ESTIMADOS ALUMNOS DEL CURSO DE INFERENCIA ESTADISTICA ESPECIALIDAD DE ING. INDUSTRIAL MODALIDAD A DISTANCIA ESTE SABADO 12 DE MARZO SE REALIZARA LA RECUPERACIÓN PENDIENTE DE 2 A 5PM
ATTE
ING. ENRIQUE MONTENEGRO
CEL: 9970063001
lunes, 14 de febrero de 2011
lunes, 7 de febrero de 2011
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.
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.........
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.........
jueves, 21 de octubre de 2010
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
domingo, 3 de octubre de 2010
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:
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:
Suscribirse a:
Entradas (Atom)