INFERENCIA ESTADSTICA

TRABAJO COLABORATIVO 2

Presentado por
BEATRIZ ELENA ARRIETA AVILA
CDIGO: 26009206
DANIA CONSTANZA SUAREZ CASTRO
CODIGO 26493750
LILIA MARIA LARGO LIZARAZO
CODIGO: 26427152
KAROL IRMETH CANTELLO MANCHEGO
CODIGO: 25998909


Presentado a
JEAMMY JULIETH SIERRA




UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERAS
MAYO 21 DE 2012
INTRODUCCION


La inferencia estadstica se ocupa de la obtencin de conclusiones en relacin
a un gran nmero de sucesos, en base a la observacin de una muestra
obtenida de ellos. Los mtodos de la estadstica inferencia sealan los
procedimientos que se han de seguir para poder extraer conclusiones vlidas y
fiables, a partir de la evidencia que suministra las muestras. Dos son los
problemas que trata de resolver la estadstica inferencia en torno a las pruebas
estadsticas: 1. Determinar si es probable que un valor obtenido a partir de una
muestra pertenece realmente a una poblacin. 2. Determinar, en trminos de
probabilidad, si las diferencias observadas entre dos muestras significan que
las poblaciones de las que se han obtenido las muestras son realmente
diferentes. A partir de ambas determinaciones se desarrollan los fundamentos
de las pruebas de decisin estadsticas o pruebas de hiptesis. Existen dos
tipos de tcnicas estadsticas inferencia les: las paramtricas y las no
paramtricas. Las primeras establecen un buen nmero de restricciones sobre
la naturaleza de la poblacin de la que se obtiene los datos, siendo los
parmetros los valores numricos de la poblacin. Las segundas, llamadas
tambin de libre distribucin, no exigen tantas restricciones sobre la naturaleza
de la poblacin, ya que atienden ms a la ordenacin de los datos que a su
valor numrico.













OBJETIVO GENERAL

Aplicar los fundamentos tericos en los que se basa la prueba de hiptesis
estadstica, considerada como alternativa para toma de decisiones.
Explicar los elementos conceptuales esenciales que tiene la inferencia
estadstica en las pruebas de hiptesis. v Analizar los conceptos aplicados
de la inferencia estadsticas en las pruebas de hiptesis para resolver
problemas.

OBJETIVOS ESPECIFICOS.

Aplicar los fundamentos tericos en los que se basa la prueba de hiptesis
estadstica, considerada como alternativa para toma de decisiones.

Explicar los elementos conceptuales esenciales que tiene la inferencia
estadstica en las pruebas de hiptesis.

Conocer los diferentes conceptos que tiene la inferencia estadstica.

Entender la funcin y aplicacin de la prueba de hiptesis estadstica.

Saber las diferencias entre nivel de significacin y potencia de la prueba.

Conocer la importancia de la confiabilidad, la varianza y el error de
estimacin en la determinacin del tamao de una muestra.

Conocer las ventajas y desventajas de los mtodos de estimacin de
parmetros.

Saber cundo la tcnica anlisis de varianza tiene validez.

Comprender el significado de efectos fijos y efectos aleatorios en un anlisis
de varianza.




1. Realizar un mapa conceptual de pruebas de hiptesis (mximo una
hoja).








2. Qu significa el error tipo I y el error tipo II. Explique su interpretacin
con un ejemplo.

Es el que rechazar la hiptesis nula cuando en realidad es cierta, llamado error
tipo I representado por alfa ( )
Es el que aceptar la hiptesis nula cuando en realidad es falso, llamado error
tipo II representado por beta ( ), llamados tambin nivel de significancia.
El procedimiento utilizado consiste en limitarlos a un nivel preestablecido
pequeo, generalmente 0.01 0.05. Este planteamiento se le denomina la
potencia de la prueba y se representa as:
Probabilidad de cometer el error tipo I
Probabilidad de rechazar Ho cuando es verdadera.
(1 - ) Probabilidad de acertar el Ho cuando es verdadera.
Probabilidad de cometer el error tipo II
Probabilidad de aceptar Ho cuando es falsa.
(1 - ) Probabilidad de rechazar Ho cuando es falsa.
Toda prueba de hiptesis determina una regin de rechazo de la hiptesis
llamada regin crtica, la cual depende del tipo de hiptesis que se pruebe y se
determina utilizando un nivel de significancia ()
3. Mediante un diagrama muestre los pasos para realizar el contraste de
una hiptesis.

















