Documente Academic
Documente Profesional
Documente Cultură
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
La estadstica inferencial puede dar respuestas a muchas de las necesidades que la sociedad
actual puede requerir. Su tarea fundamental es el anlisis de los datos que se obtienen a
partir de experimentos, con el objetivo de representar la realidad y conocerla. La estadstica
inferencial se centra en tomar una pequea muestra representativa de la poblacin y a
partir de sta, infiere que el resto de la poblacin tiene el mismo comportamiento.
Estadstica Inferencial 1
I.T.S.R
Tipos de
Estadstica Inferencial 1
I.T.S.R
MUESTREO NO PROBABILSTICO
Es aqul para el que no se puede calcular la probabilidad de extraccin de una determinada
muestra. Por tal motivo, se busca seleccionar a individuos que tienen un conocimiento
profundo del tema bajo estudio y se considera que la informacin aportada por esas
personas es vital para la toma de decisiones. A veces, para estudios exploratorios, el
muestreo probabilstico resulta excesivamente costoso y se acude a mtodos no
probabilsticos, aun siendo consciente de que no sirven para realizar generalizaciones, pues
no se tiene certeza de que la muestra extrada sea representativa, ya que no todos los
sujetos de la poblacin tienen la misma probabilidad de ser elegidos
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
4. Muestreo Discrecional
Se lleva acabo de acuerdo el criterio del investigador, los elementos son elegidos sobre lo
que l cree que pueden aportar al estudio. Los sujetos se seleccionan a base del
conocimiento y juicio del investigador. El investigador selecciona a los individuos a travs
de su criterio profesional. Puede basarse en la experiencia de otros estudios anteriores o
en su conocimiento sobre la poblacin y el comportamiento de sta frente a las
caractersticas que se estudian.
5. Muestreo de Conveniencia
Consiste en seleccionar a los individuos que convienen al investigador para la muestra. Esta
conveniencia se produce porque al investigador le resulta ms sencillo examinar a estos
sujetos, ya sea por proximidad geogrfica, por ser sus amigos, etc. Es el tipo de muestreo
que pretende seleccionar unidades de anlisis que cumplen los requisitos de la poblacin
objeto de estudio, sin embargo, no son seleccionadas al azar. Se utiliza preferentemente en
estudios exploratorios. Las pruebas pilotos, tambin usan con frecuencia ste tipo de
muestreo
Estadstica Inferencial 1
I.T.S.R
MUESTREO PROBABILSTICO
Es el muestreo en el cual todos los elementos de la poblacin tienen la posibilidad de ser
seleccionados, suele ser ms objetivo que el determinstico, pero tambin ms costoso,
requiere ms tiempo y es ms difcil de aplicar. Solo estos mtodos de muestreo
probabilisticos nos aseguran la representatividad de la muestra extraida y son por tanto los
mas recomendable
60
sujetos es: = = 12 = 5
Ahora elegimos al azar un nmero entre 1 y k = 5. Suponemos que nos sale i = 2. La muestra
resultado mediante el muestreo sistemtico ser:
Estadstica Inferencial 1
I.T.S.R
3. Muestreo estratificado
Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de
individuos de cada estrato proporcional al nmero de componentes de cada estrato.
Ejemplo: En una fbrica que consta de 600 trabajadores queremos tomar una muestra de
20. Sabemos que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la
D.
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
=1
de esta
forma la variable:
=
NOTA: Para poder determinar la probabilidad de una muestra aleatoria es preciso hacer
uso de las tablas de distribucin normal estndar
Estadstica Inferencial 1
I.T.S.R
Ejemplo # 1. Una empresa elctrica industrial fabrica focos que tienen una duracin que
se distribuye aproximadamente en forma normal, con media de 800 horas y desviacin
estndar de 40 horas.
Encuentre la probabilidad de que una muestra aleatoria de 16 focos tenga una vida
promedio de menos de 775 horas.
Solucin:
De acuerdo con el enunciado, se conoce la variable como la duracin del i-esimo foco en la
muestra tomada. As la variable aleatoria proviene de una poblacin con media = 800 Horas
y desviacin = 40 . De esta forma por el teorema del lmite central, si se toman muestras
de esta poblacin de tamao n = 16 y se calculan sus promedios la variable aleatoria se distribuye
aproximadamente normal con media = 800 y desviacin = 40. El problema requiere el
clculo de la probabilidad.
