Este ensayo describe los métodos tradicionales de estimación estadística, incluida la estimación puntual y por intervalo. Explica que la estimación es útil para realizar inferencias sobre parámetros poblacionales basadas en muestras. Se definen estimadores puntuales y por intervalo, e identifican propiedades deseables como la insesgabilidad, consistencia y eficiencia. Finalmente, se describen métodos comunes como los momentos, máxima verosimilitud e intervalos de confianza para realizar estimaciones.
Estimacion Puntual E Intervalos.Ppt [Compatibility MLuis Baquero
El documento introduce los conceptos de estimación puntual y de intervalos, y demuestra el proceso de estimación basado en promedios y proporciones. Explica cómo determinar el tamaño de la muestra y los intervalos de confianza para estimar parámetros poblacionales, usando estadísticos de las muestras como promedios, desviaciones estándar y proporciones.
El documento describe los conceptos de estimación puntual e intervalos de confianza. Explica que una estimación puntual es un estadístico calculado a partir de una muestra que estima un parámetro poblacional, mientras que un intervalo de confianza es un rango de valores donde existe una probabilidad determinada de que se encuentre el parámetro poblacional. También cubre cómo calcular intervalos de confianza para la media y proporción de una población usando diferentes distribuciones estadísticas.
El documento describe diferentes tipos de muestreo. Explica que el muestreo implica seleccionar una muestra representativa de una población para estudiarla. Luego detalla los principales tipos de muestreo, incluyendo muestreo aleatorio simple, sistemático, estratificado, por conglomerados, no probabilístico como bola de nieve, por conveniencia y cuotas.
La inferencia estadística comprende métodos para obtener conclusiones sobre una población a partir de una muestra. Incluye estimación de parámetros como la media y pruebas de hipótesis. Los estimadores deben ser insesgados, consistentes y eficientes. Los intervalos de confianza miden la precisión de los estimadores con un grado de confianza.
Estadistica Inferencial - Medidas de Dispersion y Tendencia CentralAngel Villalpando
Este documento presenta conceptos básicos de estadística, incluyendo estadística descriptiva e inferencial, variables cualitativas y cuantitativas, población y muestra, métodos de análisis estadístico para datos agrupados y no agrupados, y medidas de tendencia central, dispersión y forma como media, mediana, moda, rango, desviación estándar y varianza. Explica cómo tabular, graficar y analizar conjuntos de datos.
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
Este documento explica la diferencia entre pruebas de hipótesis e intervalos de confianza. Las pruebas de hipótesis determinan la probabilidad de que los resultados observados sean producto del azar, mientras que los intervalos de confianza miden la confiabilidad de los resultados obtenidos de una muestra para estimar parámetros poblacionales. El documento ilustra estos conceptos con ejemplos de efectos de tratamientos en cerdos y tasas de enfermedades en humanos.
Este documento describe los intervalos de confianza y cómo se construyen. Explica que un intervalo de confianza es un rango de valores que probablemente incluya el verdadero parámetro poblacional, basado en una muestra. Luego detalla cómo construir intervalos de confianza para la media, proporción y otros parámetros dependiendo de si la varianza es conocida o no y el tamaño de la muestra. Finalmente, explica cómo usar los intervalos de confianza para verificar hipótesis sobre parámetros poblacionales.
Intervalos de confianza para la diferencia de proporcionesYazmin Venegas
El documento describe los intervalos de confianza para estimar parámetros poblacionales como proporciones. Explica que un intervalo de confianza del 95% indica que el verdadero valor del parámetro se encuentra dentro de ese rango con un 95% de probabilidad. Luego detalla cómo construir intervalos de confianza para una proporción poblacional o la diferencia entre dos proporciones, basándose en el tamaño muestral y el valor crítico z.
Estimacion Puntual E Intervalos.Ppt [Compatibility MLuis Baquero
El documento introduce los conceptos de estimación puntual y de intervalos, y demuestra el proceso de estimación basado en promedios y proporciones. Explica cómo determinar el tamaño de la muestra y los intervalos de confianza para estimar parámetros poblacionales, usando estadísticos de las muestras como promedios, desviaciones estándar y proporciones.
El documento describe los conceptos de estimación puntual e intervalos de confianza. Explica que una estimación puntual es un estadístico calculado a partir de una muestra que estima un parámetro poblacional, mientras que un intervalo de confianza es un rango de valores donde existe una probabilidad determinada de que se encuentre el parámetro poblacional. También cubre cómo calcular intervalos de confianza para la media y proporción de una población usando diferentes distribuciones estadísticas.
El documento describe diferentes tipos de muestreo. Explica que el muestreo implica seleccionar una muestra representativa de una población para estudiarla. Luego detalla los principales tipos de muestreo, incluyendo muestreo aleatorio simple, sistemático, estratificado, por conglomerados, no probabilístico como bola de nieve, por conveniencia y cuotas.
La inferencia estadística comprende métodos para obtener conclusiones sobre una población a partir de una muestra. Incluye estimación de parámetros como la media y pruebas de hipótesis. Los estimadores deben ser insesgados, consistentes y eficientes. Los intervalos de confianza miden la precisión de los estimadores con un grado de confianza.
Estadistica Inferencial - Medidas de Dispersion y Tendencia CentralAngel Villalpando
Este documento presenta conceptos básicos de estadística, incluyendo estadística descriptiva e inferencial, variables cualitativas y cuantitativas, población y muestra, métodos de análisis estadístico para datos agrupados y no agrupados, y medidas de tendencia central, dispersión y forma como media, mediana, moda, rango, desviación estándar y varianza. Explica cómo tabular, graficar y analizar conjuntos de datos.
9. diferencia entre p de hipótesis e intervalos de confianzaYerko Bravo
Este documento explica la diferencia entre pruebas de hipótesis e intervalos de confianza. Las pruebas de hipótesis determinan la probabilidad de que los resultados observados sean producto del azar, mientras que los intervalos de confianza miden la confiabilidad de los resultados obtenidos de una muestra para estimar parámetros poblacionales. El documento ilustra estos conceptos con ejemplos de efectos de tratamientos en cerdos y tasas de enfermedades en humanos.
