Estadstica Tomo II Introduccin al muestreo Universo: Es el conjunto de unidades experimentales que poseen caracteristicas comunes observables y que se utilizan

para obtener informacin sobre un hecho en particular. Al tamao del mismo se lo simboliza con la N. Poblacin: Cualquier variable que se estudia en un universo. Censo: Es la medicin, a la totalidad de las unidades experimentales que conforman el universo, de toda variable relevante para la investigacin. En algunos casos se dificulta su realizacin dado que tiene carcter destructivo y es muy costoso. Por lo tanto, para obtener informacin acerca de la poblacin se utilizan muestreos. Muestra: Es un subconjunto de una poblacin, a partir de la cual se puede emitir un juicio acerca de la poblacin. Se simboliza al tamao con la letra n. Fraccin de muestro (Fm): Es el cociente entre el tamao de la muestra y el tamao de la poblacin Inferencia estadstica: Cualquier afirmacin que se puede hacer sobre una poblacin a partir de una muestra, pudindose obtener una determinada medida de incertidumbre. Se infiere a la poblacin a partir de una muestra. Muestreo: Es el procedimiento por el cual se obtienen una o ms muestras de una poblacin dada. Unidad de muestreo: Cada una de las unidades experimentales que se usan para tomar una muestra. Diseo muestral: Plan especfico de muestreo donde se explican los procedimientos para corregir las muestras. Tipos de muestreo: -Muestreo probabilstica: Cuando las unidades experimentales son tomadas al azar. Conformando un experimento aleatorio. -Muestreo intencional: Las unidades experimentales que conforman la muestra se obtienen siguiendo una regla. (Es subjetivo) -Muestreo sin norma: Sin ninguna norma, cada elemento es elegido por el sujeto pero sin un criterio definido. Es Semi-objetivo. Mtodo de obtencin de muestras Muestreo simple al azar (sin reemplazo)

La probabilidad dado un universo finito se obtiene haciendo el cociente entre 1 y el nmero combinatorio de n y N. 1/(n N) Muestreo estratificado al azar: Se utiliza cuando la poblacin tiene una gran variabilidad (heterognea). Para hacer uso del mismo primero se parte al universo en sub-poblaciones homogneas. Luego de cada uno de los estratos se obtiene una muestra simple al azar Se debe cumplir que la suma de las muestras estratificadas sea igual al tamao de la muestra. La asignacin del tamao de la muestra a cada uno de los estatos se denomina afijacin (3 tipos). a) Afijacin igual o uniforme: El tamao de la muestra que le corresponde a cada estrato es igual para todos, por lo tanto la afijacin es igual a n/h. Siendo h la cantidad de estratos. b) Afijacin proporcional: El tamao de la muestra que le corresponde a cada estrato es proporcional al tamao del estrato. c) Afijacin ptima: El tamao de la muestra para cada estrato es proporcional al tamao del estrato y al desvo estndar correspondiente. Teniendo en cuenta as, a la falta de homogeneidad entre las subpoblaciones. Frmula: Muestreo sistemtico al azar: Consiste en ordenar a las unidades experimentales, de acuerdo a como se fueron presentando y obtener la muestra eligiendo sistemticamente un elemento cada c unidades, tomando el primero en forma aleatoria. Si el universo fuese finito el nmero c es el entero del cociente entre N y n. Caso contrario se elige arbitrariamente. Muestreo por conglomerado polietpico: -La unidad de muestreo est formada por un grupo de unidades experimentales. -Se agrupan a los elementos que conforman el universo en conglomerados homogneos. -El muestreo se hace sobre selecciones de unidades experimentales de la ltima etapa. Conglomerado Subconglomerado Unidad de muestreo Es un mtodo adecuado para ser utilizado cuando las unidades experimentales estn de por si agrupadas en conglomerados. Ejemplo: Se pide saber si los chicos que asisten al jardn de infantes estn bien vestidos. Etapa 1: Elegir cinco conglomerados (provincias) Etapa 2: De cada provincia se eligen 5 colegios. Etapa 3: De c/u de los 25 colegios se selecciona un chico. Y se obtiene la muestra. Caractersticas poblacionales y muestrales: Parmetro estadstico: En un universo finito y pequeo, es toda medida que resuma informacin calculada con las variables poblaciones. En universos infinitos o finitos y grandes, es todo parmetro matemtico de un funcin de probabilidad o de densidad de probabilidad que brinda informacin acerca de una poblacin.

