estadÍstica inferencial i objetivo.-comprender los métodos estadísticos para inferir los...
Post on 11-Apr-2015
134 Views
Preview:
TRANSCRIPT
ESTADÍSTICA INFERENCIAL IObjetivo.-Comprender Los Métodos Estadísticos Para Inferir Los Parámetros De La Población A Partir De Una muestra de Interés de estudio.Determinar los intervalos de confianza referentes a la muestra de interés para inferirEl valor de los parámetros de la población.
m.c.a. Ing. Virgnia Ibarvo Urista.
UNIDAD I
Distribuciones fundamentales para el muestreo
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 2
Objetivo.-
• Objetivo.- Comprender y aplicar la utilización de muestras para describir la población, siempre que estas sean una representación precisa de donde provienen. Así como entender los conceptos de distribución de muestreo.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 3
1.1 Introducción a la estadística inferencial
• Estadística Descriptiva
Recolecta, presenta y caracteriza un conjunto de datos.
Medición de variables Organiza datos Mide centralización y
dispersión Gráficas y tabulación
• Estadística Inferencial
Es un argumento Muestra Vs Población Hipótesis Mide Tendencias
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 5
TEORÍA DE MUESTREO
• Población. Totalidad de las
observaciones • Muestra: Subconjunto de
observaciones seleccionada de la población.
Estadísticas y Parámetros
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 6
Diferencias entre Poblaciones y muestras
Población Muestra
Definición Colección de elementos considerados
Parte o porción de la población seleccionada para su estudio
Características
Parámetros Estadísticas
Símbolos Tamaños de la Población = NMedia de la Población = µDesviación estándar de la Población =
Tamaño de la muestra = nMedia de la muestra= ẋDesviación estándar de la Muestra = s
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 7
Tipos de muestreo• Aleatorización: Proceso
de selección de una muestra de la población en el que la selección es imparcial o no está sesgada, se lleva a cabo con procedimientos aleatorios, esta muestra se conoce como muestra aleatoria.
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 8
• Muestra Aleatoria simple. Todos los elementos de la población tienen la misma probabilidad de ser elegidos.
• Muestreo Estratificado: Se separa la población en grupos que no se traslapan unos con otros llamados estratos.
• Muestreo por conglomerado: se selecciona una muestra aleatoria simple de unidades heterogéneas, entre sí, llamados conglomerados o disímiles.
Tipos de muestreo
Tipos de muestreo• No aleatorio o de juicio: se emplea
el conocimiento y la opinión personal para identificar a los elementos de la población que deben incluirse en la muestra:– Por conveniencia– Bola de Nieve– Intencionadas o deliberadas
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 9
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 10
Tipos de muestreo• Muestreo Sistemático. Requiere la
selección aleatoria inicial de observaciones seguida de otra selección de observaciones obtenida usando algún sistema o
regla.
Diseño de Experimentos
• Experimento.- Actividad que tendría como resultado varios eventos.
• Evento.- es uno o más de los resultados posibles de hacer algo.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 11
Diseño de ExperimentosUn experimento se realiza por alguno de los siguientes motivos:
• Determinar las principales causas de variación en la respuesta. • Encontrar las condiciones experimentales con las que se consigue un valor extremo en la variable de interés o respuesta. • Comparar las respuestas en diferentes niveles de observación de variables controladas. • Obtener un modelo estadístico-matemático que permita hacer predicciones de respuestas futuras.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 12
Diseño de Experimentos– Planeación de experimentos. Consta de
diferentes formas de que se produzcan resultados significativos en forma de conclusiones aprovechables.
En una universidad del país existen 10,000 estudiantes de licenciatura y las características que se desea controlar son; grado y origen:1 Grado: Primero, segundo, tercero y cuarto2 Origen: Foráneo y local
Esto da como resultado 4 x 2 = 8 celdas de muestreo, donde la composición real de alumnos se muestra en la siguiente tabla.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 13
OrigenPrimer año
Segundo año
Tercer año
Cuarto año Totales
Foraneos 960 780 660 600 3000
Locales 2240 1820 1540 1400 7000
Totales 3200 2600 2200 2000 10000
Muestra Estratificada.
