SlideShare una empresa de Scribd logo
INFERENCIA
ESTADÍSTICA
INFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA
1. CONCEPTO
METODOS
PROCEDIMIENTOS
PROPIEDADES
DEDUCIR INFERIR
CONCLUIR
POBLACION
DE
MUESTRA
CIENCIA
EXPERIMENTAL
INFORMACION
INCOMPLETA
CONJUNTO
OBSERVACIONES
GENERA
MODELOS
MUESTRA
ESTIMAN
PARAMETROS
CONTRASTAN
HIPOTESIS
DETERMINARMODELO
ES APROPIADO
NO
APROPIADO
HAY DECISION
PREVENSION
Estimaciones puntuales e intervalos de
confianza
 Estimación puntual: Estadístico calculado a
partir de la información obtenida de la muestra y
que se usa para estimar el parámetro
poblacional.
 Intervalo de confianza: Un conjunto de valores
obtenido a partir de los datos muestrales, en el
que hay una determinada probabilidad de que
se encuentre el parámetro. A esta probabilidad
se le conoce como el nivel de confianza.
Estimación puntual y estimación por
intervalos
 Los hechos que determinan la amplitud de un
intervalo de confianza son:
1. El tamaño de la muestra, n
2. La variabilidad de la población.
normalmente estimada por s.
3. El nivel de confianza deseado.
Estimación puntual y estimación por
intervalos
 Si la desviación estándar de la población es
conocida o la muestra es mayor que 30
utilizamos la distribución z.
n
s
zX ±
Punto e intervalo de estimación
 Si la desviación estándar de la población es
desconocida y la muestra es menor que 30
utilizamos la distribución t
n
s
tX ±
Intervalo de estimación
 Un intervalo de estimación establece el rango
en el cual se encuentra el parámetro de
población.
 Un intervalo en el cual se espera que ocurra el
parámetro de población se llama intervalo de
confianza.
 Los dos intervalos de confianza que son más
utilizados son de 95% y 99%.
Intervalo de estimación
 Para un 95% de intervalo de confianza,
aproximadamente 95% de los intervalos construidos
igualmente contendrán el parámetro inicial.
También el 95% de la muestra media para un
tamaño de muestra específico se encontrará dentro
del 1.96 de la desviación estándar de la media de la
población.
 Para el 99% de intervalo de confianza, 99% de la
muestra media para un tamaño de muestra
específico se encontrará dentro del 2.58 de la
desviación estándar de la media de la población.
Error estándar de la media muestral
 es el símbolo para el error estándar de la media
muestral.
 es la desviación estándar de la población.
 n es la magnitud de la muestra.
σ
σ
x
n
=
σx
σ
 El error estándar de la media muestral es la
desviación estándar de la distribución de las medias
muestrales.
 Se calcula como:
Error estándar de la media muestral
 Si σ no es conocido y n >= 30, la desviación
estándar de la muestra, designada s, se
aproxima a la desviación estándar de la
población.
 La fórmula para la desviación estándar es:
n
s
sx =
95% y 99% intervalos de confianza
para µ
 El 95% y 99% intervalos de confianza:
95% CI para la media de la población es dada:
n
s
X 96.1±
X
s
n
±2 58.
99% CI para la media de la población es dada
como:
Construyendo intervalos generales de
confianza para µ
 En general, un intervalo de confianza para la
media se calcula como:
n
s
zX ±
Ejemplo 3
 El director de una escuela de negocios quiere
estimar la cantidad media de horas que los
estudiantes trabajan por semana. De una
muestra de 49 estudiantes mostró una media
de 24 horas con una desviación estándar de
4 horas. ¿Cuál es la media de la población?
 El valor de la media de la población no es
conocida. Nuestra mejor estimación de este
valor es la muestra media de 24.0 horas.
Este valor es llamado estimación puntual.
Ejemplo 3 (Continuación)
 Encuentre el intervalo de confianza con el 95%
para la media de la población.
 El rango límite de confianza es de 22.88 a
25.12.
12.100.24
49
4
96.100.2496.1
±=
±=±
n
s
X
 Aproximadamente el 95% de los intervalos
construidos incluyen el parámetro de población.
Intervalo de confianza para la
proporción de la población
 El intervalo de confianza para la proporción de
la población se estima como:
n
pp
zp
)1( −
±
Ejemplo 4
 De una muestra de 500 ejecutivos que tienen
casa propia 175 revelaron planear vender sus
casas y cambiarse a Arizona. Desarrolle un
intervalo de confianza con el 98% para la
proporción de ejecutivos que planean vender sus
casas y cambiarse a Arizona.
0497.35.
500
)65)(.35(.
33.235. ±=±
Factor de corrección
de la población-finita
 La población que ha sido establecida en líneas
anteriores se dice que es finita.
 Para una población finita, donde el número total de
objetos es N y la magnitud de la muestra es n, el
siguiente arreglo está hecho para los errores
estándar de la media muestral y la proporción:
 Error estándar de la media muestral:
σ
σ
x
n
N n
N
=
−
−1
Factor de corrección
de la población-finita
 Este arreglo es llamado factor de corrección
de la población-finita.
 Si n/N < .05,el factor de corrección de la
población-finita se ignora.
1
)1(
−
−−
=
N
nN
n
pp
pσ
 Error estándar de las proporciones de la muestra:
Ejemplo 5
 Dada la información del Ejemplo 4, construya un
intervalo de confianza del 95% para la cantidad media
de horas que los estudiantes trabajan por semana si
tan sólo son 500 estudiantes en el campus.
 Porque n/N = 49/500 = .098 el cual es mayor que 05,
utilizamos el factor de corrección de la población-finita
0648.100.24)
1500
49500
)(
49
4
(96.124 ±=
−
−
±
Elección del tamaño de muestra
apropiado
 Existen 3 factores que determinan el tamaño de
la muestra, ninguno de los cuales tiene relación
con el tamaño de la población. Éstos son:
El nivel de confianza deseado.
El máximo error permisible.
La variación en la población.
Variación en la población
 Donde: E es el error permisible, z es el valor-z
correspondiente al nivel de confianza
seleccionado, y s es la desviación de la
muestra del estudio piloto.
2





 •
=
E
sz
n
 Para encontrar el tamaño de la muestra para
una variable:
Ejemplo 6
 Un grupo de consumidores quiere estimar la
media del cargo mensual de energía de julio de
una casa común dentro de $5 utilizando 99% de
nivel de confianza. Basado en estudios
similares, la desviación estándar se estima debe
ser $20.00. ¿Cuántas muestras son requeridas?
107
5
)20)(58.2(
2
=





=n
Tamaño de la muestra
para proporciones
 La fórmula para determinar el tamaño de la
muestra en el caso de una proporción es:
n p p
Z
E
= −





( )1
2
Donde: p es la proporción estimada, basada en
la experiencia anterior o de un estudio piloto, z
es valor-z asociado con el grado de confianza
seleccionado; E es el máximo error permisible
que el investigador tolerará.
Ejemplo 7
 Un club quiere estimar la proporción de niños
que tiene un perro como mascota. Si el club
quisiera estimarlo dentro del 3% de la
proporción de la población, ¿cuántos niños
necesitarían contactar? Asuma 95% de nivel de
confianza y que el club estima que un 30% de
los niños tienen un perro como mascota.
897
03.
96.1
)70)(.30(.
2
=





