Anda di halaman 1dari 6

Estadstica Aplicada

Se denomina estadstica aplicada al rea de la estadstica que se ocupa de inferir resultados sobre una poblacin a partir de una o varias muestras. Es la parte de la estadstica que se aplica en cualquier otra rama externa a ella, como psicologa, medicina, sociologa, historia, biologa, marketing, etc. Los parmetros poblacionales son estimados mediante funciones denominadas "estimadores" o "estadsticos". La estimacin de stos, se hace basndose en la estimacin estadstica y puede ser puntual, por intervalos o de contraste de hiptesis. En una estimacin puntual se obtiene un solo valor con una confianza nula, como cuando se dice que la estatura media de tal poblacin es de 1,72m. En la estimacin por intervalos, el nivel de confianza depende de la amplitud del intervalo, es cuando se afirma que el 95% de tal poblacin mide menos de 1,96m. El contraste de hiptesis consiste en verificar estadsticamente si una suposicin acerca de una poblacin es cierta o falsa. La estadstica aplicada se apoya totalmente en la utilizacin de paquetes estadsticos que ayudan a resolver problemas de ndole estadstica, acortando dramticamente los tiempos de resolucin. Es por esto que en muchas facultades se ensea a utilizar estos programas estadsticos sin que, a veces, el alumno entienda, ni tenga la necesidad de entender cmo funcionan.

Inferencia estadstica
La inferencia estadstica o estadstica inferencial es una parte de la Estadstica que comprende los mtodos y procedimientos para deducir propiedades (hacer inferencias) de una poblacin, a partir de una pequea parte de la misma (muestra). La Teora de muestras. La estimacin de parmetros. El Contraste de hiptesis. El Diseo experimental. La Inferencia bayesiana. Los mtodos no paramtricos Planteamiento del problema Suele iniciarse con una fijacin de objetivos o algunas preguntas como cul ser la media de esta poblacin respecto a tal caracterstica?, se parecen estas dos poblaciones?, hay alguna relacin entre... ? En el planteamiento se definen con precisin la poblacin, la caracterstica a estudiar, las variables, etctera. Elaboracin de un modelo Se establece un modelo terico de comportamiento de la variable de estudio. En ocasiones no es posible disear el modelo hasta realizar un estudio previo.

Los posibles modelos son distribuciones de probabilidad. Extraccin de la muestra Se usa alguna tcnica de muestreo o un diseo experimental para obtener informacin de una pequea parte de la poblacin. Tratamiento de los datos En esta fase se eliminan posibles errores, se depura la muestra, se tabulan los datos y se calculan los valores que sern necesarios en pasos posteriores, como la media muestral, la varianza muestral
Los mtodos de esta etapa estn definidos por la estadstica descriptiva.

Estimacin de los parmetros Con determinadas tcnicas se realiza una prediccin sobre cules podran ser los parmetros de la poblacin. Contraste de hiptesis Los contrastes de hiptesis son tcnicas que permiten simplificar el modelo matemtico bajo anlisis. Frecuentemente el contraste de hiptesis recurre al uso de estadsticos muestrales.

Inferencia estadstica - Estimacin puntual


La estadstica provee tcnicas que permiten obtener conclusiones generales a partir de un conjunto limitado pero representativo de datos. Cuando inferimos no tenemos garanta de que la conclusin que obtenemos sea exactamente correcta. Sin embargo, la estadstica permite cuantificar el error asociado a la estimacin. La mayora de las distribuciones de probabilidad dependen de cierto nmero de parmetros. Por ejemplo: P( ), N(, 2 ), Bi(n, p), etc. Salvo que estos parmetros se conozcan, deben estimarse a partir de los datos. El objetivo de la estimacin puntual es usar una muestra para obtener nmeros que, en algn sentido, sean los que mejor representan a los verdaderos valores de los parmetros de inters. Supongamos que se selecciona una muestra de tamao n de una poblacin. Antes de

obtener la muestra no sabemos cul ser el valor de cada observacin. As, la primera observacin puede ser considerada una v.a. X1, la segunda una v.a. X2, etc. Por lo tanto, antes de obtener la muestra denotaremos X1, X2,...., Xn a las observaciones y, una vez obtenida la muestra los valores observados los denotaremos x1, x2,...., xn. Del mismo modo, antes de obtener una muestra, cualquier funcin de ella ser una v.a., por ejemplo: , ~, , max( ,..., ), 1 2 n X X S X X etc. Una vez obtenida la muestra los valores calculados sern denotados , ~, , max( ,..., ), 1 2 n x x s x x etc. Definicin: Un estimador puntual de un parmetro es un valor que puede ser considerado representativo de y se indicar . Se obtiene a partir de alguna funcin de la muestra. Ejemplo: Con el fin de estudiar si un dado es o no equilibrado, se arroja el dado 100 veces en forma independiente, obtenindose 21 ases. Qu valor podra utilizarse, en base a esa informacin, como estimacin de la probabilidad de as? Parece razonable utilizar la frecuencia relativa de ases. En este caso, si llamamos p a la probabilidad que queremos estimar, p = = 0.21

Prueba de Hiptesis
Una hiptesis es una afirmacin acerca de algo. En estadstica, puede ser una suposicin acerca del valor de un parmetro desconocido. Pasos en la prueba de hiptesis: 1. 2. 3. 4. 5. 6. 7.

