Your SlideShare is downloading. ×
0
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
07 – Estimación puntual e introducción a la estadística inferencial
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

07 – Estimación puntual e introducción a la estadística inferencial

12,258

Published on

Si quiere descargar la presentación, dirijase a: …

Si quiere descargar la presentación, dirijase a:
http://probestunalmzl.wikispaces.com/temario

Le agradecería si me reporta los errores que encuentre en la diapositiva (daalvarez arroba unal punto edu punto co)

Published in: Education
1 Comment
1 Like
Statistics
Notes
No Downloads
Views
Total Views
12,258
On Slideshare
0
From Embeds
0
Number of Embeds
4
Actions
Shares
0
Downloads
154
Comments
1
Likes
1
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 07 – Estimación puntual e introducción a la estadística inferencial
      • Diego Andrés Alvarez Marín
      • Profesor Asistente
      • Universidad Nacional de Colombia
      • Sede Manizales
  • 2. Contenido
    • ¿Qué es la estadística inferencial?
    • Muestreo aleatorio
    • Estimador puntual
    • Estimación de parámetros de una FDP utilizando el método de la máxima verosimilitud
    • Distribuciones de muestreo
      • Método bootstrap para la aproximación de la distribución de muestreo
      • FDP chi-cuadrada
      • FDP t-Student
      • FDP F
  • 3. Estadística
    • Es la rama matemática relacionada con la colección, el análisis, la interpretación (o explicación) y la representación de datos.
  • 4. Teoría de probabilidades vs Estadística
    • La teoría de probabilidades es la rama de la matemática relacionada con el análisis de fenómenos aleatorios; esta se desarrolló como un modelo abstracto y sus conclusiones y deducciones están basados en axiomas .
    • La estadística se basa en la aplicación de la teoría de probabilidad a problemas reales y sus conclusiones son inferencias basadas en observaciones .
  • 5. Ramas de la estadística
      • La estadística se divide en dos ramas:
      • Estadística descriptiva
      • Estadística inferencial
  • 6. Estadística descriptiva
      • La estadística descriptiva se dedica a los métodos de recolección, descripción, visualización y resumen de datos originados a partir de los fenómenos en estudio. Los datos pueden ser resumidos en forma numérica y/o gráfica.
  • 7. Estadística inferencial
      • Esta comprende los métodos y procedimientos para deducir propiedades (hacer inferencias) de una población, a partir de una pequeña parte de la misma (muestra). Se usa para modelar patrones en los datos y extraer inferencias acerca de la población bajo estudio. Estas inferencias pueden dividirse en los siguientes temas:
      • estimación de parámetros
      • prueba de hipótesis (respuestas a preguntas si/no)
      • pronósticos de futuras observaciones
      • descripciones de asociación (correlación)
      • modelamiento de relaciones entre variables (análisis de regresión)
  • 8. Estadística descriptiva vs. Estadística inferencial
      • La diferencia entre la estadística descriptiva y la estadística inferencial es que la primera intenta resumir los datos de forma cuantitativa mientras que la segunda se usa para sustentar afirmaciones, tomar decisiones y obtener conclusiones sobre la población que está representada por los datos recopilados (muestra).
  • 9. Definiciones
    • Se quiere estudiar una población . Sin embargo por razones prácticas se analiza una muestra de la población. Los datos se coleccionan mediante un muestreo o experimento . Las observaciones de la muestra aleatoria se usan para calcular ciertas características de la muestra llamadas estadísticas .
    • (ver las definiciones en la siguiente diapositiva)
  • 10. Población
    • La población es el conjunto de elementos de referencia sobre el que se realizan todas las observaciones. La población es la colección de toda la información que caracteriza un fenómeno.
    • El tamaño de la población puede ser grande o pequeño, finito o infinito.
    • Como en general, toda la población no se puede observar, debe hacerse un análisis a partir de un subconjunto de las observaciones provenientes de la población que sean de ayuda para tomar decisiones sobre esta, la llamada muestra .
  • 11.
    • Muestra estadística (o aleatoria): es un subconjunto representativo de individuos de la población
    • Muestreo: es la técnica por la cual se selecciona una muestra aleatoria a partir de una población
    • Para que las inferencias sean válidas, la muestra debe ser representativa de la población (de este modo se debe tener cuidado de no introducir sesgos durante la fase de muestreo); por lo tanto es conveniente seleccionar una muestra aleatoria como el resultado de un mecanismo aleatorio.
    Muestra estadística (o aleatoria)
  • 12.
    • Una estadística es el resultado de aplicar una función a una muestra aleatoria. Como es posible obtener muchas muestra aleatorias de una población, el valor de la estadística cambiará de muestra a muestra, esto es la estadística en sí es una variable aleatoria.
    • De notaremos en forma general una estadística (entendida como variable aleatoria) por el símbolo mientras que una realización de dicha variable aleatoria se denotará mediante .
    Estadística
  • 13. Distribución de muestreo
    • Puesto que una estadística es una variable aleatoria, esta tiene una FDP, la cual llamaremos la distribución de muestreo de la estadística.
  • 14.  
  • 15. Método bootstrap para la estimación de las distribuciones de muestreo
  • 16. Selección de estimadores
    • Eventualmente podrían tenerse varias opciones para el estimador puntual de un parámetro. Por ejemplo, si se desea estimar la media de una población, pueden considerarse como estimadores puntuales la media muestral, la mediana muestral o quizás el promedio de las observaciones más grande y más pequeña. Para decidir cuál es el mejor estimador puntual para un parámetro en particular, es necesario examinar las propiedades estadísticas de estos y desarrollar algunos criterios para comparar estimadores.

×