ESTADÍSTICA. Tema 3 Contrastes de hipótesis
|
|
- Pascual Maldonado González
- hace 8 años
- Vistas:
Transcripción
1 ESTADÍSTICA Grado en CC. de la Alimentación Tema 3 Contrastes de hipótesis Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 1
2 Estructura de este tema Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación, región crítica. El p-valor. Contrastes para la media de una población normal. Comparación de dos medias: muestras independientes y datos emparejados (sólo se tratará el caso de varianzas iguales). Contrastes para una proporción. Comparación de dos proporciones. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 2
3 Qué es un contraste de hipótesis? Una hipótesis es una afirmación que se hace sobre la población. La hipótesis es paramétrica si se refiere a los valores que toma alguno de los parámetros poblacionales. El problema de contrastar una hipótesis: Confirmar o refutar una afirmación acerca de una población mediante datos muestrales. Un contraste de hipótesis es una técnica estadística para juzgar si los datos aportan evidencia o no para confirmar una hipótesis. En este tema estudiamos contrastes de hipótesis paramétricas: confirmar o refutar una afirmación acerca de uno o varios parámetros de la distribución de una o varias variables aleatorias. Por ejemplo: la media es no negativa (µ 0); la proporción de personas con obesidad es un 40 % (p = 0, 40); la media de una población es mayor o igual a la de otra (µ 1 µ 2 ); etc. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 3
4 Elementos de un contraste Paso 1. Plantear el contraste: Se establece una hipótesis básica, que llamaremos hipótesis nula y denotaremos H 0, y frente a ella otra hipótesis H 1, o hipótesis alternativa. Paso 2. Fijar una regla de decisión para aceptar o rechazar H 0 : se fija el estadístico del contraste, una función de la muestra cuyos valores, si H 0 es cierta, estarán una cierta región A (región de aceptación) con elevada probabilidad. Paso 3. Tomar la decisión: Si, al observar la muestra, el estadístico del contraste toma valores en la región de rechazo R = A c, se rechaza H 0. Si toma valores en A, se acepta H 0. Nota importante: Los contrastes de hipótesis que estudiaremos tienden a ser muy conservadores con H 0. Sólo rechazaremos H 0 cuando haya una fuerte evidencia (muestral) en su contra. En este sentido, se asemejan a un juicio en el que el acusado se considera inocente a no ser que se demuestre lo contrario. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 4
5 Ejemplo 3.1: Los refrescos de cola light utilizan edulcorantes artificiales que pueden perder su efecto con el tiempo. En un experimento se pidió a varias personas que probaran refrescos dietéticos y calificaran su grado de sabor dulce en una escala de 1 a 10. Tras almacenar las bebidas durante un mes a alta temperatura (para imitar el efecto de 4 meses de almacenamiento a temperatura ambiente) las mismas personas probaron de nuevo los refrescos y calificaron de nuevo su grado de sabor dulce. En la siguiente tabla aparecen las diferencias en las puntuaciones (a mayor diferencia, mayor caída del sabor): 2 0,4 0,7 2-0,4 2,2-1,3 1,2 1,1 2,3 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 5
6 Ejemplo 3.1 (cont.): La mayoría de los datos son positivos. Es decir, la mayoría de las personas apreciaron pérdida en el nivel de sabor. Pero las diferencias no son muy grandes (e incluso dos personas apreciaron un incremento). La pregunta que trata de responder un contraste de hipótesis es: Proporcionan estos datos evidencia de que el nivel medio de sabor decrece en media? La media estimada a partir de los datos es x = 1,02. Refleja esta estimación un auténtico descenso en el nivel medio de sabor? Se debe el resultado a razones puramente aleatorias? Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 6
