TOTAL
DIFERENCIAS
ENTRE MEDIAS
CUALITATIVA
PROPORCIO
N TOTAL
DIFERENCIAS
ENTRE
PROPORCIONE
S
INFERENCIA ESTADSTICA
ESTIMADORES PUNTUALES
PRINCIPIO DE ANALOGA. Se estima un parmetro
poblacional a partir del estimador muestral.
Para la Media
Poblacional
Para el Total
Poblacional
Para la Proporcin
Poblacional
Para el Total Poblacional
Para la Varianza
Poblacional
Para la Diferencia entre Medias
Poblacionales
Para la Diferencia entre Proporciones
Poblacionales
P p
2
2
1 2 x1 x 2
P1 P2 p1 p2
INFERENCIA ESTADSTICA
N=30. IC de
la media con
un nivel de
confianza del
95% para 30
muestras de
tamao 8
4.00
3.50
3.00
2.50
2.00
1.50
1.00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
IS x Z . x
is N . I ; N . S
Muestreo A. Estratificado
UNA
POBLACI
N
IS x st Z . x st
is N . I ; N . S
Muestreo A.
Conglomerados
x c Z . x c
S
I
is
N . I ; N . S
Muestreo A. Simple
PIS p Z . P
A is N .PI ; N .PS
Muestreo A.
Estratificado
S
PI pst Z . Pst
A is N .PI ; N .PS
Muestreo A.
Conglomerados
P S p Z .
I
Pc
s N . P ; N . P
A
i
I
S
INFERENCIA ESTADSTICA
Para calcular las varianzas estimadas en este caso basta con quitar de las
expresiones estimadas sin reposicin el factor
INFERENCIA ESTADSTICA
IS x t . x
UNA
POBLACI
N
g .l. n 1
Muestreo A.
Estratificado
S
I x st t. x st
g .l. n1 n2 n3 ....n1 i
Muestreo A.
Conglomerados
S
I x c t. x c
g .l. n 1
CUALITATIVA
Muestreo A. Simple
PIS p t . P
g .l. n 1
Muestreo A.
Estratificado
S
PI p st t. Pst
g .l. n1 n2 n3 ....n1 i
Muestreo A.
Conglomerados
S
PI pc t . Pc
g .l. n 1
INFERENCIA ESTADSTICA
Ejemplo.
Supongamos que para una variable (por ejemplo Tiempo necesario para realizar una
actividad), se pretende hacer una estimacin con base en una cierta muestra de
tamao n utilizando un nivel de confianza del 95% y un error del 3%. Qu quiere decir
esto?
Sol.
Quiere decir que se espera que en el 95% de las posibles muestras (en particular, con
la muestra que se est trabajando) el verdadero tiempo (promedio) de toda la
poblacin de aquellos que la realizan, se presente con una diferencia aproximada al
3% del tiempo promedio proporcionado por la muestra.
INFERENCIA ESTADSTICA
EJEMPLO
1. Un fabricante de llantas desea investigar la durabilidad de sus
productos. Una muestra de 10 llantas que recorrieron 50.000
millas revel una media muestral de 0,32 pulgadas de cuerda
restante (lo que queda de la llanta despus del uso) con una
desviacin estndar de 0,09 pulgadas. Construya un intervalo
de confianza de 95% de la media poblacional. Sera razonable
que el fabricante concluyera que despus de 50.000 millas la
cantidad media poblacional de cuerda restante es de 0,30
pulgadas? Asumir que la distribucin es normal
INFERENCIA ESTADSTICA
3.
4.
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
FORMALIZANDO LA DISTRIBUCIN DE
DIFERENCIAS ENTRE MEDIAS MUESTRALES
Supngase dos poblaciones de tamaos N1 y N2 y en ellas una variable cuantitativa X
cuyo comportamiento funcional es normal, para la que se conocen sus respectivas
medias aritmticas (1 y 2 ) y varianzas (21 y 22).
