Tema 2 PDF

Muestra y poblaciones.
Probabilidad
Muestreo aleatorio simple
Poblaci
on estadstica
Estimacion estadstica
Matematicas II en Biotecnologa
Tema 2: Inferencia en una poblaci

on
Carmen Armero
26 de enero de 2011

on Matem
aticas II en Biotecnologa
Probabilidad
Poblaci
on estadstica
Inferencia estadstica
Definicion y caractersticas de una poblaci
on
Probabilidad
Poblacion estadstica
Distribucion normal
Distribucion binomial
Variabilidad muestral
Estimacion de la media de una poblaci
on normal
Estimacion de una proporci
on poblacional

on Matem
Probabilidad
Definici
on y caractersticas de una poblaci
on
Poblaci
on estadstica
MUESTRAS y POBLACIONES: Inferencia estadstica
I Tema anterior: Descripci

on numerica y gr
afica de muestras.
I Objetivo ahora: Extraer conclusiones generales para la poblaci
on de la
que procede la muestra.
I Inferencia estadstica: Realiza el proceso de generalizaci
on de la muestra
a la poblaci
on teniendo en cuenta la variabilidad de los datos de la
muestra.
I Idea principal: Datos de una experiencia son una muestra representativa
de la poblaci
on.

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
E.1: En un estudio sobre el grupo sanguneo de los residentes en UK se

registr
o el grupo sanguneo de 3,696 personas con los siguientes resultados:
Grupo Frecuencia Porcentaje

A 1,634 44.21
B 327 8.85
AB 119 3.22
O 1,616 43.72
Total 3,696 100
I Los datos no se recogieron para analizar el grupo sanguneo de las 3,696

personas, sino como fuente de informaci
on sobre la distribuci
on del grupo
sanguneo en UK.
I Si el grupo sanguneo de las personas de UK es parecida a la de la
muestra podra decirse, por ejemplo, que aproximadamente el 44 % de las
personas de UK son del grupo A.

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
I Inferencia estadstica:
1. Definicion de la poblaci
on objeto de estudio. (E.1 (cont.): Grupo
sanguneo de todas las personas de UK). Definicion de poblacion
estadstica (?).
2. Seleccion de una muestra representativa de la poblacion (?)
3. Descripci on de los datos de la muestra (E.1 (cont.): Tabla de
frecuencias del grupo sanguneo de las 3,696 personas)
4. Procedimientos estadsticos para extraer conclusiones sobre la
poblacion (?).

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Definici
on de poblaci
on:
I E.2: La noradrenalina (MOPEG) es un metabolito que juega un papel
muy importante en la funci on cerebral. En un estudio para determinar si
la ingesta de alcohol puede elevar la concentraci on de MOPEG en el
fluido cerebroespinal participan siete voluntarios hombres, j
ovenes y
sanos. La concentraci on de MOPEG se ha medido dos veces en cada
voluntario, una al pricipio de la experiencia y otra despues de beber 80 gr.
de etanol. Los resultados (en pmoles/ml) son los siguientes:
Voluntario 1 2 3 4 5 6 7
Antes 46 47 41 45 37 48 58
Despues 56 52 47 48 37 51 62
Diferencia 10 5 6 3 0 3 4
I Variable de inter
es: Diferencia en la concentraci
on de MOPEG despues
de beber 80 gr de etanol.
I Unidad observacional: Hombre joven y sano.
I Poblaci
on: Diferencias en la concentraci
on de MOPEG de TODOS los
hombres sanos y j
ovenes. Se mide antes y despues de beber 80 gr. de
etanol.
on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Caractersticas de una poblaci

on:
I Las caractersticas de una poblaci
on nunca las conoceremos exactamente
porque s
olo tenemos la informaci on de la muestra. Las caractersticas
muestrales (estadsticos) son habitualmente los estimadores de las
correspondientes caractersticas poblacionales (par
ametros).
I Poblaciones correspondientes a variables categ
oricas:
1. Parametros: Frecuencia relativa o porcentaje de cada categora en
la poblaci
on.
2. Estadsticos: Frecuencia relativa o porcentaje de cada categora en
la muestra.
I Poblaciones correspondientes a variables cuantitativas:
1. Par
ametros: Media poblacional, desviaci on tpica poblacional,
cuartiles poblacionales, mediana poblacional, . . .
2. Estadsticos: Media muestral, desviaci
on tpica muestral, cuartiles
muestrales, mediana muestral, . . .

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Definici
on (cont.):
I Caractersticas de poblaciones correspondientes a variables categ
oricas:
frecuencia relativa o porcentaje de cada categora en la poblaci
on.
I E.4 En un estudio sobre la resistencia a la roya de la corona en plantas de
cebada se han registrado 31 plantas resistentes, 28 en niveles intermedios
y 11 susceptibles.
I Variable estudiada: Tipo de resistencia de una planta de cebada a la
roya de la corona
I Poblaci
on: resistencia (R), intermediatez (I) o susceptibilidad (S) a la
roya de la corona de todas las plantas de cebada.
I Proporci
on poblacional de resistentes, intermedios y susceptibles: pR , pI
y pS (Par
ametros).
I Proporci
on muestral de resistentes, intermedios y susceptibles:
p
R =31/70=0.44, p I =28/70=0.40, p
S =11/70=0.16 (Estadsticos). Son
estimaciones de los par
ametros.

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Definici
on (cont):
E.5 Un grupo de 11 pacientes con adenocarcinoma han sido tratados con
mitomicina. Tres de los pacientes experimentaron una respuesta positiva
(disminuci
on del tamano del tumor en mas del 50 %).
I Variable: Respuesta (positiva o no) de un paciente con adenocarcinoma
que es tratado con mitomicina.
I Poblaci
on: Respuestas de todos los pacientes con adenocarcinoma que
podran ser tratados con mitomicina.
I p: Proporci
on poblacional de pacientes con adenocarcinoma con
respuesta positiva a un tratamiento con mitomicina (par
ametro).
I p
: Proporci
on muestral de pacientes con adenocarcinoma con respuesta
positiva a un tratamiento con mitomicina (estadstico), p
=3/11=0.27.
I p es desconocida y p
=0.27 es una estimaci
on de p (no decimos nada de
momento de si es una buena estimaci
on o no)

on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Definici
on (cont):
I Caractersticas de poblaciones correspondientes a variables cuantitativas:
media poblacional, desviacion tpica poblacional, cuartiles poblacionales,
mediana poblacional, . . ..
I E.6 Un investigador mide el numero de hojas en cada una de 150 plantas
de tabaco de la misma cepa (Habana). Los resultados son los siguientes:
N
um. hojas 17 18 19 20 21 22 23 24
N
um. plantas 3 22 44 42 22 10 6 1
I Poblaci
on: N
umero de hojas de todas las plantas de tabaco de la cepa
Habana.
I Media poblacional, : N
umero medio de hojas de las plantas de tabaco
de la cepa Habana (par
ametro).
I Desviaci
on tpica poblacional, : Desviaci
on tpica del n
umero de hojas
de las plantas de tabaco de la cepa Habana (par
ametro).
I Media muestral, y : N
umero medio de hojas en las 150 plantas tabaco de
la cepa Habana de la muestra (estadstico).
I Desviaci
on tpica muestral, s: Desviaci
on tpica del n
umero de hojas en
las 150 plantas tabaco de la cepa Habana de la muestra (estadstico).
on Matem
Probabilidad
Definici
on
Poblaci
on estadstica
Definici
on (cont):
I Notaci
on para los estadsticos y par
ametros m
as importantes
Muestra Poblaci
on
Medida Estadstico Par
ametro
Proporci
on p p
Media y
DT s
Varianza s2 2

on Matem
Probabilidad
Poblaci
on estadstica
INFERENCIA ESTADISTICA
1. Definici
on de la poblaci
on de interes. Definici
on de poblaci
on estadstica
(Probabilidad)
2. Selecci
on de una muestra representativa de la poblaci
on (Probabilidad)
3. Descripci
on de los datos de la muestra
4. Procedimientos estadsticos para extraer conclusiones sobre la poblaci
on
(Probabilidad).

on Matem
Probabilidad
Poblaci
on estadstica
PROBABILIDAD
I Experimento aleatorio: es un proceso bien definido que presenta
incertidumbre en los resultados (por ejemplo, lanzamiento de tres
monedas)
I Espacio muestral, S: Es el conjunto de todos los posibles resultados del
experimento {CCC , CCX , CXC , XCC , CXX , XCX , XXC , XXX }
I Suceso: Es un subconjunto de S (A = {S
olo sale una cara} =
{CXX , XCX , XXC })
I Un suceso ocurre cuando se produce alguno de sus resultados
I Probabilidad de un suceso A es un n
umero que cuantifica su ocurrencia,
P(A).
I Reglas b
asicas de la probabilidad:
1. 0 P(A) 1, para cualquier suceso A.

2. P(S) = 1, para el espacio muestral S.
3. Si A y B son incompatibles, P(A B) = P(A) + P(B)

on Matem
Probabilidad
Poblaci
on estadstica
PROBABILIDAD (cont.)
I M
as propiedades:
= 1P(A),
1. P(A)
2. P(A B) = P(A) + P(B)P(A B)
I Probabilidad condicionada de que ocurra A dado que ha ocurrido B,
P(A | B) = P(A B)/P(B), siempre que P(B) > 0.
I Independencia: Los sucesos A y B son independientes cuando
P(A B) = P(A)P(B); o equivalentemente P(A | B) = P(A) y
P(B|A) = P(B).
I Teorema de la probabilidad total:

