Académique Documents
Professionnel Documents
Culture Documents
Objetivo: extraer conclusiones acerca de una poblacin basndose en los datos proporcionados por una muestra. Debemos tener en cuenta que en el proceso de generalizacin (m P) podemos llegar a cometer errores, los que pueden ser medidos en trminos de probabilidad. Ramas (pilares) de la inferencia Estadstica: 1. Estimacin de Parmetros. 2. Prueba de Hiptesis. Estimacin de Parmetros 2 Formas: 1. Estimacin Puntual 2. Estimacin por Intervalo
Estimacin Puntual:
Estimador: Es una regla que nos dice como calcular la estimacin de un parmetro basndonos en la informacin contenida en una muestra. La distribucin en el muestreo de un estadstico es la distribucin de los valores que toma el estadstico en todas las muestras posibles del mismo tamao obtenidas de una poblacin. Si bien los valores del estadstico varan de muestra en muestra, la conducta del estadstico con en las sucesivas repeticiones de seleccin de muestras, es regular y predecible. La distribucin en el muestreo describe este patrn regular de conducta y su conocimiento es fundamental en la aplicacin de la inferencia estadstica. Para que los estadsticos tengan una conducta regular y predecible, es necesario que las muestras sean seleccionadas aleatoriamente. Los estadsticos obtenidos aleatoriamente tienen poco o ningn sesgo (Sesgo = E( ) - ). La aleatorizazcion produce una distribucin en el muestreo que elimina el sesgo. La variabilidad de un estadstico (al sesgo) se describe por la dispersin de su distribucin en el muestreo. Se controla por medio del tamao de la muestra. A medida que aumenta el tamao de la muestra disminuye la variabilidad del estadstico.
I.
Insesgabilidad
Un estimador es insesgado si la esperanza de su distribucin en el muestreo es igual al verdadero valor del parmetro que estima. Si E(a)=, entonces a es un estimador insesgado. Si E(a)= + K, entonces a es un estimador sesgado y K= magnitud del sesgo. =parmetro, a= estimador
Recordando: E ( )= 1
En cambio:
S 2 ( xi x ) 2 n
i 1
II.
Consistencia
Un estimador es consistente cuando al tomar muestras grandes, existe la certeza de que el valor estimado se aproxima al parmetro. La ley de los grandes nmeros establece la consistencia de la media y la proporcin muestral al enunciar que la probabilidad de que el estimador difiera del parmetro en una cierta cantidad es igual a 0 cuando n tiende a infinito (n).
III.
Eficiencia
Si tenemos dos estimadores insesgados: a y b, a es MAS EFICIENTE que b, para estimar el parmetro si la varianza de a es menor a la varianza de b. [V(a) < V (b)].
Proporcin Poblacional
Limites del intervalo usando la distribucin z: Nota: Se asume que np y n(1-p) son 5.
Prueba de Hiptesis:
Metodologa de una Prueba de Hiptesis: La hiptesis se escribe en trminos del parmetro de la poblacin. La base terica de la prueba de hiptesis: Ho es verdadera hasta que las evidencias, los resultados de los datos obtenidos de la muestra determinen que es falso. Si la Ho es falsa, otra es la verdadera. Se est en presencia de laH1Que debe ser verdadera si la Ho es falsa La hiptesis alternativa representa la conclusin a la que se llegara si hubiera suficiente evidencia de la informacin de la muestra para decidir que es improbable que la hiptesis nula sea verdadera y por lo tanto rechazarla. Nota: No rechazar la H0 no es una prueba de que la H1 sea verdadera. Nunca se puede probar que esa hiptesis es verdadera, porque estamos basando nuestra decisin nicamente en informacin basada en una muestra y no con la poblacin entera. Regin de rechazo y regin de no rechazo: La distribucin de muestreo de la estadstica de prueba se divide en dos regiones, la regin de rechazo, tambin denominada regin crtica y una regin de no rechazo. Si la estadstica de prueba cae en la regin de no rechazo, no se puede rechazar la hiptesis nula, por el contrario si cae en la regin de rechazo la hiptesis nula es rechazada. La regin de rechazo puede considerarse como el conjunto de valores de la 4
Prueba de Hiptesis y toma de decisiones Situacin Real: Decisin Estadstica: H0 Verdadera H0 Falsa No Rechazo H0 1- Error de Tipo II: Rechazo H0 Error de Tipo I: 1-
Pasos de una prueba de hiptesis: 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Expresar la Hiptesis Nula: H0 Expresar la Hiptesis Alternativa: H1 Seleccionar el nivel de significacin: Seleccionar el tamao de la muestra: n Determinar la tcnica estadstica apropiada y la prueba estadstica correspondiente a utilizar Establecer los valores crticos que determinan la regin de rechazo y de no rechazo Recopilar los datos y calcular el valor muestral de la prueba estadstica apropiada Determinar si la prueba estadstica ha cado en la regin de rechazo o en la de no rechazo. Tomar la decisin estadstica Expresar la decisin estadstica en trminos del problema
Ejemplo Prctico: Prueba de dos colas para la media y conocida Cuando una soldadora robot esta ajustada, la media del tiempo necesario para efectuar su tarea es de 1,325 minutos. Experiencias anteriores han demostrado que la desviacin estndar del tiempo del ciclo es de 0,0396 minutos. Una media del tiempo de operacin incorrecta puede afectar la eficiencia de otras actividades a lo largo de la lnea de produccin. Para una muestra aleatoria reciente de 80 trabajos, la media del tiempo del ciclo para la soldadora fue de 1,3229 minutos. Necesita la maquina un ajuste? 5
= 0,05
z=
= -0,47
Valores crticos: z =