7 Ejemplo 3.1 (cont.): Paso 1. Plantear el contraste. Llamamos µ al descenso medio (desconocido) del grado de sabor de los refrescos. Como queremos confirmar si el grado medio de sabor realmente desciende (es decir, si µ > 0), queremos contrastar H 0 : µ 0 frente a H 1 : µ > 0. Si rechazamos H 0, esto significará que los datos muestran una fuerte evidencia en contra de H 0. Es decir, necesitamos pruebas estadísticas para declarar al acusado culpable. Nota importante: La hipótesis para la que se desea encontrar evidencia estadística es la hipótesis alternativa, H 1. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 7
8 Ejemplo 3.1 (cont.): Paso 2. Fijar una regla de decisión. El razonamiento básico para hacer este contraste es: Supongamos que H 0 es cierta, es decir, µ 0. Es el resultado obtenido a partir de los datos ( x = 1, 02) extraño o poco frecuente bajo esta hipótesis? Si esto es así, los datos aportan evidencia contra H 0 y a favor de H 1. Para llevar a cabo el análisis anterior tenemos que estudiar qué valores son los que cabe esperar que tome la media muestral X cuando H 0 es cierta. Simplificación: Para simplificar suponemos de momento que la población es normal y que la varianza es conocida y vale σ 2 = 1. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 8
9 Ejemplo 3.1 (cont.): Supongamos que H 0 es cierta y que µ vale 0 (toma el valor en el que más difícil es distinguir entre H 0 y H 1 ). Sabemos (tema 2) que X µ σ/ n N(0, 1). Para juzgar si el valor observado en la muestra x = 1,02 es compatible con µ = 0 calculamos t = 1, / 10 = 3, 2255 y comparamos con la distribución normal estándar, N(0, 1). Observación: t es el estadístico del contraste. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 9
10 Ejemplo 3.1 (cont.): Paso 3. Tomar la decisión. Como 3,2255 es un valor bastante improbable para una distribución N(0, 1), los datos proporcionan bastante evidencia en contra de H 0 y a favor de H N 0, , Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 10
11 Ejemplo 3.1 (cont.): Podemos interpretar t = 3, 2255 como la distancia entre x y 0 medida en desviaciones típicas. Mirando las tablas de la normal: P{Z > 3, 2255} < 0, 001. Si µ = 0, en menos de 1 de cada 1000 muestras se obtendría un valor de t superior a 3,2255. Parece que la distancia entre x y 0 es suficientemente grande como para rechazar H 0 : µ 0. Qué significa suficientemente grande? Depende de lo seguros que queramos estar a la hora de rechazar o no la hipótesis nula. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 11
12 Tipos de error Podemos cometer 2 tipos de error: Rechazar H 0 Rechazar H 1 H 0 cierta Error de tipo I Decisión correcta H 1 cierta Decisión correcta Error de tipo II De los dos errores sólo vamos a poder controlar el error de tipo I. Por ello, se deben definir las hipótesis de forma que el error de tipo I sea el más grave (equivalentemente, H 1 debe ser la hipótesis que queremos confirmar). Se llama tamaño del contraste a la mayor probabilidad de cometer un error de tipo I cuando se realiza ese contraste. Lo que se hace es fijar un nivel de significación α (0, 1) tal que tamaño del contraste α. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 12
13 Ejemplo 3.2: Una empresa cárnica japonesa se plantea comercializar carne procedente de la prefectura de Fukushima. Para averiguar si su consumo es seguro se realizan análisis sobre varios trozos de dicha carne para detectar la presencia de materiales radiactivos. Cómo creemos que se debe plantear el contraste? H 0 : H 1 : H 0 : H 1 : La carne es apta para el consumo Los niveles de radiactividad superan los ĺımites permitidos Internacional Política España Deportes Economía Gente y TV Sociedad Ir a portada de ELPAÍS.com Los niveles de radiactividad superan los ĺımites permitidos Martes, 19/7/2011 SECCIONES DE LA EDICIÓN IMPRESA: La Primeracarne Internacional España eseconomía apta Opinión Viñetas para el Tendencias consumo Obituarios