1 / 27

Inferencia estadística

Inferencia estadística. Matem á ticas aplicadas a las CCSS II Ana Pola IES Avempace. Estadística inferencial. Plantea y resuelve el problema de establecer previsiones y conclusiones generales sobre una población a partir de los resultados de una muestra .

oren-ballard
Télécharger la présentation

Inferencia estadística

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Inferencia estadística Matemáticas aplicadas a las CCSS II Ana Pola IES Avempace

  2. Estadística inferencial • Plantea y resuelve el problema de establecer previsiones y conclusiones generales sobre una población a partir de los resultados de una muestra. • La herramienta fundamental es el cálculo de probabilidades y, más concretamente, la distribución normal.

  3. INFERENCIAESTADÍSTICA ESTIMACIÓNDEPARÁMETROS CONTRASTEDEHIPÓTESIS ESTIMACIÓNPORINTERVALOS ESTIMACIÓNPORPUNTOS

  4. POBLACIÓN Es el conjunto de todos los individuos objeto de nuestro estudio MUESTRA Es un subconjunto extraído de la población. Su estudio sirve para inferir características de la población PARÁMETROS POBLACIONALESO PARÁMETROS Son los índices centrales y de dispersión que definen una población ESTADÍSTICOS MUESTRALESO ESTADÍSTICOS Son los índices centrales y de dispersión que definen una muestra Suelen constituir una buena estimación de los respectivos parámetros, razón por la que reciben también el nombre de ESTIMADORES

  5. Métodos de muestreo • Muestreo no aleatorio • Los elementos de la población no tienen la misma probabilidad de ser incluidos en la muestra. • Muestreo aleatorio • Todos los elementos de la muestra se eligen al azar, por tanto, cada elemento de la población tiene la misma probabilidad de ser incluido en la muestra. • Muestreo aleatorio simple • Muestreo aleatorio sistemático • Muestreo aleatorio estratificado • Muestreo por conglomerados • …

  6. Muestreo aleatorio simple • Consiste en seleccionar n elementos sin reemplazamiento de entre los N que componen la población, de modo que todas las muestras de tamaño n que se puedan formar, tengan la misma probabilidad.

  7. Muestreo aleatorio sistemático • Es una variedad del anterior. Se numeran todos los elementos de la población y se dividen en tantos intervalos iguales como elementos deba contener la muestra. Se extrae al azar un elemento del primer intervalo y, posteriormente, los que ocupan el mismo lugar en los restantes intervalos. • Se utiliza cuando los elementos de la población están ordenados en listas.

  8. Muestreo aleatorio estratificado • Se divide la población en clases homogéneas, llamadas estratos. • La muestra se escoge aleatoriamente en número proporcional al de los componentes de cada estrato. • Se utiliza cuando se desea que la muestra tenga una composición análoga a la población.

  9. Muestreo por conglomerados • Consiste en distinguir inicialmente núcleos de población de carácterísticas similares a la propia población. • Se utiliza cuando la población se encuentra agrupada en conglomerados y cada uno de estos es representativo de la población total.

  10. M1 M2 M3 … Mk … x1 x2 x3 … xk … 1 2 3 … k … me1 me2 me3 … mek … Distribuciones de muestreo • Dada una población de N elementos, podemos considerar todas las posibles muestras aleatorias de tamaño n. POBLACIÓN Distribución muestral de medias Distribución muestral de desviaciones típicas Distribución muestral de medianas

  11. POBLACIÓN X con ,  M1 M2 M3 … Mk … x1 x2 x3 … xk … Distribución muestral de medias de tamaño n Distribución muestralde medias • Dada una población de N elementos, podemos considerar todas las posibles muestras aleatorias de tamaño n. • La media de la distribución muestral de medias es igual a la media de la población • Si la población es infinita o si el muestreo es con reposición, su desviación típica es

  12. Teorema central del límite • Si se toman muestras de tamaño n > 30 de una población, con una distribución cualquiera, media  y una desviación típica , la distribución muestral de medias se aproxima a una distribución normal

  13. Distribución de medias muestrales Población N() Distribución de medias muestrales Población cualquiera con n≥30

  14. Ejemplo • Una población está formada por sólo cinco elementos, con valores 3, 5, 7, 9 y 11. Consideramos todas las muestras posibles de tamaño 2 con reemplazamiento que pueden extraerse de esta población. Se pide calcular: • a) La media de la población. • b) La desviación típica de la población. • c) La media de la distribución muestral de medias. • d) La desviación típica de la distribución muestral de medias, es decir, el error típico de las medias.