Contraste
de una
hiptesis
Plantear las
hiptesis nula y
alternativa
Determinar el
nivel de
significancia
Estimar el
valor
estadstico de
prueba
Establecer la
regla de
decisin
Tomar la
decisin
4. Explique la relacin que existe entre el p-valor y el estadstico de
prueba y la relacin que existe entre el nivel de significancia alfa con el
estadstico terico.
- Un p valor es la probabilidad, calculada al asumir que Ho es cierto, de que la
estadstica de prueba tome valore tan extremos o ms extremos que los
calculados con la muestra actual. Dado que las estadsticas de prueba se
construyen para cuantificar las desviaciones de la hiptesis nula con los datos
actuales, entonces rechazamos Ho cuando el p valor es pequeo porque si
ste es pequeo entonces los datos actuales proveen una fuerte evidencia en
contra de Ho. En otras palabras, el hecho de que el p valor sea grande hace
que Ho sea difcil de rechazar

-el nivel de significancia es la probabilidad que hay de equivocarnos y se
simboliza y es igual al 5%.
Y el estadstico terico es la funcin normal con cierta media y varianzas
conocidas. La relacin que existe entre el nivel de significancia y el estadstico
terico est en que ambas se basan en parmetros tericos los cuales son
aplicados en la solucin de todas las hiptesis que se planteen dentro de la
investigacin

5. El laboratorio de investigacin de una compaa ha desarrollado una
nueva forma para producir pintura para muros que permitir que un galn
pueda cubrir 250 pies cuadrados. De acuerdo a esto, se prueban la
hiptesis Ho: u=250 pies cuadrados, contra la hiptesis alternativa H1:
u<250 pies cuadrados. El experimento comprende 20 latas de la nueva
frmula y esta muestra tiene una cobertura de 237 pies cuadrados con
una desviacin estndar de 25 pies cuadrados. Mediante los pasos del
punto anterior pruebe la hiptesis nula a un nivel de significancia del 5%.

6. Al realizar el control de calidad del contenido de las bolsas de arroz
producidas de 500 gramos, con una muestra de tamao 50, Ho: u=500
gramos y H1:u500 gramos y se obtuvo un estadstico de prueba de 2.2,
indicar la decisin para los siguientes niveles de significancia: 1%, 5% y
10% respectivamente. Representar grficamente mediante con la
distribucin normal estndar.


Estadgrafo de prueba= en este caso lo que hago es restarle el
estadgrafo suministrado a la media para obtener el parmetro es decir,
entonces buscando una solucin quedara as:


a. Para el nivel de significancia 1%


tenemos que:
ahora buscando en la tabla para
por tabla



7. Explique la diferencia entre pruebas paramtricas y no paramtricas.
Cuando planteamos un estudio sobre una poblacin, debemos idealmente
estudiar a todos los individuos que la conforman; pero no siempre podemos
acceder todos, entonces tenemos que escoger una muestra; sin embargo los
resultados obtenidos de esta manera nunca sern exactamente iguales, a los
que se obtendran de estudiar a toda la poblacin; es decir, siempre va a haber
un margen de error. Por ello, antes de realizar el estudio debemos plantearnos;
que proporcin de error estamos dispuestos a aceptar para dar por vlido
nuestro resultado. El nivel de significancia: Es la mxima probabilidad de error
que estamos dispuestos aceptar para dar como vlida nuestra hiptesis del
investigador. Potencia de una prueba: es una medida muy descriptiva y concisa
de la sensibilidad de una prueba estadstica, donde se entiende por
sensibilidad a la capacidad de una prueba para detectar diferencias. Puede
interpretarse como la probabilidad de rechazar de manera correcta una
hiptesis nula falsa.
PRUEBAS PARAMTRICAS: requieren de variables medidas en la escala de
razn o intercalar y de anlisis de un parmetro de la poblacin y otros
requisitos que dependen de la prueba en especfico. Estas pruebas comparan
los grupos a travs de una medida de tendencia central (parmetro): la media
aritmtica.
PRUEBAS NO PARAMTRICAS: requieren que los datos estn en escala
nominal u ordinal. En estas pruebas no se presupone una distribucin de
probabilidad para los datos, por ello se conocen tambin como de distribucin
libre (distribucin free). En la mayor parte de ellas los resultados estadsticos se
derivan nicamente a partir de procedimientos de ordenacin y recuento, por lo
que su base lgica es de fcil comprensin
Los mtodos no paramtricos tienen ventajas sobre los paramtrico. Los
mtodos paramtricos en muchas ocasiones no cumplen con los supuestos
acerca de la forma funcional del conjunto de variables aleatorias de las cuales
provienen los datos, produciendo as modelos no muy confiables que generan
sesgos y deterioran la calidad de los pronsticos. En el campo no paramtrico
se evita este problema al permitir una forma funcional flexible, y no un conjunto
pequeo de modelos rgidos como lo hacen los paramtricos.
Consideraciones de las pruebas no paramtricas sobre las pruebas
paramtricas:
Por lo general, son fciles de usar y entender.
Eliminan la necesidad de suposiciones restrictivas de las pruebas
paramtricas.
Se pueden usar con muestras pequeas.
Se pueden usar con datos cualitativos.
8. Consideraciones de las pruebas paramtricas sobre las pruebas no
paramtricas:
A veces, ignoran, desperdician o pierden informacin.
No son tan eficientes como las paramtricas.
Llevan a una mayor probabilidad de no rechazar una hiptesis nula falsa
(incurriendo en un error de tipo II).
Las pruebas paramtricas son ms poderosas que las pruebas no paramtricas
y deben usarse siempre que sea posible. Es importante observar, que aunque
las pruebas no paramtricas no hacen suposiciones sobre la distribucin de la
poblacin que se muestrea, muchas veces se apoyan en distribuciones
mustrales como la normal o la ji cuadrada.

