Est Inferencial

ESTADISTICA INFERENCIAL
CURSO: ESTADISTICA DESCRIPTIVA Y
ING. MANUEL SOTERO MURG
ESTADISTICA PARAMETRICA Y
NO-PARAMETRICA
Las pruebas estadsticas paramtricas y no paramtricas se
diferencian por el tipo de datos que se usan para analizar.
Las pruebas paramtricas hacen muchas suposiciones, la ms
significativa de las cuales es que los datos se distribuyen
normalmente.
Las pruebas no paramtricas hacen menos suposiciones y
hacen frente a los datos tal y como se recogen y que no
necesariamente se distribuyen normalmente.
CURSO: ESTADISTICA INFERENCIAL
ESTADISTICA NO-PARAMETRICA
La estadstica no paramtrica es una rama de la estadstica
que estudia las pruebas y modelos estadsticos cuya
distribucin subyacente no se ajusta a los llamados criterios
paramtricos.
Su distribucin no puede ser definida a priori, pues son los
datos observados los que la determinan. La utilizacin de estos
mtodos se hace recomendable cuando no se puede asumir
que los datos se ajusten a una distribucin conocida, cuando el
nivel de medida empleado no sea, como mnimo, de intervalo.
PRUEBAS REALIZADAS CON LA

DISTRIBUCION CHI-CUADRADO
PRUEBA DE BONDAD DE AJUSTE:
Ho: La muestra proviene de una poblacin especifica
H1: La muestra no proviene de una poblacin especifica
PRUEBA DE INDEPENDENCIA DE DOS VARIABLES:
Ho: Las variables son independientes entre si
H1: Las variables no son independientes entre si
COMPARACION DE PROPORCIONES DE K MUESTRAS
INDEPENDIENTES:
Ho: 1= 2 = 3=.= (k, para las i=1 hasta las k poblaciones
H1: Cuando menos uno de los valores de 1 difiere de los
dems

PRUEBA DE HIPOTESIS PARA LA VARIANZA POBLACIONAL
(YA ESTUDIADA)
DE DOS COLAS:
Ho: 2 = 02
H1: 2 02
DE UNA SOLA COLA

Ho: 2 02
H1: 2 < 02
O
O
2 02
2 > 02
PRUEBA DE BONDAD DE AJUSTE

La prueba de Bondad de Ajuste, se aplica en diseos de
Investigacin en los que se estudia a un nico grupo.
Con el fin de examinar si los datos de la muestra se extrajeron
de una poblacin con una distribucin de probabilidad
determinada (normal, binomial, poisson, etc)
Lo que hace esta prueba es comparar la distribucin de
frecuencias observadas (Fo) de una variable usualmente
cualitativa, pero que tambin puede ser cuantitativa, VERSUS
la distribucin de la frecuencia esperada (Fe).

En la prueba se plantean las siguientes hiptesis estadsticas
Ho: Fo = Fe
H1: Fo Fe
O lo que equivale a decir tambin

Este procedimiento de la prueba incluye el clculo de la
medida de resumen Chi-Cuadrado, el resultado de que la Ho
(Hiptesis Nula sea falsa) ocurre cuando el valor 2
calculado con los datos resulta mayor que el valor crtico de
dicha medida contenido en una tabla llamada valores
crticos de Chi-Cuadrada.
En el caso de que el Valor Chi-cuadrado calculado sea
menor o igual al del Chi-cuadrado crtico, Ho no se rechaza
y por tanto se concluye que el Fo observado es semejante al
Fe esperado, en otras palabras se dice que AMBAS
DISTRIBUCIONES SE AJUSTAN BIEN, de ah el nombre de la
prueba: BONDAD DE AJUSTE

EJEMPLO:
Los automviles que salen del departamento de pintura de
una planta de ensamblaje son sometidos a un examen
detallado de todas las superficies exteriores pintadas.
Para los 380 automviles producidos ms recientemente, el
nmero de manchas por carro se resume de la siguiente
manera:
No de manchas
No de automviles
242
94
38
Verificar si estos datos se extrajern de una poblacin que

tiene una distribucin de Poisson. Trabajar con un nivel de
significancia de 5%.

