Académique Documents
Professionnel Documents
Culture Documents
Tabla de contenidos
Inferencia Estadística
o Distribución en el muestreo
o Distribución en el muestreo de la media muestral
o Error Estándar de la Media Muestral
o Teorema Central del Límite
o Estimadores y Métodos de Estimación
o Cálculo de un IC al 95% para la media de una población
o Estimación por intervalo de confianza
o Uso del estadístico T en IC
o Uso del Estadístico Z en IC
o Hipótesis
o Modelo Estadístico
o Parte Fija o Valor Esperado
o Componente aleatoria
o Modelos Lineales
o Contraste de hipótesis
o Valor p
o Cálculos en contraste de hipótesis
Inferencia Estadística
La Inferencia Estadística hace referencia a un conjunto de
procedimientos que, mediante el uso de estadísticos muestrales,
permiten elaborar conclusiones sobre parámetros poblacionales
desconocidos. Conocer o estimar a un parámetro de la distribución de
una variable es posible a través de un estadístico. Dado que el
estadístico será obtenido a partir de una muestra, es claro imaginar
que hay más de una muestra posible de ser elegida y que entonces el
valor del estadístico dependerá de la muestra seleccionada. Los
valores de los estadísticos cambian de una muestra a otra. Interesa
entonces tener una medida de estos cambios para cuantificar la
medida del error en el que podría incurrirse al hacer una inferencia.
.
Distribución en el muestreo
Cuando seleccionamos una muestra aleatoria desde una población y
calculamos un estadístico desde los datos, quisiéramos conocer si el
valor del estadístico está cercano al valor del verdadero parámetro
poblacional que el estadístico estima.
Hipótesis
La investigación científica es un proceso iterativo de aprendizaje.
Cuando se desea explicar algún fenómeno natural se plantea una
hipótesis. Luego se intenta verificar o refutar experimentalmente esa
hipótesis juntando datos y analizándolos. El análisis de los datos
tomados a través de experimentación (u observación) nos brindará
una explicación modificada del fenómeno en consideración, para así
replantear nuestras hipótesis y reiniciar el proceso. A medida que se
va aprendiendo más acerca del fenómeno, es necesario a veces
incorporar nuevas variables (o eliminar variables) en el estudio, y
debido a la complejidad de la mayoría de los fenómenos estudiados en
Bio-Ciencias, es que es necesario el uso de un modelo para explicar la
variabilidad de los datos observados y el contraste de múltiples
hipótesis referidas a distintas partes de este modelo.
Hipótesis Estadísticas
Modelo Estadístico
Los datos recolectados varian según las condiciones de su contexto
experimental.
Componente aleatoria
El modelo estadístico, como otro modelo tipos de modelos, es una
simplificación de la realidad.
Probablemente resulte imposible listar todos los factores y variables
que pueden ocasionar variaciones en los datos de la variable analizada,
es decir, parte de esa variación será no explicada y estará asociada a
componentes que producen variabilidad no sistemática o aleatoria.
Modelos Lineales
Se conoce con este nombre a modelos estadísticos donde
la ecuación es una ecuación lineal en los parámetros. Algunos
ejemplos, son:
Modelo 1:
Modelo 2:
Contraste de hipótesis
El contraste o prueba de hipótesis consiste en establecer el valor de
verdad (verdadero o falso) de las proposiciones enunciadas sobre la
parte fija o la parte aleatoria de los modelos estadísticos.
Valor p
A pesar que los test estadísticos nunca pueden decirnos con absoluta
certeza cuál de las dos hipótesis es la verdadera, sin embargo pueden
darnos una idea de cuán probable la H0 es.
Hay que notar que los test estadísticos no son contundentes, sus
conclusiones no son del tipo “blanco o negro”. Si a= 0.05, existe un 5%
de probabilidad de que rechacemos la hipótesis nula cuando esta es
realmente verdadera! Este tipo de error es denominado error de tipo
I.
Nivel de significación