Académique Documents
Professionnel Documents
Culture Documents
Alumnos:
Grupo: 7SM1
ndice
Estimacin Puntual.3
Intervalos de Confianza.4
Estimacin del intervalo de confianza para la media.......4
Estimacin de intervalo de confianza para una proporcin........5
Muestreo..9
Tipos de Muestreo.........9
Mtodos Muestreo Probabilstico.......9
Mtodos Muestreo No Probabilstico....13
Pruebas........14
Errores de tipo I y tipo II.15
Grafica (Tipos).16
Conclusiones...19
Estimacin puntual
Consiste en la estimacin del valor del parmetro mediante un slo valor, obtenido
de una frmula determinada. Por ejemplo, si se pretende estimar la talla media de
un determinado grupo de individuos, puede extraerse una muestra y ofrecer como
estimacin puntual la talla media de los individuos. Lo ms importante de un
estimador, es que sea un estimador eficiente. Es decir, que sea insesgado
(ausencia de sesgos) y estable en el muestreo o eficiente (varianza mnima)
Estimacin puntual. Sea X una variable poblacional con distribucin F, siendo
desconocido. El problema de estimacin puntual consiste en, seleccionada una
muestra X1,..., Xn, encontrar el estadstico T(X1,..., Xn) que mejor estime el
parmetro . Una vez observada o realizada la muestra, con valores x1,..., xn, se
obtiene la estimacin puntual de , T(x1,..., xn) = .
Vemos a continuacin dos mtodos para obtener la estimacin puntual de un
parmetro: mtodo de los momentos y mtodo de mxima verosimilitud.
Mtodo de los momentos: consiste en igualar momentos poblacionales a
momentos mustrales. Deberemos tener tantas igualdades como parmetros a
estimar. Momento poblacional de orden r r = E (Xr) Momento muestra de orden r
ar = Xn i=1 Xr i n
Mtodo de mxima verosimilitud: consiste en tomar como valor del parmetro
aquel que maximice la probabilidad de que ocurra la muestra observada. Si X1, ...,
Xn es una muestra seleccionada de una poblacin con distribucin F o densidad
f(x), la probabilidad de que ocurra una realizacin x1, ..., xn viene dada por:
L(x1, ..., xn) = Yn i=1 f(xi)
A L(x1,..., xn) se le llama funcin de verosimilitud. (Credibilidad de la muestra
observada). Buscamos entonces el valor de que maximice la funcin de
verosimilud, y al valor obtenido se le llama estimacin por mxima verosimilitud de
. Nota: si la variable X es discreta, en lugar de f (xi) consideramos la funcin
masa de probabilidad p (xi).
Ejemplo 7.1: Sea X N (, ), con desconocido. Seleccionada una m.a.s.
X1,..., Xn, con realizacin x1,..., xn, estimamos el parmetro por ambos
mtodos. Segn el mtodo de los momentos: E(X) = Xn i=1 Xi n = X, y al ser =
E(X) se obtiene que = x. Por el mtodo de mxima verosimilitud: L(x1,..., xn)
= Yn i=1 f (xi) = = Yn i=1 1 2 e (xi) 2 2
Estimacin por Intervalos de conanza 109 y maximizamos en tal funcin; en
este caso resulta ms fcil maximizar su logaritmo: lnL(x1,..., xn) = 1 2 2 Xn
i=1 (xi ) 2 n ln ( 2) lnL(x1,..., xn) = 1 2 Xn i=1 (xi ) = n x n
2 = 0 =
3
Intervalos de confianza
Se llama a un par o varios pares de nmeros entre los cuales se estima que estar
cierto valor desconocido con una determinada probabilidad de acierto.
Formalmente, estos nmeros determinan un intervalo, que se calcula a partir de
datos de una muestra, y el valor desconocido es un parmetro poblacional. La
probabilidad de xito en la estimacin se representa con 1 - y se denomina nivel
de confianza. En estas circunstancias, es el llamado error aleatorio o nivel de
significacin, esto es, una medida de las posibilidades de fallar en la estimacin
mediante tal intervalo.
