Você está na página 1de 11

INDICE

INDICE
1. DISTRIBUCION NORMAL .............................................................................................................. 1
1.1. PROPIEDADES .................................................................................................................................................................. 2 1.2. FUNCIN ............................................................................................................................................................................. 2

2. ESTIMACION PARAMETROS......................................................................................................... 4
2.1. Escribir el ttulo del captulo (nivel 2) ................................................................................................................... 5

2.1.1.Escribir el ttulo del captulo (nivel 3) ........................................................................... 6 3. PRUEBA DE HIPOTESIS ................................................................................................................. 4


3.1. Escribir el ttulo del captulo (nivel 2) ................................................................................................................... 5

3.1.1.Escribir el ttulo del captulo (nivel 3) ........................................................................... 6

1.- DISTRIBUCION NORMAL

Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su propio nombre indica su extendida utilizacin, justificada por la frecuencia o normalidad con la que ciertos fenmenos tienden a parecerse en su comportamiento a esta distribucin. Muchas variables aleatorias continuas presentan una funcin de densidad cuya grfica tiene forma de campana. En resumen, la importancia de la distribucin normal se debe principalmente a que hay muchas variables asociadas a fenmenos naturales que siguen el modelo de la normal. Caracteres morfolgicos de individuos (personas, animales, plantas,...) de una especie, por ejemplo. tallas, pesos, envergaduras, dimetros, permetros,... Caracteres fisiolgicos, por ejemplo: efecto de una misma dosis de un frmaco, o de una misma cantidad de abono. Caracteres sociolgicos, por ejemplo: consumo de cierto producto por un mismo grupo de individuos, puntuaciones de examen entre otros. Caracteres psicolgicos, por ejemplo: cociente intelectual, grado de adaptacin a un medio etc. Errores cometidos al medir ciertas magnitudes. Valores estadsticos mustrales, por ejemplo: la media. Otras distribuciones como la binomial o la de Poisson se pueden aproximar adecuadamente con la distribucin normal.

1.1.- PROPIEDADES DE LA DISTRIBUCIN NORMAL: La distribucin normal posee ciertas propiedades importantes que conviene destacar: I. II. Tiene una nica moda, que coincide con su media y su mediana. II. La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre y es tericamente posible. El rea total bajo la curva es, por tanto, igual a 1. III. III. Es simtrica con respecto a su media . Segn esto, para este tipo de variables existe una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de observar un dato menor. IV. IV. La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es igual a una desviacin tpica ( ). Cuanto mayor sea , ms aplanada ser la curva de la densidad. V. V. El rea bajo la curva comprendido entre los valores situados aproximadamente a dos desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de posibilidades de observar un valor comprendido en el intervalo . VI. VI. La forma de la campana de Gauss depende de los parmetros y (Figura 3). La media indica la posicin de la campana, de modo que para diferentes valores de la grfica es desplazada a lo largo del eje horizontal. Por otra parte, la desviacin estndar determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de , ms se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos cercanos al valor medio de la distribucin.

1.2.- FUNCIN DE DENSIDAD DE UNA DISTRIBUCIN NORMAL:

Si la variable aleatoria x tiene densidad

para menos infinito < x < mas infinito

Donde la media y la desviacin estndar son nmeros tales que menos infinito < la media < mas infinito y cero < la desviacin estndar < ms infinito, donde e y son las constantes; e = 2,7182 y = 3,141.

NOTACIN:
Si la variable aleatoria x sigue una distribucin normal con media y varianza X~n(, )

Ahora, la media proporciona una medida de posicin central, mientras que la varianza da una medida de dispersin alrededor de la media.

El rea total debajo de la curva es igual a 1. El rea debajo de la curva comprendida entre - y + es aproximadamente igual a 0,68 del rea total; entre - 2 y + 2 es aproximadamente igual a 0,95 del rea total: Es importante ver que los nicos parmetros necesarios para dibujar el grfico de la distribucin normal son la media y desviacin estndar de la poblacin. Con estos dos parmetros sabemos donde situar la campana de Gauss (En el punto correspondiente a la media) y cual es su dispersin (Determinado por la desviacin estndar).

