Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
|
|
- Ángel Lagos Araya
- hace 7 años
- Vistas:
Transcripción
1 Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR
2 Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2. Hipótesis nula e hipótesis alternativa 3. Tipos de error 4. Nivel de significación 5. Prueba de hipótesis - etapas 6. Prueba de hipótesis: 6.1 Para una media 6.2 Para una proporción 6.3 Para muestras chicas 7. Prueba de hipótesis e intervalos de confianza
3 1. Introducción Hipótesis estadística: es una afirmación o conjetura respecto a la distribución de una o varias variables aleatorias. Puede referirse al valor o conjunto de valores para un parámetro o parámetros en particular, a la forma de la o las distribuciones.
4 Hipótesis simples: especifican completamente la distribución de la o las variables. (Ejemplo: considerar un único valor para el parámetro θ = θ 0 ). Hipótesis compuestas: no especifican completamente la o las distribuciones (Ejemplo: considerar un rango de valores para el parámetro (ejemplos: θ θ 0 ; θ > θ 0 ; a θ b).
5 Prueba de hipótesis: -Una prueba o contraste de hipótesis estadísticas es una regla o procedimiento para decidir si la hipótesis se rechaza o no. -Se contrasta si los datos muestrales son consistentes o no con la hipótesis (creencia a priori) acerca de la o las distribuciones. -Usamos para denotar a las hipótesis la letra H.
6 2. Hipótesis nula e hipótesis alternativa Se considera conjuntamente dos tipos de hipótesis. La primera es la hipótesis que se desea someter a prueba. Se le denomina hipótesis nula y se denota como H 0. Sin embargo no se rechaza o no rechaza en sí misma, sino en relación a una segunda hipótesis, llamada hipótesis alternativa que se denota H 1.
7 Las dos hipótesis deben ser mutuamente excluyentes. Si la hipótesis nula es falsa, la alternativa es cierta, y viceversa. Se dice que H 0 es puesta a prueba contra H 1. La hipótesis alternativa se define por aquellos sucesos, incompatibles con los que definen la hipótesis nula, que tienen probabilidad positiva. Un suceso que tiene probabilidad cero no debe ser incluido ni en H 0 ni en H 1.
8 Frecuentemente tomaremos H 0 como una hipótesis simple sobre un parámetro (del tipo θ = θ 0 ). H 1 toma una de las siguientes formas: a. prueba bilateral: no es de interés la dirección en que H 0 puede ser falsa H 1 es simplemente la negación de H 0 (θ θ 0 ) b. prueba unilateral: interesa la dirección en que H 0 puede ser falsa si H 0 es falsa, θ > θ 0 (o bien θ < θ 0 ). Ejemplo, determinar si la proporción de votantes por un candidato es mayor que 0, 5.
9 A partir de los datos muestrales la hipótesis nula es rechazada o no rechazada. H 0 no se puede aceptar como verdadera y la prueba de hipótesis no puede demostrar si lo es o no. Solamente se determina si existe o no suficiente evidencia en la muestra como para rechazarla en favor de H 1 no se afirma que se acepta H 0 sino que no se puede rechazarla. El rechazo o no rechazo es una regla de decisión y está sujeta a error.
10 3. Tipos de error Al realizar una prueba de hipótesis se puede cometer dos tipos de error. Error tipo I: rechazar la hipótesis nula cuando es verdadera. Error tipo II: no rechazar la hipótesis nula cuando es falsa Decisión No rechazar H 0 Rechazar H 0 Estado de la H 0 verdadera No hay error Error tipo I naturaleza H 0 falsa Error tipo II No hay error
11 4. Nivel de significación La regla de decisión debe dividir el conjunto de las muestras posibles en dos, aquellas muestras que conducen al rechazo de H 0, y el conjunto de las muestras que no conducen al rechazo de H 0. El conjunto de las muestras que conducen al rechazo de H 0 se denomina región crítica de la prueba. Regla de decisión: rechazar H 0 si la muestra pertenece a la región crítica.
12 En la práctica realizaremos pruebas de hipótesis acerca de cierto parámetro de una distribución. La región de rechazo se define tanto en función de la estimación puntual como de los intervalos de confianza para este parámetro. Se rechazará la hipótesis nula si la estimación puntual cae demasiado lejos del valor establecido por H 0, y la medida en que se tolerará este alejamiento estará dada por los ĺımites del intervalo de confianza para dicho parámetro, con un nivel de confianza α que nos propongamos.