Si se extraen en forma aleatoria todas las posibles M muestras independientes sin
reposicin de tamaos n1 y n2 grandes en cada poblacin respectivamente y en cada
una de ellas se calcula su respectiva media muestral, entonces, se construye una
nueva variable denominada diferencias entre medias muestrales y a partir de ella la
distribucin
de probabilidad que lleva su nombre.
INFERENCIA ESTADSTICA
si
1 2 x1 x 2
INFERENCIA ESTADSTICA
EJEMPLO
Hasta hace poco tiempo, los granjeros suecos fumigaban el 80% de todos
los cereales sembrados con un fungicida que contena metilo mercurio. Se
llev a cabo un estudio para comparar el nivel medio de mercurio en los
huevos producidos en Suecia con el de los huevos producidos en
Alemania, dnde no se utiliza el metilo de mercurio. Se seleccion una
muestra aleatoria de huevos producidos en Suecia y otra muestra
aleatoria de huevos producidos en Alemania. Los resultados son los
Alemania
Suecia
Alemania
siguientes:
INFERENCIA ESTADSTICA
Observacin.
La estimacin por intervalos de confianza de la diferencia se
calcula mediante la expresin
S
( x1 x 2 ) ( x1 x 2 ) Z ( x x 2 )
I
EJEMPLO
INFERENCIA ESTADSTICA
EJEMPLO
1. Al tomar dos muestras de 100 bombillas cada una, de dos marcas
diferentes, se encontr que el tiempo medio de duracin en la primera
fue de 1750 horas y en la segunda de 1850 horas, con varianzas de
12100 horas2 y 8100 horas2 respectivamente. Utilizando un nivel de
confianza del 90% estime la diferencia media en los tiempos de
duracin de los dos tipos de bombillas.
2. Se hizo una entrevista a 32 subdirectores y 31 analistas de mercado de
una gran empresa. Se les pregunt a cada uno cul considera ser el
porcentaje ptimo de cobertura de mercado para su compaa. Se
obtuvieron las siguientes respuestas:
Subdirectores: 26 27 26,5 27,3 28 - 25 31,3 27,8 20,3
24,2 22,5 26,3 24 25 23,5 27 30 23,5 23,5 24 23
25 24 26 26,5 29 27 28 26,7- 23,6 23,7 - 28
Analistas:
23,1 28,6 24,2 23,5 26,3 29 30 32 30,5
30 32 31,5 32 30 28 26 25 28 29 28 27 26 25,5
26,5 28 27,5 30 31 30,5 30,5 - 28
Utilizando un nivel de confianza del 98% estime la diferencia en la
opinin de cobertura entre subdirectores y analistas.
INFERENCIA ESTADSTICA
SUPUESTOS
2
1
2
2
2
1
? ; 22 ?
S
DOS
( x1 x 2 ) ( x1 x 2 ) t ( x x 2 )
I
1
POBLACIONE
S
s 2p s 2p
( x1 x 2 )
n1
n2
( x x
1
S
2)I
2
1
22
( x1 x 2 ) t ( x x
1
(n1 1) s12 (n 2 1) s 22
s
n1 n2 2
2
p
( s1
n1
s12
)t1 ( s 2
n2
n1
s2
Cochran
n2
)t 2
2)
INFERENCIA ESTADSTICA
2
1
22
2
1
s12
gl
n1
EJEMPLO
n1
n1 1
2
2
n 2
s 22
n 2
n2 1
Clculo de
grados de
libertad
propuesto
por
Montgome
ry, pg.
392
( x x
1
S
2)I
( x1 x 2 ) t ( x x
1
2)
Mujeres
2,0 - 2,1 - 3,1 - 2,5 - 2,3 - 3,0 3,5 1,8 -2,8
2,7 - 2,4 2,1 3,1 1,5 3,2 4,1
INFERENCIA ESTADSTICA
FORMALIZANDO LA DISTRIBUCIN DE
DIFERENCIAS ENTRE PROPORCIONES
MUESTRALES
Supngase dos poblaciones de tamaos N1 y N2 y en ellas una variable cualitativa X
cuyo comportamiento puede ser conocido o desconocido pero no normal observada
en una clasificacin A para la cual se conocen sus respectivas proporciones (P1A,
P2A) y varianzas (21A, 22A).