=n
Pruebas de hipótesis para
una muestra
¿Qué es una hipótesis?
 Una hipótesis es una declaración sobre el valor
de un parámetro de la población desarrollado
con el fin de poner a prueba.
 Ejemplos de hipótesis que se hicieron sobre un
parámetro de la población:
 El ingreso mensual para los analistas de sistemas es
$3.625
 Veinte por ciento de todos los clientes de La Majada
regresan para otra comida dentro de un mes.
¿Qué es una prueba de hipótesis?
 La prueba de hipótesis es un procedimiento
basado en la evidencia de la muestra y la teoría
de las probabilidades, usadas para determinar si
la hipótesis es una declaración razonable y no
debe ser rechazada, o es irrazonable y debe ser
rechazada.
Prueba de hipótesis
Paso 4: Se formula la regla
de decisión
Paso 3: Se identifica el
estadístico de prueba
Paso 5: Se toma una
muestra y se decide: se
acepta H0
o se rechaza H0
Paso 2: Se selecciona el
nivel de significancia
Paso 1: Se plantean las
hipótesis nula y alternativa
Definiciones
 Hipótesis nula H0: Una declaración sobre el valor
de un parámetro de la población.
 Hipótesis alternativa H1: Una declaración que se
acepta si los datos de la muestra proporcionan
evidencia de que la hipótesis nula es falsa.
 Nivel de significancia: La probabilidad de
rechazar la hipótesis nula cuando es verdadera.
 Error tipo I: Rechazar la hipótesis nula cuando
es verdadera.
Definiciones
 Error tipo II: Aceptar la hipótesis nula cuando es
falsa.
 Estadístico de prueba: Un valor determinado a
partir de la información muestral, usado para
determinar si se rechaza la hipótesis nula.
 Valor crítico: Punto de división entre la región en
la que se rechaza la hipótesis nula y la región
en la que no rechaza la hipótesis nula.
31
PRUEBAS DE HIPÓTESIS
PARA LA MEDIA Y VARIANZA POBLACIONAL
TIPOS DE ERRORES EN PRUEBA
DE HIPÓTESIS
32
Pruebas de significancia de una cola
 Una prueba es de una cola cuando la hipótesis
alternativa, H1 indica una dirección, como por
ejemplo:
 H1: Las comisiones anuales ganadas por corredores
de bienes raíces a tiempo completo son más de
$35.000. (µ>$35.000)
 H1: La velocidad de los autos que viajan en la I-95 en
Georgia es menos de (µ<60) millas por hora.
 H1: Menos del 20% de los clientes pagan en efectivo
su consumo de gasolina. (µ<.20)
Distribución muestral para el estadístico z para la prueba
de una cola, con el .05 de nivel de significancia
0.95 de probabilidad
0.05 región de rechazo
Valor crítico
Z = 1.65
0 1 2 3
Pruebas de significancia de dos colas
 Una prueba es con dos colas cuando no se
especifica ninguna dirección en la hipótesis
alterna H1, por ejemplo:
 H1: La cantidad pagada por los clientes en el centro
comercial en Georgetown no es igual a $25. (µ $25).
 H1: El precio para un galón de gasolina no es igual a
$1.54. (µ $1.54).


