ACTIVIDAD 7-EVAUATIVA
Presenta:
Karolyne Gertrudis Ramírez Torres
Yesica Carolina Cubillos Sepúlveda
Alba Yaneth Flórez Dulcey
Yina Margarita Vásquez Blanco
Laura Daniela Ortega Veloza
Docente:
MIGUEL EDUARDO POSADA
Corporación Universitaria Minuto De Dios
Cúcuta-Norte De Santander
2020
RESUMEN capítulo 7 Y 8
la inferencia estadística o método inductivo, el cual, mediante investigaciones por
muestreo, logra obtener resultados considerados como estimadores de los valores
estadísticos, correspondientes a las características de las unidades que conforman la
población, correspondiendo al método inductivo, que denominaremos inferencia.
Población o universo: se puede definir como un conjunto de elemento o de unidades en
una población
Elemento o unidad: puede ser una familia, empresa, zona, animal u objetó.
Del elemento se estudian sus características se clasifican en "cualitativas o atributos,
expresada se cuantifican por palabras mediante el conteo o recuento, las cuantitativas o
variables expresadas en forma numérica, que pueden ser medidas (variable continua) o
contadas (variable discreta)
Marco maestral
Es un listado, actualizado y revisado, de todos los elementos que constituyen la población
que va a ser objeto de investigación. También puede ser un mapa o croquis con las
unidades de selección plenamente identificadas
La población, se clasifica en finita o infinita Cuando se investigan las características de
todas las unidades que constituyen la población o universo, nos referimos a una
investigación total, exhaustiva o censo.
El objetivo principal de muestreo es considerar el mayor número de unidades con el menor
costo posible.
La muestra, para que sea representativa de la población, requiere que todas las unidades de
la población tengan la misma probabilidad de ser seleccionadas, es decir, debe ser aleatoria,
al azar o probabilística.
El muestreo aleatorio
Se constituye en un procedimiento práctico, económico y rápido para generalizar
conclusiones obtenidas a través de una muestra se tienen los siguientes métodos:
* Muestreo aleatorio simple o muestreo aleatorio irrestricto, en el cual se da igual
oportunidad de selección a cada elemento o unidad dentro de la población.
*muestreo aleatorio garantiza la representatividad, reduciendo el error de la muestra al
formar grupos o subpoblaciones más o menos homogéneas, en cuanto a su composición
interna y heterogénea cuando se comparan entre sí.
*Muestreo por conglomerados Cuando la unidad básica de muestreo se encuentra en la
población en grupos o conglomerados y la selección de la unidad permite la observación
del total de e
*Muestreo por fases. En ocasiones, es conveniente y económico recoger cierta información
de la totalidad de elementos de una muestra, la cual se extrae de la población en tal forma
que sea lo suficientemente grande
Las condiciones del muestreo aleatorio implica consideraciones importantes debe seguir un
diseño estadístico especifico.
El error de estimación, es la diferencia que puede haber entre la estimación puntual y el
parámetro. Cuando la estimación no representa bien al parámetro, a pesar de estar
perfectamente diseñada, nos referiremos a errores muéstrales; los errores no muéstrales son
ocasionados por el mal diseño del formulario, errores cometidos en el proceso de
recolección, procesamiento y análisis de los datos
El intervalo de confianza corresponde a un intervalo de valores, dentro de los cuales se
espera que este el parámetro con cierto grado de confianza o con riesgo de error conocido
para ellos es necesario determinar primero la estimación puntual, La probabilidad de que un
intervalo de confianza contenga el parámetro que se estima, se denomina coeficiente de
confianza.
DISTRIBUCIONES MUESTRALES
Compete a una distribución de todas las muestras que pueden ser escogidas conforme a un
esquema de muestreo especificado, De una población a estudiar, se selecciona una sola
muestra de todas las muestras posibles de igual tamaño, con el fin de obtener conclusiones
sobre la población, no sobre la muestra.
