Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Introduccin a la Estadstica
Prof. Dr. Eduardo Valenzuela D.
eduardo.valenzuela@usm.cl
Introduccin
Modelacin
Introduccin
Modelacin
Introduccin
Modelacin
Introduccin
Modelacin
Realidad versus Modelo Modelos Deterministicos Modelos no-Deterministicos Toma de decisiones bajo Incertidumbre
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones:
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera Compaas de Seguros
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera Compaas de Seguros Estudios de Mercado
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera Compaas de Seguros Estudios de Mercado Control de Calidad
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera Compaas de Seguros Estudios de Mercado Control de Calidad Instrumentos Financieros
Denicin
Estadistica: Mezcla entre ciencia y arte que entrega herramientas para modelar fenmenos no-deterministicos Algunas aplicaciones: Ingeniera Compaas de Seguros Estudios de Mercado Control de Calidad Instrumentos Financieros Medicina
Algunos Trminos
Poblacin: Coleccin completa de todas los individuos de interes para el investigador. Parmetro: Valor que caracteriza un aspecto de la poblacin. Muestra: Subconjunto de la poblacin y que es representativa de esta. Estadistico: Medida descriptiva de la muestra que se utiliza para estimar al respectivo parmetro poblacional. Variable: Caracteristica de la poblacin que se analiza en el estudio estadistico.
Tcnicas de Muestreo
Muestreo Aleatorio simple: Procedimiento mediante el cul todas las muestras de un determinado tamao, poseen la misma "chance" de ser extraidas. Muestreo Aleatorio Estraticado: Esquema de muestreo que primero particiona a la poblacin en diversos "estratos" y posteriormente extrae una mustra aleatoria simple en cada uno de ellos.
Muestreo
Error muestral: Diferencia entre el valor del parmetro poblacional y el producido por el estadistico o estadigrafo basado en una muestra. Sesgo muestral: Tendencia a favorecer la seleccin de determinados individuos de la poblacin.
Muestreo Poblacin vs Muestra Muestreo implica Error muestral Acotar la probabilidad de cometer errores Estadistica Descriptiva Inferencial
Tipos de Variables
Variables cualitativas: Caracteristica que representa una cualidad de los individuos poblacionales. Variables cuantitativas: Caracteristica que corresponde a una magnitud asociada a laos individuos de la poblacin.
Escalas de Medicin
Escala nominal: Nombres o clases que se utilizan para organizar los datos en categorias separadas y distintas. Escala ordinal: Mediciones que jerarquizan los datos en categorias, ordenadas en virtud de un determinado criterio.
Escalas de Medicin
Escala de intervalos: Mediciones respecto de una escala numerica en la cual la diferencia entre valores tiene interpretacin y la ubicacin del cero es arbitrario. Escala de proporciones: Mediciones respecto de una escala numerica en la cual tanto la diferencia como los cuocientes tienen interpretacin y la ubicacin del cero es absoluto.
Estadistica Descriptiva
Proporciona procedimientos que permiten organizar, procesar y presentar los datos muestrales con el n de extraer informacin relevante que este contenida en ellos. Datos Muestrales Clasicacin
A1 , A2 , . . . , Ak : clases
Nmero de clases
Si se dispone de n datos muestrales, se suele usar la regla de Sturges: k = [3, 3 log n] + 1
k = [3, 3 log 1000] + 1 = [3, 3 3] + 1 = 9 + 1 = 10
clases
Observaciones y Preguntas
Las clases deben ser excluyentes y todo elemento muestral debe pertenecer a una de ellas. Existen clases que concentren mas datos?. Se presenta un comportamiento uniforme?. Se visualiza mas de un punto de concentracin?.
