Documente Academic
Documente Profesional
Documente Cultură
ESTADÍSTICA APLICADA A
LA INGENIERÍA AGRÍCOLA
Semana 1, 2, 3, 4
Pág. 1
Frente a las muestras, existen los llamados censos, o enumeraciones completas de todas
las unidades poblacionales. Estos censos resultan costosos y su duración suele ser larga.
Las muestras constituyen modelos reducidos de la realidad poblacional, son más rápidas
y menos costosas que los censos, y sus resultados suelen ser extrapolables al universo
del que extraen.
En agricultura
Estudios de la distribución de los diferentes tipos de cultivo en un país o región.
Pág. 2
Para que estos datos estadísticos sean de utilidad tienen que presentar dos
características básicas:
- Deben ser pertinentes; es decir, deben guardar una relación con el tema a
investigar.
- Deben ser in sesgado; es decir no deben tener deformaciones o errores
provenientes de los instrumentos empleados en la recolección de los datos.
Pág. 3
Para que una muestra sea aceptable desde el punto de vista del análisis
estadístico deberá reunir las siguientes características:
Pág. 4
Pág. 5
a. Estimador Insesgado
c. Estimador eficiente
Un estimador es eficiente en términos absolutos cuando es el estimador de
menor dispersión entre todos los estimadores insesgados del parámetro. Por otra
parte, un estimador es eficiente en términos relativos cuando, comparado con
otro estimador, se establece que presenta menor dispersión respecto al parámetro
poblacional. En general, un estimador se caracteriza como relativamente más
eficiente cuando sus estimaciones son más próximas al parámetro poblacional
que las de otro estimador.
Si consideramos todos los posibles estimadores insesgado de algún parámetro
, el de menor varianza se llama estimador eficiente de .
Pág. 6
d. Estimador absoluta
Para estudiar la eficiencia absoluta se compara la eficiencia de cualquier
estimador en relación al de mínima dispersión. Así, por ejemplo, siendo y
estimadores de varianza mínima y varianza otro la expresión de la
eficiencia absoluta es la siguiente:
e. Eficiencia Relativa
Para verificar la eficiencia relativa se comparan las varianzas de dos
estimadores. Así, por ejemplo, los estimadores con varianzas 2 y 4,
respectivamente, permiten la siguiente conclusión a este respecto.
= = 0,5
f. Estimador Suficiente
Un estimador es suficiente si utiliza la información muestral en forma extensa,
de modo que ningún otro estimador logra con la misma muestra una mejor
estimación del parámetro poblacional. La media aritmética muestral es un
estimador suficiente de la media aritmética poblacional, porque otros posibles
estimadores – media geométrica, media armónica – no utilizan toda la
información muestral como la media aritmética para estimar el parámetro
poblacional. Se demuestra que la proporción muestral es un estimador suficiente
del valor de la proporción en la población origen de la muestra.
Para evaluar la suficiencia de un estimador se utiliza el teorema de factorización.
g. Estimador resistente
Un estimador es resistente si no se ve afectado por la presencia de valores
anómalos. Los valores anómalos inciden negativamente en la calidad de la
inferencia. Se usa el término anómalo para designar valores aberrantes y valores
Pág. 7
Pág. 8
Pág. 9
Teorema: Dada una población, si extraemos todas las muestras posibles de un mismo
tamaño, entonces la media de la distribución de todas las medias muestrales posibles,
será igual a la media poblacional.
̅
z=
̅
Pág. 11
̂ ̅ ∑
̂ ̅ ∑
̂ ̅ ( )
∑ ̅
̂ ̅ ( )
Pág. 12
factor de elevación
factor de muestra
SI ́n
Si N es desconocido se supone que es suficientemente grande, luego
̅ √̂ ̅
̅ √
̅ √
̅ √
̅ √
Pág. 13
̂ ∑
̂( ̂)
Pág. 14
√ ̅ =B
√
(Proporción)
(Total)
NOTA:
Pág. 15
Seminario 01:
Solución:
- Interpretación:
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
Pág. 16
- Nota: Se realiza dicho proyecto a partir de una muestra piloto que produce una
desviación estándar de 3.5 pulgadas.
Solución:
- Interpretación:
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
Pág. 17
Los estratos pueden o no estar compuesta del mismo número de unidades, por tal
razón la fracción de muestreo puede variar de un estrato a otro.
Al conformar los estrato, lo primero que se debe considerar, siempre que sea
posible, es la característica de interés principal, que guarde relación con los
objetivos de la investigación, para lo cual deben elaborarse estratos que generen
la mayor homogeneidad posible. Las investigaciones de sondeo o las encuestas
preliminares ayudar, no sólo a identificar las características de la población, sino
que permiten una buena estratificación.
Pág. 18
Las estimaciones podrán ser más precisas en la medida del tamaño de muestra
por estrato y, en especial, por la forma en que se realiza la selección de las
unidades de la muestra en cada uno de ellos.
L = Número de estratos
N = Tamaño de la población n = tamaño de muestra
= Tamaño del estrato = tamaño de muestra del estrato i
∑ ∑
= Media poblacional del estrato i ̅ = media muestral del estrato i
= Total poblacional del estrado i
= Varianza poblacional del estrato i = cuasivarianza muestral del estrato i
Pág. 19
mediante ̅ = ∑ ̅
Nota: ̅ ≠ ̅ en general (̅ )
̂ ≠ ̂ en general ( ̂ ̅ )
Varianza estimada de ̅
̂ (̅ ) = ∑
Varianza estimada de ̂
̂( ̂ ) =∑
Varianza estimada de ̂
̂ ̂
̂ ̂ = ∑
Estimador del total poblacional
̂ = N̂
Varianza estimada de ̂
̂ ̂
̂ ̂ = ∑
Pág. 20
Seminario 02:
Pág. 21