Contenido del curso
Axel Yaguana
Juan R. Vergara M.
Pedro Alvarado Garcia
Julián Cárdenas
Denis Ferreira
Luis Fernando Sanchez Gutierrez
Julián Cárdenas
Ricardo Gomez
Karen Tatiana Rodríguez Vanegas
Javier Orlando Herrera Rodríguez
Jhon Freddy Tavera Blandon
Arley Paredes Espinoza
Oriol Fernando Palacios Durand
Hernan Perci Nuñez Palomino
Lucas Fux
Luciano Mantovani
Isaac Bryan Ascanoa Roncall
Emmanuel Guerra Sánchez
Adamid Beltran Cañas
Guillermo Jimenez
Albert Jesus Blanco Vera
Gabriel Obregón
Roberto Fernández Vega
Juan Pablo Gonnet
Misael Rodriguez Arias
PEDRO ANTONIO VELEZ VELEZ
Pável Hernández Reza
👍
Experimento aleatorio Es aquél en el que si lo repetimos con las mismas condiciones iniciales no garantiza los mismos resultados.
Experimento deterministico Es aquél en que si se repiten las mismas condiciones iniciales se garantiza el mismo resultado.
Good summary
Estadísticos principales
Experimentos
Experimento aleatorio: Es aquél en el que si lo repetimos con las mismas condiciones iniciales no garantiza los mismos resultados. Al lanzar una moneda no sabemos si saldrá cara o cruz.
Experimento deterministico: Es aquél en que si se repiten las mismas condiciones iniciales se garantiza el mismo resultado. Un móvil que circula a una velocidad constante durante un determinado tiempo, recorre siempre el mismo espacio.
Población y muestra:
La muestra es un subconjunto de datos perteneciente a una población y debe cumplir las siguientes condiciones:
Evento
Cada uno de los posibles resultados de un experimento.
Variables
Característica que puede obtener diferentes valores.
Probabilidad
Mida qué tan probable es que ocurra un evento.
385 es el numero magico de las encuestas, matematicamente es suficiente una muestra de 385 sin importar la poblacion total para tener una confianza de mas del 95% en tus resultados. Les recomiendo este articulo. (disculpen los acentos)
Les recomiendo el articulo : 385: El número "mágico" de las encuestas
Buen dato!!
Seria bueno otra forma de calcular la población , use la calculadora y genero esto
Yo opino que seria mas conveniente una muestra mas amplia, dado que vamos a inferir un resultado, y así evitar los sesgos?
¿Y cuál es tu base para esa opinión? Me gustaría leer algo más de argumentación
Hola Ricardo, dentro de la página se da la explicación, supongo que en el curso más adelante también se entrará en este tema. Cito textualmente la página: "Una situación que ocurre al calcular el tamaño de la muestra para poblaciones muy grandes (generalmente por arriba de 100,000) es la obtención del número 385, tanto si se trata de una población de 450,000 como una de 4,500,000.
¿Se trata de un error? No. El número 385 se obtiene al considerar, para un nivel confianza de 95%, la desviación media de 1.96, y un margen de error de 5%, a partir de lo que puede realizarse el siguiente cálculo:
n= (1.96*.,960.50.5) / (0.05*0.05) = 0.9604 / 0.0025 = 384.16
Como resultado, obtenemos que con una muestra aleatoria de 385 individuos se pueden alcanzar resultados con un alta precisión para el nivel de confianza y el margen de error previamente establecido.
Esto aplica sin importar el tamaño de la población, siempre que se cumplan las normas de aleatoriedad."
Los estadísticos inferenciales principales son aquellos que se utilizan con mayor frecuencia en la estadística inferencial. Algunos de los estadísticos inferenciales principales incluyen:
Estimadores
Intervalos de confianza
Test de hipótesis
P-valor:
Estadísticos de prueba:
Quisiera aportar, que existen dos tipos de muestreo al menos en mi experiencia de investigacion economica, los muestreos probabilisticos y los muestros no probabilisticos; dentro de estos dos grupos hay diferentes tecnicas que se pueden utilizar para generar muestras que ayuden a los estudios. Para mas informacion visiten el siguiente articulo: https://www.redalyc.org/pdf/267/26701313.pdf
Estos estadísticos son los más usados en la estadística inferencial
Funciones matemáticas de los datos de la muestra que se utilizan para estimar un parámetro desconocido de la población. Los principales usos son
(a partir de la muestra usar estimadores para …)
Rango de valores que tiende a contener un parámetro verdadero de la población (se usan estimadores para calcular dicho parámetro) con un cierto grado de confianza. Este intervalo se calcula a partir de la muestra.
Determinar si una hipótesis sobre la _población _tiende a ser verdadera a falsa basada en la muestra.
