Tema #7

En general los estudios de factibilidad de proyectos requieren de una medida de la demanda para determinar potencial de un bien o servicio. En un estudio para determinar la factibilidad de aumentar programas de telenovelas cortas para una agencia procesadora de estadsticas encontr que 66 de los 120 hogares seleccionados al azar que tienen televisin vean programas de novelas cortas. Se le pide: Determine un intervalo de confianza del 90% para estimar la verdadera proporcin de hogares que ven telenovelas cortas.

Frmula para el Intervalo de confianza

n=muestra =120 Casos obtenidos=66 Proporcin Obtenida de la Muestra.

Nivel de Confiabilidad de 90%

Aplicacin de la Frmula. (
( )

Respuesta: Se tiene una confianza del 90% de que la proporcin en la poblacin est comprendida entre 0.475 y 0.625

A qu nivel de confianza podra decir que la proporcin poblacional de hogares que tienen televisin y que ven novelas cortas es de 0.55 0.1172?

Haciendo Pruebas el Nivel de confianza para que la proporcin se de en est intervalo es de 99%. Frmula

n=muestra =120 Casos obtenidos=66 Proporcin Obtenida de la Muestra.

Nivel de Confiabilidad del 99%

Respuesta: Con un nivel de confianza de 99% la proporcin poblacional de hogares que tienen televisin y que ven novelas cortas es de 0.550.1172.

INTRODUCCIN
Habitualmente el propsito de la Estadstica Aplicada es el de sacar conclusiones de una poblacin en estudio, examinando solamente una parte de ella denominada muestra. Este proceso, denominado Inferencia Estadstica, suele venir precedido de otro, denominado Estadstica Descriptiva, en el que los datos son ordenados, resumidos y clasificados con objeto de tener una visin ms precisa y conjunta de las observaciones, intentando descubrir de esta manera posibles relaciones entre los datos, viendo cuales toman valores parecidos, cuales difieren grandemente del resto, destacando hechos de posible inters, etc. Tambin estn entre los objetivos de la Estadstica Descriptiva el presentarlos de tal modo que permitan sugerir o aventurar cuestiones a analizar en mayor profundidad, as como estudiar si pueden mantenerse algunas suposiciones necesarias en determinadas inferencias como la de simetra,, normalidad, homocedasticidad, etc. El propsito de este trabajo es el de dar conceptos y explicar tcnicas que permitan realizar ambos procesos, a los cuales de forma conjunto se les suele denominar Anlisis de Datos.

MEDIA POBLACIONAL
En estadstica la esperanza matemtica (tambin llamada esperanza, valor esperado, media poblacional o media) de una variable , es el nmero que formaliza la idea de valor medio de un fenmeno aleatorio. Cuando la variable aleatoria es discreta, la esperanza es igual a la suma de la probabilidad de cada posible aleatorio multiplicado por el valor de dicho suceso. Por lo tanto, representa la cantidad media que se "espera" como resultado de un experimento aleatorio cuando la probabilidad de cada suceso se mantiene constante y el experimento se repite un elevado nmero de veces. Cabe decir que el valor que toma la esperanza matemtica en algunos casos puede no ser "esperado" en el sentido ms general de la palabra - el valor de la esperanza puede ser improbable o incluso imposible.

La Desviacin Estndar La desviacin estndar es un ndice numrico de la dispersin de un conjunto de datos (o poblacin). Mientras mayor es la desviacin estndar, mayor es la dispersin de la poblacin. La desviacin estndar es un promedio de las desviaciones individuales de cada observacin con respecto a la media de una distribucin. As, la desviacin estndar mide el grado de dispersin o variabilidad. En primer lugar, midiendo la diferencia entre cada valor del conjunto de datos y la media del conjunto de datos. Luego, sumando todas estas diferencias individuales para dar el total de todas las diferencias. Por ltimo, dividiendo el resultado por el nmero total de observaciones (normalmente representado por la letra n) para llegar a un promedio de las distancias entre cada observacin individual y la media. Este promedio de las distancias es la desviacin estndar y de esta manera representa dispersin. Matemticamente, la desviacin estndar podra, a primera vista, parecer algo complicada. Sin embargo, es en realidad un concepto extremadamente simple. En realidad no importa si usted no sabe calcular con exactitud la desviacin estndar, siempre y cuando usted comprenda claramente el concepto. La desviacin estndar es un indicador en extremo valioso con muchas aplicaciones. Por ejemplo, los estadsticos saben que

