Curso de Estadística no-paramétrica

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Curso de Estadística no-paramétrica"

Transcripción

1 Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació Operativa Universitat de València Junio 2013 Inferencia Estadística Estadística: recopilación, presentación, análisis y uso de los datos con el objetivo de tomar decisiones y resolver problemas. Necesaria? Los procesos de la vida real presentan variabilidad. el número de empresas que cierran por año es diferente, la cantidad de lluvia recogida en un dia en una determinada zona varía, el precio de una acción varía continuamente, etc. La Probabilidad juega un papel destacado en el razonamiento científico: El azar está presente en gran parte de los procesos cotidianos. Los resultados experimentales presentan variabilidad atribuible a factores no controlados por el experimentador. La selección de las unidades experimentales se basa en mecanismos aleatorios. Las conclusiones de un análisis estadístico se formulan en términos probabilísticos, ya que los modelos probabilísticos fundamentan la justificación teórica de la Inferencia Estadística. 2 / 36

2 Inferencia estadística (2) Distinguir entre Estadística Descriptiva: métodos para resumir y organizar datos Inferencia Estadística: métodos para obtener conclusiones válidas para toda una población a partir de los datos que nos aportan una parte de dicha población. El esquema básico: Selección aleatoria Población muestra Estadística Descriptiva Inferencia Estadística Representatividad Conclusiones en la Población 3 / 36 Inferencia Paramétrica Población: conjunto de individuos objeto de estudio; de dicha población estudiamos una variable de interés: X. Población: conjunto de valores de la variable observacional que obtendríamos si se repitiera indefinidamente el proceso de obtención de los datos. La variable de interés X tiene una distribución de probabilidad asociada, la distribución poblacional (lo que habitualmente entendemos por población). Tipos de variables aleatorias: Categóricas (nominal u ordinal) y Cuantitativas (discreta o continua). Habitualmente (en problemas reales), la distribución poblacional de la variable de interés es desconocida o al menos no es completamente conocida. En la mayoría de los casos, lo que se conoce es la familia (o el tipo) a la cual pertenece la distribución (exponencial, normal, etc.) pero lo que no se conocen son sus parámetros. Los parámetros son las características de interés de la población (media, varianza, proporción poblacional, etc.). En los casos en los que no conocemos la distribución (Estadística no paramétrica) no tiene sentido preguntarse por los parámetros. 4 / 36

3 Ejemplos: poblaciones e inferencia 1 Siete empresas familiares voluntarias participaron en un estudio para determinar si una campaña publicitaria podría elevar las ventas anuales de la empresa. Se midieron las ventas dos veces, una antes de la campaña y otra después. Los resultados de las ventas (en miles de euros) aparecen en la siguiente tabla: EMPRESAS Antes Después Diferencia Cual es la población? Muestra? Variable de interés? Tamaño muestral? Qué inferencia tiene sentido aquí? 2 Once empresas fueron analizadas por un inspector de hacienda. Tres de ellas estaban en regla, y el resto no: Población? Muestra? Parámetro de interés? Qué inferencia tiene sentido aquí? 5 / 36 Cómo hacemos inferencia paramétrica? Muestreo aleatorio: muestra, tamaño muestral, representatividad. Una muestra aleatoria de observaciones de una variable X de tamaño muestral n es un conjunto de variables aleatorias X1, X2,..., Xn independientes e idénticamente distribuidas con la misma distribución de la variable X. Estadísticos. Distribución en el muestreo. Utilizar esta información para extrapolar los resultados obtenidos a una población más grande (Inferencia Estadística): 1 Estimación: la estimación trata de utilizar la información muestral para aproximar el valor de los parámetros desconocidos del modelo Puntual. Por Intervalos de Confianza. 2 Contraste de Hipótesis: a partir de las observaciones podemos obtener evidencia a favor o en contra de hipótesis referidas a los parámetros desconocidos del modelo. Qué pasa si no conocemos la distribución de la variable? 6 / 36