Distribución muestral para el estadístico z para la prueba
de dos colas, con el .05 de nivel de significancia
0.95 de probabilidad
0.025 región de rechazo
0 1-1 2-2
Valor crítico
Z = 1.96, -1.96
Prueba para la media de la población:
muestra grande, desviación estándar
de la población conocida
 Cuando la prueba de la media poblacional
proviene de una muestra grande y la desviación
estándar poblacional es conocida, el estadístico
de la prueba se obtiene con la siguiente fórmula:
z
X
=
− µ
σ / n
Ejemplo1
Los procesadores de la salsa de tomate de los
fritos indican en la etiqueta que la botella
contiene 16 onzas de la salsa de tomate. La
desviación estándar del proceso es 0.5 onza.
Una muestra de 36 botellas de la producción de
la hora anterior reveló un peso de 16.12 onzas
por botella. ¿En un nivel de significancia del .05
el proceso está fuera de control? ¿Es decir,
podemos concluir que la cantidad por botella es
diferente a 16 onzas?
Ejemplo 1 (Continuación)
 Paso 1: Indique las hipótesis nulas y alternativas:
H0: µ = 16; H1: µ = 16
 Paso 2: Seleccione el nivel de significancia. En este
caso seleccionamos el nivel de significancia del
0.05.
 Paso 3: Identifique la estadística de la prueba.
Porque conocemos la desviación estándar de la
población, la estadística de la prueba es z.
Ejemplo 1 (Continuación)
 Paso 4: Indique la regla de decisión:
Rechazo H0 si z > 1.96 o z < -1.96
 Paso 5: Compruebe el valor del estadístico de la
prueba y llegue a una decisión.
44.1
365.0
00.1612.16
=
−
=
−
=
n
X
z
σ
µ
No rechazamos la hipótesis nula. No podemos
concluir que la media sea diferente a 16 onzas.
Valor-p en la prueba de la hipótesis
 Valor-p es la probabilidad de observar un valor
muestral tan extremo, que el valor observado,
dado que la hipótesis nula es verdadera.
 Si el valor-p es más pequeño que el nivel de
significancia, se rechaza H0.
 Si el valor-p es más grande que el nivel de
significancia, H0 no se rechaza.
Cálculo del Valor-p
 Prueba de una cola: valor-p = P{z >= valor
absoluto del estadístico de prueba}
 Prueba de dos colas: valor-p = 2P{z >= valor
absoluto del estadístico de prueba}
 Del Ejemplo 1, z = 1.44, y porque era una
prueba de dos colas, el valor-p = 2P{z >= 1.44}
= 2(.5-.4251) = .1498. Porque .05>= .1498, no
se rechaza H0.
Prueba para la media de la población:
muestra grande, desviación estándar
poblacional desconocida
 Aquí σ es desconocida, así que la estimamos
con la desviación estándar de la muestra s.
 Mientras el tamaño de muestra n > 30, z se
puede aproximar con:
z
X
s n
=
− µ
/
Ejemplo 2
La cadena de almacenes de descuento de Roder
emite su propia tarjeta de crédito. Lisa, la gerente
de crédito, desea descubrir si el promedio sin pagar
mensual es más de $400. El nivel de significancia
se fija en .05. Una verificación al azar de 172
balances sin pagar reveló que la media de la
muestra fue $407 y la desviación estándar de la
muestra fue $38. ¿Debe Lisa concluir que el medio
de la población es mayor de $400, o es razonable
asumir que la diferencia de $7 ($407-$400) es
debido al azar?
Ejemplo 2 (Continuación)
 Paso 1: H0: µ <= $400, H1: µ > $400
 Paso 2: El nivel de significancia es .05
 Paso 3: Porque la muestra es grande podemos utilizar
la distribución de z como el estadístico de la prueba.
 Paso 4: H0 es rechazada si z>1.65
 Paso 5: Realice los cálculos y tome una decisión.
 H0 es rechazada. Lisa puede concluir que la media sin
pagar es mayor de $400.
42.2
17238$
400$407$
=
−
=
−
=
ns
X
z
µ
Prueba para la media de la población:
muestra pequeña, desviación estándar
poblacional desconocida
 El estadístico de la prueba es la distribución t.
 El estadístico de la prueba para el caso de una
muestra es:
ns
X
t
/
µ−
=
Ejemplo 3
La tasa de producción de los fusibles de 5 amperios
en Neary Co. eléctrico es 250 por hora. Se ha
comprado e instalado una máquina nueva que,
según el proveedor, aumentará la tarifa de la
producción. Una muestra de 10 horas
seleccionadas al azar a partir del mes pasado
reveló que la producción cada hora en la máquina
nueva era 256 unidades, con una desviación
estándar de 6 por hora. ¿En el nivel de significancia
del .05. Neary puede concluir que la máquina nueva
es más rápida?
Ejemplo 3 (Continuación)
 Paso 1: Establezca la hipótesis nula y la
hipótesis alternativa.
H0: µ <= 250; H1: µ > 250
 Paso 2: Seleccione el nivel de significancia.
Es .05.
 Paso 3: Encuentre un estadístico de prueba.
Es la distribución t porque la desviación
estándar de la población no se conoce y el
tamaño de muestra es menos de 30.
Ejemplo 3 (Continuación)
 Paso 4: Indique la regla de la decisión.
Hay 10 - 1 = 9 grados de libertad. Se rechaza la
hipótesis nula si t > 1.833.
 Paso 5: Tome una decisión e interprete los
resultados.
162.3
106
250256
=
−
=
−
=
ns
X
t
µ
Se rechaza la hipótesis nula. El número
producido es más de 250 por hora.
Pruebas respecto a proporciones
 Una proporción es la fracción o el porcentaje
que indican la parte de la población o de la
muestra que tiene un rasgo particular de interés.
 La proporción de la muestra es denotada por p y
calculada con:
p = número de éxitos en la muestra / tamaño de
la muestra
Prueba estadística para la proporción
de la población
n
p
z
)1( ππ
π
−
−
=
La proporción de la muestra es p y π es la
proporción de la población.
Ejemplo 4
 En el pasado, el 15% de las solicitudes de
pedidos por correo para cierta obra de caridad
dio lugar a una contribución financiera. Un
nuevo formato de solicitud se ha diseñado y se
envía a una muestra de 200 personas y 45
respondieron con una contribución. ¿En el nivel
de significación del .05 se puede concluir que la
nueva solicitud es más eficaz?
Ejemplo 4 (Continuación)
 Paso 1: Establezca la hipótesis nula y la hipótesis
alternativa
H0: π <= .15 H1: π > .15
 Paso 2: Seleccione el nivel de significancia.
Es .05.
 Paso 3: Encuentre un estadístico de prueba.
La distribución de z es el estadístico de prueba.
Ejemplo 4 (Continuación)
 Paso 4: Indique la regla de decisión.
Se rechaza la hipótesis nula si z es mayor que 1.65.
 Paso 5: Tome una decisión e interprete los
resultados.
97.2
200
)15.1(15.
15.
200
45
)1(
=
−
−
=
−
−
=
n
p
z
ππ
π
Se rechaza la hipótesis nula. Más de 15% de
solicitudes responde con un compromiso. El nuevo
formato es más eficaz.
REFERENCIAS
55
http://es.slideshare.net/aumcjoe/estadstica-inferencial-2012
http://es.slideshare.net/castilloasmat28/distribuciones-muestrales-diapositivas-6792646?
http://es.slideshare.net/lexoruiz/estimacin-e-intervalos-de-confianza
http://es.slideshare.net/eraperez/estimacion-limiites-o-intervalos-de-confianza-para-la-media-y-p
http://blogs.ua.es/violeta/tag/diapositivas-teoria-estadistica/

Más contenido relacionado

La actualidad más candente

Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpoleSolucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Miguel Leonardo Sánchez Fajardo
 
Teorema del limite central
Teorema del limite centralTeorema del limite central
Teorema del limite central
Monica Mantilla Hidalgo
 
Calculo del tamaño de muestra
Calculo del tamaño de muestraCalculo del tamaño de muestra
Calculo del tamaño de muestra
Domingo de la Cerda
 
Ejercicios de estimación de intervalo o intervalos de confianza (8)
Ejercicios de estimación de intervalo o intervalos de confianza (8) Ejercicios de estimación de intervalo o intervalos de confianza (8)
Ejercicios de estimación de intervalo o intervalos de confianza (8)
Luz Hernández
 
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Luz Hernández
 
Ejercicios estadistica inferencial
Ejercicios estadistica inferencialEjercicios estadistica inferencial
Ejercicios estadistica inferencial
Inmaculada Leiva Tapia
 
Clase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica iiClase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica ii
Marco Borja Borja Turner
 
50 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx150 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx1
Juan Zaruma
 
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
JAVIER SOLIS NOYOLA
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
Mynor Garcia
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
eraperez
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
franciscoe71
 
Estadistica ii distribucion muestral
Estadistica ii distribucion muestralEstadistica ii distribucion muestral
Estadistica ii distribucion muestral
EliasGoncalves4
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianza
Andres Oyarzun
 
Hipotesis2
Hipotesis2Hipotesis2
Ejercicios unidad 3 mata
Ejercicios unidad 3 mataEjercicios unidad 3 mata
Ejercicios unidad 3 mata
Kassandra Gomez
 
Solucionario estadistica descriptiva iv
Solucionario estadistica descriptiva iv Solucionario estadistica descriptiva iv
Solucionario estadistica descriptiva iv
Albert Rojas
 
Estadistica ejercicios3
Estadistica ejercicios3Estadistica ejercicios3
Estadistica ejercicios3
Dann Gonzalez
 
Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01
Universidad Nacional Mayor de San Marcos
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadistica
Yanina C.J
 

La actualidad más candente (20)

Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpoleSolucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
Solucionario libro: Probabilidad y estadística para ingenieros 6 ed - walpole
 
Teorema del limite central
Teorema del limite centralTeorema del limite central
Teorema del limite central
 
Calculo del tamaño de muestra
Calculo del tamaño de muestraCalculo del tamaño de muestra
Calculo del tamaño de muestra
 
Ejercicios de estimación de intervalo o intervalos de confianza (8)
Ejercicios de estimación de intervalo o intervalos de confianza (8) Ejercicios de estimación de intervalo o intervalos de confianza (8)
Ejercicios de estimación de intervalo o intervalos de confianza (8)
 
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10) Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
Ejercicios de prueba de hipotesis con 𝜎 desconocida (10)
 
Ejercicios estadistica inferencial
Ejercicios estadistica inferencialEjercicios estadistica inferencial
Ejercicios estadistica inferencial
 
Clase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica iiClase 2 unidad ii estadistica ii
Clase 2 unidad ii estadistica ii
 
50 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx150 ejercicio de estadistica.docx1
50 ejercicio de estadistica.docx1
 
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...
 