Construccin de clases
Si los datos muestrales estan medidos por lo menos al nivel de intervalos y si los representamos por:
x1 , x2 , . . . , xn
Construccin de clases
con esto se determinan los limites superior e inferior de cada clase:
clase limites relacin A1 [a1 b1 ] b1 = a1 + c A2 ]a2 b2 ] b2 = a2 + c . . . . . . . . . Ak ]ak bk ] bk = ak + c
Ejemplo
Consideremos una muestra de n = 50 datos: 68 72 50 70 65 83 77 78 80 93 71 74 60 84 72 84 73 81 84 92 77 57 70 59 85 74 78 79 91 102 83 67 66 75 79 82 93 90 101 80 79 69 76 94 71 97 95 83 86 69 numero de clases: k = [3, 3 log 50] + 1 = 6
Continuacin Ejemplo
min xi = 50 y max xi = 102, por lo que c = 10250 = 8, 7 6 redondeando, tomaremos c = 9, con lo que las clases quedan: clase limites marca de clase A1 [50 59] 54, 5 A2 ]59 68] 63, 5 A3 ]68 77] 72, 5 A4 ]77 86] 81, 5 A5 ]86 95] 90, 5 A6 ]95 104] 99, 5
Distribuciones de Frecuencias
Para descubrir como se reparten los datos entre las clases, consideraremos las frecuencias Frecuencia absoluta: Es el nmero de observaciones muestrales que caen en cada clase: ni , para i = 1, . . . , k . Frecuencia relativa: Es la proporcin de datos con respecto a toda la muestra que pertenecen a cada clase: fi , para i = 1, . . . , k . Se tiene que: fi =
ni n
Distribuciones de Frecuencias
Frecuencia absoluta acumulada: Es la suma acumulada de las frecuencias absolutas hasta cada clase: Ni , para i = 1, . . . , k . con Ni = i nj , para j=1 i = 1, . . . , k Frecuencia relativa acumulada: Es la suma acumulada de las fercuencias relativas hasta cada clase: Fi , para i = 1, . . . , k . con Fi = i fj , para i = 1, . . . , k j=1 Se tiene que: Fi =
Ni n
Ejemplo
clase limites A1 [50 59] A2 ]59 68] A3 ]68 77] A4 ]77 86] A5 ]86 95] A6 ]95 104] total ni 3 5 15 17 7 3 50 Ni 3 8 23 40 47 50 fi 0, 06 0, 10 0, 30 0, 34 0, 14 0, 06 1, 00 Fi 0, 06 0, 16 0, 46 0, 80 0, 94 1, 00
Representaciones Grcas
Otra forma de representar la informacin muestral, es mediante grcos Histograma: Se gracan las frecuencias con respecto a las diversas clases. Poligono de frecuencias: Representa las frecuencias en las marcas de clases unidas por segmentos de rectas. Distribucion de frecuencias acumuladas: Aqui se representan las frecuencias acumuladas hasta cada clase.
Representaciones Grcas
Ojiva: Poligonal que une las frecuencias acumulativas en cada clase. Grco de barras: Las frecuencias se representan por barras proporcionales a ellas. Grcos circulares: Las frecuencias se muestran como sectores circulares.
Histograma
Histograma de x
0.0 50
0.01
0.02
0.03
60
70
80 x
90
100
110
Ojiva
Ojiva de x
1.0 Frec 0.0 50 0.2 0.4 0.6 0.8
60
70 x
80
90
100
Pastel
Grafico circular de x
Tablas de contingencia
Se denen las frecuencias marginales de X e Y respectivamente por:
l k
ni,. =
j=1
ni,j , n.,j =
i=1
ni,j
Ejemplo
[1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j [10;30] ]30;50] ]50;70] 15 8 4 5 12 9 2 13 10 1 16 18
ni,.
