Instituto Tecnolgico y de Estudios Superiores de Monterrey

Diseo y Anlisis de Experimentos

Trabajo de investigacin P2

Norma Cervantes

Alumno: Luis Humberto Guzmn Trevio

Marzo del 2014

Luis Guzman A00512050 Poblacin y Muestra

Diseo y Anlisis de Experimentos

Poblacin: La poblacin o universo es el conjunto de individuos, objetos, o medidas cuales poseen caractersticas en comn observables que van a ser consideradas en un estudio. Esta misma poblacin o universo puede ser finita, definido por que sus elementos se pueden contar, y tambin puede ser infinita, cual es una poblacin con un nmero tan grande de elementos que no les es posible al investigador someter la medida de cada uno de ellos. Al medir cuantitativamente las caractersticas de una poblacin, resultan categoras que deben ser exhaustivas o que se puedan clasificar a toda la poblacin, y deben ser mutuamente excluyentes lo que significa que un mismo elemento no puede pertenecer simultneamente a dos o ms categoras. Muestra: Es un subconjunto o una porcin de la poblacin y es utilizada para el estudio de esta misma. Las muestras deben cumplir con algunas condiciones, de aqu surge el concepto de una muestra aleatoria la cual es obtenida de modo que cada elemento de la poblacin tiene una oportunidad igual en independiente para ser escogida. En los experimentos estadsticos, los datos recolectados pueden corresponder a una poblacin o muestra. En ambos casos los procedimientos de resumen de datos son designados N = Tamao de poblacin estudiada y n = tamao de muestra (parte de la poblacin). Para hacer un correcto estudio se debe organizar los datos mediante distribuciones de frecuencia o tablas resumen en donde se disponen los datos divididos y ordenados en grupos numricamente (clases o categoras). (Ejemplos: Estuardo, 2012)

pg. 2

Luis Guzman A00512050 Parametros y Estadisticos:

Diseo y Anlisis de Experimentos

En todos los anlisis e interpretaciones se pueden utilizar diversas medidas descriptivas para representar las propiedades de tendencia central, dispersin y formar para obtener y describir las principales caractersticas de estos mismos datos. La obtencin de estas propiedades al ser calculado a partir de una muestra de datos se les denomina Estadsticos. Estos son: Media Muestral: : Varianza: Desviacion Estandar:

Obtencin de propiedades al ser calculadas a partir de una poblacin se les considera Parametros. Estos son: Media Poblacional: : Varianza: Desviacion Estandar: (Estuardo, 2012) Variables Cualitativas y Cuantitativas: La mayora de los experimentos consisten en el estudio de los efectos de una o ms variables independientes sobre la respuesta. Una respuesta Y se puede afectar por dos tipos de variables independientes, las cuantitativas y las cualitativas. Estas variables independientes que pueden controlarse en un experimento son denominadas factores. Bsicamente hay dos clases de variables; las que obtienen informacin llamadas cualitativas y las que contienen informacin llamadas cuantitativas. Cualitativas: Variable que clasifica o describe un elemento de una poblacin, atributos. Operaciones aritmticas como sumar y promediar no tienen sentido para los datos que son conformados de una variable cualitativa. Estas se subdividen en : o Nominal: Variable cualitativa que categoriza (describe o identifica un elemento de una poblacin. Para este tipo de variables cualitativas, no es posible asignar un orden a las categoras. Ordinal: Una variable cualitativa que presenta una posicin o clasificacin ordenada.

pg. 3

Luis Guzman A00512050 Ejemplo Variables Cualitativas:

Diseo y Anlisis de Experimentos

Estado Civil: Soltero Casado Viudo Divorcia do

Cuantitativas: Son las variables que cuantifican un elemento de una poblacin. Las operaciones aritmticas como sumar y promediar tienen sentido para datos que provienen de una variable cuantitativa. Estas se subdividen en: o Discretas: Es la cuantitativa que puede asumir un numero contable de valores. Intuitivamente, las variables discretas pueden asumir los valores correspondientes a puntos aislados a lo largo de un intervalo de recta. Son respuestas numricas que surgen de un proceso de conteo (siempre siendo un nmero entero). Es decir, entre dos valores cualesquiera hay un hueco. Ejemplos: Numero de clases para el semestre. Nmero de integrantes de un equipo Numero de salones de ingeniera.

