Lee todo en: Definicin de inferencia - Qu es, Significado y Concepto

http://definicion.de/inferencia/#ixzz4H32boCZc

Leer ms: http://www.monografias.com/trabajos30/inferencia-estadistica/inferenciaestadistica.shtml#ixzz4H2u7x0ar

INFERENCIA ESTADSTICA

La inferencia estadstica es el conjunto de mtodos y tcnicas que permiten inducir, a partir

de la informacin emprica proporcionada por una muestra, cual es el comportamiento de
una determinada poblacin con un riesgo de error medible en trminos de probabilidad.
Los mtodos paramtricos de la inferencia estadstica se pueden dividir, bsicamente, en
dos: mtodos de estimacin de parmetros y mtodos de contraste de hiptesis. Ambos
mtodos se basan en el conocimiento terico de la distribucin de probabilidad del
estadstico muestral que se utiliza como estimador de un parmetro.
La estimacin de parmetros consiste en asignar un valor concreto al parmetro o
parmetros que caracterizan la distribucin de probabilidad de la poblacin. Cuando se
estima un parmetro poblacional, aunque el estimador que se utiliza posea todas las
propiedades deseables, se comete un error de estimacin que es la diferencia entre la
estimacin y el verdadero valor del parmetro. El error de estimacin 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 precisin asociado con una estimacin puntual se parte de dicha
estimacin para construir un intervalo de confianza. En sntesis, un intervalo de confianza
est formado por un conjunto de valores numricos tal que la probabilidad de que ste
contenga al verdadero valor del parmetro puede fijarse tan grande como se quiera. Esta
probabilidad se denomina grado de confianza del intervalo, y la amplitud deste constituye
una medida del grado de precisin con el que se estima el parmetro.
Los mtodos de contraste de hiptesis tienen como objetivo comprobar si determinado
supuesto referido a un parmetro poblacional, o a parmetros anlogos de dos o ms
poblaciones, es compatible con la evidencia emprica contenida en la muestra. Los
supuestos que se establecen respecto a los parmetros se llaman hiptesis paramtricas.
Para cualquier hiptesis paramtrica, el contraste se basa en establecer un criterio de
decisin, que depende en cada caso de la naturaleza de la poblacin, de la distribucin de
probabilidad del estimador de dicho parmetro y del control que se desea fijar a priori sobre
la probabilidad de rechazar la hiptesis contrastada en el caso de ser sta cierta.

En todo contraste intervienen dos hiptesis. La hiptesis nula (Ho) es aquella que recoge el
supuesto de que el parmetro toma un valor determinado y es la que soporta la carga de la
prueba. La decisin de rechazar la hiptesis nula, que en principio se considera cierta, est
en funcin de que sea o no compatible con la evidencia emprica contenida en la muestra.
El contraste clsico permite controlar a priori la probabilidad de cometer el error de
rechazar la hiptesis nula siendo sta cierta; dicha probabilidad se llama nivel de
significacin del contraste ( ) y suele fijarse en el 1%, 5% o 10%.
La proposicin contraria a la hiptesis nula recibe el nombre de hiptesis alternativa (H1) y
suele presentar un cierto grado de indefinicin: si la hiptesis alternativa se formula
simplemente como 'la hiptesis 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.
Cuando se realiza un contraste con el SPSS no se fija el nivel de significacin deseado, el
programa calcula el valor-p o significacin asinttica, que es la probabilidad de que el
estadstico de prueba tome un valor igual o superior al muestral bajo el supuesto de que la
hiptesis nula es cierta. Por tanto, si el valor-p es menor o igual que el nivel de
significacin deseado se rechazar Ho.Un valor-p prximo a cero indica que se rechazar la
Ho para cualquier nivel de significacin.

