Vista previa del material en texto
ESTADÍSITCA INFERENCIAL PERSONAL DE LA CATEDRA HORARIO DE CLASES SINCRÓNICAS Profesor Adjunto Cr. Alejo Cornell Martes: 16 a 18 hs. Jefe de Trabajos Prácticos Lic. Marianela Greppi En uso de Licencia 2021 Jefe de Trabajos Prácticos Cr.. Javier Bulacios Viernes: 16 a 18 hs. REPASO DE ALGUNOS CONCEPTOS POBLACIÓN MUESTRAS POBLACIÓN MUESTRA PARÁMETROS ESTADÍSTICOS LETRAS GRIEGAS μ σ π ρ α β x S p r a b OTROS CONCEPTOS… «ESTADÍSTICA» DOS GRANDES RAMAS ESTADÍSTICA DESCRIPTIVA COMPRENDE LOS MÉTODOS QUE IMPLICAN: •RECOLECCIÓN, •TABULACIÓN U ORGANIZACIÓN, •ANÁLISIS, •PRESENTACIÓN, •INTERPRETACIÓN DE UN CONJUNTO DE DATOS, A FIN DE DESCRIBIR EN FORMA APROPIADA LAS DIVERSAS CARACTERÍSTICAS DE ESE CONJUNTO DE DATOS INFERENCIA ESTADÍSTICA COMPRENDE LOS MÉTODOS QUE POSIBILITAN LA ESTIMACIÓN DE UNA CARACTERÍSTICA DE UNA POBLACIÓN, O LA TOMA DE UNA DECISIÓN CONCERNIENTE A UNA POBLACIÓN, CON BASE TAN SÓLO EN LOS RESULTADOS DE UN MUESTREO. INFERENCIA ESTADÍSTICA ESTIMACIÓN DE PARÁMETROS • Puntual • Por Intervalos de Confianza PRUEBAS DE HIPÓTESIS Procedimientos que permiten sacar conclusiones y tomar decisiones con respecto a una población, habiendo analizado solo muestras de esa población Estimación de parámetros Calcular medidas descriptivas utilizando las observaciones muestrales, para representar a los parámetros desconocidos. POBLACIÓN Variables: X, Y, …, Z Parámetros: μ, σ, π x1, x2, x3, . . . , xn x S p DOS tipos de estimaciones: Estimación puntual Se obtiene un punto, un valor, como estimación del parámetro. Estimación por intervalos Se obtiene un intervalo dentro del cual estimamos que estará el parámetro, bajo cierto grado de probabilidad). Estimación puntual de parámetros Estimar el valor de un parámetro desconocido con un sólo número. Simbología Un parámetro es θ Un estimador es θ Estimación por Intervalos de Confianza Es la estimación de un parámetro por un intervalo al azar, llamado Intervalo de Confianza, cuyos límites superior e inferior, Li y Ls, son funciones de las variables aleatorias observadas tales que la probabilidad de que se cumpla la desigualdad Li < θ < Ls, se expresa en términos de un número predeterminado, 1- α . Esto es: P ( Li < θ < Ls ) = 1- α Pruebas de hipótesis estadísticas IMPLICA: * decidir si una afirmación relativa a uno o más parámetros es verdadera o falsa, O bien * probar una hipótesis relativa a una cuestión no relacionada con parámetros. Clasificación de Pruebas de hipótesis Etapas de una prueba de hipótesis 1- Formular las hipótesis. 2- Especificar el nivel de significación, a. 3- Seleccionar una estadística de prueba apropiada. 4- Fijar criterios de decisión. 5- Relevar los datos y calcular la estadística de prueba. 6- Tomar una decisión. 7- Establecer conclusiones. Unidad Didáctica Nº 1 TEORIA DEL MUESTREO Unidad Didáctica Nº 2 DISTRIBUCIONES DE PROBABILIDAD Unidad Didáctica Nº 3 ESTIMACIÓN DE PARÁMETROS Unidad Didáctica Nº 4 PRUEBAS DE HIPÓTESIS Unidad Didáctica Nº 5 MÉTODOS NO PARAMÉTRICOS Unidad Didáctica Nº 6 ANÁLISIS MULTIVARIADO TEORÍA DE MUESTREO CENSO Abarca toda la población MUESTRAS Probabilísticas No Probabilísticas Aleatoria simple Sistemática Estratificada De Conglomerados De Juicio o discrecional De Cuota Por Conveniencia Bola de nieve o Cadena • ¿Cómo seleccionar la muestra? • ¿Cómo extrapolar a la población entera los resultados observados en la muestra? Población Encuesta por censo Población Muestra Encuesta por muestreo Importancia del MUESTREO ¿Por qué usar muestreo?... • El costo del proceso censal puede hacerlo inviable. • Puede