Este conjunto est delimitado por dos estadsticos: el primero de ellos, el extremo
inferior del intervalo, es un estimador por defecto del parmetro, mientras que el
segundo, el extremo superior del intervalo, es un estimador por exceso del
mismo.
Suponga que quiere estimar la media de todos los alumnos en su universidad.
La media para todos los alumnos es una medida desconocida de la poblacin,
simbolizada como . Usted selecciona una muestra de alumnos, y encuentra que
la media es 5,8. La muestra de la media =5.8 es la estimacin puntual de la
media poblacional . Qu tan preciso es el 5.8? Para responder esta pregunta
debe construir una estimacin del intervalo de confianza.
En general, el nivel de confianza se simboliza con (1 ) * 100%, donde es la
porcin de las colas de la distribucin que estn fuera del intervalo de confianza.
La porcin de la cola superior e inferior de la distribucin es /2.
Estimacin de intervalo de confianza para la media
Se emplea la siguiente frmula:
Dnde:
Z = valor crtico de la distribucin normal estandarizada
Se llama valor crtico al valor de Z necesario para construir un intervalo de
confianza para la distribucin. El 95% de confianza corresponde a un valor (de
0,05. El valor crtico Z correspondiente al rea acumulativa de 0,975 es 1,96
porque hay 0,025 en la cola superior de la distribucin y el rea acumulativa
menor a Z = 1,96 es 0,975.
Un nivel de confianza del 95% lleva a un valor Z de 1,96.
4
Ejemplo:
Si = 24; =3 y n=36 construya para la media poblacional una estimacin de
intervalo de confianza del 95%.
Dnde:
= proporcin de la poblacin
Z = valor crtico para la distribucin normal estandarizada
n = tamao de la muestra
Cuando la poblacin es finita (N) y el tamao de la muestra (n) constituye ms del
5% de la poblacin, se debe usar el factor finito de correccin. Por lo tanto si
cumple:
Se aplica la ecuacin:
Ejemplo
En un almacn se est haciendo una auditoria para las facturas defectuosas. De
500 facturas de venta se escoge una muestra de 30, de las cuales 5 contienen
errores. Construir una estimacin del intervalo de confianza del 95%.
Los datos del problema son:
Muestreo
El muestreo es una herramienta de la investigacin cientfica, cuya funcin
bsica es determinar que parte de una poblacin debe examinarse, con la
finalidad
de
hacer
inferencias
sobre
dicha
poblacin.
La
muestra
debe
lograr una
representacin adecuada de la
poblacin, en la que se reproduzca de la mejor manera los rasgos esenciales
de dicha poblacin que son importantes para la investigacin.
Para que una muestra sea representativa, y por lo tanto til, debe de reflejar las
similitudes y diferencias encontradas en la poblacin, es decir ejemplificar las
caractersticas de sta.
Los errores ms comunes que se pueden cometer son:
1.- Hacer conclusiones muy generales a partir de la observacin de slo una parte
de la Poblacin, se denomina error de muestreo.
2.- Hacer conclusiones hacia una Poblacin mucho ms grandes de la que
originalmente se tom la muestra. Error de Inferencia.
*En la estadstica se usa la palabra poblacin para referirse no slo a personas
sino a todos los elementos que han sido escogidos para su estudio y el trmino
muestra se usa para describir una porcin escogida de la poblacin.*
Tipos de muestreo
11
12
-Pruebas
Una prueba estadstico es un procedimiento para, a partir de una muestra
aleatoria y significativa, extraer conclusiones que permitan aceptar o rechazar una
hiptesis previamente emitida sobre el valor de un parmetro desconocido de una
poblacin.
1) Pruebas No Paramtricas:
Las pruebas estadsticas no paramtricas son las que, a pesar de basarse en
determinadas suposiciones, no parten de la base de que los datos analizados
adoptan una distribucin normal.
Tcnica estadstica que no presupone ninguna distribucin de probabilidad terica
de la distribucin de nuestros datos.