Distribuciones muestrales
Distribuciones muestralesDistribuciones muestrales
Distribuciones muestrales
 
Distribucion muestral de proporciones
Distribucion muestral de proporcionesDistribucion muestral de proporciones
Distribucion muestral de proporciones
 
Prueba de hipotesis 2018 final
Prueba de hipotesis 2018 finalPrueba de hipotesis 2018 final
Prueba de hipotesis 2018 final
 
Estadistica ii distribucion muestral
Estadistica ii distribucion muestralEstadistica ii distribucion muestral
Estadistica ii distribucion muestral
 
Guia intervalos de confianza
Guia intervalos de confianzaGuia intervalos de confianza
Guia intervalos de confianza
 
Hipotesis2
Hipotesis2Hipotesis2
Hipotesis2
 
Ejercicios unidad 3 mata
Ejercicios unidad 3 mataEjercicios unidad 3 mata
Ejercicios unidad 3 mata
 
Solucionario estadistica descriptiva iv
Solucionario estadistica descriptiva iv Solucionario estadistica descriptiva iv
Solucionario estadistica descriptiva iv
 
Estadistica ejercicios3
Estadistica ejercicios3Estadistica ejercicios3
Estadistica ejercicios3
 
Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01Prueba de Hipotesis Est ind clase01
Prueba de Hipotesis Est ind clase01
 
Prueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadisticaPrueba de Hipótesis para una media y proporción-estadistica
Prueba de Hipótesis para una media y proporción-estadistica
 

Destacado

Estadística Inferencial
Estadística Inferencial Estadística Inferencial
Estadística Inferencial
Willian Delgado
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
emamai
 
Estadística descriptiva e inferencial
Estadística descriptiva e inferencialEstadística descriptiva e inferencial
Estadística descriptiva e inferencial
Pedro López Eiroá
 
Estadistica inferencial 1
Estadistica inferencial 1Estadistica inferencial 1
Estadistica inferencial 1
Roberto Castro
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
Segundo Eloy Soto Abanto
 
[2] tecnics. muestreo
[2] tecnics. muestreo[2] tecnics. muestreo
[2] tecnics. muestreo
guestd0c4e2
 
Estimaciones estadisticas
Estimaciones estadisticasEstimaciones estadisticas
Estimaciones estadisticas
Brigitte Zavaleta Reyes
 
Estadistica para negocios
Estadistica para negociosEstadistica para negocios
Estadistica para negocios
desarrollo de negocios
 
Capítulo 01 lind marchal mason
Capítulo 01   lind marchal masonCapítulo 01   lind marchal mason
Capítulo 01 lind marchal mason
albertososa
 
Universidad Tecnológica de Torreón
Universidad Tecnológica de TorreónUniversidad Tecnológica de Torreón
Universidad Tecnológica de Torreón
Alejandra Cordero
 
Transporte de membranas
Transporte de membranasTransporte de membranas
Transporte de membranas
constanzamercedes
 
Pruebas de hipotesis
Pruebas de hipotesis Pruebas de hipotesis
Pruebas de hipotesis
elizareal
 
Estimaciones estadisticas en las cc.ss. ccesa007
Estimaciones estadisticas en las cc.ss.  ccesa007Estimaciones estadisticas en las cc.ss.  ccesa007
Estimaciones estadisticas en las cc.ss. ccesa007
Demetrio Ccesa Rayme
 
Conectivos lógicos silviacardozo
Conectivos lógicos silviacardozoConectivos lógicos silviacardozo
Conectivos lógicos silviacardozo
Silvia Janeth Cardozo Rocha
 
Variables estadísticas. psicología clínica
Variables estadísticas. psicología clínicaVariables estadísticas. psicología clínica
Variables estadísticas. psicología clínica
Carlos Noè Hernàndez
 
Estrategias de Diversificación
Estrategias de DiversificaciónEstrategias de Diversificación
Estrategias de Diversificación
LKS_Mondragon
 
Proyecto estadistica inferencial
Proyecto estadistica inferencialProyecto estadistica inferencial
Proyecto estadistica inferencial
katemora
 
Tobon secuencias didácticas aprendizaje y evaluación de competencias
Tobon secuencias didácticas aprendizaje y evaluación de competenciasTobon secuencias didácticas aprendizaje y evaluación de competencias
Tobon secuencias didácticas aprendizaje y evaluación de competencias
Modesto Ramos Sánchez
 
Rotacion de personal
Rotacion de personalRotacion de personal
Rotacion de personal
Amadeo_Torres
 

Destacado (20)

Estadística Inferencial
Estadística Inferencial Estadística Inferencial
Estadística Inferencial
 
Estadistica descriptiva
Estadistica descriptivaEstadistica descriptiva
Estadistica descriptiva
 
Estadística descriptiva e inferencial
Estadística descriptiva e inferencialEstadística descriptiva e inferencial
Estadística descriptiva e inferencial
 
Estadistica inferencial 1
Estadistica inferencial 1Estadistica inferencial 1
Estadistica inferencial 1
 
5 estadística inferencial
5 estadística inferencial5 estadística inferencial
5 estadística inferencial
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
[2] tecnics. muestreo
[2] tecnics. muestreo[2] tecnics. muestreo
[2] tecnics. muestreo
 
Estimaciones estadisticas
Estimaciones estadisticasEstimaciones estadisticas
Estimaciones estadisticas
 
Estadistica para negocios
Estadistica para negociosEstadistica para negocios
Estadistica para negocios
 
Capítulo 01 lind marchal mason
Capítulo 01   lind marchal masonCapítulo 01   lind marchal mason
Capítulo 01 lind marchal mason
 
Universidad Tecnológica de Torreón
Universidad Tecnológica de TorreónUniversidad Tecnológica de Torreón
Universidad Tecnológica de Torreón
 
Transporte de membranas
Transporte de membranasTransporte de membranas
Transporte de membranas
 
Pruebas de hipotesis
Pruebas de hipotesis Pruebas de hipotesis
Pruebas de hipotesis
 
Estimaciones estadisticas en las cc.ss. ccesa007
Estimaciones estadisticas en las cc.ss.  ccesa007Estimaciones estadisticas en las cc.ss.  ccesa007
Estimaciones estadisticas en las cc.ss. ccesa007
 
Conectivos lógicos silviacardozo
Conectivos lógicos silviacardozoConectivos lógicos silviacardozo
Conectivos lógicos silviacardozo
 
Variables estadísticas. psicología clínica
Variables estadísticas. psicología clínicaVariables estadísticas. psicología clínica
Variables estadísticas. psicología clínica
 
Estrategias de Diversificación
Estrategias de DiversificaciónEstrategias de Diversificación
Estrategias de Diversificación
 
Proyecto estadistica inferencial
Proyecto estadistica inferencialProyecto estadistica inferencial
Proyecto estadistica inferencial
 
Tobon secuencias didácticas aprendizaje y evaluación de competencias
Tobon secuencias didácticas aprendizaje y evaluación de competenciasTobon secuencias didácticas aprendizaje y evaluación de competencias
Tobon secuencias didácticas aprendizaje y evaluación de competencias
 