SOLUCION:
A. FORMULAR LA HIPOTESIS NULA Y ALTERNA
Ho: La muestra proviene de una poblacin que tiene una
distribucin de Poisson.
H1: La muestra no proviene de una poblacin que tiene una
distribucin de Poisson.
TABLA DE FRECUENCIA OBSERVADA
No de manchas
No de automviles
242
94
38

TABLA DE FRECUENCIA ESPERADA
= 0,5 manchas/automvil
Luego: = 0,5 y x= nmero de manchas por automvil

Con estos datos vamos a la tabla de Poisson y encontramos
los siguientes valores

X= nmero de
manchas
P(x) . n
De tabla de
Poisson
Nmero esperado
de automviles
con x manchas
0,6065 x 380
230,470
0,3033 x 380
115,254
0,0758 x 380
28,804
0,0126 x 380
4,788
0,0016 x 380
0,608
5 o ms
0,0002 x 380
0,076
1,0000
380,000

Todas las frecuencias esperadas deben tener un valor mnimo
de al menos 5,0 luego variaremos la frecuencias esperadas de
3, 4 y 5 por una categora 3
No de manchas
total
No de automviles
242
94
38
380

DISTRIBUCION DE
FRECUENCIAS
OBSERVADA
242
94
38
380
28,80
4
5,47
2
380
9,196
0,52
8
ESPERADA
DIFERENCIA
230,47 115,254
11,53
-21,254
Aplicando la frmula del Chi-Cuadrado, para hallar el

valor crtico:
2
Donde: o : frecuencia observada

e : frecuencia esperada

DISTRIBUCION DE
FRECUENCIAS
SUMA
OBSERVADA (Fo)
242
94
38
380
ESPERADA (Fe)
230,47
115,254
28,804
5,472
380
DIFERENCIA (Fo Fe)
11,53
-21,254
9,196
0,528
(Fo Fe)2
132,94
451,73
84,57
0,28
(Fo Fe)2 / Fe
0,577
3,919
2,936
0,051
7,483
=
= 7,483
Luego el valor
calculado del Chicuadrado es 7,483

Hallando el Valor Crtico de X2 para una significancia de 5% y
(gl: k-1-m = 4-1-1 = 2 grados de libertad).
m= 0 si Ho: dice: la muestra se extrajo de una distribucin de
Poisson con = 1,8)
m= 1 si Ho: dice: La muestra se extrajo de una poblacin con una
distribucin de Poisson).
Donde k: nmero de categoras
Obtenemos que: X2(0,95,2) = 5,991

DECISION:
Como el valor calculado del Chi-cuadrado es X2 = 7,483 superior
al valor crtico, X2 = 5,991 entonces rechazamos Ho y aceptamos
la H1 .
Conclusin: La muestra no se extrajo de una poblacin que
tiene una Distribucin de Poissn, que ambas distribuciones no
se ajustan bien a una distribucin normal.

EJEMPLO:
Para un examen de simulacro a la UTP, se obtuvieron los
siguientes resultados, = 945,04 puntos (promedio) y = 142,61
segn la tabla ADJUNTA:
Con base a los datos de la muestra, determinar si la muestra
que se extrajo de una poblacin en la cual las calificaciones
tienen una distribucin normal, tambin tiene distribucin
normal. Utilizar un nivel de significancia de 1%.

Frecuencias
Menos de 800
36
Entre 800 y 900
96
Entre 900 y 1000
78
Entre 1000 y 1100
48
Entre 1100 y 1200
25
Entre 1200 y 1300
10
Entre 1300 y 1400
1400 a ms
TOTAL
300
PRUEBA DE BONDAD DE
AJUSTE
SOLUCION:
A. FORMULAR LA HIPOTESIS NULA Y ALTERNA
Ho: La muestra proviene de una poblacin que tiene una
distribucin NORMAL.
H1: La muestra no se extrajo de una poblacin normal.
B. CONSTRUIR LA TABLA DE FRECUENCIA OBSERVADA
Como ninguna de las frecuencias debe tener un valor
menor a 5, agruparemos las 3 ltimas filas