4 Estimación paramétrica Muestreo Población muestra X Modelo(θ) X = (X1,..., Xn ) θ Parámetro(s) desconocido(s) t(x) función de los datos Estimación y/o Contraste de Hipótesis Utilizamos t(x) para explicar θ 7 / 36 Estimación paramétrica Ω, Espacio Paramétrico: conjunto de valores posibles de los parámetros. S, Espacio Muestral: conjunto de todos los valores posibles que pueden tomar las muestras X = (X1,..., Xn ). Estimador es cualquier función del espacio muestral en el espacio paramétrico, t(x): T : S Ω X t(x) Es decir, cualquier estadístico es un estimador y tiene asociado una distribución muestral Estimación es cualquier realización del estimador. No todos los estimadores que se pueden obtener son igual de buenos. Buscamos pues métodos de obtención de estimadores y criterios para su evaluación: Que la distribución del estimador esté centrada en el parámetro, que tenga poca dispersión. Qué pasa si no conocemos la distribución de la variable? 8 / 36

5 Contraste de Hipótesis paramétricos En general una hipótesis estadística tiene la forma: θ Θ0 Θ. Por el propio objetivo de un contraste, este siempre tendrá dos hipótesis: Hipótesis nula que denotaremos H0 y que representa la afirmación que se quiere contrastar θ Θ0 Hipótesis alternativa que denotaremos H1 ó HA y que contiene los otros valores posibles del parámetro θ Θ1 Se suele denotar como: H0 : HA : θ Θ0 θ Θ1 El tratamiento no es simétrico, aceptaremos H0 mientras no demostremos que es falsa. Por eso, habitualmente, indicaremos en HA lo que es más relevante y en H0 lo que consideraremos como cierto mientras no se demuestre lo contrario. Qué pasa si no conocemos la distribución de la variable? 9 / 36 Contraste de Hipótesis paramétricos Contrastar una hipótesis es realizar un experimento relacionado con el(los) valor(es) desconocido(s) de un parámetro y, a partir del resultado de esta información, decidir sobre el rechazo o aceptación de la hipótesis contrastada. Un test de hipótesis es una regla de decisión que asigna uno de los dos posibles resultados (Aceptar H0 y Rechazar H0 ) para cada posible valor del experimento X S. Los valores para los cuales se rechaza H0 se denominan Región Crítica. Los tests de hipótesis se describen en términos de un estadístico T (X) que se denomina estadístico de contraste o test estadístico o estadístico del test. Y si queremos hacer no paramétrica? 10 / 36

6 Ejemplo contrastes 1 2 En el ejemplo de las empresas que hacen un estudio para valorar el funcionamiento de la mejora de una campaña publicitaria, identificar sus elementos básicos como un problema de contraste de hipótesis: Hipótesis Hipótesis estadísticas Población Estadística Parámetro Experimento Espacio Muestral Estadístico del contraste Test de hipótesis Región crítica Análogamente con el ejemplo de las empresas investigadas por un inspector. 11 / 36 Concepto de p-valor Los contrastes de hipótesis se pueden resolver como reglas de decisión sobre rechazar o no la hipótesis nula. Una alternativa muy popular se basa en la medición de la credibilidad de la hipótesis nula a la luz de los datos obtenidos. Esta información sobre la concordancia de los datos y la H0 se mide con probabilidades. Sea X1,..., Xn una m.a. de una distribución de probabilidad (modelo) conocida. H0 : θ Θ0 Sea una hipótesis que se desea contrastar y sea T un estadístico H1 : θ Θ1 para el que los datos toman el valor T = t0 del que sabemos su distribución. El p-valor correspondiente al valor observado t0 es la probabilidad (bajo H0 ) de obtener dicho valor t0 o valores más extremos (en la dirección o direcciones de HA ). La forma habitual de resolver el contraste es fijar un nivel de significatividad (error de tipo I máximo que queremos cometer) y rechazar si el p-valor es menor que dicho nivel. Los pasos finales incluyen decidir que conclusión es la que vamos a tomar, interpretar los resultados obtenidos y reportar las conclusiones. 12 / 36

7 Concepto de p-valor (2) Contrastes unilaterales A menudo está claro que la desviación de la mediana solo puede darse en un sentido o solamente nos interesa demostrar que esa desviación se da en un único sentido. En estos casos utilizaremos una hipótesis alternativa direccional para indicar que rechazaremos la hipótesis nula si la diferencia entre muestra y población es significativa en la dirección que propone la hipótesis alternativa. En este caso sólo tenemos que cambiar la forma de calcular el P-valor: 1 En primer lugar debemos comprobar que los datos están en la misma dirección que la hipótesis alternativa. Si no es así no es posible rechazar la hipótesis nula. 2 Si los datos están en la misma dirección que la hipótesis alternativa debemos dividir por dos el P-valor obtenido (solo queremos el área de una cola). 13 / 36 Inferencia no paramétrica En el campo de las ciencias sociales y del comportamiento nos encontramos con dos características que hacen de la inferencia no paramétrica una herramienta muy importante: Muchos datos están clasificados en forma nominal u ordinal. Cuando tenemos datos continuos, no tenemos garantizada la normalidad. La mayoría de los tests paramétricos (test t para comparar medias, ANOVA, etc.) se basan en una serie de suposiciones (datos normales, independencia de las observaciones, poblaciones con varianzas aproximadamente iguales, etc.) que no siempre se cumplen, por lo que se necesitan tests alternativos para llevar a cabo la inferencia. A veces es posible evitar estos problemas, transformando los datos, o eliminarndo observaciones extremas (outliers) que no dan sentido al modelo. Cuando los datos analizados cumplen las asunciones para la aplicación de los tests paramétricos es preferible usarlos SIEMPRE, ya que los paramétricos son más potentes (en el sentido que tienen mayor capacidad para rechazar la hipótesis nula cuando ésta es falsa). La inferencia no paramétrica fundamentalmente se realiza mediante contrastes de hipótesis (aunque es posible ampliar la información que da un test mediante la estimación por intervalos de confianza). 14 / 36

8 Inferencia no paramétrica (2) Un test no paramétrico es un test basado en un modelo que no necesita la especificación de ninguna condición sobre los parámetros de la población de la que se ha extraido la muestra. Ni siquiera sobre la propia población. Observar pues que no necesitan suposiciones (datos normales, independencia de las observaciones, poblaciones con varianzas aproximadamente iguales, etc.) tan fuertes como las de los paramétricos. Además existen mucho para datos nominales y ordinales: tests binomiales, bondad de ajuste, tablas de contingencia, medidas de correlación entre variables categóricas, etc. Los tests no paramétricos para datos continuos se focalizan en conteos y rankings u ordenaciones. Los datos se convierten de puntuaciones a rangos o signos. Así, por ejemplo, un test que compara medias (test t) se basa en la diferencia media, mientras que un test no paramétrico se focaliza en la diferencia entre las medianas. 15 / 36 Inferencia no paramétrica (3) Hay diferentes tests no paramétricos dependiendo del tipo de datos que analizamos y del número de variables analizadas. Variables continuas: 1 muestra: tests de localización, tests para valorar la forma de una distribución, tests de aleatoriedad. Comparación 2 muestras independientes Comparación 2 muestras relacionadas Comparación K muestras independientes Comparación K muestras relacionadas Regresión y correlación Variables categóricas: Bondad de ajuste Homogeneidad e Independencia Medidas de Asociación Contrastes de Aleatoriedad 16 / 36

9 Conteos y rangos Dos de las herramientas más básicas en las que se basan muchos de estos tests son: 1 Conteos: varios tests no paramétricos requieren el conteo (o frecuencia) de las observaciones. Basta contar el número de veces que una observación se repite. Tiene mucho sentido en variables categóricas y en localización por encima de la mediana. Ejemplo: se observa el capital social de 15 empresas y se quiere ver si el valor central es superior a euros. Se construye un test basado en el número de observaciones que superan dicho valor. 2 Rangos (o transformaciones de rangos): La clave es ordenar los datos y ver cada valor en qué posición queda. Hay que tener en cuenta los empates. Tiene mucho sentido en variables continuas para ver si los grupos son diferentes. Ejemplo: se observa el capital social de 5 empresas valencianas y se quiere ver si el valor central es superior al de 5 empresas catalanas. Se construye un test basado en el orden que ocupan las empresas tras ordenarlas conjuntamente. 17 / 36 Introducción a SPSS SPSS SPSS (Statistical Package for the Social Sciences) es un programa estadístico informático muy usado en las ciencias sociales y en el ámbito sanitario. Sistema amigable de menús y ventanas también nos permite programar utilizando sintaxis Fácil análisis de datos y generación de gráficos poco flexible Desventaja: Software privado alternativas como R (R-Commander) o PSPP 18 / 36