Se trata de establecer una hipótesis nula y una hipótesis alternativa y utilizar datos de muestra para rechazar o no rechazar la hipótesis nula
Un p-valor es un valor de probabilidad que mide la evidencia contra la hipótesis nula. Un p-valor pequeño (menor a 0.05) indica evidencia fuerte contra la hipótesis nula, entonces la hipótesis nula es rechazada
Son la medida de la incertidumbre es una estimación. Típicamente son 95% o 99% e indican que el nivel de confianza de que el parámetro verdadero de la población esté dentro del rango estimado
Aclaraciones. Generalmenre las muestras representativas son el 95% del total de las muestras del mismo tamaño, esto depende del nivel de confianza. Además una buena muestra puede o no puede ser grande, esto depende si la variable de interés es homogénea o no.
Estadísticos principales: Experimento
Son procedimientos que se pueden repetir infinitamente y tienen un conjunto definido de resultados posibles(espacio muestral).
Hay dos tipos de experimentos según sus resultados:
Muestra
Subconjunto de datos que pertenece a una población. Debe ser una cantidad estadísticamente significativo y no estar sesgada.
Evento
Resultados finales de un experimento
Variables
Cada uno de las caractíristicas y atributos de los valores en una muestra. Pueden ser:
Probabilidad
Mide que tan probable es que ocurra cada uno de los elementos posibles. Se estudian con estadística.
Probabilidad condicional
Es muy cierto el uso de estos estadisticos principales porque gracias a ellos podremos entender el uso de estos al declarar una grafica o obtener dichos elementos de probabilidad.
Algo importante de las muestras es que siempre debe ser aleatoria la forma en la que se escogen los individuos dentro de la misma. Esto es principalmente para evitar sesgo en nuestros estudios
què tan confiable/efectivo es meter datos a la IA y creer en sus resultados?
Como es la formula para calcular una muestra significativa?
Hola, Guillermo. Antes de lanzarte una fórmula, piensa en esto: ¿qué tan "seguro" quieres estar y cuánto margen de error toleras? No existe una fórmula mágica porque "significativa" depende totalmente de tu objetivo.
Necesitas tres ingredientes clave:
Si lanzas una moneda, no necesitas mil tiros para saber si es justa. Pero si estudias algo complejo, la muestra debe crecer para capturar esa realidad.
¿Qué estás intentando medir exactamente? Eso cambia totalmente cómo definimos esa "significancia". ¿Tienes ya una idea de qué tan grande es tu población total?
El ingeniero de software está realizando un experimento aleatorio. Esto se debe a que los resultados de la aplicación dependen de factores externos, como la conexión a la red o el uso de memoria, que pueden variar en cada ejecución. En un experimento aleatorio, como se menciona en la clase, los resultados pueden cambiar, lo que significa que no se puede predecir con certeza el comportamiento de la aplicación en cada prueba. Es crucial considerar estos factores al realizar pruebas para mejorar la fiabilidad del software.
📘COMPONENTES DE LA ESTADÍSTICA
🔹 1. Experimentos
📌 Procedimiento que se repite para observar resultados.
✨ Tipos:
🔹 2. Población y Muestra
👥 Población → conjunto total de interés.
🔍 Muestra → parte representativa de la población.
🔹 3. Eventos
🎯 Definición: resultados posibles de un experimento.
📌 Ejemplos:
🔹 4. Variables
📊 Características que se miden.
🔹 5. Probabilidad
🎲 Mide la posibilidad de que ocurra un evento.
Para calcular si el tamaño de una muestra es suficiente y representativa, se deben considerar varios factores:
Usando fórmulas estadísticas, puedes calcular el tamaño de la muestra necesario para tus condiciones específicas. Para guiarte en este proceso, puedes usar herramientas en línea o referencias estadísticas que proporcionen fórmulas específicas.
La probabilidad condicionada me hizo acordame de vos @Axel Yaguana
Todavia sigo soñando con el Teorema de Bayes jajajaja. Abrazo
Creo que hubo un ligero error en la parte final de la explicación, cuando estaba hablando de la probabilidad condicionada al final mezcla el concepto de probabilidad conjunta, el cuál puede calcularse a través de la probabilidad conjunta, pero no son lo mismo, de la misma forma el diagrama que se muestra en la explicación pertenece a la probabilidad conjunta, no a la condicionada
No sé dónde sacas esa afirmación, tanto el gráfico como la fórmula del video si corresponden a la probabilidad condicionada.
En efecto, la probabilidad condicional es la que afecta un segundo suceso tras un primero. La probabilidad de que un dado caiga en 4 sabiendo que el dado ya cayó en par. En este caso, 4 es parte de los números pares {2, 4, 6}. La probabilidad condicional consiste en que un primer suceso reduce el espacio muestral para la probabilidad del segundo evento.
En el caso de la probabilidad conjunta es, por ejemplo, la probabilidad de que dos dados caigan en número par, es decir, son eventos independientes que no se afectan uno al otro pero el éxito del evento se considera cuando ambos eventos ocurren y tienen esta intersección como se ve en el diagrama.