Deportes Pantalla Última Estás en: ELPAIS.com> Edición impresa> Sociedad AGENCIAS - Tokio - 18/07/2011 Vota Resultado 24 votos Recomendar 45 El segundo mayor suministrador de carne de Japón, la compañía Aeon, reconoció ayer que ha vendido carne de vaca contaminada con cesio radiactivo en varios establecimientos de Tokio y sus alrededores, según informó la empresa en un comunicado. En el país nipón se han registrado casos de vegetales, té, leche, marisco y agua contaminados por radiación desde que se produjo el accidente en la central nuclear de Fukushima-1, gravemente dañada por el terremoto y el tsunami del pasado 11 de marzo, que ha supuesto la mayor crisis nuclear desde Chernóbil (Ucrania) en Descubre nuestro visor de la edición impresa. Permite visualizarla y descargarla Aeon admitió que ha vendido carne de vaca Japón prohíbe la venta de carne de contaminada en una tienda de Tokio y en más de vacuno procedente de Fukushima una decena de establecimientos cerca de la capital japonesa. Aeon, que compite con el mayor suministrador del país, Seven and I Holdings, Japón indicó que las vacas fueron alimentadas con A FONDO Capital: Tokio. pienso fabricado con arroz que excede los límites Gobierno: de cesio radiactivo impuestos por el Gobierno. Monarquía Constitucional. Población: Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 13
14 Ejemplo 3.1 (cont.): Vamos a rechazar H 0 : µ 0 siempre que la distancia entre x y µ = 0 sea suficientemente grande, mayor que un valor crítico c: x 0 1/ 10 > c. Para determinar c fijamos el nivel de significación α. Los valores α = 0,01 o α = 0,05 son los más habituales. { } x 0 α = P H0 (Rechazar H 0 ) = P H0 1/ 10 > c = P(Z > c). Por lo tanto c = z α. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 14
15 Ejemplo 3.1 (cont.): Rechazamos H 0 a nivel α si el valor t observado está en { } x 0 R = 1/ 10 > z α. 0.4 N 0, A R 4 2 zα 2 4 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 15
16 Ejemplo 3.1 (cont.): Rechazaremos H 0 : µ 0 a nivel α siempre que se satisfaga la condición de la región de rechazo o región crítica { } x 0 R = 1/ 10 > z α. Para los datos del ejemplo recordemos que x 0 1/ 10 = 3, 2255 Para hacer el contraste a nivel α = 0, 05, buscamos en las tablas z 0,05 = 1, 64. Como 3, 2255 > 1, 64, estamos en la región crítica y rechazamos la hipótesis nula µ 0 a nivel α = 0, 05. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 16
17 Posibles resultados R Región crítica o de rechazo (x 1,,x n) Decisión Rechazo H0 Test (x 1,,x n) Región de aceptación A Acepto H 0 Para la mayoría de los contrastes la región crítica es de la forma: { } Distancia entre datos y H0 R = > c (tablas). E.T. de la distancia Todos los contrastes que veremos siguen el mismo patrón. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 17
18 Contrastes para la media de una población normal (varianza desconocida) Contrastes unilaterales: Hipótesis: H 0 : µ µ 0 frente a H 1 : µ > µ 0 Región crítica: { } x µ0 R = s/ n > t n 1;α. Hipótesis: H 0 : µ µ 0 frente a H 1 : µ < µ 0 Región crítica: { } x µ0 R = s/ n < t n 1;α. Contraste bilateral (hipótesis nula puntual): Hipótesis: H 0 : µ = µ 0 frente a H 1 : µ µ 0 Región crítica: { } x µ0 R = s/ n > t n 1;α/2. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 18
19 Ejemplo 3.1 (cont.): Queremos contrastar H 0 : µ 0 frente a H 1 : µ > 0 a nivel α = 0, 05. Como σ no es conocida la estimamos a partir de la muestra: mediante 2 0, 4 0, 7 2 0, 4 2, 2 1, 3 1, 2 1, 1 2, 3 s = n i=1 (x i x) 2 n 1 Calculamos el estadístico del contraste: = 1,196. t = x µ 0 s/ n = 1,02 0 1,196/ 10 = 2,697. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 19
20 Ejemplo 3.1 (cont.): Como 2, 697 > t 9;0,05 = 1, 833 estamos en la región crítica y rechazamos H 0 a nivel α = 0, t ,697 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 20
