Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 150 vistas

    Inferencia Estadística

    Cargado por

    Alejandro Ramírez
    Este documento describe los conceptos básicos de la inferencia estadística. Explica que la inferencia estadística permite inferir las características de una población a partir de una muestra, con un error medible. Se dividen los métodos paramétricos en estimación de parámetros e hipótesis de contraste. La estimación asigna valores a los parámetros poblacionales, mientras que los métodos de contraste comprueban si los supuestos sobre los parámetros son compatibles con los datos de la muestra.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Inferencia Estadística

    Cargado por

    Alejandro Ramírez
    150 vistas12 páginas
    Este documento describe los conceptos básicos de la inferencia estadística. Explica que la inferencia estadística permite inferir las características de una población a partir de una muestra, con un error medible. Se dividen los métodos paramétricos en estimación de parámetros e hipótesis de contraste. La estimación asigna valores a los parámetros poblacionales, mientras que los métodos de contraste comprueban si los supuestos sobre los parámetros son compatibles con los datos de la muestra.

    Descripción original:

    Estadistica

    Título original

    INFERENCIA ESTADÍSTICA

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe los conceptos básicos de la inferencia estadística. Explica que la inferencia estadística permite inferir las características de una población a partir de una muestra, con un error medible. Se dividen los métodos paramétricos en estimación de parámetros e hipótesis de contraste. La estimación asigna valores a los parámetros poblacionales, mientras que los métodos de contraste comprueban si los supuestos sobre los parámetros son compatibles con los datos de la muestra.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    150 vistas12 páginas

    Inferencia Estadística

    Cargado por

    Alejandro Ramírez
    Este documento describe los conceptos básicos de la inferencia estadística. Explica que la inferencia estadística permite inferir las características de una población a partir de una muestra, con un error medible. Se dividen los métodos paramétricos en estimación de parámetros e hipótesis de contraste. La estimación asigna valores a los parámetros poblacionales, mientras que los métodos de contraste comprueban si los supuestos sobre los parámetros son compatibles con los datos de la muestra.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 12

    INFERENCIA ESTADÍSTICA

    La inferencia estadística es el conjunto de métodos y técnicas que


    permiten inducir, a partir de la información empírica proporcionada
    por una muestra, cual es el comportamiento de una determinada
    población con un riesgo de error medible en términos de
    probabilidad.

    Los métodos paramétricos de la inferencia estadística se pueden


    dividir, básicamente, en dos: métodos de estimación de parámetros
    y métodos de contraste de hipótesis. Ambos métodos se basan en el
    conocimiento teórico de la distribución de probabilidad del
    estadístico muestral que se utiliza como estimador de un parámetro.

    La estimación de parámetros consiste en asignar un valor concreto


    al parámetro o parámetros que caracterizan la distribución de
    probabilidad de la población. Cuando se estima un parámetro
    poblacional, aunque el estimador que se utiliza posea todas las
    propiedades deseables, se comete un error de estimación que es la
    diferencia entre la estimación y el verdadero valor del parámetro.
    El error de estimación es desconocido por lo cual es imposible saber
    en cada caso cual ha sido la magnitud o el signo del error; para
    valorar el grado de precisión asociado con una estimación puntual
    se parte de dicha estimación para construir un intervalo de
    confianza. En síntesis, un intervalo de confianza está formado por
    un conjunto de valores numéricos tal que la probabilidad de que éste
    contenga al verdadero valor del parámetro puede fijarse tan grande
    como se quiera. Esta probabilidad se denomina grado de confianza
    del intervalo, y la amplitud deéste constituye una medida del grado
    de precisión con el que se estima el parámetro.

    Los métodos de contraste de hipótesis tienen como objetivo


    comprobar si determinado supuesto referido a un parámetro
    poblacional, o a parámetros análogos de dos o más poblaciones, es
    compatible con la evidencia empírica contenida en la muestra. Los
    supuestos que se establecen respecto a los parámetros se llaman
    hipótesis paramétricas. Para cualquier hipótesis paramétrica, el
    contraste se basa en establecer un criterio de decisión, que depende
    en cada caso de la naturaleza de la población, de la distribución de
    probabilidad del estimador de dicho parámetro y del control que se
    desea fijar a priori sobre la probabilidad de rechazar la hipótesis
    contrastada en el caso de ser ésta cierta.

    En todo contraste intervienen dos hipótesis. La hipótesis nula (Ho)


    es aquella que recoge el supuesto de que el parámetro toma un valor
    determinado y es la que soporta la carga de la prueba. La decisión
    de rechazar la hipótesis nula, que en principio se considera cierta,
    está en función de que sea o no compatible con la evidencia
    empírica contenida en la muestra. El contraste clásico permite
    controlar a priori la probabilidad de cometer el error de rechazar la
    hipótesis nula siendo ésta cierta; dicha probabilidad se llama nivel
    de significación del contraste ( ) y suele fijarse en el 1%, 5% o
    10%.