P(A) = P(A|B)P(B) + P(A|B)P(
B)
I Teorema de Bayes:
P(B|A)P(A)
P(A | B) =
P(B)

on Matem
Probabilidad
Poblaci
on estadstica
EJEMPLOS Probabilidad
E.7 Los guisantes de Mendel pueden tener flores de color p urpura o blanco. El
color de las flores se debe a un unico gen con alelo lila (A) dominante con
respecto al alelo blanco (a). El hbrido F 1 (obtenido cruzando dos lineas puras
de reproducci on, una con flores lila y la otra con flores blancas) tiene flores lilas
y es heterozigotico, Aa.
Si seleccionamos una semilla F 2 procedente de un cruce de dos progenitores
F 1 heterocig
oticos:
1. P(F 2 es AA) = 1/4, P(F 2 es Aa) = 1/2 y P(F 2 es aa) = 1/4
2. P(F 2 flores blancas) = P(F 2 es aa) = 1/4 y P(F 2 flores lilas) = 3/4.
3. P(F 2 genotipo AA | F 2 flores lilas) =
P(F 2 es AA y F 2 flores lilas) 1/4

= = 1/3
P(F 2 flores lilas) 3/4

on Matem
Probabilidad
Poblaci
on estadstica
EJEMPLOS Probabilidad (cont.)

E.7 (cont). Sabemos que P(F 2 es AA)=0.25, P(F 2 es Aa)=0.50 y
P(F 2 es aa)=0.25,
Si seleccionamos de forma aleatoria 10 plantas F 3:
I P(10 F 3 lila | F 2 es AA)=1,
I P(10 F 3 lila | F 2 es Aa)=(0.75)10 ,
I P(10 F 3 lila | F 2 es aa)=0,
I P(10 F 3 lila F 2 es Aa)= ?,
I P(10 F 3 lila)= ?
I P(10 F 3 lila | F 2 es lila)= ?,
I P(F 2 es AA | 10 F 3 lila , F 2 lila )= ?,

on Matem
Probabilidad
Poblaci
on estadstica
EJEMPLOS Probabilidad (cont.)

E.8 Consideramos un test que con probabilidad 0.995 proporciona un resultado
correcto positivo (+) cuando una persona esta enferma (E ) y con probabilidad
0.98 proporciona un resultado correcto negativo () cuando la persona no
est ).
a infectada (E
Suponiendo que en una poblaci on P(E )=0.1 la probabilidad P(E | +) sera:
P(+ | E ) P(E )
P(E | +) =
P(+)
y como:
I P(+ | E )=0.995 P( | E )=0.005
I P( | E )=0.98 )=0.02
P(+ | E
I P(E )=0.1 )=0.9
P(E
I P(+) = P(+ | E ) P(E ) + P(+ | E )P(E
)
= 0.995 0.1 + 0.02 0.9 = 0.1175
finalmente:
P(+ | E ) P(E ) 0.995 0.1
P(E | +) = = = 0.8468
P(+) 0.1175

on Matem
Probabilidad
Poblaci
on estadstica
MUESTREO ALEATORIO SIMPLE
I Muestreo aleatorio: Modelo fundamental para la Inferencia estadstica

como procedimiento para garantizar de que la muestra sea representativa
de la poblaci
on objeto de estudio.
I Definici
on informal: es como un sorteo con muchas papeletas en las que
cada elemento de la poblacion esta representado por una papeleta. Las
papeletas estan en una supercaja opaca y seleccionamos (sin mirar y
removiendo siempre todas las papeletas) un total de n papeletas que
constituir
an la muestra aleatoria de la poblaci
on.
I Definici
on un poco m
as formal: Una muestra aleatoria de tama
no n es
el resultado de un proceso de selecci
on de elementos de la poblaci
on en el
que:
I Todos los elementos de la poblaci on tienen la misma probabilidad
de estar includos en la muestra y se eligen independientemente
unos de otros.

on Matem
Probabilidad
Poblaci
on estadstica
MUESTREO ALEATORIO SIMPLE (cont.)
I Muestra aletoria: muestra seleccionada seg

un un procedimiento de
muestreo aleatorio.
I Importante: La condici
on de muestra aleatoria viene dada por el
procedimiento y no por la muestra concreta seleccionada.
I E.9: Para la poblaci
on P = {0, 1, 2, 3, . . . , 99} tres muestras aleatorias de
tama
no 8 son:
M1 6 4 82 56 36 61 37 81
M2 86 47 20 99 59 59 63 18
M3 70 77 76 4 4 7 65 59
I Discrepancia entre la muestra y la poblaci

on: error aleatorio debido al
muestreo. Cuantificable en los procesos inferenciales.