21 Ejemplo 3.1 (cont.): Cuál es la conclusión si fijamos α = 0,01? 0.4 t ,697 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 21
22 Ejemplo 3.1 (cont.): Solución con SPSS Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 22
23 Prueba T Ejemplo 3.1 (cont.): Solución con SPSS [Conjunto_de_datos0] C:\Documents and Settings\usuario\Mis documentos\joser\docen \estap\datos\edulcorante.sav Estadísticos para una muestra dulzor N Desviación Error típ. de Media típ. la media 10 1,020 1,1961,3782 Prueba para una muestra dulzor Valor de prueba = 0 95% Intervalo de confianza para la Diferencia diferencia t gl Sig. (bilateral) de medias Inferior Superior 2,697 9,025 1,0200,164 1,876 Valor de prueba: µ 0 (el valor de µ que separa H 0 de H 1 ). Por defecto µ 0 = 0. Sig (bilateral): es el p-valor del test bilateral H 0 : µ = µ 0 frente a H 1 : µ µ 0 (transparencias siguientes). Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 23
24 El p-valor de un contraste Crítica a la selección del nivel de significación α (a) El resultado del test puede depender mucho del valor de α elegido, que es arbitrario, siendo posible rechazar H 0 con α = 0,05 y aceptarlo con α = 0, Α 0, Α 0, Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 24
25 Crítica a la selección del nivel de significación α (b) Dar sólo el resultado del test (aceptación o rechazo) no permite diferenciar el grado de evidencia que la muestra indica a favor o en contra de H N 0, ,75 3,09 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 25
26 A medida que el nivel de significación disminuye es más difícil rechazar la hipótesis nula (manteniendo los mismos datos). 0.4 t t Α 0, Α 0, , ,697 Hay un valor α = p a partir del cual ya no podemos rechazar H 0. Es decir si α < p ya no se rechaza H 0. A p se le llama el p-valor del contraste. El p-valor indica el punto de división entre el rechazo y la aceptación: Si α < p, no podemos rechazar H 0 a nivel α. Si α > p, podemos rechazar H 0 a nivel α. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 26
27 Interpretación: El p-valor se interpreta como una medida de la evidencia estadística que los datos aportan a favor de la hipótesis alternativa H 1 (o en contra de H 0 ): cuando el p-valor es pequeño se considera que hay una fuerte evidencia a favor de H 1. Utilización: Es más informativo utilizar el p-valor que fijar un nivel de significación ya que proporciona una idea de hasta qué punto la información muestral soporta H 0. En general: Si p > 0, 1, no hay evidencia para rechazar H 0. Si 0, 01 < p < 0, 1, el rechazo de H 0 dependerá de nuestro criterio y de las consecuencias que conlleve rechazar H 0. Si p < 0, 01, en general se rechaza H 0. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 27
28 Crítica a la selección del nivel de significación α (a) El resultado del test puede depender mucho del valor de α elegido, que es arbitrario, siendo posible rechazar H 0 con α = 0,05 y aceptarlo con α = 0, Α 0, Α 0, p-valor = 0,045 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 28
29 Crítica a la selección del nivel de significación α (b) Dar sólo el resultado del test (aceptación o rechazo) no permite diferenciar el grado de evidencia que la muestra indica a favor o en contra de H N 0, p 0,04 p 0,001 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 29
30 Los paquetes de software estadístico sólo dan como resultado de un contraste su p-valor. SPSS llama Sig. (de significación) al Prueba p-valor. T Excel lo llama Probabilidad. [Conjunto_de_datos0] C:\Documents and Settings\usuario\Mis documentos\jose \estap\datos\edulcorante.sav Conociendo el p-valor, el usuario puede tomar la decisión de aceptar o rechazar H 0 para cualquier α. Estadísticos para una muestra SPSS siempre calcula el p-valor Desviación para elerror contraste típ. de bilateral. Si N Media típ. la media queremos hacer un contraste unilateral, tenemos que dividir 10 1,020 1,1961,3782 entre 2 el valor calculado por SPSS. dulzor Prueba para una muestra dulzor Valor de prueba = 0 95% Intervalo de confianza para la Diferencia diferencia t gl Sig. (bilateral) de medias Inferior Superior 2,697 9,025 1,0200,164 1,876 En el ejemplo, el p-valor del contraste es 0,025/2 = 0,0125. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 30