    La proposición contraria a la hipótesis nula recibe el nombre de


    hipótesis alternativa (H1) y suele presentar un cierto grado de
    indefinición: si la hipótesis alternativa se formula simplemente
    como 'la hipótesis nula no es cierta', el contraste es bilateral o a dos
    colas; por el contrario cuando se indica el sentido de la diferencia,
    el contraste es unilateral o a una sola cola.

    Las hipótesis nula y alternativa son dos enunciados mutuamente


    excluyentes acerca de una población. Una prueba de hipótesis utiliza
    los datos de la muestra para determinar si se puede rechazar la
    hipótesis nula.
    Hipótesis nula (H0)
    La hipótesis nula indica que un parámetro de población (tal
    como la media, la desviación estándar, etc.) es igual a un valor
    hipotético. La hipótesis nula suele ser una afirmación inicial
    que se basa en análisis previos o en conocimiento
    especializado.
    Hipótesis alternativa (H1)
    La hipótesis alternativa indica que un parámetro de población
    es más pequeño, más grande o diferente del valor hipotético de
    la hipótesis nula. La hipótesis alternativa es lo que usted podría
    pensar que es cierto o espera probar que es cierto.

    Ejemplo
    Se sabe que la desviación típica de las notas de cierto
    examen de Matemáticas es 2,4. Para una muestra de 36
    estudiantes se obtuvo una nota media de 5,6. ¿Sirven
    estos datos para confirmar la hipótesis de que la nota
    media del examen fue de 6, con un nivel de confian za del
    95%?

    1. Enunciamos las hipótesis nula y alternativa:

    H0 : μ = 6 La nota media no ha variado.


    H1 : μ ≠ 6 La nota media ha variado.

    2. Zona de aceptación

    Para α = 0.05, le corresponde un valor crítico: z α / 2 =


    1.96.

    Determinamos el intervalo de confianza para la media:

    (6-1,96 · 0,4 ; 6+1,96 · 0,4) = (5,22 ; 6,78)

    3. Verificación.

    Valor obtenido de la media de la muestra: 5,6 .

    4. Decisión

    Aceptamos la hipótesis nula H 0 , con un nivel de


    significación del 5%.

    ____
    Cuando investigamos en psicología, dentro de la estadística
    inferencial encontramos dos conceptos importantes: el error tipo I y
    error tipo II. Estos surgen cuando estamos realizando pruebas de
    hipótesis con una hipótesis nula y una hipótesis alternativa.
    En este artículo veremos qué son exactamente, cuándo los
    cometemos, cómo los calculamos y cómo podemos reducirlos.

    Error tipo I (α)

    El error tipo I, también llamado alfa (α), se comete al rechazar la


    hipótesis nula (H0) siendo esta verdadera. Así, la probabilidad de
    cometer un error de tipo I es α, que es el nivel de significación que
    hemos establecido para nuestra prueba de hipótesis.
    Si por ejemplo el α que habíamos establecido es de 0.05, esto
    indicaría que estamos dispuestos a aceptar una probabilidad del 5%
    de equivocarnos al rechazar la hipótesis nula.

    2.4. Error tipo II (β)

    El error tipo II o beta (β), se comete al aceptar la hipótesis nula (H0)


    siendo esta falsa. Es decir, la probabilidad de cometer un error tipo
    II es beta (β), y depende de la potencia de la prueba (1-β).
    Para reducir el riesgo de cometer un error tipo II, podemos optar por
    asegurarnos de que la prueba tiene suficiente potencia. Para ello,
    deberemos asegurarnos de que el tamaño de la muestra es lo
    suficientemente grande como para detectar una diferencia cuando
    ésta realmente exista.
    Ejemplo

    Ejemplo :

    Se ha comprobado que el tiempo de espera ( en minutos ) hasta ser


    atendido, en cierto servicio de urgencias, sigue un modelo normal
    de probabilidad.
    A partir de una muestra de 100 personas que fueron atendidas en
    dicho servicio, se ha calculado un tiempo medio de espera
    de 14,25 minutos y una desviación típica de 2,5 minutos.
    ¿Podríamos afirmar, con un nivel de significación del 5 % que el
    tiempo medio de espera, en este servicio de urgencias, no es de 15
    minutos?
    1. Se formula la hipótesis nula H0 y la hipótesis
    alternativa H1.

    Hipótesis nula : H0 : μ = 15
    Hipótesis alternativa : H1 : μ ≠ 15
    Puesto que nuestra hipótesis nula está formulada en forma de
    igualdad, tenemos un contraste bilateral.