on Matem
Probabilidad
Poblaci
on estadstica

Relaci
on entre modelo de muestreo aleatorio y la realidad:
I En algunos estudios las unidades observacionales pueden ser literalmente
seleccionadas por muestreo aleatorio.
I Pero en mucho estudios biol
ogicos es imposible que los datos puedan
elegirse a traves de un proceso de muestreo aleatorio.
I En estos casos, antes de aplicar la maquinaria estadstica siempre hay que
preguntarse si los datos del estudio pueden considerarse como si hubieran
sido obtenidos por un procedimiento de muestreo aleatorio de la
poblaci
on relevante.
I El tipo de no aleatoriedad m
as habitual es el sesgo muestral, que es una
tendencia sistem
atica que selecciona para la muestra unos elementos con
mayor probabilidad que otros.

on Matem
Probabilidad
Poblaci
on estadstica
I E.10: Peces. Un investigador planea estudiar la distribuci

on de la
longitud de una cierta poblaci on de peces de la Albufera. La muestra se
recoger a utilizando una red. Como los peces m as peque
nos son m as
difciles de capturar por la red el procedimiento muestral ser
a sesgado.
I E.11: C
elulas nerviosas. Una investigadora planea medir el tama
no de las
celulas nerviosas del tejido cerebral de un gato. Cuando examina un trozo
de tejido debe decidir cuales de los cientos de celulas ser
an seleccionadas
para su medici on. Si el proceso de medicion del tamano se realiza sobre
celulas completas, este producir
a un sesgo importante: las celulas
peque nas tienen mayor probabilidad de no ser cortadas por el microtomo.
I E 12: Races de remolacha. Un investigador planea muestrear races de
remolacha en un campo con objeto de medir su contenido de sucrosa y
desea considerar todos los especmenes de un peque
no trozo del campo
seleccionado aleatoriamente. Este procedimiento no es sesgado pero
tendera a producir muestras demasiado homogeneas porque la variaci
on
medioambiental del campo no se reflejara en la muestra.

on Matem
Probabilidad
Poblaci
on estadstica
I E.13: Resistencia. Una cierta variedad de maiz es resistente a una

enfermedad causada por hongos. Para investigar la heredabilidad de esta
resistencia una investigadora cruza una variedad resistente con una no
resistente y mide el grado de resistencia en las plantas descendientes. La
progenie en el experimento puede considerarse como una muestra
aleatoria de una poblacion conceptual formada por todas la progenies
potenciales de este particular cruce.
I E.14: Metabolismo Para estudiar la transformaci
on de nitrito en nitrato
en la sangre, una investigadora inyect o una soluci
on de moleculas
marcadas de nitrito radioactivas a 25 conejos NZW. Diez minutos
despues de la inyecci
on se registr
o, en cada conejo, el porcentaje de
nitrito convertido en nitrato. Aunque los 25 animales no fueron
literalmente seleccionados de forma aleatoria de una poblaci on especfica,
es sin embargo razonable considerar que las observaciones del
metabolismo del nitrato son una muestra aleatoria de las correspondientes
observaciones en este tipo de conejos.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
ESTADISTICA
POBLACION
I Poblaci
on: conjunto de las observaciones de la variable de interes en
todas las posibles unidades experimentales del estudio.
I Poblaci
on estadstica correspondiente a una variable cuantitativa : curva
de densidad que resultara de considerar histogramas de muestras cada
vez m
as grandes e intervalos de clase cada vez m as peque
nos.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL
DISTRIBUCION
I La poblaci
on estadstica correspondiente a una variable Y cuantitativa
mas importante es la distribuci
on normal: curva simetrica, acampanada,
probabilidad es el
area bajo la curva del intervalo correspondiente y el

area total bajo la curva es siempre 1.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
I Curva normal est
a centrada en la media , los puntos en los que la
campana cambia la direcci on de la curvatura son y e y + ( es la
on tpica) y la curva se extiende hacia por la izquierda y +
desviaci
por la derecha.
I Notacion: Y N(, )

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
Si Y N(, ):
I P(Y = a) = 0
I P(Y < b) = P(Y b) y P(Y > a) = P(Y a)
I P(Y b) = 1 P(Y > b)
I P(a < Y < b) = P(a Y b) = P(Y < b) P(Y < a) = P(Y
b) P(Y a)

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
I C
alculo de probabilidades de una distribuci
on normal en
http://onlinestatbook.com/index.html
I Entrando en
Table of contents > XVI. Calculators

hay dos opciones para la distribuci
on normal:
I Normal distribution: Calcula probabilidades para intervalos de
valores de la variable.
I Inverse Normal distribution: Calcula intervalos de valores de la
variable asociadas a probabilidades dadas.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
I E.15: Longitud peces (cont.) En una cierta poblaci
on del arenque
Pomolobus aestivalis, la longitud Y de los peces sigue una distribucion
normal con media =54.0 mm. y desviaci on tpica =4.5 mm,
N( =54.0, =4.5)
I Si se elige un pez al azar de dicha poblaci
on, cual es la probabilidad de
que su longitud sea superior a 51 mm, P(Y > 51)?
I Calculator > Normal distribution

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
on del arenque
Pomolobus aestivalis, la longitud Y de los peces es N( =54.0, =4.5)
que su longitud sea inferior a 60 mm, P(Y < 60)?

