Presentacion estadistica inferencias y referencias a proporciones
1. Profesora:
Lcdo. Esp. Msc Carlena Astudillo
Maestrantes:
Lcda. Barreto Jonosky C.I: 15.376.545
Lcdo. Castillo Daniel C.I: 21.178.662
Lcda. Simo Nayerlin C.I: 21.175.103
Lcda. Velásquez Patrizia C:IFebrero 2016
UNIVERSIDAD NORORIENTAL PRIVADA
“GRAN MARISCAL DE AYACUCHO¨
DECANATO DE POST-GRADO
MAESTRIA CIENCIAS GERENCIALES
MENCION RECURSOS HUMANOS
NÚCLEO EL TIGRE, ESTADO ANZOÁTEGUI.
CATEDRA ESTADISTICA APLICADA.
2. Aplicación de la Estadística a la gerencia de R.R.H.H
Estimación de ProporcionesEstimación de Proporciones
Estimación BayesianaEstimación Bayesiana
Hipótesis Referente a una ProporciónHipótesis Referente a una Proporción
CONTENIDO
Bondad de AjusteBondad de Ajuste
ConclusionesConclusiones
4. INFERENCIA ESTADISTICA
Es el proceso de sacar conclusiones acerca de la población
basados en la información de una muestra de esa población
5. INFERENCIA ESTADISTICA
OBJETIVOS DE LAOBJETIVOS DE LA
INFERENCIAINFERENCIA
1
2
Estimación de parámetros, intervalos de confianza y docimasia,Estimación de parámetros, intervalos de confianza y docimasia,
prueba o test de hipótesis (o prueba de significación estadística).prueba o test de hipótesis (o prueba de significación estadística).
La estimación de parámetros consiste en el cálculo de estadísticasLa estimación de parámetros consiste en el cálculo de estadísticas
en muestras, con el fin de obtener información sobre el valor de losen muestras, con el fin de obtener información sobre el valor de los
parámetros de la población.parámetros de la población.
6. ESTIMACION DE PROPORCIONES
Es un conjunto de técnicas que permiten dar un valor
aproximado acerca de la medida de una población a
partir de los datos que nos proporciona previamente una
muestra.
ESTIMACION DE
PARAMETROS
suele ser mas importante y ser capaz de inferir información acerca
de una población a partir de muestras de ellas.
ESTIMACIONESTIMACION
SIN SESGOSIN SESGO
Si la media de la distribución muestral de un estadístico es igual al
parámetro poblacional correspondiente, el estadístico se
denomina estimador sin sesgo del parámetro.
ESTIMADOSESTIMADOS
EFICIENTESEFICIENTES
Si las distribuciones muéstrales de dos estadísticos tienen laSi las distribuciones muéstrales de dos estadísticos tienen la
misma media o esperanza matemática entonces el estadístico conmisma media o esperanza matemática entonces el estadístico con
la menor varianza se denomina estimador eficiente de la media ,la menor varianza se denomina estimador eficiente de la media ,
mientras que el otro estadístico se le llama estimador ineficientemientras que el otro estadístico se le llama estimador ineficiente
7. Expositor 1
ESTIMACION DE PROPORCIONES
ESTIMACION
POR PUNTO
El estimado de un parámetro poblacional dado por un solo numero
se denomina estimado puntual del parámetro.
ESTIMACIONESTIMACION
PORPOR
INTERVALOINTERVALO
El estimado de un parámetro poblacional dado por dos números ,
entre los cuales se considera esta el parámetro, se
denomina estimado por intervalo del parámetro.
INTERVALOINTERVALO
DEDE
CONFIANZACONFIANZA
se llama así a un intervalo en el que sabemos que está un
parámetro con un nivel de confianza específico.
10. Expositor 2
Ejemplo:
Durante miles de millones de años, el sol ha salido después
de haberse puesto. El sol se ha puesto esta noche. Hay una
probabilidad muy alta de (o 'Yo creo firmemente' o 'es
verdad') que el sol va a volver a salir mañana. Existe una
probabilidad muy baja de (o 'yo no creo de ningún modo' o
'es falso') que el sol no salga mañana.
ESTIMACION BAYESIANA
12. Expositor 2
Ho representa una hipótesis, llamada hipótesis nula, que ha sido inferida
antes de que la nueva evidencia, E, resultara disponible.
P(Ho) se llama la probabilidad a priori de Ho.
P(E|Ho) se llama la probabilidad condicional de que se cumpla la evidencia
E
si la hipótesis Ho es verdadera. Se llama también la función de verosimilitud
cuando se expresa como una función de E dado Ho.
P(E) se llama la probabilidad marginal de E: la probabilidad de observar la
nueva evidencia E bajo todas las hipótesis mutuamente excluyentes. Se la
puede calcular como la suma del producto de todas las hipótesis
mutuamente excluyentes por las correspondientes probabilidades
condicionales:
P(Ho|E) se llama la probabilidad a posteriori de Ho dado E.
