ESTADISTICA INFERENCIAL.

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
ESTADISTICA INFERENCIAL. por Mind Map: ESTADISTICA INFERENCIAL.

1. OBJETIVO PRINCIPAL

2. “La inferencia estadística es una técnica mediante la cual se obtienen generalizaciones o se toman decisiones en base a una información parcial o completa obtenida mediante técnicas descriptivas”.

3. APLICACIONES:

4. EN LAS CIENCIAS NATURALES: se empleo como profusion, en la descripcion de modelos termodinamicos complejos. en la fisica cuantica, mecanica de los fluidos o en la teoria cinetica de los gases entre muchos otras...

5. EN LAS CIENCIAS SOCIALES: desde las primeras tablas de mortalidad aplicadas por las compañías de seguros hasta los complejos modelos económicos

6. EN LAS CIENCIAS MEDICAS: permite establecer pautas sobre la evolución de las enfermedades y los enfermos, los indices de mortalidad asociados a procesos morbosos.

7. La ESTIMACION, esto es que mediante el estudio de una muestra de una población se quiere generalizar las conclusiones hacia el total de dicha población.

8. REGRESIÓN LINEAL Y CORRELACIÓN.

9. La regresión como una técnica estadística, una de ellas la regresión lineal simple y la regresión multifactorial, analiza la relación de dos o mas variables continuas, cuando analiza las dos variables a esta se el conoce como variable bivariantes que pueden corresponder a variables cualitativas, la regresión nos permite el cambio en una de las variables llamadas respuesta y que corresponde a otra conocida como variable explicativa, la regresión es una técnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder.

10. Para obtener un modelo de regresión es suficiente establecer la regresión para eso se hace uso del coeficiente de correlación: R. R = Coeficiente de correlación, este método mide el grado de relación existente entre dos variables, el valor de R varía de -1 a 1, pero en la práctica se traba con un valor absoluto de R. El valor del coeficiente de relación se interpreta de modo que a media que R se aproxima a 1, es más grande la relación entre los datos, por lo tanto R (coeficiente de correlación) mide la aproximación entre las variables. El coeficiente de correlación se puede clasificar de la siguiente manera: CORRELACIÒN VALOR O RANGO 1) Perfecta 1) R = 1 2) Excelente 2) R = 0.9 < = R < 1 3) Buena 3) R = 0.8 < = R < 0.9 4) Regular 4) R = 0.5 < = R < 0.8 5) Mala 5) R < 0.5

11. DISEÑO DE EXPERIMENTOS.

12. El diseño experimental es una técnica estadística que permite identificar y cuantificar las causas de un efecto dentro de un estudio experimental. En un diseño experimental se manipulan deliberadamente una o más variables, vinculadas a las causas, para medir el efecto que tienen en otra variable de interés. El diseño experimental prescribe una serie de pautas relativas qué variables hay que manipular, de qué manera, cuántas veces hay que repetir el experimento y en qué orden para poder establecer con un grado de confianza predefinido la necesidad de una presunta relación de causa-efecto. El diseño experimental encuentra aplicaciones en la industria, la agricultura, la mercadotecnia, la medicina, la ecología, las ciencias de la conducta, etc. constituyendo una fase esencial en el desarrollo de un estudio experimental.

13. EXISTEN 2 TIPOS DE ESTIMACIONES

14. 1.- Una estimaci estimación puntual n puntual es un único valor estadístico y se usa para estimar un parámetro. El estadístico usado se denomina estimador.

15. 2.-Una estimaci estimación por intervalo n por intervalo es un rango, generalmente de ancho finito, que se espera que contenga el parámetro.

16. LA HIPOTESIS

17. Consiste en determinar si es aceptable, partiendo de datos muestrales, que la característica o el parámetro poblacional estudiado tome un determinado valor o esté dentro de unos determinados valores.

18. DOS TIPOS DE ERRORES

19. Error tipo I (α ): Es el error que se comete en la decisión del contraste cuando se rechaza la hipótesis nula (Ho), siendo correcta (cierta).

20. Error tipo II (β): Es el error que se comete en la decisión del contraste cuando se acepta la hipótesis nula (Ho), siendo falsa.

21. PRUEBA DE HIPOTESIS

22. Una prueba de hipótesis es una regla que especifica si se puede aceptar o rechazar una afirmación acerca de una población dependiendo de la evidencia proporcionada por una muestra de datos. Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o "no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder concluir que es verdadero de acuerdo con la evidencia proporcionada por los datos de la muestra. Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis nula. Usted utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de significancia (denotado como α o alfa), entonces puede rechazar la hipótesis nula.

23. En estadística, un experimento factorial completo es un experimento cuyo diseño consta de dos o más factores, cada uno de los cuales con distintos valores o niveles, cuyas unidades experimentales cubren todas las posibles combinaciones de esos niveles en todo los factores. Este tipo de experimentos permiten el estudio del efecto de cada factor sobre la variable respuesta, así como el efecto de las interacciones entre factores sobre dicha variable. Por ejemplo, con dos factores y dos niveles en cada factor, un experimento factorial tendría en total cuatro combinaciones de tratamiento, y se le denominaría diseño factorial de 2×2. Si el número de combinaciones en un diseño factorial completo es demasiado alto para su procesamiento, puede optarse por un diseño factorial fraccional, en el que se omitan algunas de las combinaciones posibles.