13 Probabilidad de cometer error tipo I: es el nivel de significación (o tamaño) de la prueba (α): P[rechazar H 0 H 0 cierta] = α Probabilidad de cometer un error tipo II: β P[no rechazar H 0 H 0 falsa] = β Probabilidad de rechazar la hipótesis nula cuando es falsa: potencia de la prueba potencia = 1 β
14 -El nivel de significación α normalmente se fija en 0, 05 (5 %) o 0, 01 (1 %). En general se elige la formulación de H 0 de modo de controlar el error consistente en rechazar H 0 cuando es cierta. -Ser demasiado estricto (muy pequeño α) va a aumentar la probabilidad del error de tipo 2. En términos de una prueba respecto a la media, se va a exigir que el valor observado de la media muestral esté muy lejos del valor establecido por H 0 para rechazar la nula. Así aumenta la probabilidad de que si H 0 no es cierta, no rechazarla.
15 Ejemplo: Supongamos una prueba de hipótesis sobre la media de una distribución, H 0 : µ = µ 0, con H 1 : µ µ 0. Supongamos que X N(µ, σ 2 ) -conocemos σ. La media muestral es el estimador insesgado de µ y estará distribuida alrededor de µ 0 si H 0 es cierta. Si conocemos σ 2, y H 0 es cierta, la cantidad Z = X n µ 0 σ/ n N (0, 1 ) Se ha obtenido la distribución de la media estandarizada bajo la hipótesis nula. Este estadístico (que definimos como estadístico de la prueba) depende de la discrepancia entre el estimador de µ y el valor establecido por H 0, µ 0.
16 Intuitivamente, si la discrepancia entre el valor obtenido para la media muestral y el valor del parámetro bajo H 0 es grande ello conducirá a un rechazo de la nula. Hay que definir qué tan grande debe ser la diferencia entre el valor del estimador y el parámetro para ser considerada estadísticamente significativa y rechazar H 0 (cuál es la máxima diferencia admisible para no rechazar H 0 ). La regla depende de la distribución del estadístico de la prueba (es central la dispersión medida por σ 2 ). Se define la máxima discrepancia admisible de manera que la P(error I ) = α (nivel de significación de la prueba).
17 Al fijarse el nivel de significación queda definida una región crítica o región de rechazo: conjunto de muestras para las que se rechaza H 0. En el gráfico se presenta una prueba que tiene zona de rechazo a ambas colas de la distribución: /2 1 /2 µ 0 zona de no rechazo
18 p-valor p-valor: mínimo nivel de significación al que el valor del estadístico de la prueba obtenido conduce al rechazo de H 0. A diferencia de α, que es un nivel establecido por el investigador antes de observar la muestra, el p-valor surge una vez que se ha extraído una muestra en particular. Se conoce como nivel de significación ex-post.
19 5. Prueba de hipótesis - etapas 1. Definir hipótesis nula e hipótesis alternativa (referidas a uno o varios parámetros) 2. Definir el estadístico de la prueba y determinar su distribución en el muestreo bajo H Fijar el nivel de significación P[rechazar H 0 H 0 cierta] (p-valor mínimo admisible para no rechazar H 0 ). 4. Establecer la regla de decisión definiendo la región crítica: establecer qué valores del estadístico de la prueba conducen al rechazo de la hipótesis nula. 5. Evaluar, en base a la muestra, la compatibilidad entre el estadístico observada y H 0. Si la muestra pertenece a la región crítica, rechazar H 0. Si no, no rechazar.
20 6. Prueba de hipótesis 6.1 Para la media Ejemplo: se desea probar la hipótesis de que el ingreso promedio de los hogares de Montevideo es 25 (en miles de pesos). Una encuesta a 500 hogares da una media muestral de 28 con una desviación estándar de 3, Definimos hipótesis nula e hipótesis alternativa: H 0 ) µ = 25 H 1 ) µ 25 (prueba bilateral o a dos colas) 2. Definimos un estadístico de la prueba. En muestras grandes, la media estandarizada seguirá una distribución aproximada normal.