Este documento describe los intervalos de confianza y cómo se construyen. Explica que un intervalo de confianza es un rango de valores que probablemente incluya el verdadero parámetro poblacional, basado en una muestra. Luego detalla cómo construir intervalos de confianza para la media, proporción y otros parámetros dependiendo de si la varianza es conocida o no y el tamaño de la muestra. Finalmente, explica cómo usar los intervalos de confianza para verificar hipótesis sobre parámetros poblacionales.
Intervalos de confianza para la diferencia de proporcionesYazmin Venegas
El documento describe los intervalos de confianza para estimar parámetros poblacionales como proporciones. Explica que un intervalo de confianza del 95% indica que el verdadero valor del parámetro se encuentra dentro de ese rango con un 95% de probabilidad. Luego detalla cómo construir intervalos de confianza para una proporción poblacional o la diferencia entre dos proporciones, basándose en el tamaño muestral y el valor crítico z.
Este documento describe un estudio realizado por investigadores de la Universidad Estatal de Florida sobre el modelado por computadora. El estudio compara los métodos de Box-Muller e inversa para transformar secuencias de baja discrepancia de una distribución uniforme a una normal. Los investigadores concluyen que el método de Box-Muller se puede usar con secuencias de baja discrepancia y en algunos casos puede ser ventajoso sobre el método inverso. Presentan resultados numéricos que comparan ambos métodos.
Este documento trata sobre estadística inferencial, que estudia el comportamiento de las muestras y la posibilidad de generalizar los resultados a las poblaciones. Tiene como objetivo generalizar las propiedades de la población basado en muestras representativas mediante estimaciones, pruebas de hipótesis, y modelado de relaciones entre variables. Resuelve problemas de estimación y contraste de hipótesis para generalizar la información de la muestra a la población.
DISTRIBUCION MUESTRAL DE LA MEDIA
Es la distribución de probabilidad de todas las posibles medias de las muestras de un determinado tamaño muestra de la población. EJERCICIOS DE APLICACION
Este documento explica los conceptos básicos de la prueba de hipótesis, incluyendo la definición de hipótesis nula y alterna, los tipos de errores, y cómo realizar pruebas unilaterales y bilaterales sobre la media de una población. También cubre temas como el tamaño de la muestra, el valor p, y cómo se usan las pruebas de hipótesis en la toma de decisiones.
El documento describe los dos tipos principales de estimaciones: estimaciones puntuales y por intervalo. Una estimación puntual es un único valor estadístico que se usa para estimar un parámetro, mientras que una estimación por intervalo es un rango que se espera contenga el parámetro. El objetivo principal de la inferencia estadística es la estimación, que permite generalizar conclusiones sobre una población completa basadas en el estudio de una muestra.
Distribuciones de frecuencia para datos agrupadosJune de Camaleón
El documento describe los conceptos básicos de las distribuciones de frecuencia para datos agrupados, incluyendo clases, intervalos, frecuencia, límites reales de clase, marcas de clase, frecuencias relativas y frecuencias acumuladas. Además, proporciona un ejemplo numérico de cómo calcular el rango, determinar el número de clases e intervalo para construir una tabla de frecuencia a partir de un conjunto de datos de calificaciones de estudiantes.
Este documento trata sobre la estimación puntual y por intervalos. Explica que la estimación puntual proporciona un solo valor para estimar un parámetro poblacional, mientras que la estimación por intervalos da un rango de valores con una probabilidad conocida de incluir el parámetro. Luego detalla cómo calcular intervalos de confianza para la media y la proporción de una población basados en una muestra.
Este documento presenta una introducción al análisis de regresión y correlación. Explica la diferencia entre relaciones funcionales y estadísticas, y proporciona ejemplos de cada una. También define conceptos clave como variable dependiente, independiente, regresión simple, múltiple, lineal y no lineal. Explica cómo crear diagramas de dispersión y calcular el coeficiente de correlación de Pearson. Por último, describe el proceso de estimación de regresión lineal simple, incluidos los supuestos y cálculos involucrados.
Este documento presenta una introducción a la inferencia estadística, incluyendo estimación y prueba de hipótesis. Define estadística, estadística descriptiva, probabilidad e inferencial. Explica la diferencia entre parámetros y estadísticos, y las propiedades de un buen estimador. También cubre distribuciones muestrales, el teorema del límite central, y distribuciones t y de Student. Finalmente, distingue entre estimación y prueba de hipótesis.
Distribución muestral y estimación de parámetros para una población
Instituto Universitario Politécnico "Santiago Mariño"
Realizado por:
Castillo, Erick
Gallardo, Jean
Rodríguez, José Alejandro
Este documento presenta conceptos clave de estadística inferencial para estudiantes de psicología en la Universidad de Panamá. Explica la importancia de la estadística inferencial para la investigación en psicología y describe métodos como muestreo, estimación de parámetros, intervalos de confianza, pruebas de hipótesis, y análisis de varianza para inferir características de una población a partir de una muestra.
Este documento presenta información sobre pruebas de hipótesis para una media poblacional cuando la desviación estándar de la población es desconocida. Explica cómo calcular el valor p y tomar una decisión sobre si rechazar o no la hipótesis nula basada en el nivel de significancia. También proporciona ejemplos numéricos para ilustrar cómo realizar estas pruebas de hipótesis.
1) El documento presenta un resumen de la Unidad 2 sobre pruebas de la bondad del ajuste y análisis de varianza. 2) Incluye secciones sobre análisis Ji-cuadrada, prueba de independencia, prueba de la bondad del ajuste y análisis de varianza. 3) El trabajo fue entregado el 17 de febrero de 2012 por el alumno Félix Castro García al profesor José Guadalupe Rodríguez R. en el Instituto Tecnológico Superior de la Sierra Negra de Ajalpan.
Este documento presenta un ensayo sobre estadística inferencial como herramienta para el análisis de muestras. Explica conceptos clave de estimación e hipótesis y provee ejemplos de diferentes tipos de estimadores y el procedimiento de cinco pasos para probar hipótesis. El autor concluye que la estadística inferencial es una herramienta útil para realizar suposiciones sobre muestras y características de poblaciones.
Este documento describe diferentes tipos de muestreo, incluyendo muestreo probabilístico y no probabilístico. El muestreo probabilístico incluye muestreo aleatorio simple, sistemático y estratificado, donde cada elemento tiene una probabilidad conocida de ser seleccionado. El muestreo no probabilístico incluye muestreo por conveniencia o juicio, donde los elementos no son seleccionados al azar. El documento también proporciona ejemplos y fórmulas para calcular el tamaño de la muestra.
