Академический Документы
Профессиональный Документы
Культура Документы
Módulo I
Inferencia Paramétrica:
Se conoce la forma de la distribución (Normal, Binomial, Poisson, etc .... ) pero se
desconocen sus parámetros. Se realizan inferencias sobre los parámetros
desconocidos de la distribución conocida.
Inferencia No Paramétrica:
1
Forma y parámetros desconocidos. Se realizan inferencias sobre características que
no tienen por qué ser parámetros de una distribución conocida (Mediana,
Estadísticos de Orden).
2
Se considera como mejor estimador de un parámetro determinado, aquella
función matemática que cumpla las siguientes cuatro propiedades que a
continuación se describen:
1) Ausencia de sesgo: Un estimador es insesgado cuando el promedio de las
estimaciones obtenidas en diferentes muestras es, precisamente, el valor del
parámetro que se pretende estimar.
2) Eficiencia: Esta es una propiedad que se establece en términos
comparativos, esto es, es más eficiente aquel estimador cuyas estimaciones del
verdadero valor del parámetro tienen una variabilidad menor. Precisamente, una
forma de valorar la eficiencia de un estimador es obteniendo la desviación típica
de las estimaciones proporcionadas por el mismo, el conocido como error típico
de estimación del estimador. Así, entre dos estimadores, será mejor aquél que
proporcione un menor error típico de estimación.
3) Consistencia: Un estimador es consistente si la probabilidad de que el valor
estimado coincida con el del parámetro aumenta a medida que el tamaño de la
muestra crece.
4) Suficiencia: Un estimador es suficiente respecto a un parámetro si agota la
información disponible en la muestra aprovechable para la estimación.
Los valores de los límites, inferior (L1) y superior (L2), se encuentran aplicando la fórmula
general:
3
Por consiguiente, los límites del intervalo se obtienen sumando o restando el error estándar
al valor de la media muestral. Específicamente, para hallar el límite inferior (L1) se resta el
error estándar y para hallar el límite superior (L2) se suma el error estándar.
Ejemplo :
= 170 cm ; s = 20 cm
Solución
Si no se especifica el grado de confianza, se utiliza por lo general 95%, lo cual
corresponde a z = 1.96. Conociendo los datos. Se puede aplicar la fórmula:
= Z x s_
Li = 170 - 1.96 x 20/6_ 163.47 cm
Ls = 170 + 1.96 x 20/6 176.53 cm
Por lo tanto, la estatura promedio de los estudiantes de la facultad de contablidad de
la USMP está comprendida entre 163.5 y 176.5 cm, con un grado de confianza del
95%.
I.C. 95% (163.5 ; 176.5 cm)
Los valores de los límites, inferior (L1) y superior (L2), se encuentran aplicando la
fórmula general:
4
Por consiguiente, los límites del intervalo se obtienen sumando o restando el error
estándar al valor de la proporción muestral (p). Específicamente, para hallar el límite
inferior (L1) se resta el error estándar y para hallar el límite superior (L2) se suma el
error estándar.
Ejemplo
Supóngase que en una muestra de 2000 personas se encontró que 250 son alcohólicos.
Es decir, el porcentaje de alcohólicos en la muestra es:
p=250/2000x100=12.5%.Calcular el intervalo de confianza al 95%.
Por lo tanto, con un nivel de confianza de 95%, se puede afirmar que el porcentaje de
alcoholismo en la población se encuentra entre 11.05% y 13.95%.