10 Interfaces de SPSS Editor de datos Vista de datos Esta página es visible al abrir por primera vez el Editor de datos y contiene el banco de datos. 19 / 36 Interfaces de SPSS Editor de datos Vista de variables Descripción de las variables que tenemos en el banco de datos 20 / 36

11 Interfaces de SPSS Visor Visor Ventana donde aparecen los resultados 21 / 36 Interfaces de SPSS Editor de sintaxis Editor de sintaxis Para programar en SPSS 22 / 36

12 Importación de datos Introducción de datos Importar datos SPSS nos permite importar datos en diferentes formatos.xls,.txt,.dat,.sav, etc... Archivo/Abrir/Datos / 36 Importación de datos Introducción de datos: Importar datos txt Importar datos txt 24 / 36

13 Importación de datos Introducción de datos: Importar datos xls Importar datos xls 25 / 36 Importación de datos Introducción de datos: Directa (1) Introducción directa de datos Archivo/Nuevo/Datos / 36

14 Análisis de una muestra de una variable continua Cuando analizamos una muestra de una población, lo primero que (siempre) debemos hacer es concretar cual es nuestro objetivo: Comparar unos datos observados con unos esperados: Datos categóricos (sesión 3): test binomial (datos binarios) y test chi-cuadrado (variables categóricas en general) Datos continuos: test de Kolmogorov-Smirnov (utilizado habitualmente para contrastar normalidad) Comprobar la aleatoriedad de una muestra: test de rachas Comprobar la localización de una muestra respecto a un valor prefijado: test de Wilcoxon 27 / 36 Test de Kolmogorov-Smirnov Cuando queremos comprobar si unos datos siguen una determinada distribución utilizamos el test de Kolmogorov-Smirnov. Este procedimiento comprueba si la función de distribución muestral de una muestra se parece a la función de distribución de la distribución uniforme, normal, Poisson, o exponencial. Definición de distribución muestral de una muestra: distribución discreta que asigna la probabilidad 1/n a cada valor obtenido Xj. Si la variable de la población es discreta con posibles valores x1, x2,..., xm eso significa asignar probabilidad fj /n para cada valor x1, x2,..., xm (donde fj es la frecuencia de ocurrencia del valor xj en la muestra). Ejemplo: si en una Universidad con 5000 estudiantes realizamos una muestra de 50 estudiantes con los siguientes resultados: Curso Frec. Abs La distribución muestral es: Curso Frec. Rel / 36

15 Test de Kolmogorov-Smirnov (2) En nuestro caso, como es continua utilizamos la función de distribución de la distribución muestral. Definición: es la función de distribución que aumenta 1/n a cada valor, es decir: ](observaciones x ) Fn (x ) = n Observar que si el valor aparece k veces, tiene probabilidad k/n y la f.d.m. sube a k/n en ese valor (teóricamente, si la variable es continua los valores no pueden repetirse, pero por redondeo a veces ocurre en la práctica). Observar que esta función f.d.m. es una versión empírica de la función de distribución poblacional y en principio debería parecerse (por la ley de los grandes números, Fn (x ) converge a F (x )). 29 / 36 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (1) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36

16 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (2) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (3) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36

17 Test de Wilcoxon Cuando el objetivo es comprobar la localización de una muestra respecto a un valor, analizamos su mediana y vemos si vale el valor que estamos cuestionando. En concreto, el test de rangos de Wilcoxon comprueba si la mediana muestral de una muestra difiere significativamente de un hipotético valor (que es que queremos contrastar). Por ejemplo si queremos comprobar si el capital social de 5 empresas es superior a euros. También podríamos plantearnos si es diferente. 33 / 36 Análisis de una muestra de una variable continua Localización de una muestra (1) Test de Wilcoxon Analizar/Tests no paramétricos/1 muestra / 36