113
Ejemplo
[1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j [10;30] ]30;50] ]50;70] 15 8 4 5 12 9 2 13 10 1 16 18
ni,. 27 26 25 35 113
Ejemplo
[1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j [10;30] ]30;50] ]50;70] ni,. 15 8 4 5 12 9 2 13 10 1 16 18 23 49 41 113
Ejemplo
[1000;2000] ]2000;3000] ]3000;4000] ]4000;5000] n.,j [10;30] ]30;50] ]50;70] ni,. 15 8 4 27 5 12 9 26 2 13 10 25 1 16 18 35 23 49 41 113
Si los datos muestrales han sido agrupados en clases y estas marcas de clase son x1 , . . . , xk con frecuencias relativas fi . Se dene la media de x por
k
x=
i=1
1 f i xi = n
n i xi
i=1
Medidas de variabilidad
Las medidas de variabilidad o de dispersin, pretenden cuanticar el grado de homogeneidad presente en la muestra; determinan que tan concentrados o dispersos estan los datos. Algunas medidad de dispersin son: Rango Desviacin media Rango intercuartlico Varianza y Desviacin estandar
=
i=1
1 fi (xi x) = n
2
k i=1
ni (xi x)2
Observacin
Cabe hacer notar que cuando la varianza muestral se usa como un estimador de la varianza poblacional, su denicin se modica levemente en la forma:
1 2 S = n1
k i=1
ni (xi x)2
Esta varianza modicada es preferible como estimador, 2 pues posee mejores propiedades que Sx .
Desigualdad de Tschebyscheff
Una interpretacin interesante de la desviacion estandar es la proporcionada por la Desigualdad de Tschebyscheff, que plantea intuitivamente que: En todo conjunto de observaciones y para todo numero real r > 1, se tiene que al menos 1 r12 de ellas caen en el intervalo: [ rSx ; x + rSx ] x
Grcamente:
Resumen
Las principales medidas descriptivas de la muestra son:
Resumen de $x$ Min. 1st Q. Med. Mean 3rd Q. Max. 50.00 71.00 78.50 78.36 84.00 102.00 N = 50 Median = 78.5 Quartiles = 71; 84
Grco de Cajn
1.0 -1.0 -0.5 0.0 0.5
Problema
Pero en la mayoria de los casos, esta funcin, depender de parmetros desconocidos , es decir tenemos:
FX (x; ) = P [X x]
y para que estos modelos sean de alguna utilidad, se requiere previamente estimar estos parametros a partir de informacion emprica recopilada a partir de una muestra aleatoria de X .
Problemas
Esto nos lleva a los principales problemas de la inferencia estadistica:
Problemas
Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual.
Problemas
Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual. Estimacion por intervalos de conanza.
Problemas
Esto nos lleva a los principales problemas de la inferencia estadistica: Estimacion puntual. Estimacion por intervalos de conanza. Prueba de hipotesis.
Estimacion puntual
En el mbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos:
Lo que hace necesario denir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles.
Estimacion puntual
En el mbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Mtodo de momentos.
Lo que hace necesario denir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles.
Estimacion puntual
En el mbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Mtodo de momentos. Mtodo de minimos cuadrados. Lo que hace necesario denir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles.
Estimacion puntual
En el mbito de la estimacion puntual se han desarrollado diversos metodos para construir estimadores puntuales, entre ellos: Mtodo de momentos. Mtodo de minimos cuadrados. Mtodo de mxima verosimilitud. Lo que hace necesario denir cualidades de los estimadores, para asi poder seleccionar el mejor entre varios posibles.
Propiedades
Entre las principales propiedades de los estimadores se cuentan:
Propiedades
Entre las principales propiedades de los estimadores se cuentan: Insesgamiento
Propiedades
Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima
Propiedades
Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo
Propiedades
Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo Eciencia
Propiedades
Entre las principales propiedades de los estimadores se cuentan: Insesgamiento Varianza minima Error cuadratico minimo Eciencia Consistencia
Ejemplo
Supongamos que la variable aleatoria X esta distribuida normalmente: X N (, 2 ) Se dice que X1 , . . . , Xn es una Muestra aleatoria de X , si: Los X1 , . . . , Xn son independientes Cada Xi posee la misma ditribucion que X
Ejemplo
Usando estos datos se pueden obtener estimadores puntuales de los parametros y 2 , los cuales poseen varias de las propiedades anteriores; ellos son:
n = 1 X n
2 Sn n
Xi
i=1
1 = n1
n i=1
(Xi Xn )2
Ejemplo
Notemos que los valores que estos estimadores producen, dependen de los valores muestrales y en consecuencia cambiaran de una a otra muestra. Esto nos lleva a considerar las distribuciones muestrales de estos estimadores.