cuando un conjunto de datos se distribuye de manera normal, el 68% de las observaciones de la distribucin tiene un valor que se encuentra a menos de una desviacin estndar de la media. Tambin saben que el 96% de todas las observaciones tiene un valor no es mayor a la media ms o menos dos desviaciones estndar (la Figura 18 grafica esta informacin). DESVIACIN ESTANDAR POBLACIONAL La desviacin estndar de una poblacin es normalmente representada por la letra griega (sigma), cuando se calcula sobre la base de toda la poblacin; por la letra s(minscula) cuando se infiere de una muestra; y por la letra S (mayscula) cuando simplemente corresponde a la desviacin estndar de una muestra. La frmula de ladesviacin estndar es , donde representa la suma de las diferenciasal cuadrado entre cada observacin y la media y N representa el nmero total deobservaciones. La aparente complicacin de la frmula surge del hecho de que al restar la media a los valores de cada observacin individual para calcular las diferencias ( ),los valores de las observaciones que estn bajo la media producirn diferenciasnegativas, mientras que los valores de las observaciones que son mayores que la media proporcionarn valores positivos. As, las diferencias positivas y negativas secompensarn entre s y, en el caso de una distribucin simtrica, producirn una sumaigual a cero para la suma de las desviaciones individuales. Para evitar este problema,las desviaciones se elevan al cuadrado, de modo que todas las desviaciones sea

DISTRIBUCIN
En teora de la probabilidad y estadstica, la distribucin de probabilidad de una variable aleatoria es una funcin que asigna a cada suceso definido sobre la variable aleatoria la probabilidad de que dicho suceso ocurra. La distribucin de probabilidad est definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de valores de la variable aleatoria. La distribucin de probabilidad est completamente especificada por la funcin de distribucin, cuyo valor en cada real x es la probabilidad de que la variable aleatoria sea menor o igual que x. DISTRIBUCIN MUESTRAL En estadstica, la distribucin muestral es lo que resulta de considerar todas las muestras posibles que pueden ser tomadas de una poblacin. Su estudio permite calcular la probabilidad que se tiene, dada una sola muestra, de acercarse al parmetro de la poblacin. Mediante la distribucin muestral se puede estimar el error para un tamao de muestra dado.

Distribucin binomial
La probabilidad de ocurrencia de una combinacin especfica de eventos independientes y mutuamente excluyentes se determina con la distribucin binomial, que es aquella donde hay solo dos posibilidades, tales como masculino/femenino o si/no. 1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observacin. 2. La serie de ensayos u observaciones constituyen eventos independientes. 3. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el proceso es estacionario.

Para aplicar esta distribucin al calculo de la probabilidad de obtener un nmero dado de xitos en una serie de experimentos en un proceso de Bermnoulli, se requieren tres valores: el nmero designado de xitos (m), el nmero de ensayos y observaciones (n); y la probabilidad de xito en cada ensayo (p). Entonces la probabilidad de que ocurran m xitos en un ex

PROBABILIDADES
La probabilidad es la medida cuantitativa por medio de la cual se obtiene la frecuencia de un suceso determinado mediante la realizacin de un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones suficientemente estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica, las ciencias y la filosofa para sacar conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecnica subyacente discreta de sistemas complejos. HISTORIA El diccionario de la Real Academia Espaola define azar como una casualidad, un caso fortuito, y afirma que la expresin al azar significa sin orden. La idea de Probabilidad est ntimamente ligada a la idea de azar y nos ayuda a comprender nuestras posibilidades de ganar un juego de azar o analizar las encuestas. Pierre-Simon Laplace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos de azar haya llegado a ser el objeto ms importante del conocimiento humano". Comprender y estudiar el azar es indispensable, porque la probabilidad es un soporte necesario para tomar decisiones en cualquier mbito. Segn Amanda Dure, "Antes de la mitad del siglo XVII, trmino 'probable' (en latn probable) significaba aprobable, y se aplicaba en ese sentido, unvocamente, a la opinin y a la accin. Una accin u opinin probable era una que las personas sensatas emprenderan o mantendran, en las circunstancias." La probabilidad constituye un importante parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadstico. Existen diversas formas como mtodo abstracto, como la teora Dempster-Shafer y la teora de la relatividad numrica, esta ltima con un alto grado de aceptacin si se toma en cuenta que disminuye considerablemente las posibilidades hasta un nivel mnimo ya que somete a todas las [cita requerida] antiguas reglas a una simple ley de relatividad. La probabilidad de un evento se denota con la letra p y se expresa en trminos de una fraccin y no en porcentajes, por lo que el valor de p cae entre 0 y 1. Por otra parte, la probabilidad de que un evento "no ocurra" equivale a 1 menos el valor de p y se denota con la letra q:

