Estadstica Inferencial
Mtodos para obtener conclusiones vlidas para
toda la poblacin a partir del estudio de una muestra. Aos 30 del siglo XX: Relacin entre la Probabilidad y la Estadstica Algunos nombres: De Moivre, Gauss Ronald A. Fisher (1890-1962) Karl Pearson Yale, Neyman y E. Pearson
Poblacin y muestra
300.000 puntos
1.200 puntos
Muestreos
Distribuciones Muestrales
El estudio de determinadas caractersticas de una poblacin se
efecta a travs de diversas muestras que pueden extraerse de ella. Los estadsticos (media, mediana, desviacin tpica) obtenidos de las muestras nos van a permitir decidir sobre la aproximacin apropiada del correspondiente parmetro de la poblacin. Para abordar de manera satisfactoria los problemas anteriores, es necesario el conocimiento de las relaciones existentes entre los estadsticos muestrales y los parmetros de la poblacin. Como estos ltimos se infieren de los estadsticos, es necesario conocer la distribucin muestral de estos estadsticos.
la media de la poblacin a partir del estudio de las medias obtenidas en las muestras. Consideramos una poblacin y de ella extraemos muestras de tamao n Cada una de estas muestras tendr una media. Consideramos la variable aleatoria X, que asigna a cada muestra su media. As podemos estudiar su distribucin, llamada distribucin muestral de medias.
UN DADO DOS DADOS (PROMEDIO) TRES DADOS (PROMEDIO) CUATRO DADOS (PROMEDIO)
participan En la tabla anterior se puede comprobar que la desviacin tpica para n dados es:
extraemos muestras de tamaos n = 2, n = 3, n = 4, la distribucin de sus correspondientes medias se parece a una distribucin normal tanto ms cuanto mayor sea n. Todas las distribuciones tienen la misma media. Cuantos ms dados intervienen, menor desviacin tpica tiene la distribucin. Este resultado relativo al lanzamiento de un dado se generaliza para cualquier distribucin segn el siguiente teorema:
Condiciones
Es importante sealar que este teorema es vlido cualquiera que
sea la distribucin de la poblacin de partida El grado de aproximacin de la distribucin de las medias muestrales a la correspondiente normal depende del tipo de poblacin de partida y del valor de n
Si la poblacin de partida es normal, tambin lo ser la distribucin
de las medias muestrales, cualquiera que sea el valor de n Aunque la poblacin de partida no sea normal, la distribucin de las medias muestrales puede ser muy parecida a la normal, incluso para valores pequeos de n, pero para n30 es seguro que se consigue una gran aproximacin a la normal cualquiera que sea la distribucin de partida
sobrepeso
Francisco Javier Barn
Universidad de Mlaga
http://www.youtube.com/watch?v=FcDcJnw00hk
Consecuencias / Ventajas
1.
Control de las medias muestrales En una poblacin de media y desviacin tpica , nos disponemos a extraer una muestra de tamao n. Antes de hacerlo, sabemos que la distribucin de las medias x, de todas las posibles muestras es normal, con media y desviacin tpica n y, por tanto, podemos averiguar la probabilidad de que la media de una muestra concreta est en un cierto intervalo
2.
Control de la suma de todos los individuos de la muestra La suma de todos los individuos de la muestra es una distribucin normal de media n y desviacin tpica n Por tanto podemos calcular cul es la probabilidad de que la suma de los elementos de una muestra est, a priori, en un cierto intervalo
3.
Inferir la media de la poblacin a partir de una muestra Esta es la aplicacin ms importante del Teorema del Lmite Central. A partir de una muestra se pueden extraer conclusiones vlidas sobre la media de la poblacin de partida
Mapa Conceptual
es el de:
Estimacin Puntual
Desconocemos los cocientes intelectuales de los alumnos de
una universidad, pero disponemos de los datos de una muestra de 200 de estos alumnos Calculamos x = 108 media del CI de los individuos de la muestra Parece razonable estimar que la media de la poblacin ser aproximadamente, igual que la media de la muestra, 108 Pero cmo de aproximadamente? La estimacin puntual sirve de poco mientras desconozcamos cul es el grado de aproximacin de x a
estamos siendo ) En el nivel de confianza (ms nivel de confianza significa mayor seguridad en la estimacin
Tamao de la muestra, longitud del intervalo y nivel de
La Distribucin Normal
En un estudio estadstico, la distribucin normal se puede
aplicar a casi todas las muestras que se extraigan y a muchas poblaciones que las incluyan Karl Pearson entusiasta de la curva normal
Comprob que en la naturaleza haba medidas que no se distribuyen
normalmente Elabor esquemas especficos de dichas distribuciones Muchas distribuciones que a primera vista no son normales, resultan ser, despus de cuidadosos anlisis, una combinacin de dos o ms distribuciones normales