Continua: Variables cuantitativas que pueden asumir una cantidad incontable de valores. Son respuestas numricas que surgen de un proceso de medicin (pueden tomar valores entre dos nmeros enteros). Estas pueden asumir cualquier valor a lo largo de un intervalo de recta, incluyendo cualquier valor posible entre dos valores cualesquiera. Ejemplos: Estatura Peso Temperatura (Johnson, 2004)

Inferencia Estadstica: Definicin y comprensin del concepto de inferencia: En la estadstica, la inferencia hace posible la estimacin de una caracterstica de una poblacin o establece las condiciones para la toma de decisin con respecto a esta misma, basados nicamente en los resultados mustrales. Los mtodos con los cuales se pueden realizar inferencias o generalizaciones acerca de una poblacin se le conoce como Inferencia estadstica la

pg. 4

Luis Guzman A00512050

Diseo y Anlisis de Experimentos

cual se fundamenta en la estimacin de parmetros y las pruebas de hiptesis. Esto es para poder, de un subconjunto una gran coleccin de datos existentes o conceptuales, poder formular pre disposiciones con respecto a las caractersticas del conjunto completo, formular inferencias sobre la informacin analizada. La estadist5ica trata del diseo de experimentos o encuestas mediante muestras para obtener una cantidad determinada de informacin a un consto mnimo el uso ptimo de esta informacin para hacer inferencias con respecto a una poblacin. El objetivo de la estadstica es deducir inferencias con respecto a una poblacin a partir de informacin contenida en una muestra y proporcionar una medida correspondiente para la exactitud de inferencias. (Mendenhall, 1994) Hacer inferencias implica la descripcin parcial o total de un fenmeno u objeto fsico con poca dificultad teniendo las medidas descripticas apropiadas y significativas. Un antecedente necesario a la explicacin de cmo hacer inferencias es la elaboracin de un mtodo para describir un conjunto de nmeros. La descripcin deber ser tal que el conocimiento de las medidas descriptivas nos permita apreciar claramente el conjunto de datos. El conocimiento de las medidas descriptivas de una poblacin nos debe ayudar a resolver un problema prctico. Debemos plantear como objetivo el utilizar la informacin en la muestra para hacer inferencia con respecto a la relacin aproximada entre las variables independientes y las variables dependientes, la utilidad, y medir el grado de esa relacin. Tipos de Errores. Para cualquier regin de rechazo fija (determinada por algn valor en particular) se pueden cometer dos tipos de errores en la toma de una decisin. Podemos cometer el Error de Tipo I, este infiere que un rechazo de nuestra hiptesis (H0) debe ser apropiado cuando en realidad H0 es verdadero y correcto. La probabilidad de cometer este error se denota por Alpha ( ). Un Error de tipo II se comete cuando nos planteamos a favor de nuestra Hiptesis (H0) estableciendo que esta es verdadera cuando en realidad esta no es correcta y una hiptesis alternativa (Ha) es correcta. La probabilidad de cometer un error de tipo II se denota por la letra Beta ( ).

pg. 5

Luis Guzman A00512050 Ejemplo:

Diseo y Anlisis de Experimentos

En la encuesta poltica del seor Gomez, se seleccionan n=15 votantes. Se desea probar que H0: p = 0.5 frente a la hiptesis alternativa Ha: p < 0.5. El estadstico de pruebas es Y, el numero de votantes en la muestra a favor del seor Gomez. Calcular si establecemos RR = ( Y <= 2) como la regin de rechazo. Procedimiento: = ( de Y = 0 hasta 2) = 0.004

(usando tabla Probabilidades Binomiales) Solucin: Si se decide utilizar la regin de rechazo RR = { y <= 2 }, se asume un riesgo muy pequeo ( = 0.004) de concluir que el seor Gmez perder si, en realidad, es ganador. (Mendenhall, 1994) Repaso del Proceso de Estimacin: La estimacin ocurre en dos formas: una estimacin puntual o una estimacin por intervalo. La estimacin puntual de un parmetro: Es un nmero que se designa para estimar un parmetro cuantitativo de una poblacin. Es el valor muestra de la estadstica de la muestra correspondiente. Los parmetros a estudiar son parmetros poblacionales como la media y la varianza. Es decir, la media de la muestra es la estimacin puntual (valor numrico simple) para la media de la poblacin muestreada. La estimacin debe plantearse como exacta, probabilidad alta, comparacin de resultados, la medicin de resultados similares o diferentes. La calidad de un procedimiento de estimacin mejora bastante si la estadstica de la muestra es menos variable e insesgada a la vez. La variabilidad de una estadstica se mide por el error estndar de su distribucin muestra. La medida de la muestra puede hacerse menos variable al reducir su erro estndar. Esto requiere de una muestra mayor ya que cuando n crece, el error estndar disminuye. Estadstica insesgada, es una estadstica cuya distribucin muestra tiene un valor medio igual al valor del parmetro poblacional que est estimndose. La estimacin por intervalo: es el intervalo limitado por dos valores y sirve para estimar el parmetro de a poblacin. Los valores que limitan este intervalo son estadsticas calculadas a partir de la muestra que se est utilizando como base para la estimacin. Para este mismo necesitamos de un nivel de confianza, que es la proporcin de todas las estimaciones por intervalo que incluyen al parmetro que est estimndose, de igual manera necesitamos de un intervalo de confianza, que es una estimacin por intervalo que posee un nivel de confianza especificado. Para obtener el intervalo de confianza se necesita usar la estimacin puntual

pg. 6

Luis Guzman A00512050

Diseo y Anlisis de Experimentos

como su valor central, de manera bastante semejante a como se uso la medida central, para encontrar el intervalo que delimita al central de la distribucin de .