31 Ejemplo 3.1 (cont.): En el ejemplo, el p-valor del contraste es 0,025/2 = 0,0125: Si α < 0,0125 no podemos rechazar µ 0. Si α > 0,0125 podemos rechazar µ t p 0, ,697 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 31
32 sodio Pavo Media 460, ,79435 Mediana 469,5000 Comparación de dos Varianza medias (muestras 7599,896 Desv. típ. 87,17738 Mínimo 357 Máximo 588 independientes) Rango 231,00 Desv. típ. 102,43472 Mínimo 253 Ejemplo 3.3: Se ha considerado la cantidad de calorías y de sodio Máximo 645 Rango 392,00 en salchichas de varias marcas de dos tipos: Amplitud ternera intercuartil y pavo. 158,75 Resumen del procesamiento de los casos tipo Estadístico Error típ. Amplitud intercuartil 161,50 Ternera Media 401, ,90510 Mediana 380,5000 Varianza 10492,871 sodio tipo Pavo Ternera Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje ,0% 0,0% ,0% ,0% 0,0% ,0% 600,00 Descriptivos sodio tipo Pavo Ternera Media Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Media Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Estadístico Error típ. 460, , , ,896 87, ,00 161,50 401, , , , , ,00 158,75 sodio 500,00 400,00 300,00 Pavo tipo Ternera Págin Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 32
33 Ejemplo 3.3 (cont.): Aportan evidencia estos datos para afirmar que el contenido medio poblacional de sodio de las salchichas de pavo es distinto al de las salchichas de ternera? X 1,..., X n1 es una muestra de N(µ 1, σ) Y 1,..., Y n2 es una muestra de N(µ 2, σ) Supuestos necesarios: Las muestras proceden de dos poblaciones normales. Las varianzas son desconocidas pero iguales. Las dos muestras son independientes. Contrastamos H 0 : µ 1 = µ 2 frente a H 1 : µ 1 µ 2 (α = 0, 05) x ȳ R = > t s 1 p n n1 +n 2 2,α/2. n 2 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 33
34 Ejemplo 3.3 (cont.): Con los datos del ejemplo, x ȳ = 460, , 15 = 59, 66 s 2 p = (n 1 1)s (n 2 1)s 2 2 n 1 + n 2 2 = , , = Estimador combinado de la varianza = 9216, 556 t = x ȳ s p 1 n n 2 = 59, 66 59, 66 = = 1, , 556 (1/16 + 1/20) 32,2 Como 1, 853 < t 34;0,025 = 2, 04, no podemos rechazar H 0. Las diferencias encontradas en las cantidades medias de sodio de las dos muestras no son significativas al nivel α = 0, 05. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 34
35 Ejemplo 3.3 (cont.): Con SPSS Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 35
36 Ejemplo 3.3 (cont.): Con SPSS Estadísticos de grupo sodio Desviación Error típ. de la media tipo N Media típ. Pavo , , ,79435 Ternera , , ,90510 Prueba de muestras independientes Prueba de Levene para la igualdad de varianzas F Sig. t gl Prueba T para la igualdad de medias Error típ. Sig. Diferencia de la 95% Intervalo de confianza (bilateral) de medias diferencia para la diferencia sodio Se han asumido varianzas iguales No se han asumido varianzas iguales Inferior Superior,008,930 1,853 34,073 59, ,2003-5, , ,887 33,84,068 59, ,6170-4, ,92714 El p-valor es 0,073. Esto significa que se puede rechazar H 0 si α > 0,073. Al nivel α = 0,05 no podemos rechazar. Error típico de la diferencia: s p 1/n1 + 1/n 2. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 36
37 Comparación de dos medias (datos emparejados) Ejemplo 3.4: Se usan cinco dosis de una sustancia ferrosa para determinar si existen diferencias entre llevar a cabo un análisis químico de laboratorio o un análisis de fluorescencia por rayos X para determinar el contenido de hierro. Cada dosis se divide en dos partes iguales a las que se aplica cada uno de los dos procedimientos. Los resultados obtenidos son los siguientes: Dosis Rayos X 2,0 2,0 2,3 2,1 2,4 Análisis Químico 2,2 1,9 2,5 2,3 2,4 Se supone que las poblaciones son normales. Aportan los datos suficiente evidencia a nivel α = 0,05 para afirmar que el contenido medio de hierro determinado con el análisis químico es diferente del contenido medio determinado cuando se utilizan rayos X? Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 37