1.3.- CONCLUSION :

ESTIMACIN DE PARMETROS
A la inferencia estadstica le interesa sacar conclusiones de un gran nmero de acontecimientos (poblacin), fundndose en las observaciones de una parte de los mismos (muestra). La estadstica nos proporciona herramientas que formalizan y uniforman los procedimientos para sacar conclusiones siempre que las muestras seleccionadas sean representativas de la poblacin que han sido extradas. Esta representatividad permite extender los valores que describen a las muestras (estadsticos), tales como la media, la desviacin tpica, un coeficiente de correlacin, a la poblacin correspondiente, es decir, la media o la desviacin tpica (estadsticos) pueden tomarse como estimadores de los parmetros y , valores que caracterizan a la poblacin. Los estadsticos, valores obtenidos en la muestra, son, pues, estimadores de los parmetros correspondientes (valores de la poblacin) 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: 5

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 muestral 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%

PRUEBA DE HIPTESIS
La estadstica inferencial es el proceso de usar la informacin de una muestra para describir el estado de una poblacin. Sin embargo es frecuente que usemos la informacin de una muestra para probar un reclamo o conjetura sobre la poblacin. El reclamo o conjetura se refiere a una hiptesis. El proceso que corrobora si la informacin de una muestra sostiene o refuta el reclamo se llama prueba de hiptesis.

HIPTESIS Y NIVELES DE SIGNIFICANCIA


En la prueba de hiptesis se pone a prueba un reclamo hecho sobra la naturaleza de una poblacin a base de la informacin de una muestra. El reclamo se llama hiptesis estadstica. Hiptesis Estadstica: Una hiptesis estadstica es un reclamo hecho sobre la naturaleza de una poblacin. Por ejemplo, la premisa formulada por un productor de bateras para autos de que su batera dura en promedio 48 meses, es una hiptesis estadstica porque el manufacturero no inspecciona la vida de cada batera que l produce. Si surgieran quejas de parte de los clientes, entonces se pone a prueba el reclamo del manufacturero. La hiptesis estadstica sometida a prueba se llama la hiptesis nula, y se denota como H0.

COMO ESTABLECER LA HIPTESIS NULA Y LA ALTERNA


Hiptesis Nula (H0): premisa, reclamo, o conjetura que se pronuncia sobre la naturaleza de una o varias poblaciones. Por ejemplo, para probar o desaprobar el reclamo pronunciado por el productor de bateras debemos probar la hiptesis estadstica de que 48. Por lo tanto, la hiptesis nula es: H0 : 48. Luego se procede a tomar una muestra aleatoria de bateras y medir su vida media. Si la informacin obtenida de la muestra no apoya el reclamo en la hiptesis nula (H0), entonces otra cosa es cierta. La premisa alterna a la hiptesis nula se llama hiptesis alterna y se representa por H1. Hiptesis Alterna: Una premisa que es cierta cuando la hiptesis nula es falsa.

Por ejemplo, para el productor de bateras


8

H0 : H1 :

48 y < 48

Para probar si la hiptesis nula es cierta, se toma una muestra aleatoria y se calcula la informacin, como el promedio, la proporcin, etc. Esta informacin muestral se llama estadstica de prueba. Estadstica de Prueba: Una estadstica de prueba se basa en la informacin de la muestra como la media o la proporcin .

ERROR TIPO 1 Y ERROR TIPO 2


A base de la informacin de una muestra nosotros podemos cometer dos tipos de errores en nuestra decisin. 1. Podemos rechazar un H0 que es cierto. 2. Podemos aceptar un H0 que es falso. El primero se llama error Tipo 1 Error Tipo 1: Cuando rechazamos una Hiptesis Nula que es cierta cometemos error tipo 1. Y el segundo error se llama error Tipo 2. Error Tipo 2: Cuando aceptamos una Hiptesis Nula que es falsa cometemos error tipo 2.

NIVEL DE SIGNIFICANCIA ()
Para ser muy cuidadosos en no cometer el error tipo 1, debemos especificar la probabilidad de rechazar H0, denotada por . A sta se le llama nivel de significancia.

Nivel de Significancia: La probabilidad ( ms alta de rechazar H0 cuando H0 es cierto se llama nivel de significancia.
Comentario: Para mantener la probabilidad de cometer el error tipo 1 baja, debemos escoger un valor pequeo de .

Usando un valor preasignado de se construye una regin de rechazo o regin crtica en la curva normal estndar o en la curva t que indica si debemos rechazar H0 . Regin Crtica o de Rechazo: Una regin crtica o de rechazo es una parte de la curva de z o de la curva t donde se rechaza H0.
9

La regin puede ser de una cola o de dos dependiendo de la hiptesis alterna.

10