18 Análisis de una muestra de una variable continua Localización de una muestra (2) Test de Wilcoxon Analizar/Tests no paramétricos/1 muestra / 36 Ejemplos Ejemplos 1 Existe información sobre el porcentaje de la población (p.e. Anon, 1991) con edad superior a 60 años en más de 200 países. La siguiente muestra aleatoria se ha obtenido de 12 de esos países: Utilizar el test de Wilcoxon par comprobar si la mediana es 12 o diferente. 2 Comprobar la normalidad de los datos anteriores. Comprobar también si pueden venir de una distribución uniforme. 3 El valor de las reclamaciones por siniestros de automóvil en un seguro durante un año ha sido de 1000 euros. Para comprobar que las del año siguiente no son diferentes realizan una muestra de 8 reclamaciones, cuyos resultados son: Están los datos de acuerdo con la suposión de la empresa? 36 / 36

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas

Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas Capítulo 19 Análisis no paramétrico: El procedimiento Pruebas no paramétricas En los capítulos 13 al 18 hemos estudiado una serie de procedimientos estadísticos diseñados para analizar variables cuantitativas:

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas

SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas SESIÓN PRÁCTICA 6: CONTRASTES DE HIPÓTESIS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria

Más detalles

ESTIMACIÓN. puntual y por intervalo

ESTIMACIÓN. puntual y por intervalo ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

PRUEBAS NO PARAMÉTRICAS

PRUEBAS NO PARAMÉTRICAS PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la

Más detalles

Botella-Rocamora, P.; Alacreu-García, M.; Martínez-Beneito, M.A.;

Botella-Rocamora, P.; Alacreu-García, M.; Martínez-Beneito, M.A.; Inferencia estadística (intervalos de confianza y p-valor). Comparación de dos poblaciones (test t de comparación de medias, comparación de dos proporciones, comparación de dos varianzas). Botella-Rocamora,

Más detalles

Tests de hipótesis estadísticas

Tests de hipótesis estadísticas Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para

Más detalles

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA

LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA LICENCIADO EN CIENCIAS AMBIENTALES PROGRAMA DE ESTADÍSTICA CURSO 2010-2011 TITULACIÓN: CIENCIAS AMBIENTALES ASIGNATURA: ESTADISTICA ÁREA DE CONOCIMIENTO: Estadística e Investigación Operativa Número de

Más detalles

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística

TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud

Más detalles

Tema 10. Estimación Puntual.

Tema 10. Estimación Puntual. Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

Pruebas de. Hipótesis

Pruebas 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 detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

Métodos no paramétricos para el análisis de la varianza

Métodos no paramétricos para el análisis de la varianza Capítulo 4 Métodos no paramétricos para el análisis de la varianza MÉTODOS PARAMÉTRICOS Y NO-PARAMÉTRICOS Los procedimientos inferenciales que presentan estimaciones con respecto a losparámetrosdelapoblacióndeinteréssellamanmétodos

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

Asignatura: Econometría. Conceptos MUY Básicos de Estadística

Asignatura: Econometría. Conceptos MUY Básicos de Estadística Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

Test ( o Prueba ) de Hipótesis

Test ( o Prueba ) de Hipótesis Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a

Más detalles

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales 1 2 3 4 5 6 ESQUEMA DEL CURSO ESTADÍSTICA BÁSICA DISEÑO DE EXPERIMENTOS CURSO DE ESTADÍSTICA STICA BÁSICAB ESTADÍSTICA DESCRIPTIVA TIPOS DE VARIABLES MEDIDAS DE POSICIÓN CENTRAL Y DE DISPERSIÓN TABLAS

Más detalles

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página):

Puedes descargar este examen en pdf desde esta dirección (busca el enlace Dropbox en la parte inferior de la página): Univ. de Alcalá. Estadística 2014-15 Dpto. de Física y Matemáticas Grado en Biología. Examen final. Miércoles, 21 de Enero de 2015. Apellidos: Nombre: INSTRUCCIONES (LEER ATENTAMENTE). Puedes descargar