Rotacion de personal
Rotacion de personalRotacion de personal
Rotacion de personal
 

Similar a 5 estadística inferencial

Estimación e intervalos de confianza
Estimación e intervalos de confianzaEstimación e intervalos de confianza
Estimación e intervalos de confianza
Alejandro Ruiz
 
Intervalos Confianza
 Intervalos Confianza Intervalos Confianza
Intervalos Confianza
Azucena Agüero Torres
 
Intervalos Confianza
Intervalos ConfianzaIntervalos Confianza
Intervalos Confianza
Azucena Agüero Torres
 
Teoria de la estimación
Teoria de la estimaciónTeoria de la estimación
Teoria de la estimación
JOHNNY28000
 
Intervalos de confianza (7)
Intervalos de confianza (7)Intervalos de confianza (7)
Intervalos de confianza (7)
Luz Hernández
 
estadistica tema estimaciones en los resultados
estadistica tema  estimaciones en los resultadosestadistica tema  estimaciones en los resultados
estadistica tema estimaciones en los resultados
dmevaleriano
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
Khriiz Rmz
 
Intervalos de confianza 2018
Intervalos de confianza 2018Intervalos de confianza 2018
Intervalos de confianza 2018
franciscoe71
 
Estimación
EstimaciónEstimación
PRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.pptPRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.ppt
Elizabeth Dinorah Aguirre Yuh
 
PRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.pptPRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.ppt
ArtruroAntonioGarcia
 
Estimación.intervalos de confianza para la media y para las proporciones
Estimación.intervalos de confianza para la media y para las proporcionesEstimación.intervalos de confianza para la media y para las proporciones
Estimación.intervalos de confianza para la media y para las proporciones
Hugo Caceres
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
Hector Funes
 
Estimacin e intervalos_de_confianza_ (1)
Estimacin e intervalos_de_confianza_ (1)Estimacin e intervalos_de_confianza_ (1)
Estimacin e intervalos_de_confianza_ (1)
Oskaar Garciaa
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
laura ochoa
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
laura ochoa
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
gueste5eaac
 
Unidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptxUnidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptx
GLADYSROSALINALEYVAC
 

Similar a 5 estadística inferencial (20)

Estimación e intervalos de confianza
Estimación e intervalos de confianzaEstimación e intervalos de confianza
Estimación e intervalos de confianza
 
Intervalos Confianza
 Intervalos Confianza Intervalos Confianza
Intervalos Confianza
 
Intervalos Confianza
Intervalos ConfianzaIntervalos Confianza
Intervalos Confianza
 
Teoria de la estimación
Teoria de la estimaciónTeoria de la estimación
Teoria de la estimación
 
Intervalos de confianza (7)
Intervalos de confianza (7)Intervalos de confianza (7)
Intervalos de confianza (7)
 
estadistica tema estimaciones en los resultados
estadistica tema  estimaciones en los resultadosestadistica tema  estimaciones en los resultados
estadistica tema estimaciones en los resultados
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 
Intervalos de confianza 2018
Intervalos de confianza 2018Intervalos de confianza 2018
Intervalos de confianza 2018
 
Estimación
EstimaciónEstimación
Estimación
 
PRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.pptPRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.ppt
 
PRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.pptPRUEBAS_DE_HIPOTESIS.ppt
PRUEBAS_DE_HIPOTESIS.ppt
 
Estimación.intervalos de confianza para la media y para las proporciones
Estimación.intervalos de confianza para la media y para las proporcionesEstimación.intervalos de confianza para la media y para las proporciones
Estimación.intervalos de confianza para la media y para las proporciones
 
Intervalos de confianza-1
Intervalos de confianza-1Intervalos de confianza-1
Intervalos de confianza-1
 
Estimacin e intervalos_de_confianza_ (1)
Estimacin e intervalos_de_confianza_ (1)Estimacin e intervalos_de_confianza_ (1)
Estimacin e intervalos_de_confianza_ (1)
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Intervalo de confianza
Intervalo de confianzaIntervalo de confianza
Intervalo de confianza
 
Intervalo de confianza, equipo
Intervalo de confianza, equipoIntervalo de confianza, equipo
Intervalo de confianza, equipo
 
Unidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptxUnidad 2_vf_2 (1).pptx
Unidad 2_vf_2 (1).pptx
 

Más de Ing.Joel Lopezgarcia LOPEZ GARCIA

1 teoria de la probabilidad
1 teoria de la probabilidad1 teoria de la probabilidad
1 teoria de la probabilidad
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
6 regresion y correlación
6 regresion y correlación6 regresion y correlación
6 regresion y correlación
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
4 estadistica descriptiva
4 estadistica descriptiva4 estadistica descriptiva
4 estadistica descriptiva
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
3 unidad distrb prob continuas
3 unidad distrb prob continuas3 unidad distrb prob continuas
3 unidad distrb prob continuas
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
2 distribución de probabilidad discreta
2 distribución de probabilidad discreta2 distribución de probabilidad discreta
2 distribución de probabilidad discreta
Ing.Joel Lopezgarcia LOPEZ GARCIA
 
Teoria de la probabilidad
Teoria de la probabilidadTeoria de la probabilidad
Teoria de la probabilidad
Ing.Joel Lopezgarcia LOPEZ GARCIA
 

Más de Ing.Joel Lopezgarcia LOPEZ GARCIA (6)

1 teoria de la probabilidad
1 teoria de la probabilidad1 teoria de la probabilidad
1 teoria de la probabilidad
 
6 regresion y correlación
6 regresion y correlación6 regresion y correlación
6 regresion y correlación
 
4 estadistica descriptiva
4 estadistica descriptiva4 estadistica descriptiva
4 estadistica descriptiva
 
3 unidad distrb prob continuas
3 unidad distrb prob continuas3 unidad distrb prob continuas
3 unidad distrb prob continuas
 
2 distribución de probabilidad discreta
2 distribución de probabilidad discreta2 distribución de probabilidad discreta
2 distribución de probabilidad discreta
 
Teoria de la probabilidad
Teoria de la probabilidadTeoria de la probabilidad
Teoria de la probabilidad
 

Último

CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBACONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
rafael28537
 
678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx
VALERIOPEREZBORDA
 
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
yanebermendoza
 
CULTURA CHIMU CERAMICA UBICACION METALURGIA
CULTURA CHIMU CERAMICA UBICACION METALURGIACULTURA CHIMU CERAMICA UBICACION METALURGIA
CULTURA CHIMU CERAMICA UBICACION METALURGIA
Mariela Vasquez Pelaez
 
PPT II BLOQUE SG 2024 - semana de gestion.pdf
PPT  II BLOQUE SG 2024 - semana de gestion.pdfPPT  II BLOQUE SG 2024 - semana de gestion.pdf
PPT II BLOQUE SG 2024 - semana de gestion.pdf
ISAACMAMANIFLORES2
 
Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)
milyluna0207
 
La Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DALa Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DA
JonathanCovena1
 
Organizacion política de los Incas, Mayas y Aztecas.pptx
Organizacion política de los Incas, Mayas y Aztecas.pptxOrganizacion política de los Incas, Mayas y Aztecas.pptx
Organizacion política de los Incas, Mayas y Aztecas.pptx
favianrea547
 