Otra investigacin

Inferencial Estadstica
es una parte de la estadstica que comprende los mtodos y procedimientos que por medio
de la induccin determina propiedades de una poblacin estadstica, a partir de una pequea
parte de la misma. La estadstica inferencial comprende:

La toma de muestras o muestreo, que se refiere a la forma adecuada de considerar

una muestra que permita obtener conclusiones estadsticamente vlidas y
significativas.

La estimacin de parmetros o variables estadsticas, que permite estimar valores

poblacionales a partir de muestras de mucho menor tamao.

El contraste de hiptesis, que permite decidir si dos muestras son estadsticamente

diferentes, si un determinado procedimiento tiene un efecto estadstico significativo,
etc.

El diseo experimental.

La inferencia bayesiana.

Los mtodos no paramtricos

Planteamiento del problema

Un problema de inferencia estadstica suele iniciarse con una fijacin de objetivos o

algunas preguntas del tipo:
cul ser la media de esta poblacin respecto a tal caracterstica?
Se parecen estas dos poblaciones?
Hay alguna relacin entre ... ?

En el planteamiento se definen con precisin la poblacin, la caracterstica a estudiar, las

variables, etc.
Elaboracin de un modelo

En caso de establecer un modelo terico, se replantea el procedimiento y se llega a una

conclusin lgica.
Los posibles modelos son distribuciones de probabilidad.
Extraccin de la muestra

Se usa alguna tcnica de muestreo o un diseo experimental para obtener informacin de

una pequea parte de la poblacin.
Tratamiento de los datos

En esta fase se eliminan posibles errores, se depura la muestra, se tabulan los datos y se
calculan los valores que sern necesarios en pasos posteriores, como la media muestral, la
varianza muestral
Los mtodos de esta etapa estn definidos por la estadstica descriptiva.
Estimacin de los parmetros

Con determinadas tcnicas se realiza una prediccin sobre cules podran ser los
parmetros de la poblacin

Contraste de hiptesis
Artculo principal: Contraste de hiptesis

Los contrastes de hiptesis son tcnicas que permiten simplificar el modelo matemtico
bajo anlisis. Frecuentemente el contraste de hiptesis recurre al uso de estadsticos
muestrales
. Conclusiones

Se critica el modelo y se hace un balance. Las conclusiones obtenidas en este punto pueden
servir para tomar decisiones o hacer predicciones.
El estudio puede comenzar de nuevo a partir de este momento, en un proceso cclico que
permite conocer cada vez mejor la poblacin y caractersticas de estudio.
La inferencia estadstica estudia como sacar conclusiones generales para toda la poblacin a
partir del estudio de una muestra, y el grado de fiabilidad o significacin de los resultados
obtenidos.

Inferencia estadstica: proceso de anlisis que consiste en inferir las propiedades

de una poblacin en base a la caracterizacin de la muestra.

Muestreo probabilstico: Consiste en elegir una muestra

de una poblacin al azar. Podemos distinguir varios tipos de
muestreo:
Muestreo aleatorio simple :Para obtener una muestra, se
numeran los elementos de la poblacin y se seleccionan al
azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico: Se elige un individuo al
azar y a partir de l, a intervalos constantes, se eligen los
dems hasta completar la muestra.
Muestreo aleatorio estratificado: Se divide la poblacin
en clases o estratos y se escoge, aleatoriamente, un nmero
de individuos de cada estrato proporcional al nmero de
componentes de cada estrato.

Intervalos caractersticos:
El nivel de confianza (p) se designa mediante 1 - .
El nivel de significacin se designa mediante .
El valor crtico (k) como z /2 .
P(Z>z /2) = /2

P[-z /2 < z < z /2] = 1-

En una distribucin N(, ) el intervalo caracterstico correspondiente a una probabilidad p

= 1 - es:
( - z /2 , + z /2 )
1-

/2

z /2

Intervalos caractersticos

0.90

0.05

1.645

( - 1.645 , + 1.645 )

0.95

0.025

1.96

( - 1.96 , + 1.96 )

0.99

0.005

2.575

( - 2.575 , + 2.575 )

Distribucin de las medias muestrales:

Teorema central del lmite: Si una poblacin tiene media y

desviacin tpica , y tomamos muestras de tamao n (n>30,
cualquier tamao si la poblacin es "normal"), las medias de estas
muestras siguen aproximadamente la distribucin:

Consecuencias:
1.Permite averiguar la probabilidad de que la media de una muestra concreta est en un
cierto intervalo.
2.Permite calcular la probabilidad de que la suma de los elementos de una muestra est, a
priori, en un cierto intervalo.