Si se extraen todas las posibles M muestras de tamaos n1 y n2 grandes de cada
poblacin, y en cada una de ellas se determinan sus respectivas proporciones
muestrales en A. entonces, se construye una nueva variable denominada
diferencias entre proporciones muestrales y a partir de ella la distribucin de
probabilidad que lleva su nombre.
INFERENCIA ESTADSTICA
Si
Observacin.
La estimacin por intervalos de la diferencia se calcula mediante
la expresin
S
( p1 p2 ) I ( p1 p2 ) Z ( p1 p2 )
INFERENCIA ESTADSTICA
EJEMPLO
1. Una muestra de 350 personas en una ciudad A revel que 250 de ellos
prefieren cierta marca de chocolate y otra muestra de 400 personas en la
ciudad B revel que 290 de ellos prefieren la misma marca. Utilizando un
nivel de confianza del 98%, estime la diferencia en las proporciones de las
personas que prefieren dicha marca de chocolate en las dos ciudades.
2. Basndose en su experiencia, los fiscales de transito de Bucaramanga se
han dado cuenta que el 15% de los automviles presentados a la
inspeccin anual no pasan este requisito. Cul es la probabilidad de que
en una muestra de 200 automviles elegidos al azar ...
a. Entre 25 y 35 no pasen la inspeccin?
b. Por lo menos 40 no pasen la inspeccin?
c. A lo ms el 10% no pasen la inspeccin?
3. Al investigar la imagen de calidad de cierta marca de reloj de pulso, se
seleccion una muestra de 120 profesionales y 80 talleres de reparacin
de reloj de pulso y se obtuvo la siguiente informacin:
OPINIONES
PROFESIONA
LES
60
TALLER
ES
48
60
32
120
80
INFERENCIA ESTADSTICA
Distribucin Ji Cuadrado
Enestadstica,
ladistribucin (de Pearson), llamada Chi cuadrado o Ji
cuadrado, es unadistribucin de probabilidad continuacon un
parmetroque representa losgrados de libertadde lavariable aleatoria
donde
las
son
variables
aleatoriasnormalesindependientesdemediacero yvarianzauno. El que la
variable aleatoriatenga esta distribucin se representa habitualmente
as:
Funcin de densidad
n x n 1e x dx
0
Funcin de distribucin
INFERENCIA ESTADSTICA
Distribucin Ji Cuadrado
Para
especificar un valor de se utiliza la tabla de la chi cuadrado o la
computadora. Se requiere conocer el nmero de grados de libertad y el
nivel de significacin. La tabla muestra solo las reas en el extremo
derecho, extremo que resulta el ms empleado.
Distribucin Ji Cuadrado
A significa el rea del
extremo derecho para
los valores de 2 que
aparecen en la tabla.
g.l.
significa
el
nmero de grados de
libertad.
INFERENCIA ESTADSTICA
PROPIEDADES
TEOREMA
Supongamos
que son una muestra aleatoria de tamao n de variables
aleatorias independientes distribuidas normalmente con media
y
varianza . La variable aleatoria se distribuye como una variable Jicuadrado con n-1 grados de libertad. Si se multiplica y divide el numerador
de esta expresin por , la variable aleatoria se presenta como
INFERENCIA ESTADSTICA
1
2
1
s2 s 2 (n 1) I2
s 2 (n 1)
s 2 (n 1)
2
2
s
I2
INFERENCIA ESTADSTICA
EJEMPLO
1. Un especialista en Salud Ocupacional ha venido observando los
factores de riesgo a los cuales se encuentra sometido un cierto grupo
de trabajadores y ha reunido informacin sobre la accidentalidad diaria
que se presenta. Ha asumido que los valores del nmero de accidentes
por da siguen una distribucin normal. Al tomar una muestra aleatoria
de 25 das observa que el nmero medio de accidentes por da es de
2.5 con una desviacin estndar de 1,9. Estime utilizando un nivel de
confianza del 95% el valor de 2.
