Probabilidad y Estadstica

Electromecnica
Grupo: B8 turno: Nocturno
Investigacin
Docente: Ing. Francisco Javier Valles
Alumno: Luis Enrique Nava Ramrez
Fecha: 24-mayo-2016

ndice:
Inferencia estadstica..3
Muestreo estadstico...4, 5,6
Estimadores6
Errores de tipo I y II....7
Regresin y correlacin.7
Control de calidad.8
Diagrama de dispersin9
Regresin lineal simple.10

Inferencia estadstica.
La Inferencia Estadstica es aquella rama de la Estadstica mediante la cual se trata de sacar
conclusiones de una poblacin en estudio, a partir de la informacin que proporciona una
muestra representativa de la misma. Tambin es denominada Estadstica Inductiva o
Inferencia Inductiva ya que es un procedimiento para generar nuevo conocimiento cientfico.
La muestra se obtiene por observacin o experimentacin. La necesidad de obtener un
subconjunto reducido de la poblacin es obvia si tenemos en cuenta los costes econmicos
de la experimentacin o el hecho de que muchos de los mtodos de medida son destructivos.
Toda inferencia inductiva exacta es imposible ya que disponemos de informacin parcial, sin
embargo es posible realizar inferencias inseguras y medir el grado de inseguridad si el
experimento se ha realizado de acuerdo con determinados principios. Uno de los propsitos
de la inferencia Estadstica es el de conseguir tcnicas para hacer inferencias inductivas y
medir el grado de incertidumbre de tales inferencias. La medida de la incertidumbre se realiza
en trminos de probabilidad.

2
Muestreo estadstico.
Son aquellos que se basan en el principio de equiprobabilidad. Es decir, aquellos en los que
todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una
muestra y, consiguientemente, todas las posibles muestras de tamao n tienen la misma
probabilidad de ser elegidas.
Los pasos a seguir para la recoleccin de una muestra son los siguientes:
Definir la poblacin: en estudio especificando las unidades que la componen, el rea
geogrfica donde se realiza el estudio (si procede) y el periodo de tiempo en el que
se realizar el mismo.
Definir el marco: listado o descripcin de los elementos que forman la poblacin.
Definir la unidad de muestreo: Ciudades, calles, hogares, individuos, etc ...
Definir las variables: a medir o las preguntas que se harn si se trata de una
encuesta.
Seleccionar el mtodo de muestreo: Probabilstico o No Probabilstico, aunque son
los primeros los que nos permiten la estimacin correcta de parmetros.
Calcular el tamao: el necesario para obtener une determinada precisin en la
estimacin. Este punto se ver con ms detalle en el apartado dedicado a la
estimacin por intervalos.
Elaborar el plan de muestreo: que guiar el trabajo de campo.
MUESTREO ALEATORIO SIMPLE (MAS):
Se trata de un procedimiento de muestreo (sin reemplazamiento), en el que se seleccionan n
unidades de las N en la poblacin, de forma que cualquier posible muestra del mismo tamao
tiene la misma probabilidad de ser elegidas. Se realizan n selecciones independientes de

3
forma que en cada seleccin los individuos que no han sido elegidos tengan la misma
probabilidad de serlo. El procedimiento habitual consiste en numerar todos los elementos de
la poblacin y se seleccionan muestras del tamao deseado utilizando una tabla de nmeros
aleatorios o un programa de ordenador que proporcione nmeros aleatorios. Recurdese que
"al azar" no significa "de cualquier manera", para que el procedimiento de muestreo sea
vlido es necesario utilizar correctamente el proceso de generacin de nmeros aleatorios.
MUESTREO SISTEMATICO:
Se ordenan los individuos de la poblacin y se numeran. - Se divide la poblacin en
tantos grupos como individuos se quieren tener en la muestra. Se selecciona uno al
azar en el primer grupo y se elige el que ocupa el mismo lugar en todos los grupos.
La ventaja principal es que es ms sencillo y ms barato que el muestreo aleatorio
simple, adems, se comporta igual si no hay patrones o periodicidades en los datos.
La aparicin de patrones desconocidos puede llevar a importantes errores en la
estimacin de los parmetros.
Este tipo de muestreo puede utilizarse, por ejemplo, en encuestas telefnicas programadas
mediante ordenador.

MUESTREO POR CONGLOMERADOS:

Se divide la poblacin en grupos de acuerdo con su proximidad geogrfica o de otro tipo.
(Conglomerados). Cada grupo ha de ser heterogneo y tener representados todos las
caractersticas de la poblacin.
Por ejemplo, los conglomerados en un estudio sobre la situacin de las mujeres en una
determinada zona rural pueden ser los municipios de la zona.
Se selecciona una muestra de conglomerados al azar y se toma el conglomerado completo o
una muestra del mismo. Necesitan menos informacin previa sobre los individuos
particulares. Soluciona el problema de los patrones en los datos. Si el nmero de bloques no
es muy grande se puede incurrir en errores de estimacin si se han incluido conglomerados
atpicos. Los conglomerados que se realizan teniendo en cuenta proximidad geogrfica
pueden no tener un significado importante en la poblacin (no responden a una caracterstica
real).Este tipo de muestreo se utiliza fundamentalmente para reducir los costes de toma de
muestras al tomar grupos de individuos completos

MUESTREO ESTRATIFICADO:

4
Se divide la poblacin en grupos homogneos (estratos) de acuerdo con las caractersticas a
estudiar. Por ejemplo, en un estudio de las caractersticas socioeconmicas de una ciudad los
estratos pueden ser los barrios de la misma, ya que los barrios suelen presentar caractersticas
diferenciales.
1. Se selecciona una muestra aleatoria de cada estrato tratando de que todos los estratos
de la poblacin queden representados.
2. Permite utilizar informacin a priori sobre la estructura de la poblacin en relacin
con las variables a estudiar.
3. Obtiene representantes de todos los estratos de la poblacin.

