Professional Documents
Culture Documents
Contexto
Act. 4. Lección evaluativa No. 1
Objetivo
Reconocer las conceptualizaciones y elementos que se estudian en la unidad 1
y la relación entre los mismos.
Resumen
El presente recurso aborda la conceptualización necesaria para comprender el
contexto de la estimación, bien sea estimación puntual o por intervalos, y otros
temas propios de la unidad, así como una aplicación en Excel para construir
intervalos de confianza.
Muestreo
Las poblaciones que el investigador puede estudiar son muy diversas, pero
generalmente se relacionan con personas. Por ejemplo, puede estudiar la
opinión de las amas de casa con respecto a ciertos métodos de planificación
familiar, la edad promedio de los alumnos de una escuela, el coeficiente
intelectual promedio de los universitarios, etc.
1
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
composición química del agua de un río y para ello tratáramos de analizar todo
el líquido que corre por su cauce, cuando solamente necesitamos algunas
muestras para realizar ese estudio y para llegar a conclusiones generalizables
con respecto a la composición química del agua a todo el río.
Muestra
Una muestra es un conjunto de unidades, una porción del total, que nos
representa la conducta del universo en su conjunto.
Una muestra, en un sentido amplio, no es más que eso, una parte del todo que
llamamos universo y que sirve para representarlo.
Sin embargo, no todas las muestras resultan útiles para llevar a cabo un
trabajo de investigación. Lo que se busca al emplear una muestra es que,
observando una porción relativamente reducida de unidades, se obtengan
conclusiones semejantes a las que lograríamos si estudiáramos el universo
total. Cuando una muestra cumple con esta condición, es decir, cuando nos
refleja en sus unidades lo que ocurre en el universo, la llamamos
muestra representativa. Por lo tanto, una muestra representativa contiene las
características relevantes de la población en las mismas proporciones en que
están incluidas en tal población. Sus conclusiones son susceptibles de ser
generalizadas al conjunto del universo, aunque para ello debamos añadir un
cierto margen de error en nuestras proyecciones.
2
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
Muestras probabilísticas
3
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
Muestras aleatorias
Como dijimos, en ellas cada uno de los elementos del universo tiene una
probabilidad determinada y conocida de ser seleccionado. Los procedimientos
más usuales para la obtención de muestras aleatorias son
K = N/n
Donde:
N=número total de unidades que componen el universo.
n = número total de unidades que integrarán la muestra.
4
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
5
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
Estimación
Notación
Buen estimador
Para lograr que la muestra nos permita obtener un estimador lo más cercano
al parámetro se deben cumplir dos condiciones:
6
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
La estimación puntual
Es aquella que calcula un intervalo que contenga entre sus límites, con cierta
probabilidad, el verdadero valor del parámetro poblacional. Este intervalo se
llama intervalo de confianza.
𝜃 − 𝜎𝜃 , 𝜃 + 𝜎𝜃
7
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
Dónde,
𝜃: Estimador
Por ejemplo, Germán cita a su novia a la 7:20 pm, pero por experiencia (en las
últimas citas) sabe que ella no es puntual, por tanto le sugiere que se ven
entre las 6:00 pm y las 7:00 pm, esto quiere decir que se verán en el intervalo
de tiempo de [6, 7] dicho intervalo tiene una amplitud de 1 hora.
En el caso anterior Germán puede comparar la hora real en que llega su novia
con el parámetro poblacional, y la estimación con la hora que cree llegará
según lo visto en las últimas 10 citas; entre tanto el error estándar será la
desviación del tiempo de llegada, así construye un intervalo de confianza a
partir de la estimación, pudiendo decir que con una confianza del 95% ella
estará entre las 6 y 7 pm, es decir en 95 de 100 citas ella llegará después de
las 6 pero antes de las 7.
La confianza deseada.
La desviación estándar
El tamaño muestral
Valor crítico
8
ESCUELA DE CIENCIAS BÁSICAS TECNOLOGIAS E INGENIERIAS
100403- INFERENCIA ESTADÍSTICA
Act No. 4. Lección evaluativa No. 1
Recursos
Concepto: Estimación