dar resultados más precisos que un censo. • Procedimientos de muestreo de tipo destructivo. • El tiempo necesario para relevar la población. • Poblaciones Infinitas. Conceptos básicos en muestreo Elemento Objeto en el cual se toman las observaciones o mediciones Marco de muestreo Lista o fichero de unidades de muestreo Muestra Colección de unidades seleccionadas de un marco Tasa de muestreo f = n / N MUESTREO ALEATORIO Población Muestra SIMPLE BIETÁPICO Población Para extraer una muestra aleatoria controlando la probabilidad de cada muestra, se necesita: Un marco de muestreo o varios Un algoritmo de muestreo que respete las probabilidades fijadas Algoritmo de selección Se seleccionan n unidades de una población de N elementos, de manera tal que cada una de las muestras posibles tengan la misma oportunidad de ser seleccionadas Para seleccionar las unidades de muestreo: 1º) se numeran correlativamente 2º) se utilizan números aleatorios (de tabla o generados por computadora u otro mecanismo al azar) MUESTREO SISTEMÁTICO Se fija la posición relativa de las unidades incluidas en la muestra Asegura una representación uniforme de los elementos de la población Algoritmo de selección • Los elementos de la población se numeran de 1 a N. • Se calcula el intervalo de muestreo: k = N/n. • Dentro del primer intervalo de muestreo (numeración entre 1 y k) se elige un arranque aleatorio, r . • r determina la unidad que se debe seleccionar en cada uno de los n intervalos de muestreo. MUESTREO ESTRATIFICADO ¿Será posible disminuir la variabilidad de los estimadores, sin cambiar el tamaño n de la muestra? Sí ¿Cuándo? Cuando se dispone de una variable cualitativa auxiliar cuyas categorías son homogéneas con respecto a la variable de interés Esas categorías constituyen los estratos Algoritmo de selección • Se divide la población en estratos, heterogéneos entre sí, y homogéneos dentro de cada estrato. • Dentro de cada estrato se selecciona una muestra aleatoria (simple o sistemática) de unidades de muestreo. Asignación proporcional Asignación óptima MUESTREO POR CONGLOMERADOS CONGLOMERADOS Homogéneos entre sí Heterogéneos dentro de sí Algoritmo de selección 1º) Se listan los conglomerados para construir el marco de muestreo. 2º) Se seleccionan aleatoriamente los conglomerados que integrarán la muestra. 3º) Dentro de los conglomerados seleccionados se encuestan a todos los individuos. Es eficaz cuando los conglomerados son numerosos y de tamaños pequeños Error de Muestreo «Es la diferencia entre el estadístico de la muestra y el parámetro respectivo (de la población)» Error de Muestreo = Estadístico - Parámetro Existen tantos errores (desvíos) de muestreo como muestras se puedan tomar de una población. Es poco probable que el error sea nulo. Podrán ser positivos o negativos. La suma de los errores a medida que sea la cantidad de muestras sea mayor, se aproxima a cero. Distribución Muestral Es la distribución de probabilidad de todos los posibles estadísticos de un determinado tamaño de muestra de la población. Teorema del límite central Si todas las muestras de un tamaño determinado son tomadas de una población, la distribución muestral del estadístico correspondiente se aproxima a una distribución Normal, a medida que el tamaño de la muestra es mayor. Tamaño de la Población y de la Muestra Cantidad de muestras posibles Ejemplos: 1)En una población de 7 unidades, se pueden tomar 21 muestras de 2 elementos (en excel «=combinat(7;2)» ) 2)Se pueden hacer 142506 diferentes muestras de tamaño 5, en una población de 30 elementos.