Frecue
ncia
Observ
ada
Frecuencia Esperada
AREA
Frecuencia
Esperada
Menos de 800
36
Z= = =-1,02
P(z=1,02)=0,154
(0,154)*300=46,2
Entre 800 y
900
96
Z= = =-0,32
P(z=0,32)=0,374
(0,220)*300=66
Entre 900 y
1000
78
Z= = =0,39
P(z=0,39)=0,6
52
(0,278)*300=83,4
Entre 1000 y
1100
48
Z= = =1,09
P(z=1,09)=0,8
62
(0,210)*300=63
Entre 1100 y
1200
25
Z= = =1,79
P(z=1,79)=0,9
63
(0,101)*300=30,3
1200
17
Z= = =3,19
1-0,963=
(0,037)*300=1
1,1
TOTAL
300
300
PRUEBA DE BONDAD DE
AJUSTE
Suponiendo que la hiptesis nula es verdadera, construiremos
la tabla de frecuencia esperada. (Fe)
DISTRIBUCION DE
FRECUENCIAS
Meno
s de
800
De
800 a
900
De
900 a
1000
De
1000 a
1100
De 1100 a
1200
Ms de 1200
OBSERVADA (Fo)
36
96
78
48
25
17
ESPERADA (Fe)
46,2
66
83,4
63
30,3
11,1
DIFERENCIA (Fo
Fe)
-10,2
30
-5,4
-15
-5,3
5,9
(Fo Fe)2
104,4
900
29,16
225
28,09
34,81
(Fo Fe)2 / Fe
2,26
13,64
0,35
3,57
0,93
3,14
=
23,89
= 23,89

Hallando el Valor Crtico de X2 para una significancia de 1% y
(gl: k-1-m = 6-1-2 = 3 grados de libertad).
m= 2 pues los parametros utilizados para hallar la frecuencias
esperadas fueron ( y )
Donde k: nmero de categoras (en este caso 6)
Obtenemos que: X2(0,99,3) = 11,48
Luego comparando el chi cuadrado calculado con el valor critico de
chi-cuadrado, vemos que es mayor y por tanto se rechaza la
hiptesis nula con 0,01 de nivel de significancia.
CONCLUIMOS: que las calificaciones de la muestra no se extrajeron
de una poblacin que tiene una distribucin normal, o que las
distribuciones no se ajustan.

PRUEBA DE INDEPENDENCIA DE DOS VARIABLES:

Ho: Las variables son independientes entre si
H1: Las variables no son independientes entre si
COMPARACION DE PROPORCIONES DE K MUESTRAS
INDEPENDIENTES:
dems
PRUEBA DE INDEPENDENCIA DE
DOS VARIABLES
Este tipo de prueba es importante cuando queremos demostrar
si hay algn tipo de relacin entre dos variables.
Por ejemplo:
Si el nmero de afiliados a un partido, tiene relacin con su
nivel educativo
Si el tipo de seguro elegido tiene relacin con el nivel socio
econmico, etc
2
= rk
g.l.= (r-1)(k-1)

g.l.: grado de libertad
PRUEBA DE INDEPENDENCIA DE DOS

VARIABLES
Para el clculo de las frecuencias esperadas cuando se pone a
prueba la independencia de las variables, utilizamos la
siguiente formla:
Fe = Pi x ni
donde: Pi = Proporcin de todas las observaciones

ni = Nmero de observaciones

VARIABLES
EJEMPLO1:
Una inspectora de trnsito, observo el comportamiento de
los conductores de 500 vehculos frente a la luz roja, para
esto los evalu segn el criterio de tipo de vehculo y
detencin frente a la luz roja, obteniendo el siguiente
cuadro: (Fig.1)
Si la inspectora trabaj con un nivel de significancia de
=0,05, puede haber alguna relacin entre el
comportamiento del conductor respecto al tipo de vehculo
que conduce?

VARIABLES
Comportamiento frente a la
seal (Fo)
Tipo de
Vehcul
o
Se
detien
e
Se detiene
sobre la
seal
No se
detiene
Total
4x4
183
107
60
350
V.
Particular
54
27
19
100
V.Pblico
14
20
16
50
251
154
95
500

VARIABLES
Planteo de Hiptesis:
Ho = El tipo de Vehculo no tiene relacin con el tipo de conductor
(son independientes)
H1 = El tipo de Vehculo si tiene relacin con el tipo de conductor
(no son independientes)