Más detalles

DESCRIPCIÓN ESPECÍFICA

DESCRIPCIÓN ESPECÍFICA DESCRIPCIÓN ESPECÍFICA NÚCLEO: COMERCIO Y SERVICIO SUBSECTOR: PRODUCCION Y SALUD OCUPACIONAL Nombre del Módulo: Análisis estadístico de datos. total: 45 HORAS. Objetivo General: Analizar la conformidad

Más detalles

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones

Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica

Más detalles

Tema 12: Contrastes Paramétricos

Tema 12: Contrastes Paramétricos Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de

Más detalles

Análisis de la Varianza de un Factor

Análisis de la Varianza de un Factor Práctica de Estadística con Statgraphics Análisis de la Varianza de un Factor Fundamentos teóricos El Análisis de la Varianza con un Factor es una técnica estadística de contraste de hipótesis, cuyo propósito

Más detalles

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

Curso Práctico de Bioestadística Con Herramientas De Excel Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister

Más detalles

Estadística (Gr. Biología-09) (2010-2011)

Estadística (Gr. Biología-09) (2010-2011) Estadística (Gr. Biología-09) (2010-2011) PRESENTACIÓN OBJETIVOS PROGRAMA METODOLOGÍA EVALUACIÓN BIBLIOGRAFÍA HORARIO ATENCIÓN http://www.unav.es/asignatura/estadisticabio/ 1 de 10 PRESENTACIÓN Descripción

Más detalles

Inferencia Estadística

Inferencia Estadística MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/ mamaeusch Inferencia Estadística Paula Lagares Barreiro * Justo Puerto Albandoz * MaMaEuSch ** Management Mathematics

Más detalles

Test de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n

Test de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés

Más detalles

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. María José Rubio

Más detalles

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros

1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación

Más detalles

Clase 8: Distribuciones Muestrales

Clase 8: Distribuciones Muestrales Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas

Más detalles

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I) VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El

Más detalles

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I

Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................

Más detalles

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1)

CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas

Más detalles

Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos?

Pero qué hacemos cuando no se cumple la normalidad o tenemos muy pocos datos? Capítulo. Métodos no paramétricos Los métodos presentados en los capítulos anteriores, se basaban en el conocimiento de las distribuciones muestrales de las diferencias de porcentajes o promedios, cuando

Más detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 5 Inferencia estadística acerca de la relación entre variables T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas

Más detalles

"CONTRASTES DE HIPÓTESIS" 4.4 Parte básica

CONTRASTES DE HIPÓTESIS 4.4 Parte básica 76 "CONTRASTES DE HIPÓTESIS" 4.4 Parte básica 77 4.4.1 Introducción a los contrastes de hipótesis La Inferencia Estadística consta de dos partes: Estimación y Contrastes de Hipótesis. La primera se ha

Más detalles

Las 7 Herramientas Fundamentales de la Calidad

Las 7 Herramientas Fundamentales de la Calidad Las 7 Herramientas Fundamentales de la Calidad Se utilizarán los métodos estadísticos elementales, dado que está dirigido a todos los funcionarios, desde la alta dirección hasta los operarios de base (Ej:

Más detalles

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS

UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la

Más detalles

Tema 2 Estadística Descriptiva

Tema 2 Estadística Descriptiva Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 2700 individuos con 8 variables. Los datos provienen de una encuesta nacional realizada

Más detalles

La estadística descriptiva o deductiva, es la parte de la estadística que trata de la obtención y compendio de datos.

La estadística descriptiva o deductiva, es la parte de la estadística que trata de la obtención y compendio de datos. REVISTA CUBANA I)E PSICOLOGÍA Vol. 9, No. 2,1992 MÉTODOS ESTADÍSTICOS APLICADOS A LA INVESTIGACIÓN PSICOLÓGICA Martha Vázquez Villazón y María Eugenia de Bernard Cerezo. Facultad de Psicología, Universidad

Más detalles

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO

Más detalles

Estudio comparativo de los currículos de probabilidad y estadística español y americano

Estudio comparativo de los currículos de probabilidad y estadística español y americano Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un

Más detalles

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos.