Definir la hiptesis nula: suponer una hiptesis acerca de una poblacin. Formular una hiptesis alternativa: es una contra-hiptesis. Definir un criterio de decisin para rechazar o no la hiptesis nula. Recabar datos de la muestra. Calcular una estadstica de muestra. Utilizar la estadstica de muestra para evaluar la hiptesis.

Generalmente, se habla de "no rechazar" una hiptesis en lugar de "aceptar", ya que las pruebas no son concluyentes. Introduccin. La prueba de hiptesis comienza con una suposicin, llamada hiptesis, que hacemos con respecto a un parmetro de poblacin. Despus recolectamos datos de muestra, producimos estadsticas de muestra y usamos esta informacin para decidir qu tan probable es que sea correcto nuestro parmetro de poblacin acerca del cual hicimos la hiptesis. Debemos establecer el valor supuesto o hipotetizado del parmetro de poblacin antes de comenzar a tomar la muestra. La suposicin que deseamos probar se conoce como hiptesis nula, y se simboliza H0. Siempre que rechazamos la hiptesis, la conclusin que s aceptamos se llama hiptesis alternativa y se simboliza H1. Interpretacin del nivel de significancia. El propsito de la prueba de hiptesis no es cuestionar el valor calculado de la estadstica de muestra, sino hacer un juicio respecto a la diferencia entre esa estadstica de muestra y un parmetro de poblacin hipotetizado. El siguiente paso despus de establecer la hiptesis nula alternativa consiste en decidir qu criterio utilizar para decidir si aceptar o rechazar la hiptesis nula. Si suponemos que la hiptesis es correcta, entonces el nivel de significancia indicar el porcentaje de medias de muestra que est fuera de ciertos lmites. Siempre que afirmemos que aceptamos la hiptesis nula, en realidad lo que queremos decir es que no hay suficiente evidencia estadstica para rechazarla. El empleo del trmino aceptar, en lugar de rechazar, se ha vuelto de uso comn. Significa simplemente que cuando los datos de la muestra n hacen que rechacemos una hiptesis nula, nos comportamos como si fuera cierta. Seleccin del nivel de significancia. Nuestra eleccin del estndar mnimo para una probabilidad aceptable, o el nivel de significancia, es tambin el riesgo que asumimos al rechazar una hiptesis nula cuando es cierta. Mientras ms alto sea el nivel de significancia que utilizamos para probar una hiptesis, mayor ser la probabilidad de rechazar una hiptesis nula cuando es cierta.

Errores tipo I y tipo II. El rechazo de una hiptesis nula cuando es cierta se denomina error de tipo I, y su probabilidad (que es tambin el nivel de significancia) se simboliza como . El hecho de aceptar una hiptesis nula cuando es falsa se denomina error de tipo II, y su probabilidad se simboliza como . La probabilidad de cometer un tipo de error puede reducirse slo si deseamos incrementar la probabilidad de cometer el otro tipo de error. Con el propsito de obtener una baja, tendremos que tolerar una alta. Los responsables de la toma de decisiones deciden el nivel de significancia adecuado, al examinar los costos o desventajas vinculadas con ambos tipos de errores. Pruebas de hiptesis de dos extremos y de un extremo. Una prueba de dos extremos de una hiptesis, rechazar la hiptesis nula si la media de muestra es significativamente mayor o menor que la media de la poblacin hipotetizada. Existen dos regiones de rechazo. Hay situaciones en las que no es apropiada una prueba de dos extremos, por lo que debemos usar una prueba de un extremo, que pueden ser de extremo izquierdo (o inferior) o extremo derecho (o superior). La nica forma de probar una hiptesis nula es conociendo el parmetro de poblacin, y eso no es posible al tomar una muestra. Por consiguiente, aceptamos la hiptesis nula y nos comportamos como si fuera cierta, simplemente porque no podemos encontrar evidencia para rechazarla. Medicin de la potencia de una prueba de hiptesis. Idealmente, tanto como (las probabilidades de los errores tipo I y II deben ser pequeas. Una vez que decidimos el nivel de significancia, no hay nada que podamos hacer con respecto a . Cuando la hiptesis nula es falsa, (la media de la poblacin cierta) no es igual a la media hipotetizada. Puesto que rechazar una hiptesis nula cuando es falsa es exactamente lo que debe hacer una buena prueba, un valor alto de 1 - significa que la prueba est trabajando bastante bien (est rechazando la hiptesis nula cuando es falsa. Puesto que 1 - es la medida de qu tan bien trabaja la prueba, se la conoce como la potencia de la prueba. Si representamos grficamente los valores 1 - por cada valor de para el que la hiptesis alternativa es cierta, la curva resultante se conoce como curva de potencia.

Estimaciones puntuales y por intervalos de confianza