Día Mundal de la Estadística

El Día Mundial de la Estadística, ha sido fijado por la Comisión Estadística de las Naciones Unidas el 20 de octubre de 2010. La celebración de este día permitirá reconocer el servicio prestado por los organismos internacionales, regionales y subregionales para promover y facilitar el avance de los sistemas estadísticos nacionales.El Comité Ejecutivo de la Conferencia Estadística de las Américas de la CEPAL en su novena reunión, celebrada en Santiago, del 20 al 22 de abril de 2010, como parte de sus acuerdos, exhorta a los Estados miembros de la Conferencia y a los fondos, programas y organismos especializados de las Naciones Unidas y organizaciones internacionales a que organicen actividades destinadas a celebrar este día, y dirigidas a una amplia audiencia que abarque desde los encargados de la adopción de decisiones y de suministrar datos hasta la comunidad de usuarios de datos, con el propósito de concienciar sobre las muchas aportaciones de las estadísticas oficiales basadas en los valores básicos de servicio, integridad y profesionalidad. A la vez que se le solicita a la Presidencia del Comité Ejecutivo que, con el apoyo de la Secretaría, aliente a los Estados miembros, fondos, programas y organismos especializados de las Naciones Unidas y organizaciones internacionales a establecer un amplio calendario de eventos para 2010 destinados a la celebración el Día Mundial de la Estadística. La información relativa a la celebración de este día, tanto de los países como de organismos e instituciones, se encuentra disponible en los siguientes links:
http://unstats.un.org/unsd/wsd/Default.aspx
http://www.eclac.cl/deype/noticias/noticias/1/39441/SecGen_LetterOnWSD_oct_S.pdf

http://www.eclac.cl/deype/noticias/noticias/1/39441/PaulCheungOnWSD_spanish.pdf

http://www.eclac.cl/deype/noticias/noticias/1/39441/DMS_ComEjeCarta.pdf

APLICACIÓN DEL TESTS CHI CUADRADO A UNA MUESTRA DE RESULTADOS.

La Distribución Chi−Cuadrado, al igual que ocurre con cualquier otra distribución de la probabilidad, simplemente suministra un «modelo ideal» sobre la manera como probablemente debería ocurrir la variable X según un determinado Grado de Libertad o de independencia que se le puede atribuir a esa variable aleatoria frente a otras variables similares dentro de un mismo conjunto. El denominado «Test Chi Cuadrado» toma como referente y fundamento los valores de probabilidad que establece la Distribución Chi Cuadrado, y a partir de esos valores ideales permite establecer qué tan marcadas o qué tan relevantes son las diferencias existentes entre los resultados teóricos que proporciona ese modelo de probabilidad y los resultados empíricos observados en la realización de un determinado experimento, teniendo en cuenta el Grado de Libertad atribuible a las variables que conforman ambos conjuntos de datos.

Para poder aplicar el Test Chi−Cuadrado es necesario en primer lugar tener de antemano seleccionado un modelo ideal sobre los «resultados teóricos» esperados que debería arrojar un determinado experimento aleatorio, modelo que sirve como referente para establecer cuál debería ser el comportamiento perfecto esperado en la aparición de los resultados de ese experimento aleatorio cuando no se encuentra sometido a interferencias desconocidas o incontrolables. En segundo lugar, es necesario tener una muestra estadística conformada por una serie de «resultados observados» que hayan ocurrido en el mundo real y que hayan sido producidos por un experimento aleatorio analizado. Usando estos dos grupos de datos el Test Chi Cuadrado permite realizar un «Contraste de Significación» mediante el cual con cierto grado de certeza matemática el científico puede concluir que los resultados aleatorios observados sí responden o no responden a las expectativas teóricas esperadas.

A continuación se describen los pasos básicos que se deben seguir para llegar a un Contraste de Significación utilizando el Test Chi−Cuadrado.

En el siguiente Link:

http://casanchi.galeon.com/mat/parte2.htm

En los siguientes videos:

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.

Tipos de Muestreo