3.Inferir la media de la poblacin a partir de una muestra.

Estimacin:

Intervalo de confianza: Se llama as a un intervalo en el que sabemos que est un

parmetro, con un nivel de confianza especfico.

Nivel de confianza: Probabilidad de que el parmetro a estimar se encuentre en el

intervalo de confianza.

Error de estimacin admisible: Que estar relacionado con el radio del intervalo
de confianza.

1_Estimacin de la media de una poblacin:

Intervalo de confianza para la media : El intervalo de
confianza, para la media de una poblacin, con un nivel de
confianza de 1- , siendo x la media de una muestra de
tamao n y la desviacin tpica de la poblacin, es:

El error mximo de estimacin es:

Tamao de la muestra

2_Estimacin de una proporcin:

Si en una poblacin, una determinada caracterstica se presenta en una proporcin p, la
proporcin p' , de individuos con dicha caracterstica en las muestras de tamao n, se
distribuirn segn:

Intervalo de confianza para una proporcin

El error mximo de estimacin es:

Hiptesis estadsticas:
Hiptesis: suposicin o especulacin que hacemos con respecto a un parmetro de
poblacin mientras que la Hiptesis estadstica: afirmacin acerca del valor de un
parmetro desconocido, o sobre la distribucin de una variable.
Un test estadstico es un procedimiento para, a partir de una muestra aleatoria y
significativa, extraer conclusiones que permitan aceptar o rechazar una hiptesis
previamente emitida sobre el valor de un parmetro desconocido de una poblacin.
La hiptesis emitida se designa por H0 y se llama hiptesis nula.

Hiptesis nula: hiptesis o suposicin con respecto a un parmetro de poblacin

que deseamos probar

La hiptesis contraria se designa por H1 y se llama hiptesis alternativa.

Hiptesis alternativa: conclusin que aceptamos cuando los datos no respaldan la

hiptesis nula.

Pasos en la prueba de hiptesis:

1. Definir la hiptesis nula: suponer una hiptesis acerca de una poblacin.
2. Formular una hiptesis alternativa: es una contra-hiptesis.
3. Definir un criterio de decisin para rechazar o no la hiptesis nula.
4. Recabar datos de la muestra.
5. Calcular una estadstica de muestra.
6. Utilizar la estadstica de muestra para evaluar la hiptesis.
Generalmente, se habla de "no rechazar" una hiptesis en lugar de "aceptar", ya que las
pruebas no son concluyentes

Contrastes de hiptesis:
1. Enunciar la hiptesis nula H0 y la alternativa H1.

H0 k

Bilateral

H0=k

H1 k

Unilateral

H 0 k

H1 < k

H 1> k

2. A partir de un nivel de confianza 1 - o el de significacin . Determinar:

El valor z/2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro muestral (x o p').

3. Calcular: x o p', a partir de la muestra.

4. Si el valor del parmetro muestral est dentro de la zona de la aceptacin, se acepta
la hiptesis con un nivel de significacin . Si no, se rechaza.

Entre las constantes de hiptesis se encuentran:

a) Contraste Bilateral
Se presenta cuando la hiptesis nula es del tipo H0: = k (o bien H0: p = k) y la hiptesis
alternativa, por tanto, es del tipo H1: k (o bien H1: p k).
El nivel de significacin se concentra en dos partes (o colas) simtricas respecto de la
media.
La regin de aceptacin en este caso no es ms que el correspondiente intervalo de
probabilidad para x o p', es decir:

o bien:

b) Contraste unilateral
Caso 1
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: < k (o bien H1: p < k).

