Documentos de Académico
Documentos de Profesional
Documentos de Cultura
experimentos
Estadística inferencial
Estadística • Población, muestra y parámetros estadísticos
3
Estadística
Inferencial
Un estadístico se define como
cualquier función de los datos
muestrales que no contiene
parámetros desconocidos.
Dist. De Parámetros
Estimaciones
probabilidad poblacionales
Prueba de
Dist. probabilidad
hipótesis
5
Distribuciones de probabilidad
¿PARÁMETROS?
t student
Grados de libertad
Normal
¿Distribución de mayor
relevancia en diseño de
experimentos? 6
Ji Cuadrada Fisher
Estimación
puntual y por Un estimador puntual de un parámetro desconocido es un
estadístico que genera un valor numérico simple, que se
intervalo utiliza para hacer una estimación del valor de los
parámetros desconocidos.
Proporciones (p) 7
Estimación
puntual y por Intervalo de confianza. Rango donde se estima
intervalo que está el valor de un parámetro poblacional.
8
P(L≤ θ ≤ U)=1- α
El nivel de confianza se define como 1-alfa y sus valores más comunes son 90%, 95% y 99%.
En estadística es común tener que estimar parámetros, los cuales, nunca vamos a poder afirmar al
100% que son el valor real que buscamos.
Por ejemplo, observando a simple vista la altura de 10 alumnos en una clase podríamos estimar que la
altura está entre 1,70 y 1,75.
Sería difícil saber con un 100% de certeza la altura media si no medimos a cada alumno y hacemos
los cálculos. Por el contrario, sí podríamos acotar un intervalo y situar el valor dentro de este.
9
Nivel de confianza y nivel de
significación
El nivel de confianza está directamente relacionado con el nivel de significación. En
la expresión 1-alfa, el valor de alfa no es más que el nivel de significación.
Pueda sonar algo confuso pero pensemos que si podemos afirmar con un 95% de
probabilidad que nuestro valor estimado estará dentro de nuestro intervalo, el 10
restante 5% será la probabilidad de que el valor estimado, no esté en ese intervalo.
Ejemplo.
• Imaginemos que queremos realizar una
estimación del tiempo medio en el que un
corredor recorre una maratón. Para tal fin, hemos
cronometrado 10 maratones y hemos obtenido
una media de 4 horas con una desviación estándar
de 33 minutos (lo que en realidad serían 0,55
horas). Nos proponen obtener un intervalo con un
nivel de confianza del 95%.
Cuando es una distribución normal con parámetros μ = 0 y σ2 = 1, entonces a la distribución se le conoce como
distribución normal estándar (N(0, 1)).
14
La ventaja de estandarizar es que cualquier probabilidad de
interés, por ejemplo P(X ≤ x), se puede escribir en términos
de la variable estandarizada Z como:
15
Ejemplo
La dimensión de una pieza se distribuye normal con μ = 82.0 mm, y σ = 0.5. Se desea calcular
el porcentaje de piezas que cumplen con especificaciones 82 ± 1, lo cual se obtiene calculando
la siguiente diferencia de probabilidades
16
Para obtener P(Z < 2.0)
• simplemente a 1 se le resta 0.023,
es decir: P(Z < 2.0) = 1 − 0.23 =
0.977.
• Para calcular P(X < 81) se procede
de la misma manera, pero al
restarle la media da un número
negativo y, en ese caso, para
utilizar la tabla A2 se usa una de
las propiedades de simetría de la
distribución normal de la siguiente
manera:
17
para cualquier número a. Al aplicar lo anterior se
obtiene que
Por lo tanto, la
Así, se espera que
probabilidad de que X
95.4% de las piezas
esté dentro de
cumpla con las
especificaciones es
especificaciones.
(0.977 − 0.023) = 0.954.
18
Ejercicio
En una ciudad se estima que la temperatura
máxima en el mes de junio sigue una distribución
normal, con media 28° y desviación típica 5 °.
19
Ejercicio 2
20
Intervalo de confianza para una media
21
Distribución t de student con n-1 grados de libertad-
Intervalo de confianza para una media