2. El contenido de azcar del jarabe en latas de duraznos en almbar tiene
una distribucin normal. Se quiere hacer afirmaciones acerca de la
dispersin de este. Una muestra de 10 latas dio como resultado una
desviacin estndar de 4,8 mg. Usando un nivel de confianza del 95%
estime la varianza del contenido de azcar del jarabe.
3. Una mquina llenadora ha ejecutado su operacin con una varianza de
0.83 grms2. Si se toma EJERCICIOS
una muestra de 15 unidades, cul es la
probabilidad
de tener
una varianza:y estadstica. William Mendenhall,
Libro:
Introduccin
a la probabilidad
2
a. J. Beaver,
superiorBarbara
a 1.249 M.
grms
?
Robert
Beaver.
Cp. 10. Pgs. 417 a 424.
2
b. inferior a 0.3896 grms ?
INFERENCIA ESTADSTICA
Distribucin F
distribucin es una distribucin de probabilidad continua. Tambin se la
La
conoce como distribucin de Snedecor (por George Snedecor) o como
distribucin de Fisher-Snedecor.
Si U y V son dos variables aleatorias independientes que tienen
distribucin Chi Cuadrado con m y n grados de libertad,
respectivamente, entonces, la variable aleatoria
tiene funcin de
distribucin
Funcin de
densidad
m2
mn
.
2
f x
m
.
2
n
n
.x
m
1 .
mx
. 1
mn
n X n 1e X dX
0
,x 0
INFERENCIA ESTADSTICA
Propiedades de la distribucin F
Una distribucin se encuentra sesgada a la derecha.
A medida que crece el nmero de grados de libertad del numerador y del
denominador, tiende a ser ms concentrada (reduce la dispersin) y por
lo tanto ms puntiaguda, as como tambin simtrica
distribucin es una distribucin de probabilidad continua, por lo tanto,
La
el rea bajo la curva es igual a 1.
forma similar que la distribucin t y la distribucin la distribucin es
En
una familia de distribuciones, slo que para hacerse especfica se requiere
tener definidos:
Nivel de significacin
Grados de libertad del numerador
Grados de libertad
de la
razn
de
varianzas
2
n para el denominador
2
n
(
m
2
)
2
E( X )
V (X )
2
n2
m ( n 2) ( n 4 )
INFERENCIA ESTADSTICA
Distribucin F
G
r
a
d
o
s
d
e
L
i
b
e
r
t
a
d
d
e
l
d
e
n
o
m
i
n
a
Valores de F
para
las
distribuciones F
con 5% y 1%
del rea en el
extremo
derecho.
El
nmero
superior
corresponde al
nivel del 5%, el
inferior al nivel
del 1%.
INFERENCIA ESTADSTICA
Distribucin F
Una tabla como la anterior para la distribucin F resulta muy
pequea para las posibilidades que pueden darse; por tal
razn, una buena alternativa es utilizar las Herramientas de
Excel.
Ejemplo
1.
Si se tiene un nivel del 5%, grados de libertad para el numerador de 15 y
grados de libertad para el denominador de 18, qu valor F se determina?.
Sol.
Segn los datos y acudiendo a la tabla se tiene que F = 2,27. Con este
nmero se interpreta que la probabilidad de observar un valor F igual o
mayor a 2,27 es de 0.05.
Observacin. Conociendo el valor F para el 5% se puede calcular el valor
F para el 95% con 18 grados de libertad en el numerador y 15 grados de
libertad en el denominador y viceversa. Para esto se hace:
INFERENCIA ESTADSTICA
Distribucin F
Ejemplo 2.
Si se tiene un nivel de significacin del 95%, grados de libertad para el
numerador de 18 y grados de libertad para el denominador de 15, qu
valor F se determina?.
Sol.
1
1
2.27
0.4405
Ejemplos :
Encontrar el valor de F, en cada uno de los siguientes casos:
a. El rea a la derecha de F, es de 0.25 conm=4 y n=9.
b. El rea a la izquierda de F, es de 0.95 con m=15 y n=10.
c. El rea a la derecha de F es de 0.95 con conm=6 y n=8.
d. El rea a la izquierda de F, es de 0.10 con conm=24 y n=24.