Valores crticos
1-

0.90

0.10

1.28

0.95

0.05

1.645

0.99

0.01

2.33

La regin de aceptacin en este caso ser:

o bien:

Caso 2
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: > k (o bien H1: p > k).
La regin de aceptacin en este caso ser:

o bien:

Errores
Error de tipo I. Se comete cuando la hiptesis nula es verdadera y, como consecuencia
del contraste, se rechaza.
Error de tipo II. Se comete cuando la hiptesis nula es falsa y, como consecuencia del
contraste se acepta.
H0

Verdadera

Falsa

Decisn correcta

Decisin incorrecta:

Probabilidad = 1 -

ERROR DE TIPO II

Aceptar

ERROR DE TIPO I
Rechazar

Decisin correcta

Probabilidad =

La probabilidad de cometer Error de tipo I es el nivel de significacin .

La probabilidad de cometer Error de tipo II depende del verdadero valor del parmetro. Se
hace tanto menor cuanto mayor sea n.

Vieja esta informacin es para

complementar sobre los tipos de muestreo
que sale en la informacin anterior
Muestreo aleatorio.
Muestreo aleatorio simple.
Selecciona muestras mediante mtodos que permiten que cada posible muestra tenga igual
probabilidad de ser seleccionada y que cada elemento de la poblacin total tenga una
oportunidad igual de ser incluido en la muestra.
Una poblacin infinita es aquella en la que es tericamente imposible observar todos los
elementos. Aunque muchas poblaciones parecen ser excesivamente grandes, no existe una
poblacin realmente infinita de objetos fsicos. Con recursos y tiempo ilimitados,
podramos enumerar cualquier poblacin finita. Como cuestin prctica, entonces,
utilizamos el trmino poblacin infinita cuando hablamos acerca de una poblacin que no
podra enumerarse en un intervalo razonable.
Cmo hacer un muestreo aleatorio.

La forma ms fcil de seleccionar una muestra de manera aleatoria es mediante el uso de

nmeros aleatorios. Estos nmeros pueden generarse ya sea con una computadora
programada para resolver nmeros o mediante una tabla de nmeros aleatorios (tabla de
dgitos aleatorios).

Muestreo sistemtico.
En el muestreo sistemtico, los elementos son seleccionados de la poblacin dentro de un
intervalo uniforme que se mide con respecto al tiempo, al orden o al espacio.
El muestreo sistemtico difiere del aleatorio simple en que cada elemento tiene igual
probabilidad de ser seleccionado, pero cada muestra no tiene una posibilidad igual de ser
seleccionada (Por ejemplo: tomar cada elemento de 10 en 10: el N 1, 11, 21...)
En este tipo de muestreo, existe el problema de introducir un error en el proceso de
muestreo.
An cuando este tipo de muestreo puede ser inapropiado cuando los elementos entran en un
patrn secuencial, este mtodo puede requerir menos tiempo y algunas veces tiene como
resultado un costo menor que el mtodo aleatorio simple.
Muestreo estratificado.
Dividimos la poblacin en grupos relativamente homogneos, llamados estratos. Despus,
se utiliza uno de estos planteamientos:

Seleccionamos aleatoriamente de cada estrato un nmero especfico de elementos

correspondientes a la fraccin de ese estrato en la poblacin como un todo.

Extraemos un nmero igual de elementos de cada estrato y damos peso a los

resultados de acuerdo con la porcin del estrato con respecto a la poblacin total.

Con cualquiera de estos planteamientos, el muestreo estratificado garantiza que cada

elemento de la poblacin tenga posibilidad de ser seleccionado.
Este mtodo resulta apropiado cuando la poblacin ya est dividida en grupos de diferentes
tamaos y deseamos tomar en cuenta este hecho (por ejemplo: categoras profesionales de
la poblacin).
La ventaja de las muestras estratificadas es que, cuando se disean adecuadamente, reflejan
de manera ms precisa las caractersticas de la poblacin de la cual fueron elegidas.

