Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTADÍSTICA
ESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL.-
Es la rama de la estadística que permite tomar una decisión acerca de
una población en particular, basándose en las conclusiones obtenidas
de una parte representativa de ella.
POBLACIÓN.-
Se refiere a la recolección de mediciones de todos los elementos del
universo con respecto al cual se quieren obtener conclusiones o tomar
decisiones.
MUESTRA.-
Es sólo un subconjunto de observaciones seleccionadas de una
población.
Se puede hacer inferencia estadística mediante estimación de
parámetros y pruebas de hipótesis.
INFERENCIA ESTADÍSTICA
ESTIMACIÓN DE PARÁMETROS.-
Se trata de determinar los valores de los parámetros poblacionales a
partir de los estadísticos de las muestras seleccionadas de esa
población. Se puede hacer estimación de dos maneras:
ESTIMACIÓN PUNTUAL.-
Un estimado de un parámetro dado por un solo valor numérico se
llama estimado por punto del parámetro.
ESTIMACIÓN POR INTERVALOS.-
Cuando el estimado de un parámetro viene dado por dos números
entre los cuales se puede considerar que queda el parámetro, se dice
que la estimación es por intervalos.
Ejemplo: Si decimos que una distancia se mide como150 m. estamos
dando un estimado por punto. Si decimos que ésta es de 150 ±3,67 m.
estamos dando un estimado por intervalos.
INFERENCIA ESTADÍSTICA
MUESTRA ALEATORIA.-
Una muestra aleatoria de tamaño “n” extraída de una población de
tamaño “N”, con distribución de probabilidad “f (x)”, es una colección de
“n” variables aleatorias independientes (x 1, x2,…,xn), teniendo cada una
la misma distribución poblacional.
PARÁMETRO.-
Es una característica medible de una población. Es una constante.
ESTADÍSTICO (A) O ESTADÍGRAFO.-
Característica medible de una muestra. Es una variable aleatoria y puede
ser un estimador del parámetro poblacional respectivo.
MEDIA MUESTRAL.-
Sea (x1, x2,…,xn) una muestra aleatoria de tamaño “n” extraída de una
población con función de probabilidad “f (x)”. Se define la media muestral
como: ,
MUESTREO ALEATORIO: CONCEPTOS BÁSICOS
VARIANZA MUESTRAL.-
Es una medida de la variabilidad de los diferentes elementos de la
muestra con respecto a la media muestral. Simbólicamente se puede
expresar como:
s2 = Σ(x i – X )2 / n - 1 o bien, s2 = [Σ x i2 – n. X2] / n - 1
Ejemplo:
Si se supone que la variable aleatoria X tiene una distribución normal
con media no conocida μ. La media muestral es un estimador puntual
de la media poblacional (μ = ). Después de tomar la muestra, el valor
numérico es la estimación puntual de μ. Por tanto,
x1 = 25; x2 = 30; x3 = 29; y x4 = 31.
Entonces, la estimación puntual de μ es:
= (25+30+29+31)/4= 28,75.
En consecuencia, = 28,75.
Si: s2 = [(25-28,75)2+(30-28,75)2+(29-28,75)2+(31-28,75)2]/3= 6,9
Al calcular la varianza muestral s2 = 6,9 podemos estimar σ2 cuando
éste es desconocido, resultando:
σ2 = 6,9
ESTIMACIÓN PUNTUAL
DISTRIBUCIONES DE MUESTREO
Son distribuciones de probabilidad de un estadístico muestral, como
por ejemplo la media muestral; ésta se considera una variable aleatoria
que depende de los resultados obtenidos en cada muestra particular, y
tiene una distribución de probabilidad.
μ=μ = y σ2 = σ 2
= σ2 / n
DISTRIBUCIONES DE MUESTREO
( X )
Z=
x / n
Ejemplos:
1. Una compañía de electrónica fabrica resistores que tienen una
resistencia promedio de 100 Ω y una desviación estándar de 10 Ω. La
distribución de la resistencia es normal. Encuéntrese la probabilidad de
que al tomar una muestra de n = 25 resistores, la resistencia promedio
de éstos será menor de 95 Ω.
Solución:
Datos: μ = μ = 100 Ω; σ = 10 Ω. Por tanto, σ = 10 / = 2 Ω.
P( < 95 Ω) = ¿?
Estandarizamos x: Z = ( 95 – 100 ) / 2 = -2,5
Buscamos en la tabla de distribución normal y corresponde a un área
bajo la curva de 0,0062. Por tanto, la probabilidad buscada es:
P ( < 95) = 0,0062.
DISTRIBUCIONES DE MUESTREO
Y varianza:
σ2( 1 - ) = σ(x1)2 + σ(x2)2 = σ12/n1 + σ22/n2.
2
12 2 2
Z=[ 1 - 2 – (μ1 - μ2)] /.
n1 n2
Ejemplo:
La vida eficaz de un componente de una turbina de una aeronave es
una variable aleatoria con media 5000 horas y desviación estándar 40
horas. La distribución es cercana a la normal. Se introduce una mejora
en su fabricación, aumentando el tiempo de vida útil promedio a 5050
horas y disminuyendo la desviación estándar a 30 horas. Si se
consideran ambas poblaciones independientes y se toma del primer
proceso una muestra aleatoria de 16 componentes y del mejorado 25
componentes, ¿cuál es la probabilidad de que la diferencia entre las
dos medias muestrales sea al menos 25 horas?
Datos:.
μ1=5000; σ( ) = σ1 / n1 = 40 / 16 = 10 horas.
1
n2 25
μ2=5050; σ( ) = σ2 /
2 = 30 / = 6 horas.
P[( 2 - 1 ) ≥ 25 horas] = ¿?
DISTRIBUCIONES DE MUESTREO
(μ2 – μ1)=5050-5000 = 50 h.
σ22/n2 + σ12/n1 = (6)2 + (10)2 =136 horas.
136
Z = (25 – 50) / = -2,14
Intervalo de confianza.
Sea 1 – α una probabilidad especificada, L y U funciones de X1 , X2 ,
… , Xn, tal que: P (L < θ < U) = 1 – α.
El intervalo (L , U) es llamado intervalo de confianza del 100(1– α)
por ciento para el parámetro θ, y 1 – α es llamado nivel de confianza
asociado con el intervalo.
Donde Sa=