El documento explica la distribución t de Student, que se usa para estimar la media de una población normal cuando se desconoce la desviación estándar y la muestra es pequeña (menos de 30 observaciones). La distribución t tiene colas más amplias que la normal y depende de los grados de libertad (n-1). Se usa para calcular intervalos de confianza y probar hipótesis con muestras pequeñas. El documento también incluye ejemplos y fórmulas para aplicar la distribución t.
Este documento describe los conceptos de estimación puntual y por intervalos. La estimación puntual usa estadísticos de muestras para aproximar los parámetros de la población con un solo valor, mientras que la estimación por intervalos proporciona un rango de valores que probablemente incluya al parámetro de la población. El documento también discute conceptos como niveles de confianza e intervalos de confianza.
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...Alexander Flores Valencia
Este documento presenta información sobre estimaciones puntuales y por intervalos para la media y la probabilidad de éxito binomial. Explica que una estimación puntual usa un solo valor de la muestra para estimar un parámetro poblacional, mientras que una estimación por intervalos provee un rango de valores que probablemente incluya al parámetro. También define intervalos de confianza y cómo se pueden calcular para la media cuando la desviación estándar poblacional es conocida o desconocida.
Este documento trata sobre diferentes técnicas de estimación estadística como la estimación puntual, por intervalo, con muestras grandes y pequeñas. Explica conceptos como insesgabilidad, consistencia, eficiencia y suficiencia de un estimador, así como el cálculo de intervalos de confianza. El objetivo es dar valores aproximados de parámetros poblacionales a partir de muestras de datos.
Este documento describe un estudio realizado por investigadores de la Universidad Estatal de Florida sobre el modelado por computadora. El estudio compara los métodos de Box-Muller e inversa para transformar secuencias de baja discrepancia de una distribución uniforme a una normal. Los investigadores concluyen que el método de Box-Muller se puede usar con secuencias de baja discrepancia y en algunos casos puede ser ventajoso sobre el método inverso. Presentan resultados numéricos que comparan ambos métodos.
Este documento trata sobre estadística inferencial, que estudia el comportamiento de las muestras y la posibilidad de generalizar los resultados a las poblaciones. Tiene como objetivo generalizar las propiedades de la población basado en muestras representativas mediante estimaciones, pruebas de hipótesis, y modelado de relaciones entre variables. Resuelve problemas de estimación y contraste de hipótesis para generalizar la información de la muestra a la población.
DISTRIBUCION MUESTRAL DE LA MEDIA
Es la distribución de probabilidad de todas las posibles medias de las muestras de un determinado tamaño muestra de la población. EJERCICIOS DE APLICACION
Este documento explica los conceptos básicos de la prueba de hipótesis, incluyendo la definición de hipótesis nula y alterna, los tipos de errores, y cómo realizar pruebas unilaterales y bilaterales sobre la media de una población. También cubre temas como el tamaño de la muestra, el valor p, y cómo se usan las pruebas de hipótesis en la toma de decisiones.
El documento describe los dos tipos principales de estimaciones: estimaciones puntuales y por intervalo. Una estimación puntual es un único valor estadístico que se usa para estimar un parámetro, mientras que una estimación por intervalo es un rango que se espera contenga el parámetro. El objetivo principal de la inferencia estadística es la estimación, que permite generalizar conclusiones sobre una población completa basadas en el estudio de una muestra.
Distribuciones de frecuencia para datos agrupadosJune de Camaleón
El documento describe los conceptos básicos de las distribuciones de frecuencia para datos agrupados, incluyendo clases, intervalos, frecuencia, límites reales de clase, marcas de clase, frecuencias relativas y frecuencias acumuladas. Además, proporciona un ejemplo numérico de cómo calcular el rango, determinar el número de clases e intervalo para construir una tabla de frecuencia a partir de un conjunto de datos de calificaciones de estudiantes.
Este documento trata sobre la estimación puntual y por intervalos. Explica que la estimación puntual proporciona un solo valor para estimar un parámetro poblacional, mientras que la estimación por intervalos da un rango de valores con una probabilidad conocida de incluir el parámetro. Luego detalla cómo calcular intervalos de confianza para la media y la proporción de una población basados en una muestra.
Este documento presenta una introducción al análisis de regresión y correlación. Explica la diferencia entre relaciones funcionales y estadísticas, y proporciona ejemplos de cada una. También define conceptos clave como variable dependiente, independiente, regresión simple, múltiple, lineal y no lineal. Explica cómo crear diagramas de dispersión y calcular el coeficiente de correlación de Pearson. Por último, describe el proceso de estimación de regresión lineal simple, incluidos los supuestos y cálculos involucrados.
Este documento presenta una introducción a la inferencia estadística, incluyendo estimación y prueba de hipótesis. Define estadística, estadística descriptiva, probabilidad e inferencial. Explica la diferencia entre parámetros y estadísticos, y las propiedades de un buen estimador. También cubre distribuciones muestrales, el teorema del límite central, y distribuciones t y de Student. Finalmente, distingue entre estimación y prueba de hipótesis.
Distribución muestral y estimación de parámetros para una población
Instituto Universitario Politécnico "Santiago Mariño"
Realizado por:
Castillo, Erick
Gallardo, Jean
Rodríguez, José Alejandro
Este documento presenta conceptos clave de estadística inferencial para estudiantes de psicología en la Universidad de Panamá. Explica la importancia de la estadística inferencial para la investigación en psicología y describe métodos como muestreo, estimación de parámetros, intervalos de confianza, pruebas de hipótesis, y análisis de varianza para inferir características de una población a partir de una muestra.
Este documento presenta información sobre pruebas de hipótesis para una media poblacional cuando la desviación estándar de la población es desconocida. Explica cómo calcular el valor p y tomar una decisión sobre si rechazar o no la hipótesis nula basada en el nivel de significancia. También proporciona ejemplos numéricos para ilustrar cómo realizar estas pruebas de hipótesis.
1) El documento presenta un resumen de la Unidad 2 sobre pruebas de la bondad del ajuste y análisis de varianza. 2) Incluye secciones sobre análisis Ji-cuadrada, prueba de independencia, prueba de la bondad del ajuste y análisis de varianza. 3) El trabajo fue entregado el 17 de febrero de 2012 por el alumno Félix Castro García al profesor José Guadalupe Rodríguez R. en el Instituto Tecnológico Superior de la Sierra Negra de Ajalpan.