Muestreo de racimo.
Dividimos la poblacin en grupos, o racimos, y luego seleccionamos una muestra aleatoria
de estos racimos. Suponemos que estos racimos individualmente son representativos de la
poblacin como un todo (Por ejemplo: las cuadras o barrios de un pueblo). Un
procedimiento de racimo bien diseado puede producir una muestra ms precisa a un costo
considerablemente menor que el de un muestreo aleatorio simple.
Tanto en el muestreo estratificado como en el de racimo, la poblacin se divide en grupos
bien definidos. Usamos el muestreo estratificado cuando cada grupo tiene una pequea
variacin dentro de s mismo, pero hay una amplia variacin dentro de los grupos. Usamos
el muestreo de racimo en el caso opuesto, cuando hay una variacin considerable dentro de
cada grupo, pero los grupos son esencialmente similares entre s.

Base de la inferencia estadstica: muestreo aleatorio simple.

El muestreo sistemtico, estratificado y el de racimo intentan aproximarse al muestreo
aleatorio simple. Todos son mtodos que han sido desarrollados por su precisin, economa
o facilidad fsica.
Los principios del muestreo aleatorio simple son la base de la inferencia estadstica, el
proceso de hacer inferencias acerca de poblaciones a partir de informacin contenida en
muestras.
Muestreo de poblaciones normales.
Si extraemos muestras de una poblacin normalmente distribuida y calculamos sus medias,
debido a que estamos promediando para obtener cada media de muestra, se promediaran
hacia abajo valores muy grandes de la muestra y hacia arriba valores muy pequeos. El
razonamiento consistira en que nos estaramos extendiendo menos entre las medias de
muestra que entre los elementos individuales de la poblacin original. Esto es lo mismo que
afirmar que error estndar de la media, o la desviacin estndar de la distribucin de
muestreo, sera menor que la desviacin estndar de los elementos individuales en la
poblacin.
El error estndar de la media obtenido para situaciones en las que la poblacin es infinita
es:
x = / n
Para convertir cualquier variable aleatoria normal en una variable aleatoria normal estndar,
debemos sustraer la media de la variable que se est estandarizando y dividir el resultado
entre el error estndar (la desviacin estndar de dicha variable). En este caso particular:

Muestreo de poblaciones no normales.

Cuando una poblacin est distribuida normalmente, la distribucin de muestreo de la
media tambin es normal.
Incluso en el caso en el que una poblacin no est normalmente distribuida, x, la media
de la distribucin de muestreo, sigue siendo igual a la media de la poblacin, . Es decir, la
distribucin de muestreo de la media se acerca a la normalidad, sin importar la forma de la
distribucin de la poblacin.

Otra investigacin en esta salen imgenes vieja y en

las investigaciones anteriores no pero yo opino que de
toda las informacin que sta en este Word sirve para
complementar una de la otra pues en unas estas
conceptos ms completos y largos mientras en otras
esta corto y como muy explicito

La Estadstica inferencial o Inferencia estadstica estudia cmo sacar conclusiones

generales para toda la poblacin a partir del estudio de una muestra, y el grado de fiabilidad
o significacin de los resultados obtenidos.
El propsito en la inferencia, es utilizar los elementos de la muestra para determinar todos
los aspectos desconocidos de nuestro inters, en la mejor forma posible, al considerar la

distribucin de probabilidades de la poblacin. Ciertas funciones de los elementos de una

muestra aleatoria tales como:

Muestreo probabilstico
Consiste en elegir una muestra de una poblacin al azar. Podemos distinguir varios tipos de
muestreo:
Muestreo aleatorio simple