38 Ejemplo 3.4 (cont.): Parámetros: µ 1 es el contenido medio detectado por rayos X µ 2 es el contenido medio detectado por análisis químico. Hipótesis: Cuando las muestras no son independientes, en lugar de contrastar H 0 : µ 1 = µ 2 frente a H 1 : µ 1 µ 2, se contrasta H 0 : µ = 0 frente a H 1 : µ 0, donde µ es el valor esperado de las diferencias d i = x i y i. Dosis x i 2,0 2,0 2,3 2,1 2,4 y i 2,2 1,9 2,5 2,3 2,4 d i 0,2 0,1 0,2 0,2 0 Con estos datos: d = 0,1 y s d = 0,1414. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 38
39 Ejemplo 3.4 (cont.): Región crítica: R = { } d S d / n > t n 1;α/2. Mirando en las tablas t 4;0,025 = 2,776. Por otra parte, d S d / n = 0,1 0,1414/ 5 = 1,5811. Como 1,5811 < 2,776, los datos disponibles no permiten afirmar a nivel 0,05 que los dos métodos proporcionan cantidades medias de hierro diferentes. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 39
40 Ejemplo 3.4 (cont.): Con SPSS Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 40
41 Par 1 X AQ Estadísticos de muestras relacionadas Desviación Error típ. de Media N típ. la media 2,1600 5,18166, ,2600 5,23022,10296 Correlaciones de muestras relacionadas Par 1 X y AQ N Correlación Sig. 5,789,113 Prueba de muestras relacionadas Diferencias relacionadas Desviación Error típ. de 95% Intervalo de confianza para la diferencia Media típ. la media Inferior Superior t -,10000,14142, ,27560, ,581 Prueba de muestras relacionadas gl Sig. (bilateral) 4,189 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 41
42 Contrastes para una proporción Ejemplo 3.5: En un estudio, 1000 personas siguieron una dieta de adelgazamiento durante 3 meses. De las 1000 personas, 791 perdieron más de 3 kg de peso. Permiten los datos afirmar, con el nivel de significación α = 0,01, que más del 70 % de la población perdería más de 3 kg de peso de seguir la misma dieta durante el mismo tiempo? Hipótesis: H 0 : p 0,7 frente a H 1 : p > 0,7, donde p es la proporción poblacional que pierde peso. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 42
43 Región crítica (formulario): ˆp p 0 R = p 0 (1 p 0 ) n > z α En este caso, n = 1000, p 0 = 0,7, ˆp = 0,791 y z 0,01 = 2,33. ˆp p 0 p 0 (1 p 0 ) n = 0,791 0,7 0,7 0, = 6,28 Por lo tanto, podemos rechazar H 0 y afirmar que más del 70 % de la población perdería más de 3 kg de peso de seguir la misma dieta durante el mismo tiempo con un nivel de significación α = 0,01. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 43
44 Comparación de dos proporciones Ejemplo 3.6: Se ha llevado a cabo un estudio para determinar si un medicamento dirigido a reducir el nivel de colesterol reduce también la probabilidad de sufrir un infarto. Para ello, a hombres de entre 45 y 55 años se les asignó aleatoriamente uno de los dos tratamientos siguientes: 2051 hombres tomaron un medicamento para reducir el nivel de colesterol 2030 hombres tomaron un placebo Durante los cinco años que duró el estudio, 56 de los hombres que tomaron el medicamento, y 84 de los que tomaron el placebo, sufrieron infartos. Podemos afirmar a nivel 0,05 que el medicamento es efectivo? Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 44
45 Ejemplo 3.6 (cont.): Parámetros: p 1 : Probabilidad de sufrir un infarto si se toma el medicamento. p 2 : Probabilidad de sufrir un infarto si se toma el placebo. Estimadores de los parámetros: ˆp 1 = = 0,0273 y ˆp 2 = = 0,0414 Hipótesis: H 0 : p 2 p 1 frente a H 1 : p 2 > p 1. Estimación de la probabilidad de infarto si fuese p 1 = p 2 (es decir, cuando H 0 es cierta pero es difícil distinguir H 0 de H 1 ): p = Numero total de infartos = Numero total de personas = 0,0343 Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 45