Este documento presenta un ensayo sobre estadística inferencial como herramienta para el análisis de muestras. Explica conceptos clave de estimación e hipótesis y provee ejemplos de diferentes tipos de estimadores y el procedimiento de cinco pasos para probar hipótesis. El autor concluye que la estadística inferencial es una herramienta útil para realizar suposiciones sobre muestras y características de poblaciones.
Este documento describe diferentes tipos de muestreo, incluyendo muestreo probabilístico y no probabilístico. El muestreo probabilístico incluye muestreo aleatorio simple, sistemático y estratificado, donde cada elemento tiene una probabilidad conocida de ser seleccionado. El muestreo no probabilístico incluye muestreo por conveniencia o juicio, donde los elementos no son seleccionados al azar. El documento también proporciona ejemplos y fórmulas para calcular el tamaño de la muestra.
El documento explica la distribución t de Student, que se usa para estimar la media de una población normal cuando se desconoce la desviación estándar y la muestra es pequeña (menos de 30 observaciones). La distribución t tiene colas más amplias que la normal y depende de los grados de libertad (n-1). Se usa para calcular intervalos de confianza y probar hipótesis con muestras pequeñas. El documento también incluye ejemplos y fórmulas para aplicar la distribución t.
Este documento describe los conceptos de estimación puntual y por intervalos. La estimación puntual usa estadísticos de muestras para aproximar los parámetros de la población con un solo valor, mientras que la estimación por intervalos proporciona un rango de valores que probablemente incluya al parámetro de la población. El documento también discute conceptos como niveles de confianza e intervalos de confianza.
Estimacion puntual, propiedades de las estimaciones; estimacion por intervalo...Alexander Flores Valencia
Este documento presenta información sobre estimaciones puntuales y por intervalos para la media y la probabilidad de éxito binomial. Explica que una estimación puntual usa un solo valor de la muestra para estimar un parámetro poblacional, mientras que una estimación por intervalos provee un rango de valores que probablemente incluya al parámetro. También define intervalos de confianza y cómo se pueden calcular para la media cuando la desviación estándar poblacional es conocida o desconocida.
Este documento trata sobre diferentes técnicas de estimación estadística como la estimación puntual, por intervalo, con muestras grandes y pequeñas. Explica conceptos como insesgabilidad, consistencia, eficiencia y suficiencia de un estimador, así como el cálculo de intervalos de confianza. El objetivo es dar valores aproximados de parámetros poblacionales a partir de muestras de datos.
El documento habla sobre los conceptos básicos de la estimación estadística, incluyendo los tipos de estimación (puntual e intervalos), estimadores, selección del tamaño de la muestra, y el cálculo de intervalos de confianza. Explica que la estimación es útil para hacer inferencias sobre las características de una población completa basadas en una muestra representativa, y discute los métodos y fórmulas utilizados para realizar estimaciones precisas y confiables.
Este documento trata sobre la estadística inferencial como parte de la estadística que utiliza datos de muestras para obtener conclusiones sobre una población. Explica que la inferencia estadística se basa en la teoría de probabilidad y permite generalizar los resultados de una muestra representativa a toda la población con cierto nivel de incertidumbre. Finalmente, concluye que la estadística inferencial es útil para representar la realidad mediante el análisis de datos obtenidos de experimentos y responder preguntas sobre situ
Este documento explica qué es una tabla de números aleatorios, cómo se usa para seleccionar muestras aleatorias simples de una población de manera sencilla y rápida, y cuáles son sus ventajas y desventajas. Una tabla de números aleatorios consiste en una serie de dígitos generados al azar que permiten seleccionar muestras representativas de una población eligiendo filas y columnas. Las ventajas incluyen cálculos rápidos, pero se requiere un listado completo de la pobl
Este documento describe diferentes tipos de distribuciones muestrales, incluyendo la distribución t, chi-cuadrado, F y de medias muestrales. Explica que cada distribución describe las características estadísticas de una medida calculada a partir de muestras aleatorias y cómo se pueden usar para realizar inferencias estadísticas.
Este documento describe diferentes métodos de muestreo probabilísticos y no probabilísticos, incluyendo muestreo aleatorio simple, sistemático, estratificado y por conglomerado. Explica que el muestreo probabilístico implica que cada elemento tiene la posibilidad de ser seleccionado, mientras que en el no probabilístico los elementos no son seleccionados al azar. También discute el uso de tablas de números aleatorios para seleccionar muestras aleatorias de una población.
El documento habla sobre la varianza muestral media y la distribución muestral. Explica que los estadísticos son variables aleatorias que tienen su propia función de probabilidad. Una distribución muestral puede caracterizarse por su valor esperado y su varianza.
Este documento presenta un resumen de la estadística inferencial. La estadística inferencial estudia cómo obtener conclusiones generales sobre una población a partir de una muestra. Incluye aspectos como la toma de muestras y el grado de fiabilidad de los resultados. El documento también discute conceptos clave como población, datos, probabilidad, variables e hipótesis.
Este documento presenta conceptos básicos de estadística. Explica que la estadística descriptiva resume y describe datos de una población para facilitar la información, mientras que la estadística inferencial permite inferir conclusiones sobre un fenómeno colectivo a partir de una muestra. Define conceptos clave como población, muestra, variables, escalas de medición y estadígrafos.
Formación sociocultural: Momentos de un grupogalleta19
Este documento describe las etapas y momentos de un grupo, incluyendo la formación, tormenta, normalización, desempeño y terminación. También discute cómo los miembros de un grupo pueden competir, colaborar, contribuir y aportar ideas para mejorar el trabajo del grupo.
82253086 unidad-iv-pruebas-de-hipotesis-con-dos-muestras-y-varias-muestras-de...Ekthor Daniel R G
Este documento introduce los conceptos básicos de las pruebas de hipótesis estadísticas, incluyendo las hipótesis nula y alternativa, los errores tipo I y II, y las regiones de rechazo y no rechazo. Luego, se enfoca en las pruebas de hipótesis para comparar dos o más muestras, describiendo las distribuciones normal y t de Student, y los procedimientos de prueba t para muestras independientes y dependientes. Finalmente, provee un ejemplo completo de una prueba t para comparar
Este documento presenta información sobre un curso de Estadística I impartido en el Instituto Tecnológico de Veracruz. Contiene los nombres de tres alumnos y del catedrático a cargo, así como el semestre en que se impartió el curso. Además, incluye el índice de los temas que se abordaron en la unidad 2 sobre distribuciones muéstrales y en la unidad 3 sobre estimación de parámetros.
