Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadistica Inferencial
Estadistica Inferencial
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas t de Student
Cuantitativas,
distribución normal Muestras
t de Student
independientes
Comparar 2 promedios Cuantitativas Muestras
Wilcoxon
discretas y continuas relacionadas
sin distribución Muestras
normal U Mann Whitney
independientes
Muestras relacionadas ANOVA
Cuantitativas,
distribución normal Muestras
ANOVA
Comparar ≥ 3 independientes
promedios Cuantitativas discretas Muestras relacionadas Friedman
y continuas sin Muestras
distribución normal Kruskal-Wallis
independientes
1
Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas McNemar
Cualitativas,
Comparar 2 grupos Muestras
nominales y ordinales Chi-cuadrada*
independientes
Muestras
Q de Cochran
Cualitativas, relacionadas
Comparar 3 grupos
nominales y ordinales Muestras
Chi cuadrada
independientes
* Utilizar prueba exacta de Fisher si algún grupo tiene valor < 5
2
Objetivos del estudio Nivel de medición Estadístico recomendado
Intervalo con distribución • El coeficiente r de Pearson
normal (r)
Ordinal-intervalar o sin
• rho de Spearman (ρ)
distribución normal
• Thau b de kendall
Ordinal-ordinal • Thau c de kendall
(ignora empates)
• El coeficiente de
Correlación de 2 variables Nominal muestras
contingencia de Cramer (V
Independientes
de Cramer)
Nominal dicotómica-
• d de Cohen
cuantitativa
Nominal politómica -
• f de cohen
Cuantitativa
• Coeficiente phi de Pearson
Nominal
• (φ)
3
Probabilidad
Estadística inferencial
Definición
Aleatoriedad
Probabilidad
• Teóricamente: P(águila)=,5
Casos favorables: 1
Casos posibles: 2
P. empírica: El experimento de Lloyd (1900)
Reglas de la probabilidad
• Se expresa entre 0 y 1
.5 = 50%
• Tabla
• Función
• Grafica
Distribuciones de probabilidad variables discretas
Estado N P (E)
• Estado de México 60
• Ciudad de México 30
• Morelos 15
• Puebla 10
• Hidalgo 2
Total 117
Distribuciones de probabilidad variables discretas
Estado N P (E)
Estado N P (E)
• Depresión 100
• Ansiedad 100
• Bipolaridad 20
• Esquizofrenia 10
Total 230
Distribuciones de probabilidad variables discretas
Estado N P (E)
• Bipolaridad 20 0,09
• Esquizofrenia 10 0,04
Total 230 1
P(X)= #casos favorables / # casos posibles
• Probabilidad condicionada
P(X l Y) = P (X ∩ Y)
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( G ) = ______________
Grave (G) 32 7 39 P (X) = #casos favorables / # casos posibles
P ( ma ∩ G) =
Total 75 36 111
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( fe U G )=____________
Grave (G) 32 7 39
P(X ∪ Y)= P(X)+P(Y) − P(X ∩ Y)
Moderado
(M)
18 20 38
P ( fe U G )= ,32 + ,35 - ,06
Leve
(L)
25 9 34
P ( fe U G )= ,61
Total 75 36 111
Distribuciones de probabilidad variables discretas
Nivel de
Masculino Femenino
depresion/ Total
(ma) (fe)
sexo
P ( fe U L )=____________
Grave (G) 32 7 39
P(X ∪ Y)= P(X)+P(Y) − P(X ∩ Y)
Moderado
(M)
18 20 38
P ( ma U L )=
Leve
(L)
25 9 34
P ( fe U L )=
Total 75 36 111
Distribuciones de probabilidad de variables continuas
Distribuciones de probabilidad
normal y
“Puntuacion z”
Componentes de la Distribución normal
f (x)
f (x)
f (x)
Densidad de probabilidad
Probabilidad de que un valor seleccionado de la muestra se encuentre en
determinado intervalo
Componentes de la Distribución normal
f (x)
100 %
P (x) = 1
Componentes de la Distribución normal
f (x)
50 % 50 %
P (x) < µ= 1 P (x) > µ= 1
Componentes de la Distribución normal Ejercicios de
comprensión
f (x)
100 %
P (x) = 1
Componentes de la Distribución normal Ejercicios de
comprensión
f (x)
µ=15 µ - 3σ =
µ - 1σ =
Probabilidad =
Probabilidad =
σ= 3 µ +1σ = Probabilidad =
Componentes de la Distribución normal Ejercicios de
comprensión
f (x)
µ=15 µ - 3σ =
µ - 1σ =
6
12
Probabilidad = .001
Probabilidad = .152
σ= 3 µ +1σ = 18 Probabilidad = .841
¿Qué valor se encuentra a +2 desviaciones
estándar del promedio?
¿Cuál es la probabilidad de seleccionar una
persona con un estilo de solución evitativo
mayor a dicho valor?
ESTADÍSTICA INFERENCIAL
ESTADISTICA INFERENCIAL
Grupo de procedimientos matemáticos, que buscan a partir del estudio de
una muestra seleccionada es llegar a conclusiones respecto de la
población de donde proviene la muestra.
Resultados
en la muestra
Inferencia
Aplicación al
universo
CONDICIONES PARA LA INFERENCIA ESTADÍSTICA
PARAMÉTRICA
1. La muestra debe ser representativa.
Estimación de
2. Los sujetos deben ser seleccionados de forma aleatoria. parámetros
3. Todas las personas deben tener una probabilidad
conocida de ser seleccionadas para entrar en la
muestra. Prueba de
hipótesis
4. Cada persona debe ser elegida de manera
independiente de las demás.