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
on del arenque
que su longitud este entre 51 mm. y 60 mm,, P(51 < Y < 60)?

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
on del arenque
que su longitud sea inferior a 56 mm o superior a 63 mm,
P(Y < 46 Y > 63)?

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
on del arenque
I Definici
on de percentil del m % de la distribuci
on: Valor y de la variable
para el que P(Y y ) = m/100
I El percentil del 70 % de N( =54.0, =4.5) ser
a la longitud y para la que
P(Y y ) =0.70
I Calculator > Inverse Normal distribution

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
NORMAL (cont.)
DISTRIBUCION
I E.15: Longitud peces En una cierta poblaci
on del arenque Pomolobus
aestivalis, la longitud Y de los peces es N( =54.0, =4.5)
I Calcula la longitud y para la que P(Y y ) =0.80
I Calculator > Inverse Normal distribution

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL
DISTRIBUCION
I La distribuci
on de una variable binomial es una distribuci
on de
probabilidad asociada con una particular operaci
on de azar definida en
terminos de un modelo de pruebas independientes.
I Modelo de pruebas independientes:Es una serie de n pruebas
independientes en la que en cada una de ellas el resultado puede ser
exito o fracaso. La probabilidad de
exito es p, siempre constante en
todas las pruebas, independientemente de los resultados de las pruebas
anteriores.
I E.16: Albinismo Si dos portadores del gen para el albinismo se emparejan,
cada uno de sus hijos tiene probabilidad 1/4 se ser albino. La probabilidad
de que el segundo hijo sea albino es la misma, 1/4, independientemente
de si el primer hijo es albino o no. De la misma forma, el tercer hijo
ser
a o no albino con probabilidad 1/4, independientemente de si lo son o
no sus dos hermanos. Si consideramos como exito ser albino y como
fracaso no ser albino, el modelo de pruebas independientes es el
adecuado con p = 1/4 y n el n umero de hijos en la familia.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I E.17: Mutantes Se elige una muestra aleatoria de individuos de una gran

poblacion en la que el 39 % de los individuos tienen un cierto rasgo
mutante. Como cada individuo de la muestra se elige aleatoriamente la
probabilidad de que un individuo seleccionado sea mutante es 0.39. Esta
probabilidad es la misma en cada selecci on, independientemente de los
resultados anteriores porque el porcentaje de mutantes en la gran
poblacion permanece constante en 0.39 incluso aun cuando unos pocos
individuos de la poblacion haya sido extrados. Considerando las etiquetas
exito para el resultado mutante y fracaso para el no mutante

tendremos un modelo de pruebas independientes con p =0.39 y n el
tama no de la muestra.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I La distribuci
on binomial especifica las probabilidades asociadas al n
umero
de
exitos total en un experimento basado en un modelo de pruebas
independientes.
I Si tenemos un modelo con n pruebas independientes:
Prueba 1:
Exito (p) o Fracaso (1 p)
Prueba 2:
.. ..
. .
Prueba n:
I Una variable binomial Y describe la distribuci
on de probabilidad asociada
al n
umero de exitos en un modelo de n pruebas independientes con
exito p, Y {0, 1, 2, . . . , n}.
probabilidad de
I Notaci
on: Y Bi(n, p)

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I E.16: Albinismo (cont.) Suponemos que dos portadores del gen del
albinismo tienen dos hijos. Si representamos por Ai (A i ) el hecho de que
que el hijo i es albino (no albino) e Y es la variable que describe el
n
umero de hijos albinos:
I P(Y = 0) = P(A 1 A 2 ) = P(A 1 )P(A
2 ) = (3/4)(3/4) = 9/16
I P(Y = 1) =P([A1 A 2 ] [A
1 A2 ]) =
P(A1 A 2 ) + P(A
1 A2 ) = P(A1 )P(A 2 ) + P(A
1 )P(A2 ) =
(1/4)(3/4) + (3/4)(1/4) = 2 (1/4)(3/4) = 6/16
I P(Y = 2) = P(A1 A2 ) = P(A1 )P(A2 ) = (1/4)(1/4) = 1/16

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I E.16: Albinismo (cont.) Suponemos ahora que los dos portadores del
gen del albinismo tienen tres hijos. La variable Y que describe el n
umero
de hijos albinos es binomial, Y Bi(n = 3, p = 1/4), y su distribucion de
probabilidad es:
I P(Y = 0) = (3/4)3 = 27/64
I P(Y = 1) = 3 (1/4)(3/4)2 = 27/64
I P(Y = 2) = 3 (1/4)2 (3/4) = 9/64
I P(Y = 3) = (1/4)3 = 1/64
I Explicaci
on en la pizarra a traves de
arboles probabilsticos.