Son tcnicas estadsticas que no presuponen ningn modelo probabilstico terico.
2) Pruebas Paramtricas:
Las pruebas estadsticas paramtricas, se basan en que se supone una forma
determinada de la distribucin de valores, generalmente la distribucin normal, en
la poblacin de la que se obtiene la muestra experimental.
En contraposicin de la tcnicas no paramtricas, las tcnicas paramtricas si
presuponen una distribucin terica de probabilidad subyacente para la
distribucin de los datos.
Prueba de hiptesis
En muchos problemas de la ciencia, de la ingeniera y de la administracin, se
requiere que se toma una decisin entre aceptar y rechazar una proposicin sobre
algn parmetro. Esta proposicin recibe el nombre de hiptesis. Y el
procedimiento sobre la toma de decisin sobre la hiptesis, se le conoce como
prueba de hiptesis.
Una hiptesis estadstica es una proposicin o supuesto sobre los parmetros de
una o ms poblaciones.
15
Ejemplo
16
17
Grfico lineal: los valores en dos ejes cartesianos ortogonales entre s. Las
grficas lineales se recomiendan para representar series en el tiempo, y es
donde se muestran valores mximos y mnimos; tambin se utilizan para
varias muestras en un diagrama.
18
Grfica de Burbuja: Este tipo de grfico presenta los datos como una serie de
burbuja, el tamao de las cuales es proporcional a la cantidad de datos. Un
grfico de este tipo resulta muy efectivo para mostrar el nmero de productos
vendidos en cierta regin.
Conclusiones
Calva Lpez Omar: La estimacin es una herramienta imprescindible en el
estudio de la calidad, ya que con ello obtenemos un estudio ms detallado acerca
de la probabilidad y estadstica en una muestra y su comportamiento, adems
podemos interpretar todos esos datos por medio de grficos que nos muestran
ms fcilmente las distribuciones ocupadas por stas. Retomando los temas
anteriores podemos ver que gracias a este tipo de estudios estadsticos logramos
complementar los diagramas que nos sirven como herramienta y nos ayudan a
identificar problemas en el mbito laboral como son el diagrama de Pareto y el
Ishikawa. Por otro lado debemos tomar en cuenta tambin las diferentes opciones
con las que contamos para realizar estudios de muestreo y los tipos de pruebas
que son necesarias para concluir resultados y dar solucin a los problemas
estadsticos.
Escobar Pacheco Jess: Como conclusin al trabajo llego a que estos subtemas
del temario nos ensean cmo puedes t en determinado momento organizar de
manera fcil y sencilla infinidad de datos utilizando las grficas, estimaciones
simples y por intervalos, muestreos, entre otros; siendo para m que las grficas
son de las mejores opciones para organizar datos ya que en cualquier consulta es
muy fcil interpretarlas y tambin modificarlas en determinado momento.
19
Moreno Ortiz Juan Carlos: Por medio del control estadstico se facilita en gran
parte el control de los procesos de produccin en la industria automotriz, siendo
una herramienta que sintetiza la realizacin de anlisis para obtener un mejor
control y de alta calidad al obtener los resultados reduciendo en mayor parte la
cantidad de errores humanos y por ende obteniendo mayores beneficios en la
produccin.
Ramrez lvarez Vctor Damin: Respecto a los temas tocados en este informe
aprend que como la estimacin es una de herramienta importante en la industria
automotriz y los cuales se nos facilitan al usar los grficos necesarios para su
interpretacin, afortunadamente esto se retoma de la probabilidad y estadstica
que se llev en los aos de la vocacional y la cual es indispensable para nuestro
desarrollo en la industria
Villegas Domnguez Ral: El muestreo es una parte importante ya que con el
cual sabes a que variables relacionamos y las cuales debemos enfrentarnos a la
hora de resolver problemas, as tambin el muestreo es muy relevante a la hora
de hablar de calidad en una empresa ya que la cual nos dar la confianza para
saber cunto producto entra en el rango y cumple con las caractersticas que
necesitamos para una produccin
20