Documente Academic
Documente Profesional
Documente Cultură
Cali - Colombia
INFERENCIA ESTADÍSTICA
Propósito:
Crear fundamentos que le permitan al investigador sacar conclusiones
a cerca de los parámetros de la población a partir de los datos
experimentales.
POBLACIÓN:
Es el conjunto de N elementos de interés en un estudio, sobre
los cuales se desea información y hacia los cuales se extenderán
las conclusiones.
MUESTRA:
Es cualquier subconjunto n representativo de la población, sobre
el que se realizan los estudios para obtener conclusiones acerca
de las características de la población.
INDIVIDUO:
Son los elementos u objetos de la población o muestra, que
tiene información sobre el fenómeno que se estudia.
VARIABLE:
Es cualquier característica de interés sobre cada individuo de la
población o muestra.
Individuo
El estado civil
La profesión actual
El tipo de música que le gusta
El número de personas con mascotas
Los días que pasa en la playa en un año
El tiempo dedicado al ejercicio en el día
Universidad Santiago de Cali Estadística II Carlos Alvear
INFERENCIA ESTADÍSTICA
Ejemplos:
Identifique en cada caso la población y muestra.
• Se seleccionan 500 viviendas en un barrio de 2000 casas, para
un estudio sobre maltrato infantil.
• El defensor del pueblo quiere revisar la situación de violencia
intrafamiliar y para ello visita 300 hogares en diferentes zonas
de la ciudad.
• El alcalde de la ciudad quiere saber si es necesario realizar un
mantenimiento de las vías en la zona sur y decide visitar 60
cuadras para luego tomar la decisión de si debe llevar a cabo
el mantenimiento o no.
PARÁMETRO:
Se llamará parámetro a una característica medible de la
población. Un parámetro es una constante para la población.
ESTIMADOR:
Se denominará estimador a una característica medible en la
muestra. Un estimador puede variar de una muestra a otra.
N n
Censo:
Muestreo
Población
Parámetro Estimador
Promedio o Media X
Desviación estándar S
P Proporción o Porcentaje p
Característica Característica
medible a una medible a una
población N. muestra n.
Indicador Parámetro Estimador
Media +PROMEDIO(Datos) +PROMEDIO(Datos)
Desviación estándar +DESVESTP(Datos) +DESVEST(Datos)
Proporción +A/N +a/n
Ejemplo 1:
Para cada uno de los siguientes conjuntos de datos, referentes al
número de estudiantes que pierden el curso de Estadística Básica,
dictado por doce docentes. Encontrar los siguientes indicadores:
• El promedio de estudiantes que pierden la materia.
• La desviación estándar del número de estudiantes que pierden la materia.
• El porcentaje de docentes donde pierden más de 5 estudiantes la materia.
POBLACIÓN Muestra1 Muestra2 Muestra3
0 0 6 0 0 6
0 6 6 0 6 6
14 8 8 14 8 8
14 14 8 14 14 8
Universidad Santiago de Cali Estadística II Carlos Alvear
ALGUNOS PARÁMETROS Y SUS
ESTIMADORES
INDICADORES O MEDIDAS:
Ejemplo 1:
POBLACIÓN
0 0 6
0 6 6
14 8 8
14 14 8
PARÁMETROS:
• El promedio de estudiantes que pierden la materia.
7
• La desviación estándar del número de estudiantes que pierden la materia.
5
• El porcentaje de docentes donde pierden más de 5 estudiantes la materia.
P 0.75 75%
Universidad Santiago de Cali Estadística II Carlos Alvear
ALGUNOS PARÁMETROS Y SUS
ESTIMADORES
INDICADORES O MEDIDAS:
Ejemplo 1:
ESTIMADORES:
• El promedio de estudiantes que pierden la materia.
• La desviación estándar del número de estudiantes que pierden la materia.
• El porcentaje de docentes donde pierden más de 5 estudiantes la materia.
Muestra1 Muestra2 Muestra3
7 0 0 6
0 6 6
5 14 8 8
P 75% 14 14 8
ഥ
𝑿 7 7 7
S 8.08 5.77 1.15
p 50% 75% 100%
Universidad Santiago de Cali Estadística II Carlos Alvear
DISTRIBUCIÓN DE UN ESTIMADOR
DISTRIBUCIONES MUESTRALES vs. DISTRIBUCIONES POBLACIONALES:
Muestra
aleatoria
Muestra Muestra
grande pequeña
Población es Población no
Usar Z Normal Normal
Desviación Desviación
estándar σ estándar σ ¿?
conocida desconocida
Distribución
de Usar Z Usar T
referencia Estadística no
paramétrica
Características:
Sea Z una variable aleatoria con distribución Normal Estándar:
1 12 z 2
f z e , z
2
P Z z f t dt
z
, z
E Z 0 y V Z 1
No tiene parámetros, puesto que μ = 0 y σ = 1.