INFERENCIA ESTADSTICA
En la prueba t para la diferencia entre medias para grupos independientes, se supone que
las varianzas son iguales, sin embargo, si los tamaos de muestras son iguales se puede
prescindir de tal condicin. Si los tamaos de las muestras son diferentes, entonces antes
de verificar la prueba t deber verificarse el comportamiento de las varianzas.
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
Ejemplo
Soluci
n
0,5157 = 1,07
1,8874 = 3,91
INFERENCIA ESTADSTICA
Ejemplo
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
INFERENCIA ESTADSTICA
El objetivo de los planteamientos por parejas, es controlar factores extraos que pudieran
influir en el resultado; luego, cualquier diferencia ocasionada por el tratamiento no ser
enmascarada por variaciones entre los sujetos mismos.
Si se asume la siguiente notacin:
Ai: Valores de la variable antes de; sin la condicin especfica; del grupo 1.
Bi: Valores de la variable despus de; con la condicin especfica; del grupo 2.
Se tendr para N sujetos: Ai: a1, a2, a3, ...
Bi: b1, b2, b3, ...
...aN
... bN
...dN = aN - bN .
di
i 1
d2
(d
d )2
i 1
INFERENCIA ESTADSTICA
i 1
s2
i 1
n 1
Es importante notar que los valores ai, bi entre si son dependientes, pero
cada di es independiente de los dems.
FORMALIZANDO LA DISTRIBUCIN DE DIFERENCIAS ENTRE
MEDIAS MUESTRALES PARA OBSERVACIONES POR PARES
Supngase
una poblacin de tamao N y en
ella una variable cuantitativa X, que se
observa
antes
y
despus
de
alguna
intervencin (O en cualquier otra forma que
refleje observaciones pareadas), con media
y varianza conocidas y de comportamiento
normal o aproximadamente normal. Si se
obtienen todas las posibles m muestras de
tamao n y con cada una de ellas se hace
observacin antes y despus, determinando por
observacin su correspondiente diferencia y as
a partir de las diferencias calculando la
diferencia media, se determina una nueva
Muestras
diferencias
Media de
d .d
d2
n
2
d
INFERENCIA ESTADSTICA
d I d t. d
S
E1 siguientes:
E2
E3
E4
E5
E6
E7
E8
E9 E10 E11 E12
ANT.
DES
P.
95
87
92
88
89
84
93
90
85
80
86
78
84
80
90
84
84
75
86
80
90
82
88
80
INFERENCIA ESTADSTICA
Ejemplo
En una universidad se seleccionaron 14 pares de estudiantes de tercer
semestre sobre la base de similitud de inteligencia y preparacin bsica. Un
estudiante de cada par fue capacitado para efectuar un proceso con un
mtodo y el otro con otro mtodo diferente. Despus del perodo de
aprendizaje, los estudiantes fueron sometidos a una prueba que arroj los
siguientes resultados asignados en una escala de 0.0 a 5.0.
PARES
MET. 1
MET. 2
P1
4.7
4.5
P2
3.5
3.9
P3
3.8
3.8
P4
4.3
4.5
P5
4.5
4.5
P6
4.8
4.3
P7
5.0
5.0
P8
5.0
4.8
P9
5.0
5.0
P10
3.9
4.8
P11
3.8
5.0
P12
4.5
3.6
P13
4.6
3.9
P14
4.8
4.6
INFERENCIA ESTADSTICA
EJERCICIOS
Libro: Introduccin a la probabilidad y estadstica. William Mendenhall,
Robert J. Beaver, Barbara M. Beaver. Cp. 10. Pgs. 410 a 417.
Libro: Estadstica para Ingenieros y cientficos. William Navidi. Ejercicios seccin 5,7 pg.
346 a 350.
Probabilidad y estadstica aplicadas a la ingeniera. Montgomery Douglas
y Runger George. Pg. 402 a 409