Para obtener una muestra, se numeran los elementos de la poblacin y se seleccionan al

azar los n elementos que contiene la muestra.
Muestreo aleatorio sistemtico

Se elige un individuo al azar y a partir de l, a intervalos constantes, se eligen los dems

hasta completar la muestra.
Por ejemplo si tenemos una poblacin formada por 100 elementos y queremos extraer
una muestra de 25 elementos, en primer lugar debemos establecer el intervalo de seleccin
que ser igual a 100/25 = 4. A continuacin elegimos el elemento de arranque, tomando
aleatoriamente un nmero entre el 1 y el 4, y a partir de l obtenemos los restantes
elementos de la muestra.
2, 6, 10, 14,..., 98
Muestreo aleatorio estratificado

Se divide la poblacin en clases o estratos y se escoge, aleatoriamente, un nmero de

individuos de cada estrato proporcional al nmero de componentes de cada estrato.
En una fbrica que consta de 600 trabajadores queremos tomar una muestra de 20. Sabemos
que hay 200 trabajadores en la seccin A, 150 en la B, 150 en la C y 100 en la D.

Un muestreo puede hacerse con o sin reposicin, y la poblacin de partida puede ser
infinita o finita.
En todo nuestro estudio vamos a limitarnos a una poblacin de partida infinita o a
muestreo con reposicin.
Si consideremos todas las posibles muestras de tamao n en una poblacin, para cada
muestra podemos calcular un estadstico (media, desviacin tpica, proporcin, ...) que
variar de una a otra.
As obtenemos una distribucin del estadstico que se llama distribucin muestral.

El teorema del lmite central.

La media de la distribucin de muestreo de la media ser igual a la media de la

poblacin.

Al incrementarse el tamao de la muestra, la distribucin de muestreo de la media

se acercar a la normalidad, sin importar la forma de la distribucin de la poblacin.

Esta relacin entre la forma de la distribucin de la poblacin y la forma de la distribucin

de muestreo se denomina teorema del lmite central, que es tal vez el ms importante de
toda la inferencia estadstica. Nos asegura que la distribucin de muestreo de la media se
aproxima a la normal al incrementarse el tamao de la muestra.
Hay situaciones tericas en las que el teorema del lmite central no se cumple, pero casi
nunca se encuentran en la toma de decisiones prctica. Una muestra no tiene que ser muy
grande para que la distribucin de muestreo de la media se acerque a la normal. Los
estadsticos utilizan la distribucin normal como una aproximacin a la distribucin de
muestreo siempre que el tamao de la muestra sea al menos de 30, pero la distribucin de
muestreo de la media puede ser casi normal con muestras incluso de la mitad de ese
tamao.
La importancia del teorema del lmite central es que nos permite usar estadsticas de
muestra para hacer inferencias con respecto a los parmetros de poblacin sin saber nada
sobre la forma de la distribucin de frecuencias de esa poblacin ms que lo que podamos
obtener de la muestra.

Teorema central del lmite: resultado que asegura que la distribucin de

muestreo de la media se acerca a la normalidad cuando el tamao de

la muestra se incrementa, sin importar la forma de la distribucin de
la poblacin de la que se selecciona la muestra.

Si una poblacin tiene media y desviacin tpica , y tomamos muestras de tamao n

(n>30, cualquier tamao si la poblacin es "normal"), las medias de estas muestras siguen
aproximadamente la distribucin:

Mtodos de Estimacin

Los problemas de inferencia estadstica

se dividen en dos reas: Estimacin de parmetros y Pruebas de Hiptesis.
Generalmente en un problema de estimacin de parmetros se dispone una
muestra aleatoria de una variable poblacional X, cuya distribucin de
probabilidades se supone conocida, salvo por algunos parmetros que son
desconocidos.

1_Estimacin de parmetros
Aproximacin del valor de parmetros poblacionales desconocidos mediante el empleo de
estadsticos muestrales.
Es el procedimiento utilizado para conocer las caractersticas de un parmetro
poblacional, a partir del conocimiento de la muestra.