DATOS:
= 725
= 800
= 40
= 16
Sustituimos en la formula
( < 775) = ( )
= (
775800
40
16
775800
= (
10
Estadstica Inferencial 1
I.T.S.R
Ejercicio # 3 Las bolsas de sal envasadas por una mquina tienen = 500 g y = 35 g. Las
bolsas se empaquetaron en cajas de 100 unidades. Calcular la probabilidad de que la media
de los pesos de las bolsas de un paquete sea menor que 495 g.
Sol: 7.64%
Estadstica Inferencial 1
I.T.S.R
(Media poblacional)
Varianza
Es el promedio de la suma de los cuadrados de las desviaciones. Se entiende por desviacin
la diferencia de una media respecto a la media:
=( )
Como puede verse la varianza es una medida de dispersin, indica en promedio que tan
alejados estn los datos respecto a la media.
Desviacin estndar
Es la raz cuadrada de la varianza: =
Por simplicidad, en las expresiones anteriores se su prime el subndice, as como los lmites de las
sumatorias quedando de la siguiente manera:
Media poblacional
=.+.+.+.
( )
Varianza
poblacional
2 =
(1 )2 (1 )+(2 )2 (2 )+..( )2 ( )+
Varianza de la Media
muestral
El tamao de la muestra depende del grado de no normalidad de la poblacin. Sin embargo, una
regla emprica seala que una muestra de tamao 30 es suficiente, en la mayora de las situaciones,
para aplicar el teorema del lmite central.
Estadstica Inferencial 1
I.T.S.R
68
70
68
68
69
70
69
72
74
76
72
Construyendo su
distribucin de
frecuencia tendramos
~
f
68
0.04
69
0.08
70
72
74
76
75
72
75
76
Representndolo en un
histograma
0.2
0.16
0.12
0.08
0.04
0
68 69 70 71 72 73 74 75 76
Elabor: MDCD. Ing. Alejandro Arana Paredes
75
0.08
76
0.04
Estadstica Inferencial 1
I.T.S.R
Media de la poblacional
=
=
La varianza de la poblacin es
=
=
++++
()
++++
25
25
= =
Por lo tanto:
2
x
2
2
2
2
2
25
16 18 12 4 0 4 12 18 16 100
4
25
25
Por lo tanto:
x2
2
n
8
4=
2
=
Los resultados anteriores se obtuvieron suponiendo que el muestreo es con reemplazo o
que las muestras se han extrado de una poblacin finita.
Elabor: MDCD. Ing. Alejandro Arana Paredes
Estadstica Inferencial 1
I.T.S.R
68
70
72
74
76
68
68
69
70
71
72
70
69
70
71
72
73
72
70
71
72
73
74
74
71
72
73
74
75
76
72
73
74
75
76
En el ejemplo:
5 5!
10
2 2!3!
(68,70), (68,72), (68,74), (68,76), (70,72), (70,74), (70,76), (72,74), (72,76), (74,76)
Con medias
69, 70, 71, 72, 71, 72, 73, 73, 74, y 75, respectivamente y las medias de estas son:
x
10
72
10
10
2
x
10
74 72 (1) 75 72 (1) 9 4 2 0 2 4 9
2
30
3
10
10
10
En este caso la varianza de la media muestral no es igual a la varianza poblacional entre el tamao
de la muestra. Sin embargo, existe una relacin entre estas y est dada por:
x2
2
n
2 N n
n
N 1
N n
8 52
3
4 3
N 1
2 5 1
4
Por lo tanto =
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
, por lo que no es
(1 2 ) (1 2 )
2 2
1 + 2 .
1 2
Estadstica Inferencial 1
I.T.S.R
Ejemplo # 1. En un estudio para comparar los pesos promedio de nios y nias de sexto
grado en una escuela primaria se usar una muestra aleatoria de 20 nios y otra de 25 nias.
Se sabe que tanto para nios como para nias los pesos siguen una distribucin normal. El
promedio de los pesos de todos los nios de sexto grado de esa escuela es de 100 libras y
su desviacin estndar es de 14.142, mientras que el promedio de los pesos de todas las
nias del sexto grado de esa escuela es de 85 libras y su desviacin estndar es de 12.247
libras. Si 1 representa el promedio de los pesos de 20 nios y 2 es el promedio de los pesos
de una muestra de 25 nias, encuentre la probabilidad de que el promedio de los pesos de
los 20 nios sea al menos 20 libras ms grande que el de las 25 nias.