Reflexionar sobre la utilidad de la estadística para la planificación educativa y la organización escolar
Conocer las fuentes estadísticas de información primaria del sector educativo venezolano.
Comprender la importancia de la muestra representativa de una Población
La estadística inferencial permite obtener conclusiones sobre una población a partir de una muestra. Incluye conceptos como probabilidad, que mide numéricamente la posibilidad de que ocurra un evento, y métodos de muestreo, que seleccionan una parte representativa de una población para hacer inferencias. Existen tres tipos de probabilidad - clásica, frecuencial y subjetiva - y dos tipos de muestras - probabilísticas y no probabilísticas. La estadística inferencial proporciona herramientas para estudiar datos
El documento describe el análisis de tendencias, un método para detectar cambios en la situación financiera de una empresa mediante la observación de los cambios en los rubros del balance general y estado de resultados a lo largo del tiempo. Calcula índices de tendencia para cada cuenta y año en comparación con un año base, lo que permite identificar áreas de mejora u oportunidades.
Este documento describe los diferentes tipos de infografías, incluyendo infografías secuenciales para explicar eventos paso a paso, infografías geográficas para ubicar eventos, infografías de características para explicar productos conocidos, infografías estadísticas para mostrar datos, infografías biográficas para detallar vidas, infografías científicas para divulgar conocimiento, infografías periodísticas para presentar noticias e infografías de divulgación para difundir campañas.
Este documento describe los conceptos fundamentales de las pruebas de hipótesis. Explica que una prueba de hipótesis involucra formular una hipótesis nula y una hipótesis alternativa sobre un parámetro poblacional. Luego, se toma una muestra y se calcula un estadístico de prueba para decidir si se rechaza o no la hipótesis nula. También discute los errores tipo I y tipo II, y provee ejemplos para ilustrar cómo se aplican las pruebas de hipótesis para tomar decision
Este documento explica los conceptos básicos de las pruebas de hipótesis, incluyendo la definición de hipótesis nula y alternativa, los niveles de significancia, y los errores tipo I y II. Detalla los pasos para realizar pruebas de hipótesis para una muestra, incluyendo pruebas para la media, proporciones, y si la muestra es grande o pequeña. Proporciona ejemplos numéricos para ilustrar cada tipo de prueba.
El documento trata sobre la estimación de parámetros poblacionales mediante el cálculo de intervalos de confianza a partir de muestras. Explica que los intervalos de confianza permiten inferir estos parámetros con una cierta probabilidad, y que entre mayor sea el tamaño de la muestra, más estrecho será el intervalo. Describe diferentes métodos para calcular intervalos de confianza para medias y varianzas, como el método de momentos y el de máxima verosimilitud. El objetivo es obtener estimaciones precisas de los pará
Este documento trata sobre estimación estadística e intervalos de confianza. Explica conceptos como población, muestra, parámetro, estimador, estadístico e intervalos de confianza para medias, diferencias entre medias, proporciones y diferencias entre proporciones. Proporciona fórmulas para calcular intervalos de confianza en diferentes situaciones y ejemplos numéricos de su aplicación.
Este documento trata sobre la estimación estadística. Explica que la estimación permite obtener valores aproximados de parámetros poblacionales a partir de datos muestrales. Detalla dos tipos de estimación: puntual, que es un valor numérico, e intervalal, que es un rango de valores. Asimismo, define estimador como la estadística muestral usada para estimar un parámetro y presenta criterios para evaluar la calidad de los estimadores como la imparcialidad y eficiencia. Finalmente, explica cómo se realizan estimaciones
Este documento trata sobre la estimación estadística. Explica que la estimación es el conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a partir de los datos de una muestra. Se pueden hacer dos tipos de estimaciones: puntual, que es un número, e intervalal, que es un rango de valores. Luego describe conceptos como estimador, criterios de un buen estimador como imparcialidad y eficiencia, y métodos de estimación puntual y por intervalo para la media, varianza, proporción y más.
Este documento trata sobre la estimación estadística. Explica que la estimación es el conjunto de técnicas que permiten obtener un valor aproximado de un parámetro de una población a partir de los datos de una muestra. Se pueden hacer dos tipos de estimaciones: puntuales, que son números, e intervalales, que son rangos de valores. También define conceptos como estimador, estimación, criterios de un buen estimador e intervalo de confianza.
Introducción a la inferencia estadísticaIseela Choi
Este documento introduce los conceptos fundamentales de la inferencia estadística, incluyendo la estimación puntual y por intervalo, y las pruebas de hipótesis. Explica que la estimación puntual usa un solo número para estimar un parámetro de la población, mientras que la estimación por intervalo usa un rango de valores. También describe los componentes clave de una prueba de hipótesis, como las hipótesis nula e hipótesis alternativa.
Este documento trata sobre el tamaño de la muestra en estadística inferencial. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Presenta fórmulas para calcular el tamaño de la muestra para poblaciones finitas e infinitas y tablas con valores Z para diferentes niveles de confianza. Finalmente, incluye un ejemplo numérico de cálculo del tamaño de la muestra.
Este documento trata sobre inferencia estadística y pruebas de hipótesis. Explica conceptos como estimación de parámetros, intervalos de confianza, tipos de hipótesis (nula y alterna), y tipos de errores. También describe cómo se aplica la inferencia estadística en salud para estimar parámetros poblacionales y probar hipótesis a partir de muestras.
Este documento presenta información sobre la metodología de investigación, incluyendo la cobertura del estudio, población y muestra, criterios de inclusión y exclusión, diseño de muestreo, tamaño de muestra, nivel de confianza y significancia, análisis e interpretación de resultados y prueba de hipótesis. Explica conceptos como universo, muestra representativa, tipos de muestreo, y métodos para determinar el tamaño de muestra apropiado para un estudio.
