Unidad 4 Estadistica Inferencial

Unidad 4 Estadistica inferencial
4.1 Inferencia estadistica

Cuando se conoce la forma funcional de la funcin de distribucin que sigue la
variable aleatoria objeto de estudio y slo tenemos que estimar los parametros
que la determinan, estamos en un problema deinferencia
estadstica paramtrica; por el contrario cuando no se conoce la forma funcional
de la distribucin que sigue la variable aleatoria objeto de estudio, estamos ante
un problema de inferencia estadstica no paramtrica.
En lo que sigue nos vamos a limitar a problemas de inferencia estadstica
paramtrica, donde la variable aleatoria objeto de estudio sigue una distribucin
normal, y slo tendremos que tratar de estimar los parmetros que la
determinan, la media y la desviacin tpica.
Esta situacin se presenta con frecuencia debido a que es posible a menudo
conocer la forma funcional de la distribucin de probabilidad, por consideraciones
tericas, quedando nicamente indeterminados los parmetros que determinan la
funcin de distribucin.
Como las poblaciones en las que se pretende estudiar una determinada variable
aleatoria, son grandes, es muy caro o imposible, estudiar a todos sus individuos; lo
que se hace, es estudiar una muestra ( una parte) de la poblacin
En todos estos problemas que estudia la inferencia estadstica juega un papel
fundamental la "Teora de la Probabilidad" (distintas formas funcionales de las
distribuciones de probabilidad) y la "Teora de Muestras " (procedimientos para
tomar muestras de manera apropiada).
4.2 Muestreo estadistico

En estadstica un muestreo es la tcnica para la seleccin de una muestra a partir
de una poblacin. En el muestreo, si el tamao de la muestra es ms pequeo que
el tamao de la poblacin, se puede extraer dos o ms muestras de la misma
poblacin. Al conjunto de muestras que se pueden obtener de la poblacin se
denomina espacio muestral. La variable que asocia a cada muestra
su probabilidad de extraccin
El muestreo: es una herramienta de la investigacin cientfica. Su funcin bsica
es determinar que parte de una realidad en estudio (poblacin o universo) debe
examinarse con la finalidad de hacer inferencias sobre dicha poblacin
El Muestreo es ms que el procedimiento empleado para obtener una o ms
muestras de una poblacin; el muestreo es una tcnica que sirve para obtener una
o ms muestras de poblacin.
Este se realiza una vez que se ha establecido un marco muestral representativo
de la poblacin, se procede a la seleccin de los elementos de la muestra aunque
hay muchos diseos de la muestra.
Al tomar varias muestras de una poblacin, las estadsticas que calculamos para
cada muestra no necesariamente seran iguales, y lo ms probable es que
variaran de una muestra a otra.
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.
Tcnicas de seleccin del muestreo a travs del muestreo estadstico
Muestreo probabilstico: Forman parte de este tipo de muestreo todos

aquellos mtodos para los que puede calcularse la probabilidad de extraccin de
cualquiera de las muestras posibles. Este conjunto de tcnicas de muestreo es el
ms aconsejable, aunque en ocasiones no es posible optar por l.
Muestreo estratificado: Consiste en la divisin previa de la poblacin de

estudio en grupos o clases que se suponen homogneos respecto a caracterstica
a estudiar. A cada uno de estos estratos se le asignara una cuota que
determinara el nmero de miembros del mismo que compondrn la muestra.
Muestreo sistemtico: Es la eleccin de una muestra a partir de los

elementos de una lista segn un orden determinado, o recorriendo la lista a partir
de un nmero aleatorio determinado.
Muestreo por conglomerados: Cuando la poblacin se encuentra dividida,

de manera natural, en grupos que se suponen que contienen toda la variabilidad
de la poblacin, es decir, la representan fielmente respecto a la caracterstica a
elegir, pueden seleccionarse slo algunos de estos grupos o conglomerados para
la realizacin del estudio.
Muestreo errtico: Tambin se llama sin norma. La muestra se realiza de

cualquier forma, valorando nicamente la comodidad o la oportunidad en trminos
de costes, tiempo u otro factor no estadstico.
Al realizar un muestreo en una poblacin podemos hablar de muestreos

