Introducion estadistica inferencial dfd
Upcoming SlideShare
Loading in...5
×
 

Introducion estadistica inferencial dfd

on

  • 1,308 views

ESTADISTICA

ESTADISTICA

Statistics

Views

Total Views
1,308
Views on SlideShare
1,308
Embed Views
0

Actions

Likes
0
Downloads
23
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Microsoft Word

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Introducion estadistica inferencial dfd Introducion estadistica inferencial dfd Document Transcript

    • UNIVERSIDAD POLITÉCNICA ESTATAL DEL CARCHIESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIÓN INTERNACIONAL ESTADISTICA INFERENCIAL MCS : JORGE POZO ESTUDIANTE DE SEXTO SEMESTRE DE LA ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACION IINTERNACIONAL ANDRES BENAVIDES BERNAL JORNADA VESPERTINA MARZO 2011 - AGOSTO Tulcán – Ecuador
    • INTRODUCIONESTADISTICA DESCRITIVAAbstracción cuantitativa de un fenómeno, con el propósito de conocer sucaracterística, analizando serie de datos y determinando conclusiones acercade sus variables.ESTADISTICA INFERENCIALAbstracción cuantitativa de un fenómeno con el propósito de analizarlo y deestimar además sus movimientos (comportamiento) en el tiempo y/o espacio.TEORIA DE L MUESTROUno de los propósitos de la estadística inferencial es estimar las característicaspoblacionales desconocidas en el cual el punto de interés es la muestra para locual hay que seguir ciertos pasos de selección, observaciones y muestrasrepresentativas POBLACION esta formada por la totalidad de las observaciones en las cuales se tiene cierto observa MUESTRA es un subconjunto de observaciones seleccionadas de una poblacionDentro de la estadística se realizar muestras aleatorias ya que esto se aplicaen poblaciones grandes, en diferentes sectores como:  Política  Educación  Industria  Medicina  Agricultura  GobiernoERROR MUESTRASe refiere a la variación natural existente entre muestras tomadas de la mismapoblación
    • SESGO MUESTRALNos habla sobre las tendencias sistemáticas inherente a un método demuestreo de estimaciones de un parámetro.ALEORIZACIONSe refiere a cualquier proceso de selección de una muestra de una población.MUESTRA ALEATORIA SIMPLEEs la elije la forma de todos los elementos de la población que tenga la mismaprobabilidad se ser seleccionadosDISTRIBUCION MUESTRALSe denomina distribución muestral a la distribución de frecuencias de unestadísticoEjemploEjemplo de una distribución muestral de la desviación estándar
    • LA MEDIA DE LA POBLACIÓN
    • ETAPAS DEL TRABAJO ESTADISTICO ETAPAS (1). Recolección de datos (2). Crítica y depuración de los datos (3) (3). O i Organización de la información (4). Obtención de Indicadores estadísticosRECOLECCION (5). Presentación de resultados DATOS ( ) (6). Análisis e interpretación • Datos publicados por • dependencias, instituciones o empresas • FUENTES • PRIMARIAS FUENTES • reconocidas más cercanas al fenómeno PRIMARIA • estudiado • Corresponderán a aquellas que citan (han • tomado datos) de fuentes primaria reconocidas FUENTES SECUNDARIAS • Son aquellas que citan (han tomado datos) de • fuentes secundarias, esto significaría, dar citas • de citas FUEMTES • recoleccio de citas TERZIARIASEJEMPLOS DE LA MEDIA MUESTRALDE LA MEDIA POBLACIONAL
    • DISTRIBICION MUESTRALEn un ejemplo la distribución de medias muéstrales tiende hacia una distribución normal,aunque las muestras procedan de una distribución no normal. Incrementando el número demuestras extraídas de la población, la distribución de sus medias tiende a normalizarse. (n> 30)
    • MEDIAS ARITMETICAS EJEMPLOESTIMACIONEl objetivo principal de la estadística inferencial es la estimación , esto es, quemediante el estudio de una muestra de una población se refiere a generalizar
    • las conclusiones del total de las mismas . mientras menor sea el error estándarde un estadístico , más cercanos serán unos de otros valores.Existen dos tipos de estimaciones Puntales (es el único valor estadístico y se usa para estimar un parámetro) Intervalo(es un rango, generalmente de ancho finito, que se espera que contenga el parámetro poblacional.) En un análisis estadístico es necesario identificar ESTIMACIÓN PUNTUAL Representamos con (u) (parámetro) promedio poblacional ejemplo si deseamos conocer las horas de estancia diarias por turistas en un cierto Hotel, podría tomarse una muestra Aleatoria de 10 habitaciones para determinar las horas de estancia promedio (Ẋ ) y con ellos sacar una conclusión acerca del valor de (u) de forma similar si ( ṍ ) es la varianza de distribución de las horas de estancia , el valor de la variancia muestral ( s) se podría utilizar para inferir algo acerca de ( ṍ ).
    • El estimador preciso seria uno que produzca solo pequeñas diferencias deestimación, de modo que los valores estimados se acerquen al valor verdadero
    • En el cual se tiene como error de estimación mayor cuando el nivel deconfianza es del 90% y más pequeño cuando se reduce a un nivel deconfianza del 95%.ESTIMACION DE UNA PROPORCIONExisten ocasiones en las cuales no estamos interesados en la media de lamuestra sino que queremos investigar la proporción con una ciertacaracterística o la proporción.
    • DETERMINACIÓN DEL TAMAÑO DE LA MUESTRA CALCULO DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA MEDIAQue tan grande debe ser una muestra si la media muestral se va a usar paraestimar la media de la población. la respuesta depende del error estándar (e)de la media que se estima con la siguiente formula.Si se eleva al cuadrado ambos lados de esta ecuación y se despeja (n) de laecuación resultante obtenemos:
    • En el caso de que tenga población finita y un muestreo sin reemplazo. el errorde la estimación se convierte en:De nuevo se eleva al cuadrado ambos lados y se despeja la n, obteniendo : CALCULO DEL TAMAÑO DE LA MUESTRA PARA ESTIMAR UNA PROPORCIONSe desea saber que tan grande se requiere una muestra para asegurar que elerror al estimar (P) sea menor que una cantidad específica.Elevado al cuadrado la ecuación anterior se despeja (n) nos queda
    • En esta fórmula utilizamos (p) para determinar el tamaño de la muestra, pero(p) se calcula a partir de la muestra. Existen ocasiones en las cuales tiene unaidea de comportamiento de la población y ese valor se puede sustituir en laformula, pero si nada referente a esa proporción entonces se tienen dosopciones.Cuando se desconoce el valor de (P) , se puede utilizar diferentes valoressupuestos , que del 0.1 al 0.9 sin embargo , considerando el cuadro siguiente ,convendrá cualquier forma de utilizar P= 0.5Recordemos q= 1-p Entonces podemos apreciar lo que resulta multiplicar pq:Observando que el mayor número lo tenemos cuando p= 0.5
    •  Tomar una muestra preliminar o igual a 30 para contar con una estimación de (P) después del uso de esta fórmula se podrá determinar de forma aproximada cuantas observaciones se necesitan para proporcionar el grado de precisión que se desea  Tomar el valor (b) como 0.5 ya que sustituyendo este en la formula se obtiene el mayor tamaño de muestra posible  En el caso de que se tenga una población finita y un muestreo sin remplazo , el error de estimación se convierte en:De nuevo se eleva al cuadrado ambos lados y se despeja la (n) , obteniendo: