Resumen Interpretativo Del Capítulo De Distribuciones Muéstrales Oscar.docx

Resumen interpretativo del capítulo de distribuciones muéstrales

Teniendo en cuenta la estadística inferencial se ocupa de predecir o sacar conclusiones para una población tomando como base una muestra, por lo cual debemos definir los conceptos de población y muestra. Con la población es el conjunto de individuos sobre el que se realiza un estudio, ahora se debe especificar que la muestra es un subconjunto de la población con la principal condición de que dicho subconjunto debe ser representativo con respecto a la población o muestra que podamos manejar

Utilizan parámetros tanto poblacionales como muéstrales, dichos parámetros son: 𝜇 = 𝑚𝑒𝑑𝑖𝑎, 𝑃 = 𝑝𝑟𝑜𝑝𝑜𝑟𝑐𝑖𝑜𝑛 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙, 𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑡𝑖𝑝𝑖𝑐𝑎 𝑦 𝜎 2 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎.

L𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙 (𝑠 2 ): Se define como el promedio aritmético de las diferencias entre cada uno de los valores del conjunto de datos y la media aritmética del conjunto elevadas al cuadrado y su fórmula es:

Media maestral: es una medida de tendencia central que denota el promedio de un conjunto de datos.

La desviación típica es una medida que se usa para cuantificar la variación o dispersión de un conjunto de datos numéricos.

𝑥 ∑𝑛𝑖=1 1 𝑛 𝑠= √

(𝑥1 − 𝑥̅ ) 2 𝑛−1

Proporción Muestral: son los valores de las proporciones de las muestras con tamaño n que tiene la población. Para la proporción muestral se utiliza la formula 𝑝̂ =

𝑁 𝑛

RESUMEN INTERPRETATIVO “ESTIMACIÓN”

Las definiciones del concepto de estimación de medida que poseen los maestros de primera con este trabajo nos da el resultado La estimación hace referencia a un proceso mediante el que establecemos que valor debe tener un parámetro según las deducciones que realicemos, el método de estimar permite establecer conclusiones sobre características poblacionales a partir de resultados muestrales o de población

Estimación puntual: Tiene como un único valor estadístico y se usa para estimar un parámetro, casi siempre concentrada en obtener algún tipo de conclusión acerca de uno o más parámetros, para esto con el investigador obtenga datos muestrales de cada una de las poblaciones en estudio. Sus conclusiones pueden estar basadas en los valores calculados de varias cantidades de las poblaciones Estimación por intervalo: Consiste en establecer el intervalo de valores donde es más probable se encuentre el parámetro. La obtención del intervalo se basa en las siguientes consideraciones: Si conocemos la distribución muestral del estimador podemos obtener las probabilidades de ocurrencia de los estadísticos muestrales. Si conociéramos el valor del parámetro poblacional, podríamos establecer la probabilidad de que el estimador se halle dentro de los intervalos de la distribución muestral. El problema es que el parámetro poblacional es desconocido, y por ello el intervalo se establece alrededor del estimador. Si repetimos el muestreo un gran número de veces y definimos un intervalo alrededor de cada valor del estadístico muestral, el parámetro se sitúa dentro de cada intervalo en un porcentaje conocido de ocasiones. Este intervalo es denominado "intervalo de confianza".

La estimación bayesiana o enfoque bayesiano Se basa en la interpretación subjetiva de la probabilidad, el cual considera a ésta como un grado de creencia con respecto a la incertidumbre.

Un parámetro es visto como una variable aleatoria a la que, antes de la evidencia muestral, se le asigna una distribución a priori de probabilidad, con base en un cierto grado de creencia con respecto al comportamiento aleatorio. Cuando se obtiene la evidencia muestral, la distribución a priori es modificada y entonces surge una distribución a posteriori de probabilidad.