Solucin:
Datos:
1 = 100 libras
2 = 85 libras
1 = 14.142 libras
2 = 12.247 libras
n1 = 20 nios
n2 = 25 nias
(1 2 )20) =?
=
(1 2 ) (1 2 )
2
1
1
22
2
20 (100 85)
2
2
(14.142) + (12.247) .
20
25
= 1.25
1-0.89435 = 0.10565
Por lo tanto, la probabilidad de que el promedio de los pesos de la muestra de nios sea al
menos 20 libras ms grande que el de la muestra de las nias es 0.1056.
Estadstica Inferencial 1
I.T.S.R
1.17 %
Ejercicios # 3. Uno de los principales fabricantes de radios compra cables a dos empresas.
Los cables de la empresa A tienen una vida media de 4.2 aos con una desviacin estndar
de 0,4 aos, mientras que los de la empresa B tienen una vida media de 3.5 aos con una
desviacin estndar de 0,9.Determine la probabilidad de que una muestra aleatoria de 63
tubos de la empresa A tenga una vida promedio de al menos 2 ao ms que la de una
muestra aleatoria de 60 cables de la empresa B
Estadstica Inferencial 1
I.T.S.R
=
=
Aproximacin de la distribucin
normal a la binomial
Estadstica Inferencial 1
I.T.S.R
Datos:
n=800 estudiantes
p=0.60
x= (0.55).(800) = 440 estudiantes
p(x<440) = ?
Media= np= (800)(0.60)= 480
q = 1-0.60=0.40
.
(.)(.)
= .
p(x<440) = 0.0017. Este valor significa que existe una probabilidad del 0.17% de que al extraer una
muestra de 800 estudiantes, menos de 440 fuman cigarrillos buscando su valor en la tabla de
distribucin normal estndar
0.5493750.60
(0.60)(0.40)
800
= .
Estadstica Inferencial 1
I.T.S.R
Ejercicio # 3. Disponemos de los datos del I.N.E sobre el aumento del empleo durante el
ao 98, el cual se encuentra en un 45%. Si tomamos una muestra aleatoria de 200
ciudadanos. Cul es la probabilidad de que al menos el 50% tenga empleo?
Sol: 8.7%
Estadstica Inferencial 1
I.T.S.R
1 1 2 2
+
1
2
(1 2 ) (1 2 )
1 1
2 2
1 + 2
Estadstica Inferencial 1
I.T.S.R
Ejemplo # 1.
Los hombres y mujeres adultos radicados en una ciudad grande del norte difieren en sus
opiniones sobre la promulgacin de la pena de muerte para personas culpables de
asesinato. Se cree que el 12% de los hombres adultos estn a favor de la pena de muerte,
mientras que slo 10% de las mujeres adultas lo estn. Si se pregunta a dos muestras
aleatorias de 100 hombres y 100 mujeres su opinin sobre la promulgacin de la pena de
muerte, determine la probabilidad de que el porcentaje de hombres a favor sea al menos
3% mayor que el de las mujeres
Solucin:
Datos:
PH= 0.12
1- 0.12=0.88=q1
PM= 0.10
1- 0.10=0.90=q2
nH= 100
nM= 100
p (pH p M 0.03) = ?
Se recuerda que se est incluyendo el factor de correccin de 0.5 por ser una distribucin
binomial y se est utilizando la distribucin normal
=
(1 2 ) (1 2 )
1 1
2 2
1 + 2
.(..)
(0.12)(0.88) (0.10)(0.90)
+
100
100
= .
Estadstica Inferencial 1
I.T.S.R
Ejercicio # 1. Una encuesta del Boston College const de 320 trabajadores de Michigan que
fueron despedidos entre 1979 y 1984, encontr que 20% haban estado sin trabajo durante
por lo menos dos aos. Supngase que tuviera que seleccionar otra muestra aleatoria de
320 trabajadores de entre todos los empleados despedidos entre 1979 y 1984. Cul sera
la probabilidad de que su porcentaje muestral de trabajadores sin empleo durante por lo
menos dos aos, difiera del porcentaje obtenido en la encuesta de Boston College, en 5% o
ms?