Estimación de parametros
Tiene por finalidad asignar valores a los parámetros poblacionales a partir de los
estadísticos obtenidos en las muestras. Dicho de otra manera, la finalidad de la
estimación de parámetros es caracterizar las poblaciones a partir de la
información de las muestras.
→ μ
( 1 - 2) → (μ1-μ2)
S → σ
(p1 – p2) → (P1 – P2)
p → P
Ejemplo
Se desea estimar la Media de las puntuaciones del curso 2003/4, pero solo
se dispone de 50 puntuaciones seleccionadas aleatoriamente. La Media de
la muestra (el estimador), es igual a 5.6 y atribuimos este valor (la
estimación) a la Media del curso completo.
• Resumiendo:
Distribucion muestral de muestras
Muestra
• Al
analizarla
Estadístico
produce
• Permite
• estimar
Parámetro
Teorema del limite central
Sea X1 ,X2 , X3..., un conjunto de variables aleatorias,
independientes e idénticamente distribuidas con media μ y
varianza σ. Sea)
Teorema del limite central
cuando el tamaño muestral (n) supera los 30] sea cual sea
P( )
7,7 9,0 8,7 8,37 ¿?
9,0 7,4 5,9 8,38 ¿?
6,6 9,3 7,6 8,39 ¿?
8,3 9,0 7,4 8,4 ¿?
6,6 6,3 9,0 8,41 ¿?
4,2 6,5 8,4 8,42 ¿?
8,43 ¿?
Distribución muestral de medias muestras
D.M. de D.M. de
diferencia de diferencia de
medias proporciones
Estimacion de parámetros por intervalo
A) INTERVALO DE CONFIANZA (IC)
Se debe conocer:
Comparar proporciones.
Es útil para conocer si la cantidad de casos de una variable en
una o mas muestras es igual a la de la población.
Numero de hombres que atiende al servicio matutino, cantidad de pacientes
que padecen una enfermedad, etc.
Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.
Comparar la varianza
Es de gran utilidad cuando se quiere saber si los datos de la
población se encuentran alejados del promedio.
Analizar la distribución, permitir ciertos análisis
estadísticos, comparar el grado de dispersión.
Pruebas de hipótesis
Es un proceso para determinar la validez de una afirmación
hecha sobre la población basándose en evidencia muestral.
Los puntos básicos del Contraste de Hipótesis estadístico son:
1. La hipótesis nula, denotada por H0
2. La hipótesis alterna, denotada por Ha
3. El estadístico de prueba y su valor p
4. La región de rechazo
5. La conclusión
SELECCIÓN DE LA PRUEBA ESTADÍSTICA
a) Promedios 1. Chi-cuadrada
Conclusiones posibles:
• a) rechazar H0:
• b) no rechazar H0
REGLA DE DECISIÓN
Conclusiones posibles:
Aceptación de Ho
Rechazo de Ho Rechazo de Ho
Ejercicios: Redacte las hipótesis de los siguientes
ejemplos.
Se realiza un experimento para comparar el desgaste de las llantas de dos marcas
diferentes. Se prueban 12 piezas de la marca 1 mediante una maquina para medir
el desgaste. 10 piezas de la marca 2 se prueban de manera similar. Las muestras de
la marca 1 dan un desgaste promedio de 85 unidades con una D.E. muestral de 4,
mientras que las muestras de la marca dan un promedio de 81, con D.E. de 5.
¿Qué hipótesis plantearía para encontrar la marca de mayor rendimiento?
H0:__________________________________________
H1:__________________________________________
En una estación agrícola se ensayo el efecto de un fertilizante sobre la producción
de trigo. Para ello se eligieron 24 parcelas de terreno de igual superficie; la mitad
de ellas fueron tratadas con el fertilizante 1y la otra con el fertilizante 2. Todas las
demás condiciones fueron las mismas. La media de trigo con el F1 conseguida fue
de 0.264 m3 con una desviación estándar de 0.07 m3, la media en las parcelas
tratadas con el F2 fue de 0.28 m3 con una desviación estándar de 0.022 m3. ¿Qué
hipótesis nos permitiría encontrar el fertilizante que produce una producción mas
consistente?
H0:__________________________________________
H1:__________________________________________
Algunos análisis estadísticos
Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas t de Student
Cuantitativas,
distribución normal Muestras
t de Student
independientes
Comparar 2 promedios Cuantitativas Muestras
Wilcoxon
discretas y continuas relacionadas
sin distribución Muestras
normal U Mann Whitney
independientes
Muestras relacionadas ANOVA
Cuantitativas,
distribución normal Muestras
ANOVA
Comparar ≥ 3 independientes
promedios Cuantitativas discretas Muestras relacionadas Friedman
y continuas sin Muestras
distribución normal Kruskal-Wallis
independientes
81
Objetivos del Variables y Prueba
Tipo de muestra
estudio distribución recomendada
Muestras relacionadas McNemar
Cualitativas,
Comparar 2 grupos Muestras
nominales y ordinales Chi-cuadrada*
independientes
Muestras
Q de Cochran
Cualitativas, relacionadas
Comparar 3 grupos
nominales y ordinales Muestras
Chi cuadrada
independientes
* Utilizar prueba exacta de Fisher si algún grupo tiene valor < 5
82
Objetivos del estudio Nivel de medición Estadístico recomendado
Intervalo con distribución • El coeficiente r de Pearson
normal (r)
Ordinal-intervalar o sin
• rho de Spearman (ρ)
distribución normal
• Thau b de kendall
Ordinal-ordinal • Thau c de kendall
(ignora empates)
• El coeficiente de
Correlación de 2 variables Nominal muestras
contingencia de Cramer (V
Independientes
de Cramer)
Nominal dicotómica-
• d de Cohen
cuantitativa
Nominal politómica -
• f de cohen
Cuantitativa
• Coeficiente phi de Pearson
Nominal
• (φ)
83