Presentacion estadistica inferencias y referencias a proporciones

Profesora: Lcdo. Esp. Msc Carlena Astudillo

Maestrantes:Lcda. Barreto Jonosky C.I: 15.376.545 Lcdo. Castillo Daniel C.I: 21.178.662 Lcda. Simo Nayerlin C.I: 21.175.103Lcda. Velásquez Patrizia C:I 24.774.630

Febrero 2016

UNIVERSIDAD NORORIENTAL PRIVADA“GRAN MARISCAL DE AYACUCHO¨

DECANATO DE POST-GRADOMAESTRIA CIENCIAS GERENCIALES

MENCION RECURSOS HUMANOSNÚCLEO EL TIGRE, ESTADO ANZOÁTEGUI.

CATEDRA ESTADISTICA APLICADA.

Aplicación de la Estadística a la gerencia de R.R.H.H

Estimación de ProporcionesEstimación de Proporciones

Estimación BayesianaEstimación Bayesiana

Hipótesis Referente a una ProporciónHipótesis Referente a una Proporción

CONTENIDO

Bondad de Ajuste Bondad de Ajuste

ConclusionesConclusiones

APLICACIÓN DE LA ESTADISTICA EN LA GERENCIA DE RRHH

INFERENCIA ESTADISTICA

Es el proceso de sacar conclusiones acerca de la población

basados en la información de una muestra de esa población

INFERENCIA ESTADISTICA

OBJETIVOS DE LA OBJETIVOS DE LA INFERENCIAINFERENCIA

1

2

Estimación de parámetros, intervalos de confianza y docimasia, Estimación de parámetros, intervalos de confianza y docimasia, prueba o test de hipótesis (o prueba de significación estadística).prueba o test de hipótesis (o prueba de significación estadística).

La estimación de parámetros consiste en el cálculo de estadísticas La estimación de parámetros consiste en el cálculo de estadísticas en muestras, con el fin de obtener información sobre el valor de los en muestras, con el fin de obtener información sobre el valor de los parámetros de la población.parámetros de la población.

ESTIMACION DE PROPORCIONES

Es un conjunto de técnicas que permiten dar un valor aproximado acerca de la medida de una población a

partir de los datos que nos proporciona previamente una muestra.

ESTIMACION DEPARAMETROS

suele ser mas importante y ser capaz de inferir información acerca de una población a partir de muestras de ellas.

ESTIMACION ESTIMACION SIN SESGOSIN SESGO

Si la media de la distribución muestral de un estadístico es igual al parámetro poblacional correspondiente, el estadístico se denomina estimador sin sesgo del parámetro.

ESTIMADOS ESTIMADOS EFICIENTESEFICIENTES Si las distribuciones muéstrales de dos estadísticos tienen la Si las distribuciones muéstrales de dos estadísticos tienen la

misma media o esperanza matemática entonces el estadístico con misma media o esperanza matemática entonces el estadístico con la menor varianza se denomina estimador eficiente de la media , la menor varianza se denomina estimador eficiente de la media , mientras que el otro estadístico se le llama estimador ineficientemientras que el otro estadístico se le llama estimador ineficiente

Expositor 1


ESTIMACION POR PUNTO

El estimado de un parámetro poblacional dado por un solo numero se denomina estimado puntual del parámetro.

ESTIMACION ESTIMACION POR POR

INTERVALOINTERVALOEl estimado de un parámetro poblacional dado por dos números , entre los cuales se considera esta el parámetro, se denomina estimado por intervalo del parámetro.

INTERVALO INTERVALO DEDE

CONFIANZACONFIANZAse llama así a un intervalo en el que sabemos que está un parámetro con un nivel de confianza específico.

Expositor 1


Expositor 2

ESTIMACION BAYESIANA

Expositor 2

Ejemplo:

Durante miles de millones de años, el sol ha salido después de haberse puesto. El sol se ha puesto esta noche. Hay una probabilidad muy alta de (o 'Yo creo firmemente' o 'es verdad') que el sol va a volver a salir mañana. Existe una probabilidad muy baja de (o 'yo no creo de ningún modo' o 'es falso') que el sol no salga mañana.


Expositor 2


Expositor 2

Ho representa una hipótesis, llamada hipótesis nula, que ha sido inferida antes de que la nueva evidencia, E, resultara disponible.P(Ho) se llama la probabilidad a priori de Ho.P(E|Ho) se llama la probabilidad condicional de que se cumpla la evidencia E si la hipótesis Ho es verdadera. Se llama también la función de verosimilitud cuando se expresa como una función de E dado Ho.P(E) se llama la probabilidad marginal de E: la probabilidad de observar la nueva evidencia E bajo todas las hipótesis mutuamente excluyentes. Se la puede calcular como la suma del producto de todas las hipótesis mutuamente excluyentes por las correspondientes probabilidades condicionales: P(Ho|E) se llama la probabilidad a posteriori de Ho dado E.El factor P(E|Ho) / P(E) representa el impacto que la evidencia tiene en la creencia en la hipótesis. Si es posible que se observe la evidencia cuando la hipótesis considerada es verdadera, entonces este factor va a ser grande. por lo tanto, el teorema de Bayes mide cuánto la nueva evidencia es capaz de alterar la creencia en la hipótesis.