Pruebas paramtricas Pruebas no paramtricas
Requieren de variables medidas
en la escala de razn y de anlisis
de un parmetro de la poblacin y
otros requisitos que dependen de
la prueba en especfico.
Estas pruebas comparan los
grupos atraves de una medida de
tendencia central: la medida
aritmtica.
Requieren que los datos estn en
escala nominal u ordinal. En estas
pruebas no se presupone una
distribucin de probabilidad para
los datos, por ello se conoce
tambin como de distribucin libre.
En la mayor parte de ella los
resultados estadsticos se derivan
nicamente a partir de
procedimientos de ordenacin y
recuento, por lo que su base lgica
es de fcil comprensin.


9. De acuerdo a los siguientes casos determinar que prueba no
paramtrica sirve para llevar a cabo la investigacin.

.
CASO PRUEBA QUE SE DEBE APLICAR
Se requiere saber si las observaciones de
las
Tallas de 100 nios de 5 aos provienen
de una poblacin normal.
Prueba de Wilcoxon
Dada una muestra aleatoria de 40 bateras
de la que se ha registrado su duracin en
aos, al tratar de determinar si esta
duracin proviene de una distribucin
normal.
Prueba de bondad de ajuste Chi
Cuadrado
Se desea determinar s el nmero de
defectos en las tarjetas de circuito impreso
sigue una distribucin Poisson.
Prueba de Wilcoxon
Cierta mquina lleva a cabo la elaboracin
de un tipo de lmina metlica, existen 4
canales de distribucin del Producto. Se
est interesado en averiguar si la eleccin
de cualquiera de estos canales se hace de
forma aleatoria o por el contrario existe
algn tipo de preferencia en la seleccin
de alguno de ellos por los consumidores.
Contrastar la hiptesis de que los canales
son seleccionados al azar

Prueba H de Kruskal-Wallis
Se est interesado en saber s una
muestra de cajas de tornillos, provienen de
una muestra aleatoria

Prueba H de Kruskal-Wallis
Se est interesado en comprobar la
perfeccin de un dado cbico.
Kolmogorov-Smirnov
Al determinar si el nmero de trabajadores
que solicitan permiso en una fbrica est
distribuido uniformemente durante la
semana
Prueba de Wilcoxon
Determinar la asociacin a una distribucin
terica la vida en aos de una clase de
bacteria.
Kolmogorov-Smirnov














CONCLUSIN

La realizacin de este trabajo de inferencia estadstica es una buena
oportunidad para hacer un repaso a la unidad dos y revisar varios conceptos
como por ejemplo, pruebas paramtricas y no paramtricas, pero sobre todo
definir y entender que es un parmetro y por qu es importante un parmetro
en una muestra n de datos y como lo puedo usar ese parmetro para hacer
confiabilidad de un dato o una hiptesis. Plantear una solucin o un diagrama
de hiptesis para definir qu tipo de estadgrafo usaremos para la
comprobacin de los datos, probar el error tipo I y tipo II es decir poder hacer
una buena inferencia a un conjunto de datos de cuales se conoce una
informacin pero se desconoce un fenmeno del cual podemos probar la
veracidad de la verdad y obtener un parmetro dentro de un rango de
aceptacin o de rechazo. Definir en un mapa conceptual los pasos para
pruebas de hiptesis de modo que se jerarquice la idea de hiptesis es decir
hacer una imagen preguntndose y dando respuesta al modo de intervenir n
datos en una hiptesis Ho y una Ha. Responder a las preguntas como por
ejemplo que es el tipo1- y el nivel de significancia , que es el error tipo I y
que es el error tipo II la importancia de todos estos temas radica en
comprensin de la teora de las dos colas y teorema del lmite central , que en
otras palabras no es ms que la forma de asegurarse que la distribucin de la
muestra n de datos se aproxima a la normal de la curva de la campana de
gauss que en la teora no es muy aplicable pero que cumple si un papel muy
importante para tomar una decisin de una hiptesis siempre y cuando este al
sea 30. Esto nos permite usar estadsticas de muestra para hacer deducciones
con relacin a los parmetros de poblacin sin saber nada sobre la forma de la
distribucin de frecuencias de esa poblacin ms que lo que podamos obtener
de la muestra.









BIBLIOGRAFA
Mdulo de inferencia estadstica
AUTOR: JORGE ELIECER RONDN DURAN.
DANIS BRITO ROSAD
Gua de Actividades y Rbrica de evaluacin Act No. 10. Trabajo Colaborativo
No. 2 Libro estadstica elemental de John e Freud y Gary a simn octava
edicin Pg. 217- 313 ejercicio