El factor P(E|Ho) / P(E) representa el impacto que la evidencia tiene en la
creencia en la hipótesis. Si es posible que se observe la evidencia cuando la
hipótesis considerada es verdadera, entonces este factor va a ser grande.
por lo tanto, el teorema de Bayes mide cuánto la nueva evidencia es capaz
de alterar la creencia en la hipótesis.
ESTIMACION BAYESIANA
14. Expositor 3
HIPOTESIS REFERENTE A UNA PROPORCION
La prueba de hipótesis se asemeja al método científico
Prueba estadística
Probar una hipótesis relacionada con los valores
de uno o mas parámetros poblacionales.
Una teoría se comprueba demostrando que no hay evidencia que sustente la
teoría opuesta.
15. Expositor 3
HIPOTESIS REFERENTE A UNA PROPORCION
Elementos de una prueba estadística
Hipótesis por
probar.
También llamada
hipótesis de
investigación, es
aquella que se
busca comprobar
Es una función de
las mediciones de
la muestra, que
sirve como base
para la toma de
decisiones
estadísticas.
Especifica los
valores del
estadístico de
prueba para los
que la hipótesis
nula se rechaza a
favor de la
hipótesis
alternativa.
16. Expositor 3
HIPOTESIS REFERENTE A UNA PROPORCION
Toda región de rechazo fija, se pueden cometer dos tipos de error
al tomar una decisión.
Existen diversos métodos para desarrollar dicho test, minimizando los errores deExisten diversos métodos para desarrollar dicho test, minimizando los errores de
tipo I y II.tipo I y II.
Hallando por tanto con una determinada potencia, la hipótesis con mayorHallando por tanto con una determinada potencia, la hipótesis con mayor
probabilidad de ser correcta.probabilidad de ser correcta.
Los tipos más importantes son los test centrados, de hipótesis y alternativa simple,Los tipos más importantes son los test centrados, de hipótesis y alternativa simple,
aleatorizados, entre otros.aleatorizados, entre otros.
17. Expositor 3
HIPOTESIS REFERENTE A UNA PROPORCION
El supervisor de operaciones de una empresa asegura que una máquina
tiene una producción de 90% de artículos en óptimas condiciones. De una
muestra aleatoria de 150 se determina que 125 funcionan correctamente.
Aplique una prueba con un nivel de 0,05.¿Será cierta la afirmación del
fabricante dados los datos recolectados?
H0 : p0 = 0,9
Ha : p0 < 0,9
Z= = -2,72
P= Proporción muestral
n= Tamaño de la muestra
P0= Proporción poblacional
18. Expositor 3
HIPOTESIS REFERENTE A UNA PROPORCION
Variaciones en función de la hipótesis alternativa
H0 : p0 = 0,9
Ha : p0 < 0,9
H0 : p0 = 0,9
Ha : p0 > 0,9
H0 : p0 = 0,9
Ha : p0 ≠ 0,9
19. Expositor 4
BONDAD DE AJUSTE
1
2
son aquellas que comparan los resultados de una muestra.son aquellas que comparan los resultados de una muestra.
Lo que se espera obtener cuando la hipótesis nula esLo que se espera obtener cuando la hipótesis nula es
verdadera.verdadera.
3
4
Tienen por objetivo determinar si los datos se ajustan a unaTienen por objetivo determinar si los datos se ajustan a una
determinada distribución.determinada distribución.
Puede estar completamente especificada (hipótesis simple) oPuede estar completamente especificada (hipótesis simple) o
perteneciente a una clase para-métrica (hipótesis compuesta).perteneciente a una clase para-métrica (hipótesis compuesta).
20. Expositor 4
PRUEBA DE CHI-CUADRADO
Es una prueba no para-métrica la cual se emplea tanto para
distribuciones continuas como para las discretas. Esta se
utiliza para encontrar la distribución de una serie de datos.
Utiliza la siguiente formula:
Donde x2 es un valor de una variable aleatoria cuya distribución muestral
se aproxima muy de cerca con v = k – 1 grados de libertad. Los símbolos
Oi y Ei representan las frecuencias observadas y esperada,
respectivamente, para la i-ésima celda.
BONDAD DE AJUSTE
21. Expositor 4
PRUEBA DE KOLMOGÓROV-SMIRNOV
Es una prueba no para-métrica la cual se emplea solo para
distribuciones continuas. Esta tiene como objetivo encontrar
el tipo de distribución de una serie de datos. Utiliza la
siguiente formulación:
siendo Fn(x) la función de distribución muestral y Fo(x) la
función teórica o correspondiente a la población normal
especificada en la hipótesis nula.
BONDAD DE AJUSTE