, como el valor

(Johnson, 2004) Repaso del proceso para pruebas de hiptesis: Las pruebas de hiptesis son procedimientos de decisin basados en datos que puedan producir una conclusin acerca de algn sistema cientfico. Hablando de una hiptesis estadstica, esta es una afirmacin o conclusin acerca de una o ms poblaciones. Al no poder trabajar con absolutamente toda la poblacin, no es posible saber con certeza absoluta una corroboracin o negacin de nuestra hiptesis estadstica. Pero en prctica se hace uso de una muestra aleatoria de la poblacin a estudiar y con sus datos se proporciona evidencias que afirmen o nieguen la hiptesis. Si no se tienen una evidencia clara o conclusin inconsistente, esta hiptesis se rechaza y si se apoya el fundamento de la misma esta es aceptada. La aceptacin de una hiptesis consiste en que el resultado de sus datos no proporciona suficiente evidencia como para negarla, y el refutarla implica que lo obtenido de esta muestra refuta el planteamiento. Para realizar una prueba de hiptesis se formula un hiptesis nula, una hiptesis que se desea probar definida como H0. El rechazo de H0 es la aceptacin de la hiptesis alternativa HA o H1. Una hiptesis nula que refiere a un parametro de poblacin debe establecerse a manera que se pueda especificar un valor preciso del los parmetros. La hiptesis alternativa considera la posibilidad de diversos valores. Para tomar la decisin de un parametro se debe realizar una prueba estadstica para identificar la decisin. Esto se logra estableciendo una distribucin muesstral que sigue la media, y despus se calcula la prueba estadstica apropiada. La prueba estadstica suele seguir a una distribucin estadstica conocida (normal, t-student, ji cuadrada). La distribucin de la prueba se divide en la regin de rechazo (critica) y regin de no rechazo. Si la prueba cae en la regin de no rechazo no se cancela la hiptesis nula, de lo contrario se rechaza. Para esto se debe determinar un valor crtico para la distribucin estadstica. El valor critico rechaza la regin de rechazo y no rechazo. Ejemplo:

pg. 7

Luis Guzman A00512050

Diseo y Anlisis de Experimentos

En esta, 1- es la regin critica donde se acepta la H0, es la regin de rechazo donde se cancela H0 y se acepta H1, y Z es nuestro valor critico que las delimita y divide. (Estuardo, 2012). Definicin y Uso del Valor P. El Valor-P es la probabilidad de que la estadstica de prueba pueda ser el valor que es o sea un valor ms extremo (en la direccin de la hiptesis alternativa) cuando la hiptesis nula es verdadera representada por el smbolo P. Este es el mnimo nivel de significacin , para el cual los datos observados indican que se tendra que rechazar la hiptesis nula, mnimo valor de para el cual se rechaza la hiptesis nula. Si la seleccin de en un experimento es mayor que o igual al valor P, se rechaza la hiptesis nula. De otra manera si es menor que el valor p, no se puede rechazar la hiptesis nula. Los valores p asociados a las pruebas estadsticas proporcionan a los investigadores ms informacin que tan solo la afirmacin de que ser rechaza o no la hiptesis nula para algn valor de escogido por el que realiza el procedimiento. El valor P permite al investigador evaluar el grado de incongruencia de los datos observados con la hiptesis nula, en particular, el valor P permite a cada quien utilizar su propio valor de para decidir si los datos observados conducen al rechazo o no de la hiptesis nula. (Mendenhall, 1994)

Bibliografa:
Johnson, R., & Kuby, P. (2004).Estadistica elemental Lo Esencial Tercera Edicion (Tercera Edicion ed.). Monroe: Thomson. Mendenhall, W., Wackerly, D., & Scheaffer, R. (1994). Estadistica Matematica con Aplicaciones (Segunda Edicion ed.). Mexico, DF: Grupo Editorial Iberoamerica. Estuardo, A. (2012). Estadistica y Probabilidades. Chile: Universidad Catolica de la Santisima Concepcion. Rodriguez, L. (2007). Probabilidad y Estadistica Basica para Ingenieros. Ecuador: Escuela Superior Politecnica del Litoral.

pg. 8