  15. Solución • Población: 3, 5, 7 ,9 ,11 • La media de la población es • La desviación típica de la población es

  16. Población: 3, 5, 7, 9, 11 • Construyamos la distribución muestral de medias:

  17. La media de la distribución muestral de medias es: • La desviación típica de la distribución muestral de medias es: Cuando la población es infinita o las muestras se extraen con reemplazamiento, se verifica

  18. Ejercicio 1 • En una oposición en la que participaban miles de candidatos se hizo un examen tipo test.Las calificaciones se distribuyeron normalmente con media  = 72 puntos y desviación típica  = 10. • ¿Cuál es la probabilidad de que un opositor elegido al azar obtenga más de 76 puntos? La población sigue una N(72,10) • ¿Cuál es la probabilidad de que una muestra de 64 opositores obtenga un promedio superior a 76 puntos? La media muestral de medias será y la desviación tipicaLa distribución muestral de medias seráN(72; 1,25)

  19. Ejercicio 2 • Se sabe que el peso medio de los estudiantes varones de la Universidad de Zaragoza es = 76,4 kg, con una desviación típica = 7,5 kg. Se extrae una muestra aleatoria (sin reposición) de 100 estudiantes de dicha población. Cuál es la probabilidad de que el peso medio de la muestra sea: • Superior a 75 kg. • Inferior a 75,6 kg. • Entre 76 y 77,5 kg. • Inferior a 74 kg o superior a 78 kg.

  20. POBLACIÓN p, q = 1-p M1 M2 M3 … Mk … p1 p2 p3 … pk … Distribución muestral de proporciones de tamaño n Distribución muestralde proporciones • Sea una población en la que la proporción de individuos que posee una cierta característica es p. En consecuencia, la proporción de los individuos que no al tiene es 1 - p = q. • Consideramos todas las posibles muestras de tamaño n que puede extraerse de esa población. • La proporción, P, de individuos con dicha característica en la muestra de tamaño n es • La media de la distribución muestral de proporciones coincide con la proporción de los elementos de la población • Si la población es infinita o si el muestreo es con reposición, su desviación típica es

  21. Ejemplo • Un partido político tiene, en un determinado país, un porcentaje de votos estimado en el 25%. Se elige una muestra aleatoria de 100 personas. Calcula la probabilidad de que en la muestra exista al menos un 30% de votantes del partido político en cuestión. • Solución: La proporción de votantes del partido es: p = 0,25 y por tanto La distribución muestral de la proporción P es N(0,25 ; 0,043)

  22. Ejercicio • Una máquina fabrica piezas de precisión. En su producción habitual fabrica un 3% de piezas defectuosas. Un cliente recibe una caja de 500 piezas procedentes de la fábrica. • ¿Cuál es la probabilidad de que encuentre más del 5% de piezas defectuosas en la caja? • ¿Cuál es la probabilidad de que encuentre menos de un 1% de piezas defectuosas?

  23. El problema inverso • Hemos visto cómo, dado un intervalo, se puede calcular la probabilidad de que la variable se encuentre en dicho intervalo. • Ahora nos plantearemos el problema inverso, es decir, dado el tipo de intervalo y su probabilidad, calcular sus extremos.

  24. Intervalos característicoso de probabilidad • Si la variable X tiene una distribución de media , se llama intervalo característico correspondiente a una probabilidad p a un intervalo centrado en la media, ( - k,  + k), tal que la probabilidad de que X pertenezca a dicho intervalo es p: P( - k < X <  + k) = p

  25. Valor crítico Intervalos característicosen distribuciones N(0,1) • En una distribución normal N(0,1), si (-k, k) es el intervalo característico correspondiente a una probabilidad p, es decir, si P(-k < Z < k) = p diremos que k es el valor crítico correspondiente a p. Cálculo del valor crítico Intervalo característico

  26. Cálculo del valor crítico

  27. Intervalos característicosen distribuciones N(,) • Deseamos encontrar un intervalo centrado en la media ( - k,  + k) tal que P( - k < X <  + k) = p = 1-  es decir, el intervalo en el cual esté el 100·(1- )% de los individuos de la población. • Si X es N(,), entonces, es N(0,1) • P(-z/2 ≤ Z ≤ z/2) = 1- , entonces, P(-z/2 ≤ ≤ z/2) = 1-  • Por tanto, el intervalo característico será: En una distribución N(,), el intervalo característico correspondiente a una probabilidad p = 1- , es: ( - z/2·,  + z/2·)

More Related