INSTITUTO TECNOLÓGICO DE CIUDAD MADERO

“POR MI PATRIA Y POR MI BIEN”

MATERIA: PROBABILIDAD Y ESTADISTICA

TRABAJO DE INVESTIGACION: Horario: 13:00 – 14:00

 Estadística inferencial.  Regresión y correlación.

MAESTRO: VEGA LEAL RAQUEL ALICIA

INTEGRANTES DEL EQUIPO: NO. CONTROL

C

 LUIS

 JESUS

CICLO ESCOLAR: AGOSTO DEL 2019 - DICIEMBRE DEL 2019

 TEMA DE INVESTIGACION:

4-. Estadística inferencial.

4.1. Inferencia estadística.

4.2. Muestreo estadístico.

4.3. Estimadores.

4.4. Estimación puntual.

4.5. Estimación por intervalo.

4.6. Errores tipo I y II.

4.7. Contraste de hipótesis unilateral y bilateral.

5-. Regresión y correlación.

5.1. Control de calidad.

5.2. Diagrama de dispersión.

5.3. Regresión lineal simple.

5.4. Correlación.

5.5. Determinación y análisis de los coeficientes de correlación y de determinación.

5.6. Distribución normal bidimensional.

5.7. Intervalos de confianza y pruebas para el coeficiente de correlación.

5.8. Errores de medición.

 4.5. Estimación por intervalo.

La estimación por intervalos consiste en establecer el intervalo de valores donde es más probable se encuentre el parámetro.
La obtención del intervalo se basa en las siguientes consideraciones:

a) Si conocemos la distribución muestral del estimador podemos obtener las probabilidades de ocurrencia de los estadísticos
muéstrales.

b) Si conociéramos el valor del parámetro poblacional, podríamos establecer la probabilidad de que el estimador se halle
dentro de los intervalos de la distribución muestral.

c) El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se establece alrededor del estimador.
Si repetimos el muestreo un gran número de veces y definimos un intervalo alrededor de cada valor del estadístico muestral,
el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es denominado
"intervalo de confianza".

Consiste en la obtención de un intervalo dentro del cual estará el valor del parámetro estimado con una cierta probabilidad.
En la estimación por intervalos se usan los siguientes conceptos:

Intervalo de confianza

El intervalo de confianza es una expresión del tipo [θ1, θ2] ó θ1 ≤ θ ≤ θ2, donde θ es el parámetro a estimar. Este intervalo
contiene al parámetro estimado con un determinado nivel de confianza. Pero a veces puede cambiar este intervalo cuando
la muestra no garantiza un axioma o un equivalente circunstancial.

Variabilidad del Parámetro

Si no se conoce, puede obtenerse una aproximación en los datos aportados por la literatura científica o en un estudio piloto.
También hay métodos para calcular el tamaño de la muestra que prescinde de este aspecto. Habitualmente se usa como
medida de esta variabilidad la desviación típica poblacional y se denota σ.

Error de la estimación

Es una medida de su precisión que se corresponde con la amplitud del intervalo de confianza. Cuanta más precisión se
desee en la estimación de un parámetro, más estrecho deberá ser el intervalo de confianza y, si se quiere mantener o
disminuir el error, más observaciones deberán incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones
para la muestra, más error se comete al aumentar la precisión. Se suele llamar E, según la fórmula E = (θ2 - θ1)/2.

Límite de Confianza

Es la probabilidad de que el verdadero valor del parámetro estimado en la población se sitúe en el intervalo de confianza
obtenido. El nivel de confianza se denota por (1-α), aunque habitualmente suele expresarse con un porcentaje ((1-α)•100%).
Es habitual tomar como nivel de confianza un 95% o un 99%, que se corresponden con valores α de 0,05 y 0,01
respectivamente.

Valor α

También llamado nivel de significación. Es la probabilidad (en tanto por uno) de fallar en nuestra estimación, esto es, la
diferencia entre la certeza (1) y el nivel de confianza (1-α). Por ejemplo, en una estimación con un nivel de confianza del
95%, el valor α es (100-95)/100 = 0,05

4.6. Errores tipo I y II.

Ninguna prueba de hipótesis es 100% cierta. Puesto que la prueba se basa en probabilidades, siempre existe la posibilidad
de llegar a una conclusión incorrecta. Cuando usted realiza una prueba de hipótesis, puede cometer dos tipos de error: tipo
I y tipo II. Los riesgos de estos dos errores están inversamente relacionados y se determinan según el nivel de significancia
y la potencia de la prueba. Por lo tanto, usted debe determinar qué error tiene consecuencias más graves para su situación
antes de definir los riesgos.

Error de tipo I

Si usted rechaza la hipótesis nula cuando es verdadera, comete un error de tipo I. La probabilidad de cometer un error de
tipo I es α, que es el nivel de significancia que usted establece para su prueba de hipótesis. Un α de 0.05 indica que usted
está dispuesto a aceptar una probabilidad de 5% de estar equivocado al rechazar la hipótesis nula. Para reducir este riesgo,
debe utilizar un valor menor para α. Sin embargo, usar un valor menor para alfa significa que usted tendrá menos probabilidad
de detectar una diferencia si está realmente existe.

Error de tipo II

Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II. La probabilidad de cometer un error de
tipo II es β, que depende de la potencia de la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de
que la prueba tenga suficiente potencia. Para ello, asegúrese de que el tamaño de la muestra sea lo suficientemente grande
como para detectar una diferencia práctica cuando está realmente exista.

La probabilidad de rechazar la hipótesis nula cuando es falsa es igual a 1–β. Este valor es la potencia de la prueba.