Carrera: MCM - 0531. Participantes. Representantes de las academias de Ingeniería Mecánica de Institutos Tecnológicos. 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Mecánica MCM - 0531 3 2 8 2.- HISTORIA DEL

Más detalles

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar

Más detalles

Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local

Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local 21 Las técnicas muestrales, los métodos prospectivos y el diseño de estadísticas en desarrollo local Victoria Jiménez González Introducción La Estadística es considerada actualmente una herramienta indispensable

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

Tema 1: Test de Distribuciones de Probabilidad Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis

Más detalles

VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA

VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA VICERRECTORADO DE CALIDAD E INNOVACIÓN EDUCATIVA Título del Informe: Análisis de validez y fiabilidad del cuestionario de encuesta a los estudiantes para la evaluación de la calidad de la docencia Fecha:

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial

Más detalles

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4

FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 FACULTAD DE ENFERMERIA MAESTRÌA EN ENFERMERIA PROGRAMA DEL CURSO ESTADÌSTICA AVANZADA CODIGO MC1114 REQUISITOS EG2113 CREDITO: 4 REQUISITO LICENCIATURA EN ENFERMERÌA PROFESOR 1. Justificación. Se requiere

Más detalles

Problemas. Intervalos de Confianza y Contrastes de Hipótesis

Problemas. 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 detalles

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto

Más detalles

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO

3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

Inferencia Estadística

Inferencia Estadística Felipe José Bravo Márquez 11 de noviembre de 2013 Para realizar conclusiones sobre una población, generalmente no es factible reunir todos los datos de ésta. Debemos realizar conclusiones razonables respecto

Más detalles

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.

PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos. PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de

Más detalles

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD.

Experimentos con un solo factor: El análisis de varianza. Jhon Jairo Padilla Aguilar, PhD. Experimentos con un solo factor: El análisis de varianza Jhon Jairo Padilla Aguilar, PhD. Experimentación en sistemas aleatorios: Factores Controlables Entradas proceso Salidas Factores No controlables

Más detalles

PRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. Juan José Hernández Ocaña

PRUEBAS PARAMETRICAS Y PRUEBAS NO PARAMETRICAS. Juan José Hernández Ocaña PRUEBAS PARAMETRICAS Los métodos paramétricos se basan en el muestreo de una población con parámetros específicos, como la media poblacional, la desviación estándar o la proporción p. Además deben de reunir

Más detalles

Problemas de Probabilidad resueltos.

Problemas de Probabilidad resueltos. Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose

Más detalles

Introducción a la estadística y SPSS

Introducción a la estadística y SPSS Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I

Más detalles

ESTADÍSTICA Y DISEÑO EXPERIMENTAL

ESTADÍSTICA Y DISEÑO EXPERIMENTAL SILABO I. DATOS GENERALES 1.1 Nombre de la asignatura : ESTADÍSTICA Y DISEÑO EXPERIMENTAL 1.2 Carácter : Obligatorio 1.3 Carrera Profesional : Administración de Empresas 1.4 Código : AD0502 1.5 Semestre

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

EXPERIMENTACIÓN. Eduardo Jiménez Marqués

EXPERIMENTACIÓN. Eduardo Jiménez Marqués EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

Práctica 5. Contrastes paramétricos en una población

Práctica 5. Contrastes paramétricos en una población Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media

Más detalles

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 rafael.dearce@uam.es El objeto de las tablas de contingencia es extraer información de cruce entre dos

Más detalles

ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS

ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS Profesor del del curso: curso: Ing. Ing. Celso Celso Gonzales INTRODUCCION OBJETIVOS Comprender qué es y porqué se estudia la

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

60! hrs.! hrs.! hrs.!!!