Expositor 3

HIPOTESIS REFERENTE A UNA PROPORCION

Expositor 3


La prueba de hipótesis se asemeja al método científico

Prueba estadística Probar una hipótesis relacionada con los valores de uno o mas parámetros poblacionales.

Una teoría se comprueba demostrando que no hay evidencia que sustente la teoría opuesta.

Expositor 3


Elementos de una prueba estadística

Hipótesis por probar.

También llamada hipótesis de

investigación, es aquella que se

busca comprobar

Es una función de las mediciones de

la muestra, que sirve como base para la toma de

decisiones estadísticas.

Especifica los valores del

estadístico de prueba para los que la hipótesis

nula se rechaza a favor de la hipótesis

alternativa.

Expositor 3

HIPOTESIS REFERENTE A UNA PROPORCIONToda región de rechazo fija, se pueden cometer dos tipos de error

al tomar una decisión.

Existen diversos métodos para desarrollar dicho test, minimizando los errores de Existen diversos métodos para desarrollar dicho test, minimizando los errores de tipo I y II.tipo I y II.

Hallando por tanto con una determinada potencia, la hipótesis con mayor Hallando por tanto con una determinada potencia, la hipótesis con mayor probabilidad de ser correcta. probabilidad de ser correcta.

Los tipos más importantes son los test centrados, de hipótesis y alternativa simple, Los tipos más importantes son los test centrados, de hipótesis y alternativa simple, aleatorizados, entre otros. aleatorizados, entre otros.

Expositor 3


El supervisor de operaciones de una empresa asegura que una máquina tiene una producción de 90% de artículos en óptimas condiciones. De una muestra aleatoria de 150 se determina que 125 funcionan correctamente. Aplique una prueba con un nivel de 0,05.¿Será cierta la afirmación del fabricante dados los datos recolectados?

H0 : p0 = 0,9Ha : p0 < 0,9

Z= = -2,72

P= Proporción muestraln= Tamaño de la muestraP0= Proporción poblacional

Expositor 3


Variaciones en función de la hipótesis alternativa

H0 : p0 = 0,9Ha : p0 < 0,9

H0 : p0 = 0,9Ha : p0 > 0,9

H0 : p0 = 0,9Ha : p0 ≠ 0,9

Expositor 4

BONDAD DE AJUSTE

1

2

son aquellas que comparan los resultados de una muestra.son aquellas que comparan los resultados de una muestra.

Lo que se espera obtener cuando la hipótesis nula es Lo que se espera obtener cuando la hipótesis nula es verdadera. verdadera.

3

4

Tienen por objetivo determinar si los datos se ajustan a una Tienen por objetivo determinar si los datos se ajustan a una determinada distribución.determinada distribución.

Puede estar completamente especificada (hipótesis simple) o Puede estar completamente especificada (hipótesis simple) o perteneciente a una clase para-métrica (hipótesis compuesta). perteneciente a una clase para-métrica (hipótesis compuesta).

Expositor 4

PRUEBA DE CHI-CUADRADOEs una prueba no para-métrica la cual se emplea tanto para

distribuciones continuas como para las discretas. Esta se utiliza para encontrar la distribución de una serie de datos. Utiliza la siguiente formula:

Donde x2 es un valor de una variable aleatoria cuya distribución muestral se aproxima muy de cerca con v = k – 1 grados de libertad. Los símbolos Oi y Ei representan las frecuencias observadas y esperada, respectivamente, para la i-ésima celda.

BONDAD DE AJUSTE

Expositor 4

PRUEBA DE KOLMOGÓROV-SMIRNOVEs una prueba no para-métrica la cual se emplea solo para

distribuciones continuas. Esta tiene como objetivo encontrar el tipo de distribución de una serie de datos. Utiliza la siguiente formulación:

siendo Fn(x) la función de distribución muestral y Fo(x) la función teórica o correspondiente a la población normal especificada en la hipótesis nula.

BONDAD DE AJUSTE

Expositor 4

BONDAD DE AJUSTE

https://es.wikipedia.org/wiki/Wikipedia:Portada

https://es.wikipedia.org/wiki/Prueba_%CF%87%C2%B2_de_Pearson

http://www.econ.upf.edu/~satorra/dades/moore_08.pdf

www.econ.upf.edu/~satorra/dades/moore_08.pdf

www.vitutor.com/estadistica/inferencia/estimaciones_2.html .

Presentacion estadistica inferencias y referencias a proporciones

Education

Transcript of Presentacion estadistica inferencias y referencias a proporciones