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I La distribuci
on de probabilidad de una variable Y Bi(n, p) es:
P(Y = k) = C (n, k)p k (1 p)nk , k = 0, 1, 2, . . . , n

siendo:
n!
C (n, k) = ,
(n k)! k!
siendo m! = m (m 1) (m 2) . . . 2 1 el factorial de m con 0! = 1,
C (m, 0) = C (m, m) = 1 y C (m, 1) = m.
I Si Y Bi(n, p) su media es = np y su desviaci
on tpica es
p
= n(p(1 p).

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I E.17: Mutantes (cont.) Si se elige una muestra aleatoria de n = 5

individuos de una gran poblacion en la que el 39 % de los individuos
tienen un cierto rasgo mutante, la distribuci
on de probabilidad de la
variable Y que describe el n
umero de mutantes en la muestra es
Bi(n = 5, p = 0,39), y por lo tanto:
I P(Y = 0) = C (5, 0)0,390 0,615 = 0.08
I P(Y = 1) = C (5, 1)0,391 0,614 =0.27
I P(Y = 2) = C (5, 2)0,392 0,613 =0.35
I P(Y = 3) = C (5, 3)0,393 0,612 =0.22
I P(Y = 4) = C (5, 4)0,394 0,611 =0.07
I P(Y = 5) = C (5, 5)0,395 0,610 =0.01
I Suma de todas las probabilidades = 1
I El n
umero medio de mutantes en una muestra aleatoria de tama
no n = 5
es
= 5 0.39=1.95 y la desviaci
on tpica del n
umero de mutantes es
= 5 0.39 0.61 =

on Matem
Probabilidad
Distribuci
on binomial
Poblaci
on estadstica
BINOMIAL (cont.)
DISTRIBUCION
I C
alculo de probabilidades de una distribuci
on binomial en el Virtual Rice
Lab in:
http://onlinestatbook.com/index.html
I Entrando en:
Table of contents > XVI. Calculators > Binomial distribution

on Matem
Probabilidad Variabilidad muestral
Muestreo aleatorio simple Estimacion de la media de una poblaci
on normal
Poblaci
on estadstica Estimacion de una proporci
on poblacional
VARIABILIDAD MUESTRAL
I Inferencia estadstica: Los datos se consideran una muestra aleatoria de

una poblaci
on estadstica de interes y utilizamos la informaci
on de los
datos para extraer informacion de la poblaci on.
I Estimaci
on estadstica: Los datos se utilizan para obtener una
estimaci
on (aproximaci on) de una caracterstica poblacional (par
ametro)
y tambien se valora la precisi
on de dicha estimacion.
I Variabilidad muestral: Las muestras aleatorias del mismo tama
no
procedentes de la misma poblaci
on estadstica no son todas iguales.
I Distribuci
on en el muestreo: Caracteriza la variabilidad muestral y las
discrespancias entre la muestra y la poblaci
on en terminos probabilsticos.

on Matem
on normal
Poblaci
on poblacional
VARIABILIDAD MUESTRAL (cont).
I E.18: Plantas de soja Como parte de un estudio sobre el crecimiento de

las plantas de soja una investigadora planta 13 semillas de dichas plantas
en tiestos individuales y las cultiva en un invernadero en identicas
condiciones medioambientales. Transcurridos 16 das mide la longitud de
su tallo (en cm) con los siguientes resultados:
20.2 22.9 23.3 20.0 19.4 22.0 22.1

22.0 21.9 21.5 19.7 21.5 20.9
I Si consideramos que las 13 observaciones son una muestra aleatoria de

una poblacion normal con media y desviaci
on tpica podemos
considerar que y =21.34 cm. es una estimaci
on de y que s =1.22 cm.
es una estimacion de .
I En general: Para una muestra aleatoria de observaciones de una variable
cuantitativa Y :
I y es un estimador de
I s es un estimador de
on Matem
on normal
Poblaci
on poblacional

I E.19: C
ancer de mama El gen BRCA1 est
a relacionado con el c
ancer de
mama. En investigaciones sobre el tema se han utilizado pruebas de ADN
para estudiar posibles mutaciones en dicho gen en 169 mujeres con
antecedentes familiares de c
ancer de mama , resultando 27 con
mutaciones. Sea p la probabilidad de que una mujer con antecedentes
familiares de c
ancer de mama tenga mutaciones en el gen BRCA1.
I Si las 169 observaciones (mutaci
on si/no) son una muestra aleatoria de
una poblaci
on en la que p es la proporci
on poblacional (probabilidad) de
mujeres con mutaciones en el gen BRCA1, el estimador natural de dicha
proporci
on es p
= y /n = 27/169 =0.14, siendo y el numero de mujeres
con mutaciones en la muestra.
I En general: Para una muestra aleatoria de n observaciones de una
variable cualitativa que proporciona informaci
on sobre una proporci
on
poblacional p:
p = y /n es el estimador natural de p, siendo y el numero de
observaciones en la muestra con la caracterstica estudiada.
= yn+4
Pero p +2
es mejor estimador de p que p .