Estimadores.
Un estimador es un valor que puede calcularse a partir de los datos mustrales y que
proporciona informacin sobre el valor del parmetro. Por ejemplo la media muestral es un
estimador de la media poblacional, la proporcin observada en la muestra es un estimador de
la proporcin en la poblacin.
Estimacin puntual: la estimacin se representa mediante un solo nmero. Un
estimador puntual utiliza los datos de la muestra para obtener un nmero que estima
el valor del parmetro.
Estimacin por intervalo: la estimacin se representa mediante dos nmeros que
determinan un intervalo sobre la recta. Un estimador por intervalo utiliza los datos de
la muestra para obtener dos valores numricos entre los cuales se supone que est el
valor del parmetro estimado.

Errores tipo I y II.

Los errores tipo I y tipo II estn relacionados. Una disminucin en la probabilidad de uno por
lo general tiene como resultado un aumento en la probabilidad del otro.
El error de tipo I: tambin denominado error de tipo alfa () o falso positivo, es el
error que se comete cuando el investigador no acepta la hiptesis nula siendo sta
verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo,
porque el investigador llega a la conclusin de que existe una diferencia entre las

5
 hiptesis cuando en realidad no existe. Se relaciona con el nivel de significancia
estadstica.
El error de tipo II: tambin llamado error de tipo beta () o falso negativo, es el error
que se comete cuando el investigador no rechaza la hiptesis nula siendo sta falsa
en la poblacin. Es equivalente a la probabilidad de un resultado falso negativo, ya
que el investigador llega a la conclusin de que ha sido incapaz de encontrar una
diferencia que existe en la realidad.

Regresin y correlacin.
Anlisis de regresin: En anlisis de regresin utilizamos la variable independiente (X)
para estimar la variable dependiente (Y) .La relacin entre las variables es lineal. Ambas
variables deben ser por lo menos escala del intervalo. El criterio de mnimos cuadrados se
utiliza para determinar la ecuacin.
Anlisis de correlacin: El anlisis de correlacin es un grupo de tcnicas estadsticas
usadas para medir la fuerza de la asociacin entre dos variables. Un diagrama de dispersin
es una grfica que representa la relacin entre dos variables. La variable dependiente es la
variable que se predice o calcula. La variable independiente proporciona las bases para el
clculo.

Control de calidad.
Definimos el Control Estadstico de la Calidad como la aplicacin de diferentes tcnicas
estadsticas a procesos industriales (mano de obra, Materias primas medidas, mquinas y
medio ambie
nte), procesos Administrativos y/o servicios con objeto de verificar si todas y cada una de las
partes del proceso y servicio cumplen con unas ciertas exigencias de calidad
Y ayudar a cumplirlas, entendiendo por calidad la aptitud del producto y/o servicio para su
uso. La aplicacin de tcnicas estadsticas al control est basada en el estudio y evaluacin
de la variabilidad existente en cualquier tipo de proceso que es principalmente el objeto de
la Estadstica
El objetivo del Control de Calidad es:
Detectar rpidamente la ocurrencia de variabilidad debida a causas
asignables.
Investigar la(s) causa(s) que la han producido y eliminarla(s).
Informar de ella para la toma de decisin oportuna, pues de lo contrario
se produciran gran cantidad de unidades de calidad no aceptable,

6
 originando una disminucin de la capacidad productiva e incremento de
costos del producto terminado (supervisor).
Eliminar, si es posible, o al menos reducir al mximo la variabilidad del
proceso (direccin).

Diagrama de Dispersin
El diagrama de dispersin permite analizar si existe algn tipo de relacin entre dos variables.
Por ejemplo, puede ocurrir que dos variables estn relacionadas de manera que al aumentar
el valor de una, se incremente el de la otra. En este caso hablaramos de la existencia de una
correlacin positiva. Tambin podra ocurrir que al producirse una en un sentido, la otra
derive en el sentido contrario; por ejemplo, al aumentar el valor de la variable (X), se reduzca
el de la variable (Y). Entonces, se estara ante una correlacin negativa. Si los valores de
ambas variable se revelan independientes entre s, se afirmara que no existe correlacin

7
Regresin lineal simple.
La regresin lineal simple se basa en estudiar los cambios en una variable, no aleatoria,
afectan a una variable aleatoria, en el caso de existir una relacin funcional entre ambas
variables que puede ser establecida por una expresin lineal, es decir, su representacin
grfica es una lnea recta. Es decir, se est en presencia de una regresin lineal simple cuando
una variable independiente ejerce influencia sobre otra variable dependiente En la estadstica
la regresin lineal o ajuste lineal es un modelo matemtico usado para aproximar la relacin
de dependencia entre una variable dependiente Y, las variables independientes X y un
trmino aleatorio . Este modelo puede ser expresado como:

Donde:

: Variable dependiente, explicada o regresando.

: Variables explicativas, independientes o regresores.

: Parmetros, miden la influencia que las variables explicativas tienen

sobre el regrediendo.

Donde es la interseccin o trmino "constante", las son los parmetros

respectivos a cada variable independiente, y p es el nmero de parmetros independientes a
tener en cuenta en la regresin. La regresin lineal puede ser contrastada con la regresin no
lineal.

8
9