Estadgrafo y estimador: Estadgrafo: Es toda funcin escalar generada con variables muestrales. Como se obtiene de variables aleatorias, son VA. Un estimador de un parmetro es todo estadgrafo que provee informacin de dicho parmetro. Estadgrafo de transformacin: Aquel estadgrafo que permite transformar al estimador en una variable que tenga una determinada distribucin de probabilidad. Estimacin: 2 mtodos a) Puntual: Consiste en calcular el valor numrico que asume el estimador luego de tomar la muestra y las mediciones correspondientes. b) Por intervalo: Consiste en calcular con los datos de la muestra los lmites de un conjunto cerrado y acotado de nmeros reales. Sesgo: Es la diferencia entre la esperanza matemtica del estimador y el parmetro. Error medio cuadrtico: Es la esperanza del cuadrado de la diferencia entre el estimador y el parmetro. Los buenos estimadores deben tener las siguientes propiedades: -Insesgamiento: El estimador es insesgado si la esperanza matemtica del mismo es igual al parmetro . En algunas ocasiones, esta propiedad puede no cumplirse directamente, pero podra cumplirse si se hiciese crecer indefinidamente a la muestra, para eso se utiliza el concepto de lmite, que indica que el estimador es asintticamente insesgado si el lmite de la esperanza matemtica del estimador, cuando n tiende a infinito, es igual al parmetro . -Consistencia: A mayor tamao de la muestra mayor representatividad del estimador respecto al parmetro, por lo tanto, si la muestra es grande o n tiende a infinito se puede suponer que el estimador converge en probabilidad al parmetro. Si la varianza del estimador tiende a cero cuando el tamao de la muestra tiene a infinito, en caso de poblaciones finitas, o tiende al tamao de la poblacin en caso de poblaciones infinitas, el estimador es consistente del parmetro . (2)

-Eficiencia: El error medio cuadrado debe ser mnimo: E(Estimador-)o El estimador es eficiente su se cumple que tiene la menor varianza que puede tener un estimador del parmetro . Debe satisfacer la cota de Cramer Rao (4), es eficiente cuando se cumple la igualdad con la cota inferior.

Eficiencia relativa: Dados dos estimadores de un mismo parmetro , es estimador 1 tiene mayor eficiencia relativa, si la varianza de del mismo es menor que la del segundo estimador. Si fuesen estimadores sesgados, la eficiencia relativa se mide comparando el error medio cuadrado de ambos. -Suficiencia: El estimador es un estimador suficiente del parmetro , si utiliza toda la informacin relevante contenida en la muestra aleatoria. Grados de libertad (GL) -Cantidad de variables libres, o estadsticamente independientes, que intervienen en un problema o en una distribucin asociada a un problema. Proposicin 3: La cantidad de GL de la suma del cuadrado de las desviaciones con respecto a la media aritmtica es igual a (n-1). (Xi-X)2 (n-1) GL Proposicin 4: Si en un estadgrafo intervienen k estimadores de otros tantos parmetros, los GL correspondientes a la suma del cuadrado de las desviaciones respecto al estadgrafo, es igual al tamao de la muestra menos la cantidad de parmetros a estimar. [(n-k) GL] Intervalos de confianza para el parmetro : Es un mtodo de estimacin que consiste en determinar un conjunto cerrado de valores posibles del parmetro, cuyos limites son funciones del estimador y la correspondiente probabilidad de que dicho intervalo cubra al verdadero valor del parmetro. Nivel de confianza: Es la probabilidad de que el intervalo de confianza cubra al verdadero valor del parmetro. 1- Nivel de confianza
Nivel de riesgo Intervalos de confianza aditivos: Aquel intervalo que permite que la probabilidad de la estimacin difiera del valor del parmetro en h veces el desvo estndar del estimador, sea igual al nivel de confianza. h Factor de confianza Error de muestreo: Mxima diferencia que podra haber entre la estimacin y el parmetro. Consideraciones para estimar la proporcin poblacional, cuando la varianza es conocida: Error de muestreo: Es un factor que lo proporciona el usuario de la muestra. Debe indicar la mxima diferencia entre la proporcin muestral y la proporcin poblacional que esta dispuesto a aceptar. Confianza de la estimacin: Proporcionado por el usuario. Indica la probabilidad deseada de que el intervalo de confianza cubra al verdadero valor de la poblacin. Tamao de la poblacin: En caso de poblaciones finitas este factor es una restriccin para el tamao de la muestra.