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Demetrio Ccesa Rayme
 
SEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolarSEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolar
JuanPabloII10
 
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdfTaller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
htebazileahcug
 
Presentación sobré la culturas Lima, la cultura Paracas y la cultura Vicús.
Presentación  sobré la culturas Lima,  la  cultura Paracas y la cultura Vicús.Presentación  sobré la culturas Lima,  la  cultura Paracas y la cultura Vicús.
Presentación sobré la culturas Lima, la cultura Paracas y la cultura Vicús.
Juan Luis Cunya Vicente
 
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdfINFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
Juan Carlos Catura Arapa
 
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
FernandoEstebanLlont
 
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
Demetrio Ccesa Rayme
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
FernandoEstebanLlont
 
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLAACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
JAVIER SOLIS NOYOLA
 
Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.
SergioAlfrediMontoya
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
Sandra Mariela Ballón Aguedo
 

Último (20)

CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBACONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
CONOCIENDO LA RECETA DEL JUANE EN LA SELVA DE MOYOBAMBA
 
678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx678778595-Examen-Final-Innovacion-Social.pptx
678778595-Examen-Final-Innovacion-Social.pptx
 
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
EL PRIMER SEMESTRE EN ENFERMERÍA BLOGS 3
 
CULTURA CHIMU CERAMICA UBICACION METALURGIA
CULTURA CHIMU CERAMICA UBICACION METALURGIACULTURA CHIMU CERAMICA UBICACION METALURGIA
CULTURA CHIMU CERAMICA UBICACION METALURGIA
 
PPT II BLOQUE SG 2024 - semana de gestion.pdf
PPT  II BLOQUE SG 2024 - semana de gestion.pdfPPT  II BLOQUE SG 2024 - semana de gestion.pdf
PPT II BLOQUE SG 2024 - semana de gestion.pdf
 
Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)Apuntes de Enfermería (para estudiantes)
Apuntes de Enfermería (para estudiantes)
 
La Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DALa Relación Mixta DA ( Riesgo)- Matriz DA
La Relación Mixta DA ( Riesgo)- Matriz DA
 
Organizacion política de los Incas, Mayas y Aztecas.pptx
Organizacion política de los Incas, Mayas y Aztecas.pptxOrganizacion política de los Incas, Mayas y Aztecas.pptx
Organizacion política de los Incas, Mayas y Aztecas.pptx
 
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Matematica 1-5 Ccesa007.pdf
 
SEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolarSEMANAS DE GESTION 2024 para trabajo escolar
SEMANAS DE GESTION 2024 para trabajo escolar
 
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-ARTE 3 - IE HONORIO DELGADO ESPINOZA
 
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdfTaller Intensivo de Formación Continua para Docentes_24_Julio.pdf
Taller Intensivo de Formación Continua para Docentes_24_Julio.pdf
 
Presentación sobré la culturas Lima, la cultura Paracas y la cultura Vicús.
Presentación  sobré la culturas Lima,  la  cultura Paracas y la cultura Vicús.Presentación  sobré la culturas Lima,  la  cultura Paracas y la cultura Vicús.
Presentación sobré la culturas Lima, la cultura Paracas y la cultura Vicús.
 
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdfINFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
INFORME RESULTADOS DE CREA Y EMPRENDE 2024.pdf
 
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
🔴 (AC-S18) Semana 18 - Tema 1 Informe sobre un tema del curso.docx
 
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdfInforme de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
Informe de Evaluacion Diagnostica de Comunicacion 1-5 Ccesa007.pdf
 
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
🔴 (AC-S18) Semana 18 - Tema 01 - Tarea - Proyecto Final (terminado y revisado...
 
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLAACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
ACERTIJOS DE LOS NOVIOS CELOSOS EN PARÍS. Por JAVIER SOLIS NOYOLA
 
Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.Semana 1 Derecho a interponer recursos y reparación.
Semana 1 Derecho a interponer recursos y reparación.
 