El documento habla sobre el tamaño de la muestra, que es importante para realizar investigaciones científicas representativas. Explica que el tamaño de la muestra depende del nivel de confianza, error permitido y variabilidad, y presenta fórmulas para calcularlo. También incluye ejemplos como estimar el peso promedio de sacos y conocer la aceptación de programas de TV entre adolescentes.
Este documento trata sobre el cálculo del tamaño de la muestra en investigación estadística. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Incluye fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño total de la población, y destaca la importancia de considerar estos factores para que la muestra sea representativa.
El documento describe la distribución muestral y cómo se pueden usar para hacer inferencias sobre una población. Explica que cuando se toma una muestra de una población, cualquier estadístico calculado, como la media o desviación estándar, variará entre muestras. Cuanto mayor sea el tamaño de la muestra, más se aproximará la distribución muestral a una distribución normal, permitiendo el uso del teorema del límite central para crear intervalos de confianza y realizar pruebas de hipótesis sobre la población.
Este documento describe la teoría del muestreo, incluyendo el tamaño de la muestra, la distribución muestral de medias y el error muestral. Explica que cuanto mayor es el tamaño de la muestra, menor es la fluctuación entre las medias muestrales extraídas de la misma población. También cubre cómo calcular el tamaño de muestra necesario para estimar con un error máximo prefijado, así como cómo calcular la varianza y el error estándar de la media muestral.
Este documento describe la inferencia estadística, que es el proceso de sacar conclusiones sobre una población a partir de una muestra representativa. Explica que la inferencia estadística se basa en obtener una muestra pequeña debido a limitaciones de costo, y que puede usarse para hacer inferencias inductivas con cierto grado de incertidumbre. También introduce conceptos clave como población, muestra, variables, y los dos enfoques principales de la inferencia estadística: paramétrica e no paramétrica.
Este documento introduce los conceptos fundamentales de muestreo aleatorio, población e inferencia estadística. Explica que una muestra aleatoria es una colección de variables aleatorias independientes con la misma distribución extraídas de una población. El objetivo de tomar una muestra es hacer inferencia sobre parámetros desconocidos de la población. Luego, discute estimadores puntuales y de intervalo, sesgo, eficiencia y distribuciones de probabilidad de estadísticas.
Este documento trata sobre la distribución muestral y de estimación en estadística. Explica que la distribución muestral permite calcular la probabilidad de que una muestra se acerque al parámetro de la población y estimar el error para un tamaño de muestra dado. También describe métodos de estimación puntual y por intervalos para estimar parámetros poblacionales como la media, proporción y desviación típica.
Este documento presenta los conceptos básicos de la estadística inferencial. Introduce los parámetros poblacionales y estimadores, y explica cómo se usan las distribuciones de estadísticos muestrales y el teorema del límite central para estimar parámetros mediante estimación puntual e intervalos de confianza. El objetivo es hacer inferencias sobre parámetros desconocidos basadas en muestras aleatorias.
Este documento presenta conceptos clave relacionados con el muestreo estadístico, incluyendo muestreo aleatorio simple, población, estadístico, distribución de muestreo, teorema central del límite, estimación puntual e intervalal, e intervalos de confianza. Explica que el muestreo aleatorio simple es útil para poblaciones pequeñas, mientras que el muestreo en etapas se prefiere para poblaciones grandes. También define conceptos como población, estadístico, distribución de muestreo e
Este documento describe diferentes tipos de análisis de datos que pueden realizarse, incluyendo estadística descriptiva, puntuaciones Z, razones y tasas, pruebas paramétricas y no paramétricas, y análisis multivariados. También explica conceptos como distribución muestral y nivel de significancia, los cuales son importantes para probar hipótesis mediante estadística inferencial.
Este documento describe los conceptos básicos de las distribuciones muestrales. Explica que al extraer muestras repetidas de una población y calcular un estadístico en cada una, se obtiene una distribución de ese estadístico llamada distribución muestral. Luego, se enfoca en las distribuciones muestrales cuando la población subyacente es normal, y analiza específicamente las distribuciones de la media y varianza muestrales en ese caso. Finalmente, introduce los conceptos de estimación puntual de parámetros
The document discusses the benefits of exercise for mental health. Regular physical activity can help reduce anxiety and depression and improve mood and cognitive functioning. Exercise causes chemical changes in the brain that may help protect against mental illness and improve symptoms.
La distribución muestral de la media describe cómo la media de muestras aleatorias se distribuye alrededor de la media poblacional. Tiene dos medidas fundamentales: la media y el error típico. Es una distribución normal que se vuelve más precisa a medida que aumenta el tamaño de la muestra. La media muestral es imparcial porque el promedio de todas las medias muestrales es igual a la media poblacional.
La media poblacional es la suma de los valores de la población dividida por el tamaño de la población. La distribución muestral de la media es la distribución de todas las medias posibles que surgirían si se seleccionaran todas las muestras posibles de cierto tamaño, y la media muestral se utiliza para calcular la media poblacional. Las propiedades de la distribución muestral de la media incluyen que es imparcial, ya que la media de todas las medias muestrales posibles es igual a la media poblacional
La distribución muestral de la media describe cómo la media de muestras aleatorias se distribuye alrededor de la media poblacional. Tiene tres propiedades clave: 1) es imparcial, por lo que la media de todas las medias muestrales es igual a la media poblacional, 2) se vuelve más normal a medida que aumenta el tamaño de la muestra, y 3) su error estándar disminuye con el tamaño de la muestra, haciéndola más precisa.
Este documento describe diferentes métodos de muestreo para la recolección de datos de investigación. Explica que el muestreo permite al investigador hacer inferencias sobre una población completa basadas en datos de una muestra representativa. Describe dos tipos principales de muestreo: probabilístico, que selecciona individuos de forma aleatoria utilizando métodos como el aleatorio simple, sistemático o estratificado; y no probabilístico, que no requiere selección aleatoria y puede basarse en juicio, cuotas o muestreo casual. También m
Este documento explica cómo usar una tabla de números aleatorios para seleccionar una muestra aleatoria de individuos de una población para un estudio. Se asignan números a cada miembro de la población y luego se seleccionan números aleatorios de la tabla para elegir a los individuos de la muestra. El ejemplo muestra cómo seleccionar 10 ingenieros forestales de una población de 50 usando números de 2 dígitos asignados a cada ingeniero y luego escogiendo números aleatorios de la tabla.