VARIABLES
Comportamiento frente a la seal (Fe)
Se
detiene
Tipo de
Vehculo
Se detiene sobre la
seal
No se
detiene
Total
4x4
350
V. Particular
100
V.Pblico
50
251
154
95
500
Comportamiento frente a la seal (Fe)
Tipo de
Vehculo
Se
detiene
Se detiene sobre la
seal
No se
detiene
Total
4x4
175,7
107,8
66,5
350
V. Particular
50,2
30,8
19
100
V.Pblico
25,1
15,4
9,5
50
251
154
95
500

VARIABLES
Comportamiento frente a la seal (Fo-Fe)
Tipo de
Vehculo
Se
detiene
Se detiene sobre la
seal
No se
detiene
Total
4x4
183-175,7
107-107,8
60-66,5
350
V. Particular
54-50,2
27-30,8
19-19
100
V.Pblico
14-25,1
20-15,4
16-9,5
50
500
Comportamiento frente a la seal (Fo-Fe)2 /Fe
Tipo de
Vehculo
Se
detiene
Se detiene sobre la
seal
No se
detiene
Total
4x4
0,30
0,006
0,64
0,946
V. Particular
0,29
0,47
0,76
V.Pblico
4,91
1,37
4,45
10,73
5,5
1,846
5,09
12,436

VARIABLES
2
= rk
g.l.= (r-1)(k-1)

g.l.: grado de libertad
2 =12,436
CALCULANDO EL VALOR CRITICO DEL ESTADISTICO CHI-CUADRADO
Obtenemos que: X2(0,95,4) = 9,488
g.l.= (3-1)(3-1)=4
De donde podemos ver que Ho, se rechaza, y podemos afirmar

que si hay relacin entre las dos variables independientes

VARIABLES
EJEMPLO2:
Una compaa de estudio de mercado, hizo un anlisis acerca
de los 100 programas mas vistos en Amrica Latina segn
cadena televisiva.(Ver Cuadro)
Si la inspectora trabaj con un nivel de significancia de
=0,05, puede haber alguna relacin entre los programas
ms vistos y la cadena televisiva?

VARIABLES
Programas segn Cadena Televisiva
Audienci
a segn
Program
as
clasifica
dos
CNN
CBS
NBC
Total
1-25
14
25
26-50
11
25
51-75
10
10
25
76-100
13
25
TOTAL
36
34
30
100
COMPARACION DE LAS PROPORCIONES DE

K MUESTRAS INDEPENDIENTES
COMPARACION DE LAS PROPORCIONES DE K MUESTRAS
INDEPENDIENTES:
dems
Este tipo de prueba de hiptesis se utiliza para comparar las
proporciones muestrales de dos ms proporciones muestrales,
con el fin de EXAMINAR SI LAS PROPORCIONES POBLACIONALES
PUEDEN SER IGUALES O NO.

EJEMPLO:
La ONG Aguas es Vida, hace una encuesta en la Ciudad de la Oroya ,
y observa que 8,7% de los adultos encuestados se mudo a otra Ciudad,
de 1980 a 1984, esto aumento ligeramente a 9,1% en el periodo de
1985 a 1989 y de 9.3% en el periodo de 1990 a 1994.
Si en la primera y segunda encuesta se encuestaron a 1000 personas y
en la tercera a 2000 personas. Se puede afirmar que las proporcin de
adultos que se mudaron de la ciudad de la Oroya a otra ciudad fue la
misma, en los tres peridos. Utilizar un nivel de significancia =0.05

VARIABLES
A: Planteo de Hiptesis:
Ho = 1= 2 =3 El % de adultos que dejaron la ciudad de la Oroya
en cada una de las temporadas fueron iguales
H1 = 1 2 3 . El % de adultos que dejaron la ciudad de la Oroya
en cada una de las temporadas no fue igual

B: Elabora la tabla de frecuencias Observadas
80 - 84 85 - 89
90-94
TOTAL
SI
93
91
174
358
NO
907
909
1826
3642
1000
1000
2000
La proporcin general para las tres muestras combinadas es (93+91+174)/

(1000+1000+2000) = 0.0895 Este es nuestro estimado de las proporciones
poblacionales (hipotticamente iguales para los tres periodos).
Ho afirma que estas proporciones poblacionales son iguales, as (1= 2 =3 = 0.0895),
este es un promedio ponderado de las tres proporciones muestrales y es nuestra estimacin puntual para
el valor de , que segn la hiptesis nula, comparten las tres poblaciones
80 - 84
85 A 89
90-94
SI
0.0895*10
00
0.0895*10
00
0.0895*20
00
358
NO
1000-89.5
1000-89.5
2000-179
3642
1000
1000
2000
TOTAL