on Matem
on normal
Poblaci
on poblacional

Vamos a estudiar el comportamiento de:
I La media muestral y como estimador de la media poblacional de una
poblaci
on normal.
I La proporci y +2
on muestral p
= ,
siendo y el n
n+4
umero de elementos en la
muestra con la caracterstica estudiada, como estimador de la proporci
on
poblacional (probabilidad) p.

on Matem
on normal
Poblaci
on poblacional
DE LA MEDIA DE UNA POBLACION

ESTIMACION NORMAL
I La fiabilidad de un estimador est

a determinada por su distribuci
on en el
muestreo porque recoge su comportamiento probabilstico en el hipotetico
caso en el que se trabajara con muchas muestras de la misma poblaci on.
I Cuando consideramos y como estimador de , dicha distribuci
on nos
permite saber que:
I 1. Las medias muestrales correspondientes a diferentes
muestras de la misma poblaci on suelen estar alrededor de
I 2. Y tambien si estan muy lejos o muy cerca de (dispersion
de las medias muestrales) a traves del error estandard.
I Definici
on de error est
andard de y : Es una estimaci
on de la desviaci
on
tpica de la media muestral.
s
SEy =
n
siendo s la desviaci
on tpica de los datos y n el tama
no de la muestra.

on Matem
on normal
Poblaci
on poblacional

ESTIMACION NORMAL (cont.)
I E.18: Plantas de soja (cont.) En el estudio del crecimiento de las plantas

de soja tenemos n = 13 datos de la longitud del tallo despues de 16 das.
La media muestral es y =21.34 cm con una desviaci on tpica s =1.22 cm.
I s =1.22 cm es una estimaci
on de la variabilidad de la longitud del tallo de
las plantas de soja despues de 16 das de crecimiento.

I SEy =1.22/ 13 =0.34 cm es una estimaci
on de la variabilidad asociada a
la media muestral, considerada esta u
ltima como una estimaci on de la
longitud media del tallo de las plantas de soja despues de 16 das de
crecimiento.

on Matem
on normal
Poblaci
on poblacional

ESTIMACION NORMAL (cont).
I E.20: Peso corderos. Un investigador pesa 28 corderos hembras reci

en
nacidos. Todos los corderos nacieron en abril, eran de la misma raza y
fueron todos producto de nacimientos unicos. La dieta y dem as
condiciones medioambientales tambien fueron identicas para todas las
madres.
I A partir de los n = 28 datos: y =5.17 kg, s =0.65 kg y SEy =0.12 kg.
I Error est
andard de y y tama
no muestral:
Tama
no muestral n = 28 n = 280 n = 2800 n
y 5.17 5.19 5.14 y
s 0.65 0.67 0.65 s
SEy 0.12 0.040 0.012 SEy 0

on Matem
on normal
Poblaci
on poblacional
INTERVALOS DE CONFIANZA
I Proporcionan informaci
on probabilstica sobre d
onde puede localizarse la
media poblacional .
I C
alculo de un intervalo de confianza para con coeficiente de confianza
0.95 (o del 95 %):
y t0.95(n1) SEy , y + t0.95(n1) SEy ),
(
siendo:
I n: tama no de la muestra
I y : media muestral
I SEy : error estandard de la media muestral
I t0.95(n1) : valor crtico de t para 0.95 con n 1 grados de
libertat (explicado despues)
I Interpretaci
on: Tenemos una confianza del 95 % de poder encontrar la
media poblacional dentro del intervalo de confianza calculado.

on Matem
on normal
Poblaci
on poblacional
I C
alculo de valores crticos t en la p
agina web del Virtual Rice Lab:
http://onlinestatbook.com/index.html. Entrando en:
Table of contents > XVI. Calculators > Inverse t
I t0.95(12) ,

on Matem
on normal
Poblaci
on poblacional
INTERVALOS DE CONFIANZA (cont.)
I Intervalo de confianza para con coeficiente de confianza 0.90 (o del

90 %):
y t0.90(n1) SEy , y + t0.90(n1) SEy ).
(
I Intervalo de confianza para con coeficiente de confianza 0.99 (o del
99 %):
y t0.99(n1) SEy , y + t0.99(n1) SEy ),
(
siendo:
I n: tama no de la muestra
I y : media muestral
I SEy : error estandard de la media muestral
libertat.
libertat

on Matem
on normal
Poblaci
on poblacional
INTERVALOS de CONFIANZA (cont).
I E.18: Plantas de soja (cont.) Estudio del crecimiento de las plantas de

soja: n = 13 datos de la longitud del tallo despues de 16 das de
crecimiento. Media
muestral y =21.34 cm., desviaci on tpica s =1.22 cm
y SEy = 1.22/ 13=0.3384 cm.
I Intervalo de confianza para con coeficiente de confianza 0.90, 0.95 y
0.99:
0.90 y t0.90(n1) SEy 21.34 1.7823 0.3384 (20.74, 21.94)
0.95 y t0.95(n1) SEy 21.34 2.1788 0.3384 (20.60, 22.08)
0.99 y t0.99(n1) SEy 21.34 3.0545 0.3384 (20.31, 22.37)
I Tenemos una confianza del 90 % (95 %, 99 %) de que despu
es de 16 das
de crecimiento la longitud media de los tallos de las plantas de soja se
encuentre entre 20.74 y 21.94 cm. (20.60 y 22.08 cm, 20.31 y 22.37 cm.).