Business Plan -rAIces - Agro Business Techjohnyamg20
Innovación y transparencia se unen en un nuevo modelo de negocio para transformar la economia popular agraria en una agroindustria. Facilitamos el acceso a recursos crediticios, mejoramos la calidad de los productos y cultivamos un futuro agrícola eficiente y sostenible con tecnología inteligente.
Durante el desarrollo embrionario, las células se multiplican y diferencian para formar tejidos y órganos especializados, bajo la regulación de señales internas y externas.
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
1. REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA
VICERRECTORADO ACADÉMICO
PROYECTO INGENIERÍA EN INDUSTRIAS FORESTALES
CÁTEDRA: ESTADÍSTICA II
LA ESTIMACIÓN COMO INSTRUMENTO BÁSICO
PARA LAS INVESTIGACIONES CIENTÍFICAS, Y LA
TOMA DE DECISIONES.
AUTOR
FREIRES STEPHANIA
C.I. 26.030.971
TUTOR
ING. ALVARO BARRIOS
UPATA, JUNIO (2015)
2. REPÚBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA
VICERRECTORADO ACADÉMICO
PROYECTO INGENIERÍA EN INDUSTRIAS FORESTALES
CÁTEDRA: ESTADÍSTICA II
LA ESTIMACIÓN COMO INSTRUMENTO BÁSICO
PARA LAS INVESTIGACIONES CIENTÍFICAS, Y LA
TOMA DE DECISIONES.
AUTOR
FREIRES STEPHANIA
C.I. 26.030.971
TUTOR
ING. ALVARO BARRIOS
(RESUMEN)
En este ensayo se presenta el procedimiento tradicional de
estimación basado en decisiones. Estimación es el método estadístico
de obtener inferencias acerca de valores de parámetros sobre la base
de estadística de muestras. Un estimador de un parámetro dado por
un solo punto derivado de observaciones de muestras se llama
estimador puntual. Se dice que un estimador es bueno si posee las
propiedades de insesgabilidad, consistencia, eficiencia y suficiencia.
El método de máxima probabilidad proporciona estimadores que
ordinariamente son consistentes, eficientes y suficientes; pero no
siempre proporciona estimadores insesgados.
3. INTRODUCCIÓN
Todo mundo hace estimaciones, cuando nos preparamos a
cruzar la calle, estimamos la velocidad del automóvil que se acerca, la
distancia entre él y nosotros y también nuestra velocidad. Una vez
efectuadas estas estimaciones tan rápidas, decidimos si debemos
esperar, caminar o correr. Todos los gerentes han de efectuar
estimaciones rápidas. El resultado de ellas puede efectuar a sus
empresas del mismo modo que el resultado de nuestra estimación
decide si cruzamos o no la calle. Todas las personas efectúan
estimaciones sin preocuparse si son científicas, con la única
esperanza de que sus proyecciones guarden una semejanza
razonable con los resultados.
Las personas recurren a las estimaciones porque en todas sus
decisiones, menos las más triviales, deben tomar decisiones
racionales sin información completa y con mucha incertidumbre
respecto a lo que les depara el futuro. La estimación es un método que
nos permite estimar con una exactitud razonable la proporción de la
población (la proporción de la poblaciones posee una característica
determinada) y la media de la población. Sería imposible calcular la
proporción o la media exacta. En base a ello estaremos en
condiciones de hacer una estimación, formular una afirmación sobre el
error que posiblemente la acompañe y aplicar algunos controles para
evitar en lo posible el error. Cuando tomamos decisiones nos vemos
obligados a veces a confiar en un simple presentimiento. Pero en otras
situaciones, en las cuales disponemos de información y aplicamos los
conceptos estadísticos, podemos proceder de manera más científica.
4. MARCO TEÓRICO
ESTIMACIÓN
Pueden dividirse los procedimientos de estimación en dos tipos,
estimación puntual y estimación por intervalo. Supongamos que en un
ecosistema de pinos se estima la altura media de las plantas mediante
un solo número, por ejemplo 8.75 metros, o podríamos afirmar que la
altura de los árboles varía en un intervalo de 6.45 a 10.15 metros. El
primer tipo se llama estimación puntual, ya que se puede asociar al
único número que presenta la estimación, un punto sobre una recta. El
segundo tipo se llama estimación por intervalo, porque se tienen dos
puntos que definen un intervalo sobre una recta. Consideramos ambos
método de estimación.
ESTIMACIÓN PUNTUAL
Las estadísticas mismas son estimadores no sesgadas de sus
equivalentes poblacionales, y sus distribuciones de muestreo son
aproximadamente normales cuando el tamaño de muestras es grande.
Este fenómeno no restringe solamente a las estadísticas discutidas en
este trabajo. Muchas otras estadísticas, sobre todo las obtenidas a
partir de sondeos de opiniones, tienen distribuciones muéstrales que
no pueden definir claramente para tamaños de muestra pequeños,
pero poseen distribuciones muéstrales que tienen forma de montículo,
casi aproximadamente normales, cuando el tamaño de muestra es
grande.
ESTIMADORES PUNTUALES COMUNES INSESGADOS
Estimador insesgado sea un estimador puntual de un parámetro .
Entonces es un estimador insesgado de si de lo
contrario se decide que es sesgado. En otras palabras, un estimador
insesgado es aquel cuya media o valor esperado de la distribución de
las poblaciones es igual al parámetro estimado.
5. ESTIMACIÓN DE LA BONDAD DE UN ESTIMADOR PUNTUAL
El procedimiento para evaluar la bondad (es decir, la
confiabilidad o exactitud) de cualquiera de estos estimadores, es lo
mismo para cualquier otro estimador. La bondad de un estimador por
intervalo se analiza de manera muy similar a la de un estimador
puntual. Se seleccionan muestras del mismo tamaño,
respectivamente, y se determina el intervalo de estimación para cada
proceso. Este método generará un gran número de intervalos, en vez
de puntos. Una buena estimación por intervalo contendrá, con éxito, el
valor real del parámetro para una fracción grande del tiempo. Tal
fracción se denomina coeficiente de confianza para el estimador; el
estimador mismo se llama, a menudo, intervalo de confianza.
EFICIENCIA RELATIVA Y CONSISTENCIA.
Un estimador es más eficiente o preciso que otro, si la varianza
del primero es menor que la del segundo. El estimador para que la
varianza se haga mínima se denomina estimador de mínima varianza.