Distribuciones muestrales
Bajo la suposicion de que:
X N (, 2 )
se puede vericar que la distribucion empirica de la media muestral a partir de una muestra aleatoria de tamao n es:
2 Xn N (, ) n
Distribuciones muestrales
Analogamente la distribucion empirica de la varianza muestral es: 2 (n 1)Sn 2 (n 1) 2 que se denomina Chi cuadrado con n 1 grados de libertad y que para usarla al igual que la normal, hay que recurrir a tablas estadisticas
Otras distribuciones
Ademas de estas distribuciones, es necesario considerar otras mas que aparecen en los procesos de estimacion y prueba de hipotesis, ellas son: La distribucion t de student con k grados de libertad, que se simboliza por t(k). La distribucion Fisher con k y l grados de libertad, que se representa por F (k, l).
Otras distribuciones
Analogamente a la distribucion normal y chi-cuadrado, para evaluar probabilidades asociadas a ellas, es necesario obtener los valores usando una tabla estadistica, una calculadora que las tenga implementadas o un programa computacional adecuado.
Observacin
Cabe hacer notar que si bien es cierto estos estimadores puntuales, al evaluarlos en los datos muestrales, nos proporcionan una estimacion puntual, que sirve para aproximar el valor desconocido del parametro en estudio; ellos no entregan idea alguna sobre el error que se produce en este proceso de estimacion.
Observacin
Para poder cuanticar este error, se requeriria estimar los parametros por medio de un intervalo de conanza, que nos indique una region que pudiera contener al parametro buscado, mas una evaluacion de la proporcion de veces que tomaremos una decision correcta al usar este procedimiento, para estimar los parametros; esto se conoce como el coeciente de conanza
que cumpla:
P [T1 T2 ]
Observacin
Existen algunas situaciones en las cuales la varianza 2 se conoce y por lo tanto no se requiere previamente estimarla. Tambien en aquellos casos en que el tamao muestral n crece tendiendo a innito n , se puede vericar que la distribucion t de student se aproxima en un cierto sentido a la distribucion normal.
Observacin
Para estas situaciones, que se denominan muestras grandes, el intervalo de conanza para la media muestral Xn se transforma en:
n z(1+)/2 ; Xn + z(1+)/2 ] [X n n
Continuacin
Analogamente se puede obtener el intervalo de conanza para 2 con coeciente de conanza , resultando:
2 2 (n 1) Sn (n 1) Sn ; (1+)/2 (n 1) (1)/2 (n 1)
El uso de estos intervalos de conanza nos permite estimar los parametros de interes, indicando la precision que permiten obtener los datos disponibles.
Prueba de Hiptesis
Existen situaciones en las cuales se tiene algun conocimiento previo sobre los parametros de una distribucin ( Hipotesis ) y se desea analizar si este supuesto es consecuente con los datos muestrales. Esto lleva a una Prueba de Hiptesis, para lo que se necesita:
Prueba de Hiptesis
Prueba de Hiptesis
Una hipotesis nula H0 .
Prueba de Hiptesis
Una hipotesis nula H0 . Una hipotesis alternativa H1 .
Prueba de Hiptesis
Una hipotesis nula H0 . Una hipotesis alternativa H1 . Una funcion de los datos T (X1 , . . . , Xn ), cuya distribucin bajo H0 se conozca.
Prueba de Hiptesis
Una hipotesis nula H0 . Una hipotesis alternativa H1 . Una funcion de los datos T (X1 , . . . , Xn ), cuya distribucin bajo H0 se conozca. Un nivel de signicancia 0 < < 1.
Prueba de Hiptesis
Una hipotesis nula H0 . Una hipotesis alternativa H1 . Una funcion de los datos T (X1 , . . . , Xn ), cuya distribucin bajo H0 se conozca. Un nivel de signicancia 0 < < 1. Una regin de rechazo.
Acciones
Al tomar la decisin de rechazar o no la hiptesis nula sobre la base de los datos muestrales, se producen las siguientes posibilidades: accin ; realidad rechazar H0
H0 verdadera H0 falsa
Error I
Correcto
no rechazar H0 Correcto Error II La idea es limitar a valores pequeos las probabilidades de estos errores.