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
2024 DIA DEL LOGRO-COMUNICACION - IE HONORIO DELGADO ESPINOZA
 

5 estadística inferencial

  • 2. INFERENCIA ESTADISTICA INFERENCIA ESTADISTICA 1. CONCEPTO METODOS PROCEDIMIENTOS PROPIEDADES DEDUCIR INFERIR CONCLUIR POBLACION DE MUESTRA CIENCIA EXPERIMENTAL INFORMACION INCOMPLETA CONJUNTO OBSERVACIONES GENERA MODELOS MUESTRA ESTIMAN PARAMETROS CONTRASTAN HIPOTESIS DETERMINARMODELO ES APROPIADO NO APROPIADO HAY DECISION PREVENSION
  • 3. Estimaciones puntuales e intervalos de confianza  Estimación puntual: Estadístico calculado a partir de la información obtenida de la muestra y que se usa para estimar el parámetro poblacional.  Intervalo de confianza: Un conjunto de valores obtenido a partir de los datos muestrales, en el que hay una determinada probabilidad de que se encuentre el parámetro. A esta probabilidad se le conoce como el nivel de confianza.
  • 4. Estimación puntual y estimación por intervalos  Los hechos que determinan la amplitud de un intervalo de confianza son: 1. El tamaño de la muestra, n 2. La variabilidad de la población. normalmente estimada por s. 3. El nivel de confianza deseado.
  • 5. Estimación puntual y estimación por intervalos  Si la desviación estándar de la población es conocida o la muestra es mayor que 30 utilizamos la distribución z. n s zX ±
  • 6. Punto e intervalo de estimación  Si la desviación estándar de la población es desconocida y la muestra es menor que 30 utilizamos la distribución t n s tX ±
  • 7. Intervalo de estimación  Un intervalo de estimación establece el rango en el cual se encuentra el parámetro de población.  Un intervalo en el cual se espera que ocurra el parámetro de población se llama intervalo de confianza.  Los dos intervalos de confianza que son más utilizados son de 95% y 99%.
  • 8. Intervalo de estimación  Para un 95% de intervalo de confianza, aproximadamente 95% de los intervalos construidos igualmente contendrán el parámetro inicial. También el 95% de la muestra media para un tamaño de muestra específico se encontrará dentro del 1.96 de la desviación estándar de la media de la población.  Para el 99% de intervalo de confianza, 99% de la muestra media para un tamaño de muestra específico se encontrará dentro del 2.58 de la desviación estándar de la media de la población.
  • 9. Error estándar de la media muestral  es el símbolo para el error estándar de la media muestral.  es la desviación estándar de la población.  n es la magnitud de la muestra. σ σ x n = σx σ  El error estándar de la media muestral es la desviación estándar de la distribución de las medias muestrales.  Se calcula como:
  • 10. Error estándar de la media muestral  Si σ no es conocido y n >= 30, la desviación estándar de la muestra, designada s, se aproxima a la desviación estándar de la población.  La fórmula para la desviación estándar es: n s sx =
  • 11. 95% y 99% intervalos de confianza para µ  El 95% y 99% intervalos de confianza: 95% CI para la media de la población es dada: n s X 96.1± X s n ±2 58. 99% CI para la media de la población es dada como:
  • 12. Construyendo intervalos generales de confianza para µ  En general, un intervalo de confianza para la media se calcula como: n s zX ±
  • 13. Ejemplo 3  El director de una escuela de negocios quiere estimar la cantidad media de horas que los estudiantes trabajan por semana. De una muestra de 49 estudiantes mostró una media de 24 horas con una desviación estándar de 4 horas. ¿Cuál es la media de la población?  El valor de la media de la población no es conocida. Nuestra mejor estimación de este valor es la muestra media de 24.0 horas. Este valor es llamado estimación puntual.
  • 14. Ejemplo 3 (Continuación)  Encuentre el intervalo de confianza con el 95% para la media de la población.  El rango límite de confianza es de 22.88 a 25.12. 12.100.24 49 4 96.100.2496.1 ±= ±=± n s X  Aproximadamente el 95% de los intervalos construidos incluyen el parámetro de población.
  • 15. Intervalo de confianza para la proporción de la población  El intervalo de confianza para la proporción de la población se estima como: n pp zp )1( − ±
  • 16. Ejemplo 4  De una muestra de 500 ejecutivos que tienen casa propia 175 revelaron planear vender sus casas y cambiarse a Arizona. Desarrolle un intervalo de confianza con el 98% para la proporción de ejecutivos que planean vender sus casas y cambiarse a Arizona. 0497.35. 500 )65)(.35(. 33.235. ±=±
  • 17. Factor de corrección de la población-finita  La población que ha sido establecida en líneas anteriores se dice que es finita.  Para una población finita, donde el número total de objetos es N y la magnitud de la muestra es n, el siguiente arreglo está hecho para los errores estándar de la media muestral y la proporción:  Error estándar de la media muestral: σ σ x n N n N = − −1
  • 18. Factor de corrección de la población-finita  Este arreglo es llamado factor de corrección de la población-finita.  Si n/N < .05,el factor de corrección de la población-finita se ignora. 1 )1( − −− = N nN n pp pσ  Error estándar de las proporciones de la muestra:
  • 19. Ejemplo 5  Dada la información del Ejemplo 4, construya un intervalo de confianza del 95% para la cantidad media de horas que los estudiantes trabajan por semana si tan sólo son 500 estudiantes en el campus.  Porque n/N = 49/500 = .098 el cual es mayor que 05, utilizamos el factor de corrección de la población-finita 0648.100.24) 1500 49500 )( 49 4 (96.124 ±= − − ±
  • 20. Elección del tamaño de muestra apropiado  Existen 3 factores que determinan el tamaño de la muestra, ninguno de los cuales tiene relación con el tamaño de la población. Éstos son: El nivel de confianza deseado. El máximo error permisible. La variación en la población.
  • 21. Variación en la población  Donde: E es el error permisible, z es el valor-z correspondiente al nivel de confianza seleccionado, y s es la desviación de la muestra del estudio piloto. 2       • = E sz n  Para encontrar el tamaño de la muestra para una variable:
  • 22. Ejemplo 6  Un grupo de consumidores quiere estimar la media del cargo mensual de energía de julio de una casa común dentro de $5 utilizando 99% de nivel de confianza. Basado en estudios similares, la desviación estándar se estima debe ser $20.00. ¿Cuántas muestras son requeridas? 107 5 )20)(58.2( 2 =      =n
  • 23. Tamaño de la muestra para proporciones  La fórmula para determinar el tamaño de la muestra en el caso de una proporción es: n p p Z E = −      ( )1 2 Donde: p es la proporción estimada, basada en la experiencia anterior o de un estudio piloto, z es valor-z asociado con el grado de confianza seleccionado; E es el máximo error permisible que el investigador tolerará.
  • 24. Ejemplo 7  Un club quiere estimar la proporción de niños que tiene un perro como mascota. Si el club quisiera estimarlo dentro del 3% de la proporción de la población, ¿cuántos niños necesitarían contactar? Asuma 95% de nivel de confianza y que el club estima que un 30% de los niños tienen un perro como mascota. 897 03. 96.1 )70)(.30(. 2 =      =n
  • 25. Pruebas de hipótesis para una muestra
  • 26. ¿Qué es una hipótesis?  Una hipótesis es una declaración sobre el valor de un parámetro de la población desarrollado con el fin de poner a prueba.  Ejemplos de hipótesis que se hicieron sobre un parámetro de la población:  El ingreso mensual para los analistas de sistemas es $3.625  Veinte por ciento de todos los clientes de La Majada regresan para otra comida dentro de un mes.
  • 27. ¿Qué es una prueba de hipótesis?  La prueba de hipótesis es un procedimiento basado en la evidencia de la muestra y la teoría de las probabilidades, usadas para determinar si la hipótesis es una declaración razonable y no debe ser rechazada, o es irrazonable y debe ser rechazada.
  • 28. Prueba de hipótesis Paso 4: Se formula la regla de decisión Paso 3: Se identifica el estadístico de prueba Paso 5: Se toma una muestra y se decide: se acepta H0 o se rechaza H0 Paso 2: Se selecciona el nivel de significancia Paso 1: Se plantean las hipótesis nula y alternativa
