Professional Documents
Culture Documents
Wuolah Premium T3
Wuolah Premium T3
Anónimo
Análisis de Datos
2º Grado en Psicología
Facultad de Psicología
Universidad Autónoma de Barcelona
Reservados todos los derechos.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
T3 - Inferència estadística (I): estimació de paràmetres Anàlisi de dades
1. Introducció
1. 1. Conceptes
Població conjunt global que presenta una determinada característica. *Paràmetres.
Mostra subconjunt d’unitats d’observació de la població seleccionat segons un criteri definit i establert. *Estadístics.
Predicció permet fer conclusions sobre els estadístics d’una mostra extreta d’una determinada població, a partir del coneixement
dels paràmetres d’aquesta població. *De paràmetres a estadístics.
Inferència intenta fer conclusions sobre els paràmetres d’una població, a partir de la informació continguda en els estadístics d’una
mostra procedent d’aquesta població. *De estadístics a paràmetres.
o Estimació de paràmetres (p.e: mitjana en una població)
o Contrast d’hipòtesis (establir una hipòtesi i sotmetre-la a proves respecte la població)
Paràmetre qualsevol índex (proporció, mitjana, variància, ...) calculat amb les dades d’una població.
Estadístics valor desconegut d’un paràmetre de la població (proporció, mitjana, variància...) estimat a partir d’una mostra
mitjançant una funció dels valors observats. S’utilitzen per fer inferències, estimacions o contrasts, amb respecte a paràmetres
poblacionals desconeguts, aspectes que es tractaran al llarg dels temes.
Distribució mostral de les mitjanes representa la distribució de freqüències de l’estadístic mitjana (x̅) observat en totes les mostres
possibles de mida n, extretes a l’atzar d’una població amb mitjana μ i variància σ2.
L’error estàndard (EE) és la DE però de
22 la distribució mostral.
E(x̅) = μ ; V(x̅) = σ2 = σ
x̅ = nσ; EE(x̅ ) = σ =x̅ √σ n√n
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Francesca Anàlisi de T3 - inferència estadística (I): estimació de
√σ2
IP (1 ─ α) x̅ = x̅ ∈ μ ± zα/2 · n
*Primer s’avaluen les condicions d’aplicació (la variable en qüestió segueix una llei Normal en la població o bé la mostra és gran: n ≥
30), i després es calcula l’interval de predicció de les mitjanes.
Exemple la distribució de les puntuacions d’una prova de adaptació social (AS) en una població de delinqüents juvenils segueix
una llei Normal de mitjana 60 punts (μ = 60) i variància 9 punts2 (σ2 = 9). Calcular entre quins límits es trobaran el 95% central de
les puntuacions mitjanes en “adaptació social” observades en mostres a l’atzar de 25 subjectes.
o Avaluació de la condició d’aplicació (validesa de l’aproximació Normal)
En la població origen de les mostres (delinqüents juvenils) la variable “adaptació social” (AS) segueix una llei Normal de
mitjana
μ = 60 i variància σ2 = 9.
Per tant es pot acceptar la normalitat de la distribució mostral de les mitjanes AS ~ N(60, 3).
o Calcular l’error estàndard (EEx̅ )
2
EE = =√ = 0.6 punts
x̅ σ
√n 259
IP (1─ α) = x̅ ∈ μ ± z
α/2 ·
IP (0.95) = x̅ ∈ 60 ± 1.96 · 0.6 IP (0.95) = x̅ ∈ 60 ± 1.1760 60 + 1.1760 =
√
61.176 (61.18) i 60 – 1.1760 = 58.824 (58.82)
o Conclusió IP(0.95) = de 58.82 fins 61.18 punts. Es pot expressar
Amb un risc del 5%, en mostres aleatòries de 25 subjectes extretes d’una població de delinqüents juvenils, les mitjanes de les
puntuacions de la prova d’adaptació social es trobaran en l’interval de 58.82 punts a 61.18 punts.
El 95% de les mitjanes observades en mostres aleatòries de 25 subjectes extretes d’una població de delinqüents juvenils es
troben entre 58.82 punts i 61.18 punts.
El 95% central de las puntuacions mitjanes en adaptació social es troben entre 58.82 punts i 61.18 punts.
π · (1 ─ π)
IP (1 ─ α) p= p ∈ π ± zα/2 · √
n
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Francesca Anàlisi de T3 - inferència estadística (I): estimació de
En cas de mostres petites (n · π i n · (1−π) < 5), l’interval de predicció de les proporcions s’ha de construir a partir de la distribució
Binomial.
*Primer s’avaluen les condicions d’aplicació (n · π i n · (1−π) < 5), i després es calcula l’interval de predicció de les proporcions.
Exemple en una determinada població, la prevalença del fracàs escolar es del 15% (π = 0.15). Predir, amb un risc del 5%, entre
quins límits es trobaran les proporcions de fracàs escolar observades en mostres aleatòries de 50 subjectes extretes d’aquesta població.
o Avaluació de la condició d’aplicació (validesa de l’aproximació Normal)
n · π i n · (1−π) ≥ 5 50 · 0.15 = 7.5 >5 i 50 · 0.85 = 42.5 > 5 (les mostres són grans).
Per tant, la distribució mostral de les proporcions, que modelitza de manera exacta la llei binomial, pot ser aproximada per
0.15 · 0.85
una distribució Normal de mitjana π = 0.15 i variància σ2 = = 0.0026.
p
o Calcular l’error estàndard (EE𝑝) 50
*Primer s’avaluen les condicions d’aplicació (la distribució mostral de les mitjanes segueix el model de la llei Normal o bé la mostra és
gran: n ≥ 30) i després es calcula l’interval de confiança de les mitjanes.
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Francesca Anàlisi de T3 - inferència estadística (I): estimació de
Exemple en una mostra aleatòria de 100 persones (n = 100) extreta de la població catalana la distribució de puntuacions de la
variable “discriminació visual” presenta una mitjana de 25 punts (x̅ = 25) i una desviació estàndard de 15 (s = 15). Estimar la
mitjana de discriminació visual en la població origen de la mostra (𝛼 =0.05).
o Avaluació de les condicions d’aplicació
La distribució mostral de mitjanes segueix una llei Normal donat que la mostra és gran (n=100).
o S’aplica la segona formula donat ques
no es coneix la variància poblacional
IP (1 ─ α) = x̅ ± t ·
μ (gl, α/2) √n
o t(gl, α/2)
gl = n – 1 = 100 – 1 = 99
α/2 = 0.05/2 = 0.025
t(gl, α/2) = t(99, 0.025) = 1.984
Per a una confiança del 0.95 i 99 gl, el valor t de Student-Fisher és: t(99, 0.025) = 1.984
s 15
o IP (1 ─ α) = x̅ ± t · IP (0.96) = 25 ± 1.984 · = 25 ± 2.976
μ (gl, α/2) √100
μ √n
=
IP (1 ─ α)π = 0.41 + 0.0882 = 0.4982
IP (1 ─ α)π = 0.41 ─ 0.0882 = 0.3218
o Conclusió
Amb una confiança del 95%, en la població d’universitaris entre un 32% i un 50% dels subjectes practiquen exercici
habitualment.
Reservados todos los derechos. No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.