Si el estimador es insesgado y de mínima varianza, recibe el nombre
de estimador insesgado de mínima varianza. Un estimador es
consistente si es coherente de un parámetro de la población si al
aumentar el tamaño de la muestra, se tiene casi la certeza de que el
valor de la estadística se aproxima bastante al valor del parámetro de
la población. Si un estimador es coherente, se vuelve más confiable si
tenemos tamaños de muestras más grandes.
MÉTODO DE LOS MOMENTOS
La idea básica consiste en igualar ciertas características
muéstrales con las correspondientes características poblacionales.
Sea X una variable aleatoria, con función de probabilidad puntual p (x)
X en el caso discreto o función de densidad f (x) X en el caso
continuo.
6. MÉTODO DE MÁXIMA VEROSIMILITUD
Este método fue introducido por Fisher en la década de 1920. Se
basa en la idea de hallar los valores de los parámetros que hacen que
la probabilidad de obtener una muestra dada sea máxima. El objetivo
de la estima de máxima verosimilitud es encontrar un estimador del
parámetro θ, dependiente de los datos conocidos. Conociendo un
vector de datos y el modelo probabilístico subyacente, la estima de
máxima verosimilitud toma el valor del parámetro que da lugar a la
distribución con la que los datos son más probables.
INTERVALO DE CONFIANZA
Los Intervalos del Confianza son intervalos aleatorios obtenidos
a partir de los datos y en los cuales hay un grado de confianza
prefijado (medido en %) de que dicho intervalo contenga al verdadero
valor del parámetro que se quiere estimar. El nivel de confianza y la
amplitud del intervalo varían conjuntamente, de forma que un intervalo
más amplio tendrá más probabilidad de acierto (mayor nivel de
confianza), mientras que para un intervalo más pequeño, que ofrece
una estimación más precisa, aumenta su probabilidad de error.
INTERVALO DE CONFIANZA CON MUESTRAS GRANDES
Si la distribución poblacional tiene una media µ y desviación
estándar σ, entonces, para n suficientemente grande, la distribución
muestral de la media es aproximadamente normal. Es conocido que, a
menudo, es difícil conocer la distribución en el muestreo de
determinados estadísticos y que, en cambio, se puede conocer su
distribución asintótica. Como ocurre con los cuantiles y los momentos
muéstrales, frecuentemente, es posible disponer de una sucesión T n
de estadísticos, correspondientes a sucesivos tamaños muéstrales n,
tales que
– N (0,1)
Donde θ representa el parámetro que caracteriza la distribución
teórica y σn(θ) depende en general de n y del parámetro poblacional.
7. Esta situación puede ser utilizada para obtener intervalos de
confianza aproximados para el parámetro θ. De hecho, si n es
suficientemente grande, será
P Zα/ 2< < Zα/ 2
De manera que si puede invertirse la desigualdad, despejando θ, se
obtendría un intervalo de confianza para θ, de nivel de confianza
aproximado 1 − α.
INTERVALOS DE CONFIANZA PARA MUESTRAS PEQUEÑAS
Cuando tratamos con muestras pequeñas, no podemos invocar
el teorema del límite central. Por lo tanto, no podemos utilizar la
fórmula para los intervalos de confianza a menos que sean muestras
desde una variable aleatoria normalmente distribuida. Sin embargo,
hay una cuestión más: Si conocemos la desviación estándar
poblacional σ, entonces todo está bien, y podemos seguir adelante y
utilizar la fórmula anterior para el intervalo de confianza para muestras
pequeñas (suponiendo que estamos tomando muestras de una
variable distribuida normalmente). Pero si, como suele ser el caso, no
sabemos σ, entonces si seguimos adelante y utilizamos en su lugar la
desviación estándar maestral s, es probable que obtengamos
intervalos de confianza que son demasiado pequeños.
(Stefan Waner y Steven R. Costenoble. Julio, 2013)
SELECCIÓN DEL TAMAÑO DE LA MUESTRA
Hasta ahora hemos estudiado métodos para obtener intervalos
de confianza de parámetros de una población, basándonos en la
información contenida en una muestra dada. Sin embargo, se puede
pensar que el intervalo de confianza es demasiado amplio, reflejando
una importante incertidumbre sobre el parámetro estimado. La ´única
manera de obtener un intervalo más preciso, con un nivel de confianza
dado, es aumentando el tamaño muestral. En algunas circunstancias,
se puede fijar previamente la amplitud del intervalo, eligiendo un
tamaño muestral adecuado.
8. CONCLUCIÓN
Hemos tratado el procedimiento tradicional de estimación basado
en decisiones. Un estimador de un parámetro dado por un intervalo al
azar cuyos puntos finales son funciones de observaciones de
muestras se llama estimador por intervalo. En la estimación por
intervalo, el error de estimación, el nivel de confianza y el tamaño de la
muestra están estrechamente relacionados. Se define aquí el error
como la diferencia entre la estadística y el parámetro que se estima.
La probabilidad de que el error de estimación sea igual o mayor que
este producto se considera como es riesgo de la estimación; es decir,
la probabilidad de que el intervalo de confianza no cubra el parámetro
que se estima.
Nuestro estudio de estimación lo hemos hecho hasta ahora en el
supuesto de que la distribución de un estimador por muestreo esta
normalmente distribuida. En tanto que muchas distribuciones por
muestreo solo son aproximadamente normales, los límites de
confianza construidos con multiplicadores de confianza normal solo
poseen valores aproximados. Teniendo presente esto, debemos decir
también que tales límites de confianza aproximados son muy
satisfactorios para estimar parámetros en muchos tipos de
investigaciones.
La primera fase de la estadística se trata de coleccionar, ordenar
y presentar los datos o hechos numéricos. La segunda parte de la
estadística se encarga de analizar, sintetizar (hacer inferencias y
realizar interpretación) y finalmente publicar los datos que han sido
presentados en forma de grafica y/o de manera tabular. Es
precisamente en la sección del análisis estadístico en donde el
investigador debe modificar los datos, es decir hacer estimaciones de
los datos brutos. Para hacer estimaciones, uno debe estar bien
familiarizado con los criterios estadísticos que se debe reunir y
considerar en el proceso de la estimación, ya que las estimaciones
sesgadas nos conducen a las inferencias y decisiones erróneas.