  • 29. Definiciones  Hipótesis nula H0: Una declaración sobre el valor de un parámetro de la población.  Hipótesis alternativa H1: Una declaración que se acepta si los datos de la muestra proporcionan evidencia de que la hipótesis nula es falsa.  Nivel de significancia: La probabilidad de rechazar la hipótesis nula cuando es verdadera.  Error tipo I: Rechazar la hipótesis nula cuando es verdadera.
  • 30. Definiciones  Error tipo II: Aceptar la hipótesis nula cuando es falsa.  Estadístico de prueba: Un valor determinado a partir de la información muestral, usado para determinar si se rechaza la hipótesis nula.  Valor crítico: Punto de división entre la región en la que se rechaza la hipótesis nula y la región en la que no rechaza la hipótesis nula.
  • 31. 31 PRUEBAS DE HIPÓTESIS PARA LA MEDIA Y VARIANZA POBLACIONAL
  • 32. TIPOS DE ERRORES EN PRUEBA DE HIPÓTESIS 32
  • 33. Pruebas de significancia de una cola  Una prueba es de una cola cuando la hipótesis alternativa, H1 indica una dirección, como por ejemplo:  H1: Las comisiones anuales ganadas por corredores de bienes raíces a tiempo completo son más de $35.000. (µ>$35.000)  H1: La velocidad de los autos que viajan en la I-95 en Georgia es menos de (µ<60) millas por hora.  H1: Menos del 20% de los clientes pagan en efectivo su consumo de gasolina. (µ<.20)
  • 34. Distribución muestral para el estadístico z para la prueba de una cola, con el .05 de nivel de significancia 0.95 de probabilidad 0.05 región de rechazo Valor crítico Z = 1.65 0 1 2 3
  • 35. Pruebas de significancia de dos colas  Una prueba es con dos colas cuando no se especifica ninguna dirección en la hipótesis alterna H1, por ejemplo:  H1: La cantidad pagada por los clientes en el centro comercial en Georgetown no es igual a $25. (µ $25).  H1: El precio para un galón de gasolina no es igual a $1.54. (µ $1.54).  
  • 36. Distribución muestral para el estadístico z para la prueba de dos colas, con el .05 de nivel de significancia 0.95 de probabilidad 0.025 región de rechazo 0 1-1 2-2 Valor crítico Z = 1.96, -1.96
  • 37. Prueba para la media de la población: muestra grande, desviación estándar de la población conocida  Cuando la prueba de la media poblacional proviene de una muestra grande y la desviación estándar poblacional es conocida, el estadístico de la prueba se obtiene con la siguiente fórmula: z X = − µ σ / n
  • 38. Ejemplo1 Los procesadores de la salsa de tomate de los fritos indican en la etiqueta que la botella contiene 16 onzas de la salsa de tomate. La desviación estándar del proceso es 0.5 onza. Una muestra de 36 botellas de la producción de la hora anterior reveló un peso de 16.12 onzas por botella. ¿En un nivel de significancia del .05 el proceso está fuera de control? ¿Es decir, podemos concluir que la cantidad por botella es diferente a 16 onzas?
  • 39. Ejemplo 1 (Continuación)  Paso 1: Indique las hipótesis nulas y alternativas: H0: µ = 16; H1: µ = 16  Paso 2: Seleccione el nivel de significancia. En este caso seleccionamos el nivel de significancia del 0.05.  Paso 3: Identifique la estadística de la prueba. Porque conocemos la desviación estándar de la población, la estadística de la prueba es z.
  • 40. Ejemplo 1 (Continuación)  Paso 4: Indique la regla de decisión: Rechazo H0 si z > 1.96 o z < -1.96  Paso 5: Compruebe el valor del estadístico de la prueba y llegue a una decisión. 44.1 365.0 00.1612.16 = − = − = n X z σ µ No rechazamos la hipótesis nula. No podemos concluir que la media sea diferente a 16 onzas.
  • 41. Valor-p en la prueba de la hipótesis  Valor-p es la probabilidad de observar un valor muestral tan extremo, que el valor observado, dado que la hipótesis nula es verdadera.  Si el valor-p es más pequeño que el nivel de significancia, se rechaza H0.  Si el valor-p es más grande que el nivel de significancia, H0 no se rechaza.
  • 42. Cálculo del Valor-p  Prueba de una cola: valor-p = P{z >= valor absoluto del estadístico de prueba}  Prueba de dos colas: valor-p = 2P{z >= valor absoluto del estadístico de prueba}  Del Ejemplo 1, z = 1.44, y porque era una prueba de dos colas, el valor-p = 2P{z >= 1.44} = 2(.5-.4251) = .1498. Porque .05>= .1498, no se rechaza H0.
  • 43. Prueba para la media de la población: muestra grande, desviación estándar poblacional desconocida  Aquí σ es desconocida, así que la estimamos con la desviación estándar de la muestra s.  Mientras el tamaño de muestra n > 30, z se puede aproximar con: z X s n = − µ /
  • 44. Ejemplo 2 La cadena de almacenes de descuento de Roder emite su propia tarjeta de crédito. Lisa, la gerente de crédito, desea descubrir si el promedio sin pagar mensual es más de $400. El nivel de significancia se fija en .05. Una verificación al azar de 172 balances sin pagar reveló que la media de la muestra fue $407 y la desviación estándar de la muestra fue $38. ¿Debe Lisa concluir que el medio de la población es mayor de $400, o es razonable asumir que la diferencia de $7 ($407-$400) es debido al azar?
  • 45. Ejemplo 2 (Continuación)  Paso 1: H0: µ <= $400, H1: µ > $400  Paso 2: El nivel de significancia es .05  Paso 3: Porque la muestra es grande podemos utilizar la distribución de z como el estadístico de la prueba.  Paso 4: H0 es rechazada si z>1.65  Paso 5: Realice los cálculos y tome una decisión.  H0 es rechazada. Lisa puede concluir que la media sin pagar es mayor de $400. 42.2 17238$ 400$407$ = − = − = ns X z µ
  • 46. Prueba para la media de la población: muestra pequeña, desviación estándar poblacional desconocida  El estadístico de la prueba es la distribución t.  El estadístico de la prueba para el caso de una muestra es: ns X t / µ− =
  • 47. Ejemplo 3 La tasa de producción de los fusibles de 5 amperios en Neary Co. eléctrico es 250 por hora. Se ha comprado e instalado una máquina nueva que, según el proveedor, aumentará la tarifa de la producción. Una muestra de 10 horas seleccionadas al azar a partir del mes pasado reveló que la producción cada hora en la máquina nueva era 256 unidades, con una desviación estándar de 6 por hora. ¿En el nivel de significancia del .05. Neary puede concluir que la máquina nueva es más rápida?
  • 48. Ejemplo 3 (Continuación)  Paso 1: Establezca la hipótesis nula y la hipótesis alternativa. H0: µ <= 250; H1: µ > 250  Paso 2: Seleccione el nivel de significancia. Es .05.  Paso 3: Encuentre un estadístico de prueba. Es la distribución t porque la desviación estándar de la población no se conoce y el tamaño de muestra es menos de 30.
  • 49. Ejemplo 3 (Continuación)  Paso 4: Indique la regla de la decisión. Hay 10 - 1 = 9 grados de libertad. Se rechaza la hipótesis nula si t > 1.833.  Paso 5: Tome una decisión e interprete los resultados. 162.3 106 250256 = − = − = ns X t µ Se rechaza la hipótesis nula. El número producido es más de 250 por hora.
  • 50. Pruebas respecto a proporciones  Una proporción es la fracción o el porcentaje que indican la parte de la población o de la muestra que tiene un rasgo particular de interés.  La proporción de la muestra es denotada por p y calculada con: p = número de éxitos en la muestra / tamaño de la muestra
  • 51. Prueba estadística para la proporción de la población n p z )1( ππ π − − = La proporción de la muestra es p y π es la proporción de la población.
  • 52. Ejemplo 4  En el pasado, el 15% de las solicitudes de pedidos por correo para cierta obra de caridad dio lugar a una contribución financiera. Un nuevo formato de solicitud se ha diseñado y se envía a una muestra de 200 personas y 45 respondieron con una contribución. ¿En el nivel de significación del .05 se puede concluir que la nueva solicitud es más eficaz?
  • 53. Ejemplo 4 (Continuación)  Paso 1: Establezca la hipótesis nula y la hipótesis alternativa H0: π <= .15 H1: π > .15  Paso 2: Seleccione el nivel de significancia. Es .05.  Paso 3: Encuentre un estadístico de prueba. La distribución de z es el estadístico de prueba.
  • 54. Ejemplo 4 (Continuación)  Paso 4: Indique la regla de decisión. Se rechaza la hipótesis nula si z es mayor que 1.65.  Paso 5: Tome una decisión e interprete los resultados. 97.2 200 )15.1(15. 15. 200 45 )1( = − − = − − = n p z ππ π Se rechaza la hipótesis nula. Más de 15% de solicitudes responde con un compromiso. El nuevo formato es más eficaz.