DISTRIBUCIÓN DE ALUMNOS POR LABORATORIOS

Estimados alumnos la relación de los alumnos:
PRIMER GRUPO de 11:00 a 12:30

ACOSTA CELIS JOHN OMAR
APAZA OVALLE FREDDY FERNANDO
BALTAZAR LAREDO ANGEL GREGORIO
CARRILLO ROMERO RONY
DE LOS SANTOS LEON ROLANDO MIGUEL
DURAND DE LA CRUZ JOHANA GLICETH
HUANCAS GARCIA JONNATAN ENRIQUE
HUANCOLQUE CALDERON JOSE MANUEL
JARA MORA CESAR RENATO
MARIN GAMARRA LUIS ANTONIO
MARIÑOS PALMA JANIS JOAN
NAVARRO MOLINA CARLOS AUGUSTO
NUÑEZ LOBATON JOSETH JOSUE
ORE SALAS HANCY
RAMOS OBREGON RANDY HARIF
ROQUE GUILLEN CARLOS ORLANDO
SALDAÑA ROBLES LORENA YAZMIN
TORRE ANGULO MIGUEL ANGEL
TORRES JOAQUIN DANNY JOSE
VALLEJOS VARGAS HERNAN LUIS
VASQUEZ VALLE MARTHA DEL ROSARIO


SEGUNDO GRUPO DE 12:30 A 14:00

AGUILAR OBANDO LUIS MIGUEL
ANGELES GUTIERREZ LAURA CAROLINA
AURIS MORA MANUEL EFRAIN
BEVAVENTE FARFAN NATALY LIZETH
CAMPOS PALOMINO NORMA RUTH
CASTILLO CAMACHO FRANCIS DANIEL ALEXANDER
CRUZADO VALLE EDISON AMILCAR
HUAMAN MELO CESAR ALBERTO
HUAMANI MITTMA CESAR AUGUSTO
LINCHE GOICOCHEA PEDRO PABLO
MENDOZA ZARATE MICHELL ANDRE
MONTERO VALENCIA FLOR DE MARIA
NIETOLEAL VASQUEZ VICTOR MARTIN
NUÑEZ CACERES FIORELLA VIVIANA
RIVERA SALINAS FLOR DE MARIA
SANCHEZ VIDALON LUIS ALBERTO
SANTANA ESPINOZA YSELA ESTEFANIA
TORRES SAAVEDRA JHAN MANUEL
TUPAC YUPANQUI BUSTAMENTE MIGUEL ANGEL
VEGA VALENCIA TATIANA MILUSKA
VERA CHAVARRIA MARIA

Importancia de Inferencia Estadistica

El principal objetivo de la Estadística es inferir o estimar características de una población que no es completamente observable (o no interesa observarla en su totalidad) a través del análisis de una parte de ella a la que llamamos muestra. Las razones por las que generalmentese trabaja con muestras son principalmente:

- Económicas.

-Tiempo: si la población es muy grande llevaría tanto tiempo analizarla que incluso la característica de interés podría variar en ese período.

- Destrucción: la medición de cierta característica podría llevar a la destrucción del individuo. Por ejemplo, al estudiar la supervivencia de ciertos animales a un tratamiento.

Lo que se hace entonces es analizar la muestra y extrapolar conclusiones desde la muestra la población. Ahora bien, para considerar válidas en la población las conclusiones obtenidas en la muestra, ésta ha de representar bien a la población (representativa). Por lo tanto, la elección de la muestra es de suma importancia, y para ello hay diversos métodos (métodos de muestreo). Cuando se intuye que la característica en estudio puede presentar valores homogéneos en la población, una forma de obtener una muestra representativa es eligiéndola al azar. A este método de selección de la muestra se le llama muestreo aleatorio simple y es el más sencillo. La Inferencia Estadística se puede clasificar en inferencia paramétrica e inferencia no paramétrica. La inferencia paramétrica tiene lugar cuando se conoce la distribución de la variable de estudio en la población, y el interés recae sobre los parámetros desconocidos de la misma. La inferencia no paramétrica tiene lugar si no se conoce la distribución y sólo se suponen propiedades generales de la misma. Nosotros nos centramos en la inferencia paramétrica, y nuestro objetivo será inferir o estimar parámetros poblacionales a partir de la información que nos proporciona una muestra.

Espero sus comentarios.........

Bienvenida

Estimados Alumnos del curso de Inferencia Estadística, es muy grato para mi poder compartir mis experiencias y conocimientos en este importante campo del conocimiento esperando estar a la altura de las expectativas y esperando que este curso sea de mucho provecho para su formación profesional

Saludos Cordiales
Ing. Enrique Montenegro

Definiciones Importantes

Inferencia Estadística.- Se refiere a establecer las características de una población o proceso con base en la información contenida en una muestra.

Estadístico.- Medidas o funciones de los datos muestrales que ayudan a caracterizar la distribución de tales datos

Distribución de una variable aleatoria X.- Relaciona el conjunto de los valores posibles X con la probabilidad asociada a éstos.

Estimador puntual.- Estadístico que estima el valor de un parámetro.

Error Estándar.- Desviación estándar de un estadístico que ayuda a determinar que tan precisas(exactas) son las estimaciones que realizan con tal estadístico.

Intervalo de Confianza.- Forma de estimar un parámetro en la cual se calcula un intervalo que indica con cierta seguridad un rango donde puede estar el parámetro.

Hipótesis nula Ho.- Afirmación acerca del valor de un parámetro poblacional que se considera válida para desarrollar el procedimiento de prueba

Hipótesis Alternativa Ha.- Afirmación que se aceptará si los datos muestrales proporcionan evidencia de que la hipótesis nula es falsa

Estadístico de prueba.- Fórmula que permite calcular un número a partir de los datos y de Ho. La magnitud de este número permite discernir si Ho se rechaza o no.

Región de Rechazo.- Conjunto de posibles valores del estadístico de prueba que llevan a rechazar Ho

Región de Aceptación.- Conjunto de posibles valores del estadístico de prueba donde no se rechaza Ho.

Hipotesis Bilateral.- Es cuando la hipótesis alternativa es del tipo “no es igual” e incluye a los casos “mayor que” y “menor que” el valor que respalda Ho

Error Tipo I.- es cuando se rechaza una Ho que es verdadera

Error Tipo II.- es cuando se acepta una Ho que es falsa

Potencia de Prueba.- es la probabilidad de rechazar Ho cuando es falsa

Significancia predefinida.- Es el riesgo máximo que se está dispuesto a correr con respecto al error tipo I

Significancia calculada (valor-p).- Es el área bajo la distribución de referencia más allá del valor del estadístico de prueba.

Muestras pareadas.- Son aquellas en los que los datos de ambas poblaciones se pueden ver como pares porque tienen algo en común y no son independientes.