Sol: 6.3 %
En este ejercicio se cuenta nicamente con una poblacin, de la cual se estn extrayendo dos muestras y se quiere saber
la probabilidad de la diferencia de los porcentajes en esas dos muestras, por lo que se debe de utilizar la distribucin
muestral de proporciones con P1= P2, ya que es una misma poblacin.
Estadstica Inferencial 1
I.T.S.R
El estadstico T tiene una distribucin que se denomina distribucin T de Student, que est
tabulada para 1, 2, 3, ... etc. grados de libertad de la muestra con la cual se calcul la
desviacin standard. La distribucin T tiene en cuenta la incertidumbre en la estimacin de
la desviacin standard de la poblacin, porque en realidad la tabla de T contiene las
distribuciones de probabilidades para distintos grados de libertad. La distribucin T es ms
ancha que la distribucin normal tipificada Para un nmero de grados de libertad pequeo.
Cuando los grados de libertad tienden a infinito, la distribucin T tiende a coincidir con la
distribucin normal standard. Es decir, en la medida que aumentemos el nmero de
observaciones de la muestra, la desviacin standard calculada estar ms prxima a la
desviacin standard de la poblacin y entonces la distribucin T correspondiente se acerca
a la distribucin normal standard. El uso de la distribucin T presupone que la poblacin
con que estamos trabajando tiene una distribucin normal. Si el tamao de la muestra es n
entonces decimos que la distribucin t tiene n-1 grados de libertad. Hay una distribucin t
diferente para cada tamao de la muestra. Estas distribuciones son una familia de
distribuciones de probabilidad continuas. Las curvas de densidad son simtricas y con forma
de campana como la distribucin normal estndar. Sus medias son 0 y sus varianzas son
mayores que 1 (tienen colas ms pesadas). Las colas de las distribuciones t disminuyen ms
lentamente que las colas de la distribucin normal. Si los grados de libertad son mayores
ms prxima a 1 es la varianza y la funcin de densidad es ms parecida a la densidad
normal.
Elabor: MDCD. Ing. Alejandro Arana Paredes
Estadstica Inferencial 1
I.T.S.R
Definicin:
Es una distribucin de probabilidad. Se utiliza para hacer estimaciones de la media de una
variable, (que est distribuida normalmente), en una poblacin, cuando el tamao de la
muestra es pequeo. Tambin se utiliza para hacer estimaciones de parmetros de las
poblaciones a partir de los valores de los estadsticos correspondientes en las muestras,
cuando desconoce el valor de la varianza o la desviacin estndar de la poblacin
Definicin de Grados de Libertad:
Los valores de los estadsticos en una muestra deben ser valores cercanos a los parmetros
correspondientes en las poblaciones. Los grados de libertad representan al nmero de
datos independientes que se pueden tomar de la poblacin para construir la muestra, de
tal manera que los valores de los estadsticos en la muestra sean cercanos a los valores de
los parmetros correspondientes en la poblacin. Por tanto cuando se escoge una muestra
de tamao n, el nmero de datos independientes que se pueden tomar de la poblacin para
construir la muestra es n-1, ya que el ltimo dato que se escoja, es el que viene a definir el
valor del estadstico en la muestra. Podemos concluir entonces que para calcular los grados
de libertad, al nmero que representa el tamao de la muestra(n) le restamos 1, es decir
aplicamos la formula gl=n-1
1. El valor de la media es 0
2. Tiene forma de campana y es simtrica con respecto a la media
3. La distribucin t tiene una varianza mayor que 1, pero en la medida en que aumentan los
grados, el valor de la varianza se aproxima a 1, lo cual lleva a que la distribucin t se
aproxime a la distribucin normal estndar en la medida en que aumenta el valor de los
grados de libertad.