21 En muestras grandes, si H 0 es cierta la medida de discrepancia seguirá aproximadamente la distribución de una variable normal de media cero y desviación estándar 1: Z = X n µ 0 s/ n N (0, 1 ) Si la desviación estándar poblacional (σ) es conocida: En este ejemplo: Z = X n µ 0 σ/ n N (0, 1 ) Z = X n µ 0 s/ n = , 6/ 500 = 3 0, 16 = 18, 6
22 3. Fijamos el nivel de significación de la prueba: α = 0, La prueba es bilateral. Se rechaza H 0 con discrepancias grandes en valor absoluto se toma la mitad del nivel de significación (0, 05/2 = 0, 025) a cada lado de la distribución N(0, 1) y se fija la región de rechazo en discrepancias mayores que 1, 96 en valor absoluto (ver tabla normal estándar). /2 1 /2 rechazo 0 rechazo
23 Si µ = 25 (H 0 es cierta), la probabilidad de que la media muestral produzca un valor de Z 1, 96 es 2, 5 %. Si µ = 25, la probabilidad de que la media muestral produzca un valor de Z > 1, 96 es 2, 5 %. 5. Evaluar, en base a la muestra, la compatibilidad entre el estadístico observado y H 0 : Si 1, 96 X n µ 0 s/ n < 1, 96 no rechazar H 0 Si X n µ 0 s/ n 1, 96 ó X n µ 0 s/ n > 1, 96 rechazar H 0 Como 18, 6 > 1, 96 (el valor de Z cae en la zona de rechazo, cola derecha) rechazamos H 0 a un nivel de significación del 5 %.También se puede tomar la decisión considerando el p-valor: si p valor nivel de significación rechazar H 0 ; si p valor > nivel de significación no rechazar H 0
24 6.2. Prueba de hipótesis para proporciones Ejemplo: se quiere evaluar el impacto del programa Montevideo Recicla (IMM). Según estudios, sólo el 10 % de la población de la ciudad tenía antes de la campaña hábitos compatibles con los que el programa promueve. Se cree que los hábitos de manejo de residuos son difíciles de cambiar, por lo que se el programa no será efectivo en el corto plazo. Seis meses después de iniciado se realiza una encuesta, encontrándose que de 1000 personas encuestadas 107 declaran tener hábitos sustentables de manejo de residuos. Se quiere realizar una prueba de hipótesis para contrastar si la opinión respecto a la efectividad del programa en el corto plazo es acertada.
25 1. Se define hipótesis nula y alternativa: H 0 ) p = 0, 10 H 1 ) p > 0, 10 (prueba unilateral o de una cola) 2. Se define un estadístico de la prueba. Si H 0 es cierta la media estandarizada seguirá aproximadamente la distribución de una variable normal de media cero y desviación estándar 1: con Z = p p 0 σ p N(0, 1) σ p = p0 (1 p 0 ) n
26 En este ejemplo: Entonces σ p = p0 (1 p 0 ) n = 0, 1 0, = 0, 0095 Z = p p 0 0, 107 0, 1 = = 0, 74 σ p 0, Se fija el nivel de significación de la prueba: α = 0, La prueba es unilateral. Se rechaza H 0 ante discrepancias grandes y positivas se toma 0, 05 de la cola derecha de la distribución N(0, 1) y se fija la región de rechazo para discrepancias mayores que 1, 64 (ver tabla normal estándar).
27 5. Evaluar en base a la muestra, la compatibilidad entre el estadístico observado y H 0 : p p 0 - si σ p 1, 64 no rechazar H 0. p p - si 0 σ p > 1, 64 rechazar H 0. Dado que 0, 74 < 1, 64, a un nivel de significación del 5 % no se rechaza H 0 (hipótesis que refleja la opinión de que el programa no ha tenido impactos significativos en los hábitos de la población respecto al manejo de los residuos domiciliarios). 1 0 rechazo
28 6.3 Prueba de hipótesis - muestras chicas Si la muestra es chica (n < 30) y σ es desconocida pero la población es normal (o casi normal) en cuanto a su distribución, puede utilizarse la distribución t de Student. En el caso de la prueba de hipótesis para una media el estadístico sería: t = X µ s/ n t(n 1)
29 7. Prueba de hipótesis e intervalos de confianza Existe un paralelo entre una prueba de hipótesis a dos colas para una media y un intervalo de confianza. Si teníamos: P ( X z 1 α/2 σ/ n µ < X + z 1 α/2 σ/ n ) = 1 α El criterio de rechazo en la prueba de hipótesis es equivalente a que el intervalo de confianza obtenido no contiene al valor del parámetro que corresponde a H 0.
Teorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesObjetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis
Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción
Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones
Más detallesTEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores
Más detalles6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE
6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE HIPÓTESIS. 6.1 INFERENCIA ESTADISTICA La estadística está dividida en descriptiva e inferencial donde La estadística Descriptiva se relaciona principalmente
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesEstadística Inferencial. Sesión 5. Prueba de hipótesis
Estadística Inferencial. Sesión 5. Prueba de hipótesis Contextualización. En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales decisiones
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesa. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.
El diámetro de los tubos de cartón para un envase ha de estar entre 19 y 21mm. La maquina prepara tubos cuyos diámetros están distribuidos como una manual de media 19 5mm y desviación típica 1 2mm. Qué
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesCONTRASTES DE HIPÓTESIS PARAMÉTRICOS. La estadística en cómic (L. Gonick y W. Smith)
CONTRASTES DE HIPÓTESIS PARAMÉTRICOS La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: UN JUICIO INJUSTO 2 APELAREMOS EL VERIDICTO 3 SEÑOR ESTADÍSTICO, PODRÍA EXPLICARNOS LO QUE ESTOS DATOS EVIDENCIAN?
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesF (x, y) = no es la función de distribución acumulada de ningún vector aleatorio. b) Mostrar que. { (1 e x )(1 e y ) si x 0, y 0
Probabilidades y Estadística (M) Práctica 5 1 o cuatrimestre 2014 Vectores aleatorios 1. a) Demostrar que la función F (x, y) = 1 e x y si x 0, y 0 0 en caso contrario no es la función de distribución
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesRESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO
RESUMEN DE ALGUNOS CONCEPTOS ESTADÍSTICOS ELEMENTALES Y NOTACIÓN EMPLEADA EN EL CURSO 1 rojo 1 2 3 4 5 6 Supongamos que tenemos dos dados, uno rojo y otro verde, cada uno de los cuales toma valores entre
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesEstadística II Tema 2. Conceptos básicos en el contraste de. Curso 2010/11
Estadística II Tema 2. Conceptos básicos en el contraste de hipótesis Curso 2010/11 Tema 2. Conceptos básicos en el contraste de hipótesis Contenidos Definición de contraste e hipótesis estadística. Hipótesis
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 2012) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Coincidente-Junio 1) Selectividad-Opción A Tiempo: 9 minutos Problema 1 (3 puntos) Dadas las matrices A = x y z y B = 1, se pide: 1 1 3 1 k, X = 1.
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesPrueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:
Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos
Más detallesIntervalos de confianza y contrastes de hipótesis. Intervalo de confianza de la media.
R PRÁCTICA IV Intervalos de confianza y contrastes de hipótesis Sección IV.1 Intervalo de confianza de la media. 44. Cargar (abrir) el conjunto de Datos Pulso.rda. Se pide: a) Calcular el de confianza
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
Más detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
Más detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesTema 5 Algunas distribuciones importantes
Algunas distribuciones importantes 1 Modelo Bernoulli Distribución Bernoulli Se llama experimento de Bernoulli a un experimento con las siguientes características: 1. Se realiza un experimento con dos
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesHipótesis y decisiones
Hipótesis y decisiones Preparado por Luis M. Molinero (Alce Ingeniería) CorreoE: bioestadistica alceingenieria.net Artículo en formato PDF Abril 2001 Introducción La difusión de la metodología estadística,
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesEJERCICIOS DE ESTADÍSTICA:
EJERCICIOS DE ESTADÍSTICA: 1º/ Una biblioteca desea estimar el porcentaje de libros infantiles que posee. La biblioteca está compuesta de 4 salas (orte, Sur, Este y Oeste) con 2500, 2740, 4000 y 6900 libros,
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesEstadistica II Tema 1. Inferencia sobre una población. Curso 2009/10
Estadistica II Tema 1. Inferencia sobre una población Curso 2009/10 Tema 1. Inferencia sobre una población Contenidos Introducción a la inferencia Estimadores puntuales Estimación de la media y la varianza
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesInclusión de la igualdad en la hipótesis nula
Comunicaciones en Estadística Diciembre 2010, Vol. 3, No. 2 Inclusión de la igualdad en la hipótesis nula Including Equal Sign in Null Hypothesis Jorge Ortiz Pinilla a jorgeortiz@usantotomas.edu.co Hanwen
Más detallesEstadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola)
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.7 Prueba de hipótesis para la varianza La varianza como medida de dispersión es importante dado que nos ofrece una mejor visión de dispersión de datos. Por ejemplo: si
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesMATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II INSTRUCCIONES Y CRITERIOS GENERALES DE CALIFICACIÓN
UNIVERSIDADES PÚBLICAS DE LA COMUNIDAD DE MADRID PRUEBA DE ACCESO A LAS ENSEÑANZAS UNIVERSITARIAS OFICIALES DE GRADO MODELO DE EXAMEN CURSO 2014-2015 MATERIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES
Más detallesTema 4 Variables Aleatorias
Tema 4 Variables Aleatorias 1 Introducción En Estadística Descriptiva, se estudiaron las distribuciones de frecuencias de conjuntos de datos y posteriormente se vimos los fundamentos de la teoría de probabilidades.