DISTRIBUCIÓN DE MEDIAS MUESTRALES ±
Medidas Población Muestra
Media aritmética µ x−¿¿
varianza o2 s2
Desviación típica σ s
Tamaño N n
Simbolizaremos la media de todas las medidas muéstrales por μ−¿ x ¿ la cual será igual a
la media poblacional
∑ x ±❑ ¿ x1 x2 x3 M
μx
−¿=
M = + + + x =µ
M M M
La media de todas las medidas muéstrales debe ser exactamente igual a la media de la
poblacional (µ) debido a que la distribución de muestreo resulta de todas las muestras
posibles que se pueden extraer de una población; por tal razón incluye todos sus elementos.
De ahí, que calcularla es un método indirecto para obtener el valor del parámetro µ
La varianza de todas las medias muéstrales se simboliza por σ ±2 y el error estándar de la
media será igual σ ±
√ Σ x 1−μ2 =x= ( x )2+¿ ¿¿¿ ϑ
±=¿
M
√ 1−μ =
σ √n
σ
Siendo σ ± =
(para las
√n
muestras grandes o sean ņ>30 el cual se denomina: error estándar de la media.
σ ± = desviación estándar de la distribución del muestreo de medias, qué depende de la
dispersión de la población y del tamaño de la muestra
Si el tamaño maestral (η) no es una fracción pequeña del tamaño poblacional, lo más
σ N −N
adecuado es considerar el erro estándar de la media, como ±= σ
√n N−1
±
√
N −n
La expresión se conoce como factor de corrección para la población finita
N−1
De acuerdo con el teorema anterior, la variante estadística Z para distribuciones de medias
muéstrales será:
x́ −μ x́ x́ −μ
Z= = Por la cual consideramos
σ x́ σ √n que se aproxima a una
distribución normal.
Ejemplo 1. La altura media de 400 alumnos de un plantel de secundaria es de 1,50 mts, y
su desviación típica es de 0,25 mts. Determinar la probabilidad de que, en una muestra de
36 alumnos, la media sea superior a 1,60 mts.
. σ : P( x́>1,60)=¿
1,60−1,50 0,10 0,60
Z= = = =2,40
0,25 0,25 0,25
√ 36 6
Z=2,40 → A 0,4 1
P=0,5000−0,4 1=0,00 2=0 , 2
P( X́ >1,60 )=0 , 2
Ejemplo 2. Se tiene para la venta un lote de 1.000 pollos, con un peso promedio de 3,50 kg
y una desviación estándar de 0,18 kg, ¿Cuál es la probabilidad de que, en una muestra
aleatoria, 100 pollos de esta población, pesen entre 3,53 y 3,56 kg?
. o : μ=3,5 σ=0,1 n=100 P( 3,53< x́<3,56) =¿
x́ −μ 3,56−3,5 0,60 10
Z= = = =3,33
σ 0,1 0,1
√n √ 100
Z=3,33 → A 0,4
P3,53< X́ <3,56 =4 ,1
3,33−3,5 0,03 10
Z= = =1,66
0,1 0,1
√ 100
Z=1,66 → A 0,4515
P=0,4 6−0,4515=0,04 1
Ejemplo 3. Un fabricante de cierto champú para el cabello, distribuye el tamaño
profesional de su producto en 100 salones de belleza de Caracas. Se ha determinado que el
consumo promedio de su producto es de 2.800 cojines mensuales, con desviación estándar
de 280 cojines. Si se toma una muestra probabilística de 36 salones, ¿cuál es la
probabilidad de que el consumo promedio en un mes sea inferior a 2.700?
o : μ=2 00 σ=2 0 n=36 P (x́ <2700 )=¿
x́ −μ 2 7000−2 00
Z= =
σ 20
√n 36
−1006
Z= =2,14
20
Z=2,14 → A 0,4 3
P=0 ,5000−0,4 3=0,0162
P x́<2 700=1,62
En aquellos casos de poblaciones finitas, es decir, cuando se da información sobre el
tamaño poblacional, y cuando el tamaño de la muestra es mayor del 5% de la población, se
puede aplicar el factor de corrección, representado de diferentes maneras; cualquiera de las
siguientes formas podrá ser aplicada:
√ N −n
N −1
=¿
N −n
√ √
N
N n
N N
n
N√
− =¿ 1− =¿ √ 1−f ¿ ¿ ¿
Factor de corrección para poblaciones finitas.
La f se conoce como fracción de n muestreo.
f=
N
σ x N −n
Por lo tanto, la desviación estándar de la muestra se convierte
en
σ x́ =
√
√ n N −1
En distribuciones de medias muéstrales, la estandarización de Z, incluyendo el factor de
corrección para poblaciones finitas será:
x́−μ
Z=
σ N−n
( )√
√ n N −1
Ejemplo 4. Si en el ejemplo (1) se considera que dicho plantel de secundaria tiene un total
de N =400 alumnos, ¿Cuál es la probabilidad, en una muestra de 36 alumnos, de que la
media sea superior a 1,60 m.?
x́−μ
Z=
σ N−n
( )√
√ n N −1
1,60−1,50
Z= =2,51
0,25 400−36
( )√
√ 36 400−1
Z=2,51→ A 0,4 40
P=0,5000−0,4 40=0,006 P x́>1.60=0,6
CAPITULO 8
PRUEBAS DE IPOTESIS Y LIMITES DE CONFIANZA
PRUEBA DE IPOTESIS
Tienen como objeto principal evaluar suposiciones o afirmaciones acerca de los valores
estadísticos de la población la palabra decimar significa probar cuando se hace
indispensable tomar una decisión sobre la validez de la representación en una población
HIPOTESIS ESTADISTICA
Son supuestos acerca de un parámetro o de algún valor estadístico de una población
encontramos que no todas las hipótesis son hipótesis estadística se deben tomar con
referencia a un parámetro, media aritmética o proporción
HIPOTESIS NULA
Es aquella por medio de la cual se hace una afirmación sobre un parámetro que se va a
constarla con el resultado maestral
HIPOTESIS ALTERNATIVA
Es aquella hipótesis que difiere de la hipótesis nula esto quiere decir ofrece una alternativa
afirmando que la hipótesis nula es falsa
PRUEBA UNILATERAL
Es aquella en la cual la zona de rechazo o zona crítica está completamente comprendida en
uno de los extremos de la distribución la prueba es unilateral a la derecha de la curva
NIVEL DE SIGNIFICACION
Es la máxima probabilidad de que se especifique con el fin de hacer mínimo el primer tipo
de error
El valor del nivel significación corresponde a un área bajo la curva de probabilidad
denominada región crítica o zona de rechazo
a) Docima unilateral hacia la derecha con σ =0,05
A (0,4500) ‒›Z= 1,64 o 1,65
b) Docima unilateral hacia la izquierda con Ꝺ=0,05
0,5000-0,0500=0,4500 A (0,4500) Z= -1,54
c) Docima bilateral con α=0,05
0,005-0,0250=0,4750
PROCEDIMIENTO A SEGUIR EN LA PRUEBA DE HIPOTESIS
Formular la hipótesis nula o alternativa Seleccionar el nivel de significación Conocer o
estimar la varianza Determinar la técnica o la prueba estadística
Determinar los valores críticos y sus regiones de rechazo Calcular datos muéstrales
utilizando formulas correspondientes Tomar la decisión estadística de aceptar o rechazar.
1. Restablecer la hipótesis :
a) en el caso de la moneda y en distribuciones de medidas muéstrales se podría
presentar la hipótesis de esta forma
b) en el caso de la distribución de diferencia dentro de dos medias muéstrale
podremos plantear así:
2. Elegir el riesgo σ=%
Los niveles de significación más usados son:
3. Se establece ciertas supuestas
- La muestras es aleatoria
- La población es normal
- La varianza poblacional es conocida y la mayoría que no la conocen por lo tanto
debe de ser estimada
DECISIONES EN CUANTO A LOS TIPOS DE ERROR
a) Si se acepta una hipótesis verdadera la decisión es correcta
b) Si se acepta una hipótesis falsa cometemos el error tipo II
c) Si rechazamos una hipótesis verdadera cometemos el error tipo I
d) Si rechazamos una hipótesis falsa la decisión es correcta