probabilsticas y no probabilsticas, entre estas tcnicas o procedimientos estn:
Muestreo simple: Este tipo de muestreo toma solamente una muestra de
una poblacin dada para el propsito de inferencia estadstica. Puesto que
solamente una muestra es tomada, el tamao de muestra debe ser los
suficientemente grandes para extraer una conclusin. Una muestra grande
muchas veces cuesta demasiado dinero y tiempo.
Muestreo aleatorio simple: Es aquel en que cada elemento de la
poblacin tiene la misma probabilidad de ser seleccionado para integrar la
muestra. Una muestra simple aleatoria es aquella en que sus elementos son
seleccionados mediante el muestreo aleatorio simple.
4.3 Estimadores
En estadstica, un estimador es un estadstico (esto es, una funcin de la
muestra) usado para estimar un parmetro desconocido de la poblacin. Por
ejemplo, si se desea conocer el precio medio de un artculo (el parmetro
desconocido) se recogern observaciones del precio de dicho artculo en diversos
establecimientos (la muestra) y la media aritmtica de las observaciones puede
utilizarse como estimador del precio medio.
Para cada parmetro pueden existir varios estimadores diferentes. En general,
escogeremos el estimador que posea mejores propiedades que los restantes,
comoinsesgadez, eficiencia, convergencia y robustez (consistencia).
El valor de un estimador proporciona lo que se denomina en estadstica
una estimacin puntual del valor del parmetro en estudio. En general, se suele
preferir realizar una estimacin mediante un intervalo, esto es, obtener un
intervalo [a,b] dentro del cual se espera est el valor real del parmetro con un
cierto nivel de confianza. Utilizar un intervalo resulta ms informativo, al
proporcionar informacin sobre el posible error de estimacin, asociado con la
amplitud de dicho intervalo. El nivel de confianza es la probabilidad de que a
priori el verdadero valor del parmetro quede contenido en el intervalo.
En la prctica, los intervalos de estimadores con distribuciones simtricas suelen
indicarse dando el valor del estimador puntual utilizado como centro del intervalo y
un valor que debe sumarse y restarse para obtener el lmite superior e inferior; por
ejemplo:
equivale a
4.4 Estimacion 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 muestrales. Deberemos tener tantas
igualdades como parmetros a estimar. Momento poblacional de orden r r = E(Xr) Momento
muestral 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 =
4.5 Estimacion por intervalo

Consiste en la obtencin de un intervalo dentro del cual estar el valor del parmetro estimado
con una cierta probabilidad. En la estimacin por intervalos se usan los siguientes conceptos:
Intervalo de confianza
El intervalo de confianza es una expresin del tipo [1, 2] 1 2, donde es el
parmetro a estimar. Este intervalo contiene al parmetro estimado con un determinado nivel
de confianza. Pero a veces puede cambiar este intervalo cuando la muestra no garantiza un
axioma o un equivalente circunstancial.
Variabilidad del Parmetro

Si no se conoce, puede obtenerse una aproximacin en los datos aportados por la literatura
cientfica o en un estudio piloto. Tambin hay mtodos para calcular el tamao de la muestra
que prescinden de este aspecto. Habitualmente se usa como medida de esta variabilidad
la desviacin tpica poblacional y se denota .
Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud del intervalo de confianza.
Cuanta ms precisin se desee en la estimacin de un parmetro, ms estrecho deber ser el
intervalo de confianza y, si se quiere mantener o disminuir el error, ms observaciones
debern incluirse en la muestra estudiada. En caso de no incluir nuevas observaciones para la
muestra, ms error se comete al aumentar la precisin. Se suele llamar E, segn la frmula E
= (2 - 1)/2.
Lmite de Confianza
Es la probabilidad de que el verdadero valor del parmetro estimado en la poblacin se site
en el intervalo de confianza obtenido. El nivel de confianza se denota por (1-), aunque
habitualmente suele expresarse con un porcentaje ((1-)100%). Es habitual tomar como nivel
de confianza un 95% o un 99%, que se corresponden con valores de 0,05 y 0,01
respectivamente.
Valor
Tambin llamado nivel de significacin. Es la probabilidad (en tanto por uno) de fallar en
nuestra estimacin, esto es, la diferencia entre la certeza (1) y el nivel de confianza (1-). Por
ejemplo, en una estimacin con un nivel de confianza del 95%, el valor es (100-95)/100 =
0,05
Valor crtico
Se representa por Z/2. Es el valor de la abscisa en una determinada distribucin que deja a su
derecha un rea igual a /2, siendo 1- el nivel de confianza. Normalmente los valores crticos
estn tabulados o pueden calcularse en funcin de la distribucin de la poblacin. Por
ejemplo, para una distribucin normal, de media 0 y desviacin tpica 1, el valor crtico para
= 0,1 se calculara del siguiente modo: se busca en la tabla de la distribucin ese valor (o el
ms aproximado), bajo la columna "rea"; se observa que se corresponde con -1,28.
Entonces Z/2 = 1,64. Si la media o desviacin tpica de la distribucin normal no coinciden con
las de la tabla, se puede realizar el cambio de variable t =(X-)/ para su clculo.
Con estas definiciones, si tras la extraccin de una muestra se dice que "3 es una estimacin
de la media con un margen de error de 0,6 y un nivel de confianza del 99%", podemos
interpretar que el verdadero valor de la media se encuentra entre 2,7 y 3,3, con una
probabilidad del 99%. Los valores 2,7 y 3,3 se obtienen restando y sumando,
respectivamente, la mitad del error, para obtener el intervalo de confianza segn las
definiciones dadas.
Para un tamao fijo de la muestra, los conceptos de error y nivel de confianza van
relacionados. Si admitimos un error mayor, esto es, aumentamos el tamao del intervalo de
confianza, tenemos tambin una mayor probabilidad de xito en nuestra estimacin, es decir,
un mayor nivel de confianza.
4.6 Errores tipo I y II

El er r or de t ipo I se co me te cuando la hipt e sis nula e s ver da der a y,
co mo co nse cue ncia de l co ntras te , s e r ec ha z a .
El er r or de t ipo II se co me te cua ndo la hip t esi s nula es fa lsa y,
co mo co nse cue ncia de l co ntras te se ac ept a .
H0
Verdadera
Falsa
Decisn correcta
Decisin incorrecta:
Probabilidad = 1
ERROR DE TIPO II
Aceptar
ERROR DE TIPO I
Rechazar
Probabilidad =
Decisin
correcta
L a pr o ba bilida d de co me te r Er r or de t ipo I e s e l nivel de

signif ic a c i n .
L a pro ba bilid ad de co me te r Err o r de t ipo II de pe nde de l ver dade r o

valo r de l par me tr o. Se hace t a nto m eno r c ua nt o m a yo r sea n .
4.7 Contraste de hipotesis unilateral y bilateral
Unidad 5 Regresion y correlacion

5.1 Control de calidad
5.2 Diagrama de dispersion
5.3 Regresion lineal simple
5.4 Correlacion
5.5 Determinacion y analisis de los coeficientes de correlacion y de determinacin
5.6 Distribucion normal bidimensional
5.7 Intervalos de confianza y pruebas para el coeficiente de correlacion
5.8 Errores de medicion

Unidad 4 Estadistica Inferencial

Cargado por

Copyright:

Formatos disponibles

Unidad 4 Estadistica Inferencial

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Unidad 4 Estadistica Inferencial

Cargado por

Copyright:

Formatos disponibles

Unidad 4 Estadistica inferencial

4.1 Inferencia estadistica

4.2 Muestreo estadistico

Muestreo probabilstico: Forman parte de este tipo de muestreo todos

Muestreo estratificado: Consiste en la divisin previa de la poblacin de

Muestreo sistemtico: Es la eleccin de una muestra a partir de los

Muestreo por conglomerados: Cuando la poblacin se encuentra dividida,

Muestreo errtico: Tambin se llama sin norma. La muestra se realiza de

Al realizar un muestreo en una poblacin podemos hablar de muestreos

Vemos a continuacin dos mtodos para obtener la estimacin puntual de un parmetro:

4.5 Estimacion por intervalo

Variabilidad del Parmetro

4.6 Errores tipo I y II

L a pr o ba bilida d de co me te r Er r or de t ipo I e s e l nivel de

L a pro ba bilid ad de co me te r Err o r de t ipo II de pe nde de l ver dade r o

4.7 Contraste de hipotesis unilateral y bilateral

Unidad 5 Regresion y correlacion

También podría gustarte