Con una muestra aleatoria, de tamao n, podemos efectuar una estimacin de un valor de
un parmetro de la poblacin; pero tambin necesitamos precisar un:

Intervalo de confianza

Se llama as a un intervalo en el que sabemos que est un parmetro, con un nivel de

confianza especfico.

Nivel de confianza

Probabilidad de que el parmetro a estimar se encuentre en el intervalo de confianza.

El nivel de confianza (p) se designa mediante 1 .

Error de estimacin admisible

Que estar relacionado con el radio del intervalo de confianza.

Estimacin de la media de una poblacin

El intervalo de confianza, para la media de una poblacin, con un nivel de confianza de 1
, siendo x la media de una muestra de tamao n y la desviacin tpica de la poblacin,
es:

El error mximo de estimacin es:

Cuanto mayor sea el tamao de la muestra, n, menor es el error.

Cuanto mayor sea el nivel de confianza, 1-, mayor es el error.
Tamao de la muestra

Si aumentamos el nivel de confianza, aumenta el tamao de la muestra.

Si disminuimos el error, tenemos que aumentar el tamao de la muestra.

El tiempo que tardan las cajeras de un supermercado en cobrar a los clientes sigue una ley
normal con media desconocida y desviacin tpica 0,5 minutos. Para una muestra aleatoria
de 25 clientes se obtuvo un tiempo medio de 5,2 minutos.
1. Calcula el intervalo de confianza al nivel del 95% para el tiempo medio que se tarda en
cobrar a los clientes.

2. Indica el tamao muestra necesario para estimar dicho tiempo medio con un el error de
0,5 minutos y un nivel de confianza del 95%.

n4

Estimacin de una proporcin

Si en una poblacin, una determinada caracterstica se presenta en una proporcin p, la
proporcin p' , de individuos con dicha caracterstica en las muestras de tamao n, se
distribuirn segn:

Intervalo de confianza para una proporcin

El error mximo de estimacin es:

En una fbrica de componentes electrnicos, la proporcin de componentes finales

defectuosos era del 20%. Tras una serie de operaciones e inversiones destinadas a mejorar
el rendimiento se analiz una muestra aleatoria de 500 componentes, encontrndose que 90
de ellos eran defectuosos. Qu nivel de confianza debe adoptarse para aceptar que el
rendimiento no ha sufrido variaciones?
p = 0.2

q = 1 - p =0.8

p'= 90/ 500 = 0.18

E = 0.2 - 0.18 = 0.02

P (1 - z/2 <1.12) = 0.86861 - 0.8686 = 0.1314

0.8686 - 0.1314 = 0.737
Nivel de confianza: 73.72%

2_Contraste de hiptesis:
Hiptesis estadsticas

Un test estadstico es un procedimiento para, a partir de una muestra aleatoria y

significativa, extraer conclusiones que permitan aceptar o rechazar una hiptesis
previamente emitida sobre el valor de un parmetro desconocido de una poblacin.
La hiptesis emitida se designa por H0 y se llama hiptesis nula.
La hiptesis contraria se designa por H1 y se llama hiptesis alternativa.

Contrastes de hiptesis
1. Enunciar la hiptesis nula H0 y la alternativa H1.

Bilateral

H0=k

H1 k

H0 k

H1 < k

H0 k

H1> k

Unilateral

2. A partir de un nivel de confianza 1 o el de significacin . Determinar:

El valor z/2 (bilaterales), o bien z (unilaterales)
La zona de aceptacin del parmetro muestral (x o p').
3. Calcular: x o p', a partir de la muestra.
4. Si el valor del parmetro muestral est dentro de la zona de la aceptacin, se acepta
la hiptesis con un nivel de significacin . Si no, se rechaza.

Contraste bilateral
Se presenta cuando la hiptesis nula es del tipo H0: = k (o bien H0: p = k) y la hiptesis
alternativa, por tanto, es del tipo H1: k (o bien H1: p k).