Nota: Podemos Utilizar 2 tabla de Distribucin t Student
- Tabla de los Valores de las rea en una cola y rea en 2 colas de la grfica y una columna que son los
grados de libertad (los valores encontrados en la tabla corresponden a los valores crticos es decir los que
se ubican en el eje horizontal)
Estadstica Inferencial 1
I.T.S.R
UNA COLA: Si el rea de 0.01 est en una cola, puede estar a la izquierda o a la derecha
Cola izquierda
Cola derecha
0.01
0.01
Si el rea dada es en una cola, entonces buscamos el valor correspondiente en la tabla: que para 12
grados de libertad y un rea de una cola de 0.01 el valor critico de t es de: 2.681
DOS COLAS: Si el rea de 0.01 est en dos colas, se tiene que en cada cola hay un rea de
0.01/2 es decir 0.005
0.005
0.005
Si el rea dada es en dos colas, entonces buscamos el valor correspondiente en la tabla: que para
12 grados de libertad y un rea de 0.01 en dos colas , es decir un rea de 0.005 en una cola el valor
critico de t es de: 3.055
CONCLUSION:
Cola izquierda
Cola derecha
Dos colas
Estadstica Inferencial 1
I.T.S.R
= .
=
En este caso debemos hallar el valor de t para una muestra de = y un rea en una cola de 0.05.
Obtenemos entonces el valor de los grados de libertad gl= n - 1= 20 - 1= 19
Buscamos el valor correspondiente a t en la tabla es igual a 1.729. Por lo tanto, el valor de t en el eje horizontal
es: -1.73 ya que el rea dada est en la cola izquierda.
-1.73
= .
=
En este caso debemos hallar el valor de t para una muestra de n = 4 y un rea en dos colas de 0.10 es decir
que en cada cola hay un rea de 0.10/2= 0.05. Obtenemos entonces el valor de los grados de libertad gl=n1=4-1=3. Buscamos el valor correspondiente a t en la tabla es igual a 2.365. Por lo tanto, el valor de t en el
eje horizontal es - 2.365 y 2.365 ya que el rea dada est en las 2 colas.
-2.365
2.365
Estadstica Inferencial 1
I.T.S.R
ACTIVIDAD DE APRENDIZAJE
Para cada ejercicio, identificar los posibles casos y hacer la grfica correspondiente
1. Encontrar
A) T(22, 0.025)
B) T(25, 0.05)
C) T(15, 0.01)
D) T(10, 0.10)
E) T(8, 0.02)
= .
=
= .
=
= .
=
= .
=
Estadstica Inferencial 1
1.4.6
I.T.S.R
En este tema se analizara las distribucin muestra teora de s2 para muestras aleatorias de
poblaciones normales. Como s2 no puede ser negativa, debemos esperar que esta
distribucin muestral no se una curva normal: y efectivamente se encuentra ligada a una
distribucin gamma de parmetros = 2 = 2 llamada distribucin x cuadrada (chicuadrado). Concretando se tiene que:
Si s2 es la varianza de una muestra aleatoria de tamao n tomada de una poblacin normal
que tiene la varianza , entonces:
( )
=
Es un valor de una variable aleatoria que tiene la distribucin x-cuadrada con el parmetro v = n -1
Ver tabla que contiene valores seleccionados de x2 para distintos valores de v, llamado de
nuevo, numero de grados de libertad, donde x2 es tal que el rea bajo la curva de la
distribucin x cuadrada(tomada a la derecha) es igual a .
En la tabla la columna de la izquierda contiene valores de v, los valores que encabezan las
columnas son reas de la cola derecha de la curva de la distribucin x- cuadrada y las
entradas son valores de 2 . A diferencia de la distribucin t, es necesario tabular valores de
2 > 0.50, que la distribucin x cuadrada no es simtrica.
Estadstica Inferencial 1
I.T.S.R
Veamos un ejemplo: Una compaa de ptica compra cristal para fabricar lentes, y que
experiencias anteriores han demostrado que la varianza del ndice de refacciones de esta
clase de cristal es 126.0 x 10-4. Para convertir el cristal en lentes de una longitud focal dada,
es importante que las distintas piezas de cristal tengan, aproximadamente el mismo ndice
de refraccin; en consecuencia, supondremos que en envi de cristal de esta clase se
rechaza si la varianza muestral de 20 piezas seleccionadas al azar excede a 200.0 x 10-4.
Suponiendo adems que los valores de las muestras se pueden tratar como si provinieran
de una poblacin normal con 2 = 126.0 104 , la probabilidad de que en un envi se
rechace errneamente se puede determinar de la manera siguiente.
=
=
2 = 126.0 104 =
( )
(20 )200.0104
= 30.2
126.0104
0.0126
= 0.05
2
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R
Estadstica Inferencial 1
I.T.S.R