60! hrs.! hrs.! hrs.!!! Carta Descriptiva 1 UMA 1001-95 " Estadística Descriptiva #$%&'$()*+'$(,%) Ciencias Sociales y Administración Principiante Obligatoria 60 hrs. hrs. hrs. Matemáticas Básicas Estadística Inferencial #+&+'$-$%&.+)/%(0$.-1.$'(23,4%50(

Más detalles

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción

Universidad del CEMA Prof. José P Dapena Métodos Cuantitativos V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA. 5.1 Introducción V - ESTIMACION PUNTUAL E INTERVALOS DE CONFIANZA 5.1 Introducción En este capítulo nos ocuparemos de la estimación de caracteristicas de la población a partir de datos. Las caracteristicas poblacionales

Más detalles

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras Unidad 6 Distribuciones de probabilidad continua, muestreo y distribución de muestras Introducción La unidad 5 se enfocó en el estudio de las distribuciones de probabilidad discreta, entre las cuales

Más detalles

Las Matemáticas En Ingeniería

Las Matemáticas En Ingeniería Las Matemáticas En Ingeniería 1.1. Referentes Nacionales A nivel nacional se considera que el conocimiento matemático y de ciencias naturales, sus conceptos y estructuras, constituyen una herramienta para

Más detalles

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos

Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos Test de hipótesis t de Student Hay diferencias en la media del HOMA entre los diabéticos y los no diabéticos? Resumen del procesamiento de los casos HOMA Casos Válidos Perdidos Total N Porcentaje N Porcentaje

Más detalles

Curso. Análisis Estadístico de Datos Climáticos

Curso. Análisis Estadístico de Datos Climáticos Curso I-1 Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Montevideo, Uruguay 2011 I-2 DISTRIBUCIONES DE PROBABILIDAD

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

CONTRASTES DE HIPÓTESIS DE 1 POBLACIÓN

CONTRASTES DE HIPÓTESIS DE 1 POBLACIÓN CONTRASTES DE IPÓTESIS DE POBLACIÓN Autores: Alicia Vila (avilag@uoc.edu), Máximo Sedano (msedanoh@uoc.edu), Ángel A. Juan (ajuanp@uoc.edu), Anna López (alopezrat@uoc.edu). ESQUEMA DE CONTENIDOS Definición

Más detalles

PROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT 6 10 3 2 5

PROGRAMA DE CURSO. Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT 6 10 3 2 5 PROGRAMA DE CURSO Código Nombre MA3403 Probabilidades y Estadística Nombre en Inglés Probability and Statistics SCT Unidades Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal

Más detalles

Solución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2

Solución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2 Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación

Más detalles

Estadística en Ciencias de la Salud

Estadística en Ciencias de la Salud Estadística en Ciencias de la Salud Curso 2013 2014 Apuntes de Estadística en Ciencias de la Salud Botella-Rocamora, P. 1, Alacreu-García, M. 1, Martínez-Beneito, M.A. 2 1 Depto.Ciencias Físicas, Matemáticas

Más detalles

Aplicaciones estadísticas en las Ciencias Sociales

Aplicaciones estadísticas en las Ciencias Sociales Juan Camacho Rosales Profesor Titular de Metodología de las Ciencias del Comportamiento Departamento de Didáctica e Investigación Educativa y del Comportamiento Universidad de La Laguna La Estadística

Más detalles

Capítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor

Capítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

IX.- ANÁLISIS DE VARIANZA

IX.- ANÁLISIS DE VARIANZA IX- ANÁLISIS DE VARIANZA Las técnicas de Diseño Experimental basadas en la estadística son particularmente útiles en el mundo de la Ingeniería en lo que corresponde a la mejora del rendimiento de los procesos

Más detalles

Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual. Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics

Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual. Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Índice Conceptos básicos Diseño Problemas Qué es necesario?

Más detalles

ANÁLISIS DE DATOS NO NUMERICOS

ANÁLISIS DE DATOS NO NUMERICOS ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas

Más detalles

Inferencia Estadística

Inferencia Estadística EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre

Más detalles

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS

6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS 6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

Nombre...Apellidos... Grado en:...grupo:...

Nombre...Apellidos... Grado en:...grupo:... ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles

Más detalles

Problemas resueltos del Tema 3.

Problemas resueltos del Tema 3. Terma 3. Distribuciones. 9 Problemas resueltos del Tema 3. 3.1- Si un estudiante responde al azar a un examen de 8 preguntas de verdadero o falso Cual es la probabilidad de que acierte 4? Cual es la probabilidad

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

Más detalles