El nivel de significacin se concentra en dos partes (o colas) simtricas respecto de la

media.
La regin de aceptacin en este caso no es ms que el correspondiente intervalo de
probabilidad para x o p', es decir:

o bien:

Se sabe que la desviacin tpica de las notas de cierto examen de Matemticas es 2,4. Para
una muestra de 36 estudiantes se obtuvo una nota media de 5,6. Sirven estos datos para
confirmar la hiptesis de que la nota media del examen fue de 6, con un nivel de confianza
del 95%?
1. Enunciamos las hiptesis nula y alternativa:
H0 : = 6

La nota media no ha variado.

H1 : 6

La nota media ha variado.

2. Zona de aceptacin
Para = 0.05, le corresponde un valor crtico: z/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. Verificacin.
Valor obtenido de la media de la muestra: 5,6 .
4. Decisin
Aceptamos la hiptesis nula H0, con un nivel de significacin del 5%.

Contraste unilateral
Caso 1
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: < k (o bien H1: p < k).

Valores crticos

0.90

0.10

1.28

0.95

0.05

1.645

0.99

0.01

2.33

El nivel de significacin se concentra en una parte o cola.

La regin de aceptacin en este caso ser:

o bien:

Un socilogo ha pronosticado, que en una determinada ciudad, el nivel de abstencin en las

prximas elecciones ser del 40% como mnimo. Se elige al azar una muestra aleatoria de
200 individuos, con derecho a voto, 75 de los cuales estaran dispuestos a votar. Determinar
con un nivel de significacin del 1%, si se puede admitir el pronstico.
1. Enunciamos las hiptesis nula y alternativa:
H0 : 0.40

La abstencin ser como mnimo del 40%.

H1 : < 0.40

La abstencin ser como mximo del 40%;

2. Zona de aceptacin
Para = 0.01, le corresponde un valor crtico: z = 2.33.
Determinamos el intervalo de confianza para la media:

3.Verificacin.

4.Decisin
Aceptamos la hiptesis nula H0. Podemos afirmar, con un nivel de significacin del 1%,
que la La abstencin ser como mnimo del 40%.

Caso 2
La hiptesis nula es del tipo H0: k (o bien H0: p k).
La hiptesis alternativa, por tanto, es del tipo H1: > k (o bien H1: p > k).

El nivel de significacin se concentra en la otra parte o cola.

La regin de aceptacin en este caso ser:

o bien:

Un informe indica que el precio medio del billete de avin entre Canarias y Madrid es,
como mximo, de 120 con una desviacin tpica de 40 . Se toma una muestra de 100
viajeros y se obtiene que la media de los precios de sus billetes es de 128 .
Se puede aceptar, con un nivel de significacin igual a 0,1, la afirmacin de partida?
1. Enunciamos las hiptesis nula y alternativa:
H0 : 120
H1 : > 120
2.Zona de aceptacin
Para = 0.1, le corresponde un valor crtico: z = 1.28 .
Determinamos el intervalo de confianza:

3. Verificacin.
Valor obtenido de la media de la muestra: 128 .
4. Decisin
No aceptamos la hiptesis nula H0. Con un nivel de significacin del 10%.

Errores de tipo I y tipo II

Error de tipo I. Se comete cuando la hiptesis nula es verdadera y, como consecuencia
del contraste, se rechaza.
Error de tipo II. Se comete cuando la hiptesis nula es falsa y, como consecuencia del
contraste se acepta.

H0

Verdadera

Falsa

Decisn correcta

Decisin incorrecta:

Probabilidad = 1

ERROR DE TIPO II

Aceptar

ERROR DE TIPO I
Decisin correcta

Rechazar
Probabilidad =

La probabilidad de cometer Error de tipo I es el nivel de significacin .

La probabilidad de cometer Error de tipo II depende del verdadero valor del parmetro. Se
hace tanto menor cuanto mayor sea n.