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
Más detallesproporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesc). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla
Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación
Más detallesTEMA 3: Inspección Estadística por Variables
TEMA 3: Inspección Estadística por Variables 1 Planes de muestreo por variables 2 Inspección en cadena 3 Inspección por muestreo continuo 4 Planes de muestreo por lotes salteados 5 Consideración de errores
Más detallesTEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS.
TEMA 1. MATRICES, DETERMINANTES Y APLICACIÓN DE LOS DETERMINANTES. 1. MATRICES. CONCEPTO DE MATRIZ. LA MATRIZ COMO EXPRESIÓN DE TABLAS Y GRAFOS. DEFINICIÓN: Las matrices son tablas numéricas rectangulares
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
Más detallesTema 2. Contraste de hipótesis en una población
Tema 2. Contraste de hipótesis en una población Contenidos Introducción, las hipótesis nula y alternativa El procedimiento de contraste de hipótesis Errores de Tipo I y Tipo II, potencia del contraste
Más detallesVariables aleatorias
Variables aleatorias DEFINICIÓN En temas anteriores, se han estudiado las variables estadísticas, que representaban el conjunto de resultados observados al realizar un experimento aleatorio, presentando
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesProblemas. Intervalos de Confianza y Contrastes de Hipótesis
Problemas. Intervalos de Confianza y Contrastes de Hipótesis Ejemplos resueltos y propuestos Intervalos de Confianza Variable Nomal en la población Se selecciona una muestra de tamaño n de una población
Más detallesTema 4. Probabilidad Condicionada
Tema 4. Probabilidad Condicionada Presentación y Objetivos. En este tema se dan reglas para actualizar una probabilidad determinada en situaciones en las que se dispone de información adicional. Para ello
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detalles8.2.5. Intervalos para la diferencia de medias de dos poblaciones
8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:
Más detallesINTERPRETACIÓN DE LA REGRESIÓN. Interpretación de la regresión
INTERPRETACIÓN DE LA REGRESIÓN Este gráfico muestra el salario por hora de 570 individuos. 1 Interpretación de la regresión. regresión Salario-Estudios Source SS df MS Number of obs = 570 ---------+------------------------------
Más detallesModelos de PERT/CPM: Probabilístico
INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE CÓMPUTO Modelos de PERT/CPM: Probabilístico M. En C. Eduardo Bustos Farías 1 Existen proyectos con actividades que tienen tiempos inciertos, es decir,
Más detallesTALLER ESTADISTICAS EN EXCEL MSP 21 VERANO 2014
TALLER ESTADISTICAS EN EXCEL MSP 21 VERANO 2014 AGENDA Estadísticas en Excel Construcción de una hoja de trabajo Puntuaciones por asistencia Calificaciones finales igual peso Calificaciones finales pesadas
Más detallesUnidad 7: Muestreo de aceptación
Unidad 7: Muestreo de aceptación Cap 12. Gutiérrez Liliana Recchioni Unidad 7: 7.1. Tipos de planes de muestreo. 7.2. Variabilidad y curvas características (CO). 7.3. Diseño de un plan de muestreo simple
Más detalles