I NSTI TUTO TECNOLGI CO SUPERI OR DE

HUI CHAPAN
ESTADISTICA Y CONTROL

INFERENCIA ESTADISTICA

INTEGRANTES DE LA EXPOSICION:

ENRIQUE BECERRIL HERNNDEZ

CARLOS SANTOS ANGELES

CARLOS JULIAN MORAN

INGENIERA MECATRONICA

SEMESTRE 2








INFERENCIA ESTADISTICA

La teora de la inferencia estadstica consiste en aquellos mtodos por los que
se realizan inferencias o generalizaciones acerca de una poblacin.
METODO CLASICO
Las inferencias se basan de manera estricta en informacin que se obtiene
de una muestra aleatoria seleccionada de la poblacin
METODO BAYESIANO
Utiliza el conocimiento subjetivo previo sobre la distribucin de probabilidad
de los parmetros desconocidos junto con la informacin que proporciona los
datos de la muestra.
Estimador Insesgado
*Un estadstico que es usado para obtener un parmetro se llama
**ESTIMADOR**
Un estimador es incesgado cuando el valor esperado del estadstico es igual al
valor del parmetro.
El valor esperado o esperanza del estadstico es la media aritmtica de la
distribucin muestral del estadstico.

Estimacin puntual
de algn parmetro de la poblacin de la poblacin es un solo valor ^ de
una estadstica ^.

Varianza estimador puntual
Consiste en la estimacin del valor del parmetro mediante un slo
valor, obtenido de una frmula determinada. Por ejemplo, si se pretende
estimar la talla media de un determinado grupo de individuos, puede
extraerse una muestra y ofrecer como estimacin puntual la talla media
de los individuos. Lo ms importante de un estimador, es que sea un
estimador eficiente. Es decir, que sea insesgado(ausencia de sesgos) y
estable en el muestreo o eficiente (varianza mnima).
Estimador eficiente
Un estimador de un parmetro es eficiente si su varianza es mnima.
Esto hace que haya menos variabilidad entre las distintas estimaciones
que podemos obtener (cada muestra dar una estimacin diferente). De
esta forma, la estimacin ser ms fiable. Hay una cota mnima dentro
de las varianzas que se puede obtener para cualquier estimador con un
sesgo determinado.

Estimacin por intervalo
Consiste en la obtencin de un intervalo dentro del cual estar el valor
del parmetro estimado con una cierta probabilidad. En la estimacin por
intervalos se usan los siguientes conceptos:
Intervalo de confianza
El intervalo de confianza es una expresin del tipo [
1
,
2
]
1

2
,
donde es el parmetro a estimar. Este intervalo contiene al parmetro
estimado con una determinada certeza o nivel de confianza.
Variabilidad del Parmetro
Si no se conoce, puede obtenerse una aproximacin en los datos
aportados por la literatura cientfica o en un estudio piloto. Tambin hay
mtodos para calcular el tamao de la muestra que prescinden de este
aspecto. Habitualmente se usa como medida de esta variabilidad la
desviacin tpica poblacional y se denota .
Error de la estimacin
Es una medida de su precisin que se corresponde con la amplitud
del intervalo de confianza. Cuanta ms precisin se desee en la
estimacin de un parmetro, ms estrecho deber ser el intervalo de
confianza y, si se quiere mantener o disminuir el error, ms ocurrencias
debern incluirse en la muestra estudiada. En caso de no incluir nuevas
observaciones para la muestra, ms error se comete al aumentar la
precisin. Se suele llamar E, segn la frmula E =
2
-
1
.
Lmite de Confianza
Es la probabilidad de que el verdadero valor del parmetro estimado en
la poblacin se site en el intervalo de confianza obtenido. El nivel de
confianza se denota por (1-), aunque habitualmente suele expresarse
con un porcentaje ((1-)100%). Es habitual tomar como nivel de
confianza un 95% o un 99%, que se corresponden con valores de 0,05
y 0,01 respectivamente.
Conclusin
Es claro que la inferencia estadstica su propsito es la generalizacin acerca
de una poblacin. Por diferentes mtodos se puede realizar esta inferencia es
la estimacin y pruebas de hiptesis se diferencian claramente la estimacin es
el conocimiento de una distribucin muestral de una proporcin nos permite
establecer el grado de precisin de una estimacin.
As como de pruebas de hiptesis consiste en la teora del muestreo y del uso
de datos que nos proporciones alguna medicin de precisin de nuestra
decisin.

Bibliografa
RICHARD A. JOHNSON, PROBABILIIDAD Y ESTADISTICA PARA
INGENIEROS DE MILLER Y FREUND,EDITORIAL PHH.