OrigenPrimer
añoSegundo
añoTercer
añoCuarto
año % a entrevistar
Foraneos9.60% 7.80% 6.60% 6%
30%
Locales22.40% 18.20% 15.40% 14%
70%
% 32% 26% 22% 20% 100%
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 14
OrigenPrimer
añoSegundo
añoTercer año
Cuarto año
Totales a encuestar
Foraneos 1.92 1.56 1.32 1.2 6Locales 4.48 3.64 3.08 2.8 14Totales 6.4 5.2 4.4 4 20
Fases del Diseño Experimental
• Objetivo• Lo que se medirá• Que tamaño de Muestra• Conducción del Experimento• Análisis de Datos.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 15
Distribución de Muestreo• Distribución de muestra de la media:
– Es la distribución de probabilidad de todas la medias posibles de la muestra.
• Distribución de muestreo de la proporción:– La distribución de probabilidad de las
proporciones de todas las muestras.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 16
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 17
Error de Muestreo
• ERROR MUESTRAL: Variación natural existente entre muestras, por tanto «la desviación estándar de la distribución de un estadístico de la muestra».
• ERRORES NO MUESTRALES: errores al tomar las muestras.
Instituto Tecnológico
de Chih.Ing. Virginia Ibarvo UristaPágina 18
Error estándar Muestral
• Es la desviación estándar de la distribución de las medias de la muestra, se conoce como «error estándar de la media»
• La desviación estándar de la distribución de proporciones se conoce como «error estándar de la proporción»
Error Muestral
• Cualquier medida conlleva algún error. Si se usa la media para medir o estimar, la media poblacional µ, entonces la media muestral, como medida, no es exacta.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 19
Por ejemplo, • Supongamos que se ha obtenido una muestra
aleatoria de tamaño 25 de una población con media µ= 15, si la media de la muestra es ẋ=12, entonces a la diferencia observada x-µ = -3 se le denomina el error muestral.
• Una media muestral ẋ puede pensarse como la suma de dos cantidades, la media poblacional µ y el error muestral; si e denota el error muestral, entonces:
ẋ = µ + e
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 20
Ejemplo No. 1• Se toman muestras de tamaño 2 de una
población consistente en tres valores, 2, 4 y 6, para simular una población “grande” de manera que el muestreo pueda realizarse un gran número de veces, supondremos que éste se hace con reemplazo, es decir, el número elegido se reemplaza antes de seleccionar el siguiente, además, se seleccionan muestras ordenadas, es decir que es diferente (2,4) que (4,2)
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 21
Ejemplo No. 1
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 22
• En consecuencia, si ẋ se usa para medir, estimar, la media poblacional µ, la suma de todos los errores muestrales es cero.
ẋ µ - ẋ2 4 3 0.54 2 3 0.56 2 4 02 6 4 04 6 5 -0.56 4 5 -0.52 2 2 14 4 4 06 6 6 -1
µ 04
Ejemplo 2.-• Se eligen muestras ordenadas de tamaño 2, con
reemplazo, de la población de valores 0, 2, 4 y 6. Encuentre:
– µ, la media poblacional.
, la desviación estándar poblacional.
– µẋ, la media de la distribución muestral de medias.
ẋ, la desviación estándar de la distribución muestral de medias.
– Además, grafique las frecuencias para la población y
para la distribución muestral de medias.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 23
Ejemplo 2.-La desviación estándar de la distribución muestral de un estadístico se conoce como error estándar del estadístico. Para el ejercicio anterior el error estándar de la media denotado por x, es 1.58.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 24
Con esto se puede demostrar que si deuna población se eligen muestras de tamaño n con reemplazo, entonces elerror estándar de la media es igual a la desviación estándar de la distribución delos errores muestrales.
ẋ= e
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 25
Propiedades:
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 26
Estandarización de la media muestral
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 27
Teorema del límite central
• La media de la distribución muestral de medias es igual a la media de la población.
• La distribución muestral de medias se aproxima a una distribución normal sin importar la forma de la distribución de la población.
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 28
Consideración operacional
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 29
Ley de la utilidad decreciente
• El obtener una muestra de más elementos disminuye el error estándar, no vale el costo el incremento de la precisión con respecto al incremento en aumentar la muestra para mejorar el resultado.
• Tamaño de muestra «correcto».
I. T. Ch.Ing. Virginia Ibarvo UristaPágina 30
top related