+DISTR.NORM.ESTAND.INV(probabilidad)
probabilidad: Es el valor de la probabilidad.
Ejemplo 2:
Si Z es una variable aleatoria Normal Estándar, encuentre:
a) P(Z < 1.20),
0.8849
b) P(Z ≤ -0.71),
0.2389
c) P(Z ≤ -2.63),
0.0043
d) P(Z ≤ 3.17),
0.9992
Ejemplo 3:
Si Z es una variable aleatoria Normal Estándar, determine z en cada
caso:
a) Si la probabilidad es 0.3300.
z = -0.440
b) Si la probabilidad es 0.1314.
z = -1.120
c) Si la probabilidad es 0.9750.
z = 1.960
d) Si la probabilidad es 0.9500.
z = 1.645
Características:
Sea X una variable aleatoria con distribución T-Student:
n 1 2
n 1 2 x 2
f x 1 n , x
n n 2
P X x f t dt
x
, x
n
E X 0, n 1 y V X , n2
n2
El parámetro de la distribución T-Student es los grados de
libertad n > 0. Donde Γ(.) es la función gamma completa.
Universidad Santiago de Cali Estadística II Carlos Alvear
DISTRIBUCIÓN DE UN ESTIMADOR
DISTRIBUCIÓN T-STUDENT EN EXCEL:
Distribución T-Student:
+DISTR.T.N(x;grados_de_libertad;acumulado)
x: Es el valor de la variable x.
grados de libertad: Es el valor de los grados de libertad.
acum: Falso o 0 para probabilidad puntual.
Verdadero o 1 para probabilidad acumulada.
+INV.T(probabilidad;grados_de_libertad)
probabilidad: Es el valor de la probabilidad.
grados de libertad: Es el valor de los grados de libertad.
Ejemplo 4:
Si T es una variable aleatoria T-Student con n grados de libertad,
encuentre:
a) P(T15 ≤ 1.341),
0.9001
b) P(T18 ≤ 2.947),
0.9957
c) P(T20 ≤ -2.603),
0.0085
d) P(T10 ≤ 3.733),
0.9981
Universidad Santiago de Cali Estadística II Carlos Alvear
DISTRIBUCIÓN DE UN ESTIMADOR
GENERALIDADES DE LA DISTRIBUCIÓN T:
Ejemplo 5:
Si T es una variable aleatoria T-Student con n grados de libertad,
determine t en cada caso:
a) Si la probabilidad es 0.9900 con 18 grados de libertad.
t = 2.552
b) Si la probabilidad es 0.0250 con 12 grados de libertad.
t = -2.179
c) Si la probabilidad es 0.9500 con 20 grados de libertad.
t = 1.725
d) Si la probabilidad es 0.0025 con 15 grados de libertad.
t = -3.286
Universidad Santiago de Cali Estadística II Carlos Alvear
DISTRIBUCIÓN DE UN ESTIMADOR
DISTRIBUCIONES MUESTRALES vs. DISTRIBUCIONES POBLACIONALES:
x i
a Casos a favor
p i 1
n n Total de casos
Por lo tanto, por medio del TCL, tenemos que en la medida que n sea
lo suficientemente grande (n ≥ 30) la distribución de referencia para la
proporción muestral es la Normal.
Ejemplo 6:
Identifique la distribución de referencia (Z o T) para el estimador, en
muestras pequeñas asuma que los datos son de una población Normal:
a) n = 25 , µ = 100 , 𝑥ҧ = 120 , s = 10 a) T
b) n = 400 , µ = 100 , 𝑥ҧ = 120 , s = 10 b) Z
c) n = 400 , µ = 100 , 𝑥ҧ = 120 , σ = 16 c) Z
d) n = 25 , µ = 100 , 𝑥ҧ = 120 , σ = 16 d) Z
e) n =36 , P = 0.50 , p = 0.20 e) Z
f) n = 100 , µ = 80 , 𝑥ҧ = 70 , σ = 15 , s = 12 f) Z
g) n = 20 , µ = 80 , 𝑥ҧ = 70 , s = 15 , σ = 12 g) Z