    2. Identificamos la distribución de probabilidad y el


    tamaño de la muestra.

    Por el enunciado sabemos que la población sigue una


    distribución normal. Tomamos una muestra de tamaño n = 100
    con una media μ = 14,25 y desviación típìca σ = 2,5. La
    muestra se distribuye :

    3. Construimos las regiones de aceptación y rechazo.

    Construimos nuestra región de aceptación a partir de un nivel


    de significación α = 0,05. Como es un contraste bilateral,
    emplearemos zα/2 :
    4. Calcular el estadistíco de contraste y verificar la
    hipótesis.

    Nuestro estadístico de contraste es el tiempo de media de


    espera en urgencias, μ = 14,25.

    En este caso, 14,25 ∉ ( 14,51 ; 15,49 ).

    Nuestro estadístico de contraste no pertenece a la región de


    aceptación.

    5. Interpretación de la decisión.

    Como nuestro estadístico de contraste no pertenece a la región


    de aceptación, rechazamos la hipótesis nula.
    Por lo tanto, no podemos afirmar que el tiempo medio de
    espera sea de 15 minutos.

    Hemos rechazado la hipótesis nula por no poder afirmar que el


    tiempo medio de espera sea de 15 minutos, pero podemos
    estar equivocados. De ser así, estariamos cometiendo un error
    de tipo I.

    Si la muestra seleccionada hubiera tenido un tiempo medio de


    espera de 14,52 minutos (apenas 16 segundos
    más) hubieramnos aceptado la hipótesis nula. En caso de
    equivocación, estariamos comentiendo un error de tipo II.

    Se utiliza una prueba de una muestra para probar una afirmación con
    respecto a una media de una población única.
    El tamaño de la muestra de una muestra estadística es el número de
    observaciones que la componen.
    El tamaño de la muestra normalmente es representado por "n" y
    siempre es un número entero positivo. No se puede hablar de ningún
    tamaño exacto de la muestra, ya que puede variar dependiendiendo
    de los diferentes marcos de investigación. Sin embargo, si todo lo
    demás es igual, una muestra de tamaño grande brinda mayor
    precisión en las estimaciones de las diversas propiedades de la
    población.

    Para determinar el tamaño adecuado de las muestras es necesario


    seguir los tres criterios:

    1. Nivel de precisión
    El nivel de precisión, también llamado error de muestreo, es el rango
    en donde se estima que está el valor real de la población. Este rango
    se expresa en puntos porcentuales. Por lo tanto, si un investigador
    descubre que el 70% de los agricultores de la muestra han adoptado
    una tecnología recomendada con una tasa de precisión de ~+mn~
    5%, el investigador puede concluir que entre el 65% y el 75% de los
    agricultores de la población han adoptado la nueva tecnología.
    2. Nivel de confianza
    El intervalo de confianza es la medida estadística del número de
    veces de cada 100 que se espera que los resultados se encuentren
    dentro de un rango específico.
    Por ejemplo, un intervalo de confianza de 90% significa que los
    resultados de una acción probablemente cubrirán las expectativas el
    90% de las veces.

    La idea básica descripta en el Teorema del límite central es que


    cuando una población se muestrea muchas veces, el valor promedio
    de un atributo obtenido es igual al valor real de la población. En
    otras palabras, si un intervalo de confianza es del 95%, significa que
    95 de 100 muestras tendrán el valor real de la población dentro del
    rango de precisión.

    3. Grado de variabilidad
    Dependiendo de la población objetivo y los atributos a considerar, el
    grado de variabilidad varía considerablemente. Cuanto más
    heterogénea sea una población, mayor deberá ser el tamaño de la
    muestra para obtener un nivel óptimo de precisión. Ten en cuenta
    que una proporción de 55% indica un nivel más alto de variabilidad
    que un 10% o un 80%. Esto se debe a que 10% y 80% significa que
    una gran mayoría no posee o posee el atributo en cuestión.
    Existen muchos enfoques para determinar el tamaño de la muestra,
    incluyendo el uso de un censo en el caso de poblaciones más
    pequeñas, el uso de tablas publicadas, imitar un tamaño de muestra
    de estudios similares y aplicar fórmulas para calcular un tamaño de
    la muestra.
    Bibliografias
    Botella, J. Sueró, M. Ximénez, C. (2012). Análisis de datos en
    psicología I. Madrid: Pirámide.

    Katherine (2008) Estadística Inferencial.


    ESTADISTICA INFERENCIAL.
    Autor: PEÑA TORBAY, GUSTAVO. Editorial: ISBN:
    9789802446100. Año de Publicación: 2009. Materia:
    ESTADISTICA.

    También podría gustarte