Los tres mtodos para calcular las probabilidades son la regla de la adicin, la regla de la multiplicacin y la distribucin binomial. APLICACIONES

Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis de riesgo y en el comercio de los mercados. Los gobiernos normalmente aplican mtodos probabilsticos en regulacin ambiental donde se les llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando mtodos que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos de su probable efecto en la poblacin como un conjunto. No es correcto decir que la estadstica est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo son para una nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la probabilidad de otro 11-S". Una ley de nmeros pequeos tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de estas elecciones, lo que hace de las medidas probabilsticas un tema poltico. Un buen ejemplo es el efecto de la probabilidad percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente Medio - que producen un efecto domin en la economa en conjunto. Un clculo por un mercado de materias primas en que la guerra es ms probable en contra de menos probable probablemente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente, las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teora de las finanzas conductuales surgi para describir el efecto de este pensamiento de grupo en el precio, en la poltica, y en la paz y en los conflictos. Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y combinar los clculos de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por consiguiente, puede ser de alguna importancia para la mayora de los ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y cmo contribuyen a la reputacin y a las decisiones, especialmente en una democracia. Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la fiabilidad. Muchos bienes de consumo, como los automviles y la electrnica de consumo, utilizan la teora de la fiabilidad en el diseo del producto para reducir la probabilidad de avera. La probabilidad de avera tambin est estrechamente relacionada con la garanta del producto. Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la probabilidad es la medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situacin. Por consiguiente, puede haber una probabilidad de 1 entre 52 de que la primera carta en un baraja sea la J de diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%, y la eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos importantes de situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios.

Intervalo de Confianza En el contexto de estimar un parmetro poblacional, un intervalo de confianza es un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor del parmetro, con una probabilidad determinada. La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo construido se denomina nivel de confianza, y se denota 1- . La probabilidad de equivocarnos se llama nivel de significancia y se simboliza . Generalmente se construyen intervalos con confianza 1- =95% (o significancia =5%). Menos frecuentes son los intervalos con =10% o =1%. Intervalo de confianza para un promedio Generalmente, cuando se quiere construir un intervalo de confianza para la media poblacional , la varianza poblacional es desconocida, por lo que el intervalo para construido al final de II es muy poco prctico. Si en el intervalo se reemplaza la desviacin estndar poblacional muestral s, el intervalo de confianza toma la forma: por la desviacin estndar

La cual es una buena aproximacin para el intervalo de confianza de 95% para con desconocido. Esta aproximacin es mejor en la medida que el tamao muestral sea grande. Cuando el tamao muestral es pequeo, el intervalo de confianza requiere utilizar la distribucin t de Student (con n-1 grados de libertad, siendo n el tamao de la muestra), en vez de la distribucin normal (por ejemplo, para un intervalo de 95% de confianza, los lmites del intervalo ya no sern construidos usando el valor 1,96). Intervalo de Confianza para una Proporcin En este caso, interesa construir un intervalo de confianza para una proporcin o un porcentaje poblacional (por ejemplo, el porcentaje de personas con hipertensin, fumadoras, etc.) Si el tamao muestral n es grande, el Teorema Central del Lmite nos asegura que:

O bien:

Donde p es el porcentaje de personas con la caracterstica de inters en la poblacin (o sea, es el parmetro de inters) y p es su estimador muestral. Luego, procediendo en forma anloga al caso de la media, podemos construir un intervalo de 95% de confianza para la proporcin poblacional p.

CONCEPTOS CLAVES Un intervalo de confianza aporta ms informacin que un estimador puntual cuando se quiere hacer inferencias sobre parmetros poblacionales. Existen intervalos de confianza bilateral y unilateral. La amplitud de un intervalo de confianza est determinado por: el nivel de confianza establecido; la variabilidad de los datos; el tamao de la muestra. En un estudio Caso-Control o uno de Cohorte, es posible (y frecuentemente deseable) construir intervalos de confianza para Odds Ratios y Riesgos Relativos. Un intervalo de confianza permite verificar hiptesis planteadas acerca de parmetros poblacionales.