on Matem
on normal
Poblaci
on poblacional
DE UNA PROPORCION
ESTIMACION POBLACIONAL
I Sabemos que la fiabilidad de un estimador est

a determinada por su
distribuci
on en el muestreo.
I Cuando estamos interesados en estimar una proporci
on poblacional p el
= yn+4
mejor estimador es p +2
, siendo n el tama
no de la muestra e y el
n
umero de elementos de la muestra que tienen la caracterstica estudiada.
I Las diferentes estimaciones p
correspondientes a diferentes muestras de la
misma poblacion suelen estar alrededor de p y el error est
andard de p
nos
proporciona informaci
on sobre la dispersi
on de esas diferentes
estimaciones.
I Definici
on del error est
andard de p
: Es una estimaci
on de la desviaci
on
tpica de p
r
(1 p
p )
SEp = ,
n+4

on Matem
on normal
Poblaci
on poblacional
I Intervalo de confianza para p con coeficiente de confianza 0.90 (o del

90 %):
1.645 SEp .
p
99 %):
1.960 SEp .
p
99 %):
1.575 SEp .
p
siendo:
I p: estimacion de p,
I SEp : error estandard de p

on Matem
on normal
Poblaci
on poblacional
INTERVALOS de CONFIANZA (cont).

I E.19: C
ancer de mama (cont.) Estudio de mutaciones del gen BRCA1
en 169 mujeres con antecedentes familiares de c
ancer de mama.
Resultado: 27 mujeres con mutaciones. Sea p la probabilidad de que una
mujer con antecedentes familiares de c
ancer de mama tenga mutaciones
en el gen BRCA1.
I n = 169, y = 27 mujeres con mutaciones, p 27+2
= 169+4 =0.168,
q
0.17 (10.17)
SE =
p
169+4
=0.029
I Intervalo de confianza para p con coeficiente de confianza 0.90, 0.95 y
0.99:
0.90 1.645 SEp
p 0.168 1.645 0.029 (0.120, 0.216 )
0.95 1.960 SEp
p 0.168 1.960 0.029 (0.111, 0.225 )
0.99 2.575 SEp
p 0.168 2.575 0.029 (0.093, 0.243)
I Tenemos una confianza del 90 % (95 %, 99 %) de que la probabilidad de
que una mujer con antecedentes familiares de c
ancer de mama tenga
mutaciones en el gen BRCA1 se encuentre entre 0.120 y 0.216 (0.111 y
0.025, 0.093 y 0.243).
on Matem

Tema 2 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tema 2 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Muestra y poblaciones.

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

MUESTRAS y POBLACIONES: Inferencia estadstica

I Tema anterior: Descripci

Tema 2: Inferencia en una poblaci

E.1: En un estudio sobre el grupo sanguneo de los residentes en UK se

Grupo Frecuencia Porcentaje

I Los datos no se recogieron para analizar el grupo sanguneo de las 3,696

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Caractersticas de una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

1. 0 P(A) 1, para cualquier suceso A.

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

P(F 2 es AA y F 2 flores lilas) 1/4

Tema 2: Inferencia en una poblaci

EJEMPLOS Probabilidad (cont.)

Tema 2: Inferencia en una poblaci

EJEMPLOS Probabilidad (cont.)

Tema 2: Inferencia en una poblaci

MUESTREO ALEATORIO SIMPLE

I Muestreo aleatorio: Modelo fundamental para la Inferencia estadstica

Tema 2: Inferencia en una poblaci

MUESTREO ALEATORIO SIMPLE (cont.)

I Muestra aletoria: muestra seleccionada seg

I Discrepancia entre la muestra y la poblaci

Tema 2: Inferencia en una poblaci

MUESTREO ALEATORIO SIMPLE (cont.)

Tema 2: Inferencia en una poblaci

MUESTREO ALEATORIO SIMPLE (cont.)

I E.10: Peces. Un investigador planea estudiar la distribuci

Tema 2: Inferencia en una poblaci

MUESTREO ALEATORIO SIMPLE (cont.)

I E.13: Resistencia. Una cierta variedad de maiz es resistente a una

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Table of contents > XVI. Calculators

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

I E.17: Mutantes Se elige una muestra aleatoria de individuos de una gran

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

Tema 2: Inferencia en una poblaci

P(Y = k) = C (n, k)p k (1 p)nk , k = 0, 1, 2, . . . , n

Tema 2: Inferencia en una poblaci

I E.17: Mutantes (cont.) Si se elige una muestra aleatoria de n = 5