Unidad 3: Prueba de hiptesis Hiptesis estadstica: Cualquier afirmacin que se formule acerca de cualquier variable poblacional. Hiptesis paramtrica: Aquella hiptesis estadstica planteada para verificar el valor numrico de un parmetro. Curso de accin: La accin que se llevara acabo de conocerse el valor del parmetro .

Desigualdad equivalente a la igualdad: Aquella desigualdad entre el parmetro y el valor postulado 0, que provoca el mismo curso de accin que se llevara a cabo dsi hubiese una igualdad entre ambos valores. Desigualdad no equivalente a la igualdad: Aquella desigualdad que provoca un curso de accin distinto. Hiptesis nula H0 Aquella hiptesis que postula que la diferencia entre el verdadero valor del parmetro y el valor que se postula 0 es cero. Se distinguen dos, a saber: -Hiptesis nula nica: Cuando no hay desigualdad equivalente. -Hiptesis nula mltiple: Cuando hay desigualdad equivalente. Hiptesis alternativa H1: Aquella hiptesis que deber cumplirse si la hiptesis nula no es cierta. Se distinguen dos, a saber: - Hiptesis alternativa nica: Cuando hay un solo valor alternativo del parmetro . - Hiptesis alternativa mltiple (3): Cuando hay un conjunto abierto de posibles valores en caso de que la hiptesis nula no sea cierta. o Hiptesis nula nica: Planteo por distinto, cuando el parmetro es distinto a 0.
o o Hiptesis nula no nica y la desigualdad equivalente es la desigualdad menor, (planteo por mayor) Hiptesis nula no nica y la desigualdad equivalente es la desigualdad mayor (plante por menor)

Prueba de la hiptesis nula: Es un mtodo estadstico que, a partir de los datos de una muestra aleatoria, se decide acerca de la veracidad o falsedad de la hiptesis formulada, pudindose calcular la probabilidad de conocer un error en la decisin tomada. Estadgrafo de prueba: Es un estadgrafo con el que se realiza la prueba de hiptesis, que mide la discrepancia d entre el parmetro y su estimador. Regin crtica y regin de no reemplazo: El mtodo para realizar la prueba de hiptesis consiste en particionar al dominio del estadgrafo, en dos regiones mutuamente excluyente. Segn a que regin pertenezca el valor numrico del estadgrafo se rechaza o no a la hiptesis nula. Regin crtica: Subconjunto del dominio con el que se rechaza a la hiptesis nula. La regin de no rechazo es la anttesis. Si hay desigualdad una desigualdad equivalente, la regin crtica est formada por un conjunto semi-cerrado y se dice que la prueba es unilateral. Si no hay desigualdad equivalente, la RC est formada por dos subconjuntos semicerrados, mutuamente excluyentes de igual tamao. Y la prueba es bilateral. El punto crtico es la frontera de la regin crtica, puede haber uno o dos dependiendo de si es uni o bilateral.

Regla de decisin: Aquella regla que define los puntos para rechazar la hiptesis nula. Error de tipeo 1: El hecho de rechazar a la hiptesis nula cuando es cierta. Error de tipeo 2: El hecho de no rechazar a la hiptesis nula cuando no es cierta. Nivel de significacin: Probabilidad de cometer el EtI. Potencia de la prueba. Probabilidad de no cometer el EtII. Se simboliza con . =1-p(EtII) Accin derivada: A la accin que se llevar a cabo segn el resultado de la decisin estadstica; rechazar o no la hiptesis nula. Pasos a seguir para la realizacin de una hiptesis paramtrica: 1- Establecer el parmetro a probar. 2- Indicar los cursos de accin 3- Verificar si hay desigualdad equivalente 4- Plantear la hiptesis nula y la alternativa 5- Indicar el estadgrafo de prueba y su distribucin 6- Establecer la regin y los puntos crticos 7- Plantear la regla de decisin estadstica para realizar o no la hiptesis nula. 8- Calcular el valor del estadgrafo de prueba y verificar a que regin pertenece. 9- Tomar la decisin estadstica 10- Llevar a cabo la decisin estadstica.