C: Elaborar la tabla de frecuencias Esperadas
80 - 84
85 A 89
90-94
TOTAL
SI
89.5
89.5
179
358
NO
910.5
910.5
1821
3642
1000
1000
2000
2 = rk
D: Determinar el valor calculado del estadstico de prueba X2

80 - 84
85 A 89
90-94
SI
(93-89.5)2/89.5
(91-89.5)2/89.5
(174-179)2/179
NO
(907910.5)2/910.5
(907910.5)2/910.5
(18261821)2/1821
X2calculado = 0.331
TOTAL
Con r= 2 filas0.331
y k= 3 columnas, luego el df=(r1)(k-1)
df = (1)*(2)=2

E: Hallando el valor crtico del Estadstico Chi-Cuadrado X 2
Obtenemos que: X2(0,95,2) = 5.991
F: Decisin
Como el Valor del Chi-cuadrado calculado es menor que el Chicuadrado Critico, esto cae en la zona de aceptacin por tanto
aceptamos la Hiptesis nula, y podemos afirmar que el % de
adultos que dejaron la ciudad de la Oroya en los tres periodos
de anlisis fueron iguales.

EJEMPLO:
AFP Integra hizo una encuesta entre los afiliados de los 3
fondos que posee para conocer sus caractersticas y los
resultados fueron los siguientes 52% de los 150 clientes del
fondo 3 se describen as mismos como inversionistas muy
agresivos dijeron que eran optimistas acerca del futuro
inmediato del mercado de capitales, comparado con 46% de
100 clientes del fondo 2 que se describieron como moderados,
y de 38% del fondo 1 que se describieron como conservadores.
Utilizando un nivel de significancia de 0.01 probar si las tres
proporciones poblacionales pueden ser iguales en cuanto a las
3
Fondo 2
Fondo 1
TOTAL
caractersticas deFondo
los afiliados.
Si
78
46
38
162
No
72
54
62
188
150
100
100
350

La proporcin general para las tres muestras combinadas es (78+46+38)/
(150+100+100) = 0.463. Este es nuestro estimado de las proporciones
poblacionales (hipotticamente iguales para los tres periodos).
Ho afirma que estas proporciones poblacionales son iguales, as (1= 2 =3 = 0.463),
este es un promedio ponderado de las tres proporciones muestrales y es nuestra estimacin puntual para
el valor de , que segn la hiptesis nula, comparten las tres poblaciones
Fondo 3
Fondo 2
Fondo 1
TOTAL
Si
0.463*150
69.45
0.463*10
0
69.45
0.463*100
69.45
162
No
150-69.45
80.55
10069.45
30.55
100-69.45
30.55
188
150
100
100
350

Fondo 3
Fondo 2
Fondo 1
SI
(7869.45)2/69.45
(4669.45)2/69.45
(3869.45)2/69.45
NO
(7280.55)2/80.55
(5430.55)2/30.55
(6230.55)2/30.55
Fondo 3
Fondo 2
Fondo 1
SI
1.05
7.92
14.24
NO
0.91
18
32.38
TOTAL
TOTAL
74.5


Est Inferencial

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Est Inferencial

Загружено:

Авторское право:

Доступные форматы

ESTADISTICA INFERENCIAL

CURSO: ESTADISTICA DESCRIPTIVA Y

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBAS REALIZADAS CON LA

ING. MANUEL SOTERO MURG

PRUEBAS REALIZADAS CON LA

CURSO: ESTADISTICA INFERENCIAL

DE UNA SOLA COLA

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

Verificar si estos datos se extrajern de una poblacin que

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

Luego: = 0,5 y x= nmero de manchas por automvil

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

Aplicando la frmula del Chi-Cuadrado, para hallar el

Donde: o : frecuencia observada

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

DIFERENCIA (Fo Fe)

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

CURSO: ESTADISTICA INFERENCIAL

ING. MANUEL SOTERO MURG

PRUEBA DE BONDAD DE AJUSTE

Entre 800 y 900

Entre 900 y 1000

Entre 1000 y 1100

Entre 1100 y 1200

Entre 1200 y 1300

Entre 1300 y 1400