46 Región crítica (formulario) ˆp 2 ˆp 1 R = ( ) > z α p(1 p) n1 n2 Con los datos del ejemplo: ˆp 2 ˆp 1 ( ) = 0,0141 p(1 p) ,0343 0,9657 ( ) = 2, n1 n2 z 0,05 = 1,64 Como 2,47 > 1,64, podemos rechazar H 0 y afirmar que el medicamento es efectivo a nivel α = 0,05. Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 46
Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1
Biometría Clase 8 Pruebas de hipótesis para una muestra Adriana Pérez 1 Qué es una prueba de hipótesis? Es un proceso para determinar la validez de una aseveración hecha sobre la población basándose en
Más detallesMétodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS
Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMA REUELTO DE CONTRATE DE HIPÓTEI 1 Un investigador quiere contrastar si el peso medio de ciertas hortalizas está en los 1,9 Kg. que
Más detalles1. 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 detallesPRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.
PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica. Profesores: Javier Faulín y Francisco Ballestín 1. Introducción. El objetivo de esta parte es obtener resultados sobre contrastes de hipótesis
Más detalles8.2.2. Intervalo para la media (caso general)
182 Bioestadística: Métodos y Aplicaciones 100 de ellos se obtiene una media muestral de 3 kg, y una desviación típica de 0,5 kg, calcular un intervalo de confianza para la media poblacional que presente
Más detallesAsignatura: 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 detallesSelectividad Septiembre 2013 OPCIÓN B
Pruebas de Acceso a las Universidades de Castilla y León ATEÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUNO DEBERÁ ESCOGER UNA DE LAS DOS OPCIONES Y DESARROLLAR
Más detalles"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 detallesTest ( 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 detallesPRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS Muchos problemas de ingeniería, ciencia, y administración, requieren que se tome una decisión entre aceptar o rechazar una proposición sobre algún parámetro. Esta proposición recibe
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesTEMA 5. MUESTREO PARA LA ACEPTACIÓN.
TEMA 5. MUESTREO PARA LA ACEPTACIÓN. Introducción. Planes de muestreo por atributos simple, doble, múltiple y rectificativos Dodge-Romig, Norma militar 1000STD-105D. Pautas a seguir para el cambio de rigor
Más detallesHipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.
PRUEBA DE HIPÓTESIS Introducción (10 min) En el mundo de las finanzas, la administración y la economía tan importante como saber hacer y entender a cabalidad las estimaciones que nos ayudaran a la toma
Más detallesTema 1. Inferencia estadística para una población
Tema 1. Inferencia estadística para una población Contenidos Inferencia estadística Estimadores puntuales Estimación de la media y la varianza de una población Estimación de la media de la población mediante
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 detallesTema 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 detallesINFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS
UNIVERSIDAD CENTROCCIDENTAL LISANDRO ALVARADO DECANATO DE MEDICINA DEPARTAMENTO DE MEDICINA PREVENTIVA Y SOCIAL SECCIÓN DE EPIDEMIOLOGÍA-BIOESTADÍSTICA INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS Objetivo:
Más detalles1 Introducción a contrastes de hipótesis
Inferencia Estadística II Teoría, handout 1 1 Introducción a contrastes de hipótesis En este curso vamos a aprender a usar los datos para cuestionar la validez de ciertas afirmaciones teóricas. Los fenómenos
Más detallesCUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS
CUARTA GUÍA DE EJERCICIOS: PRUEBAS DE HIPÓTESIS UN ESTUDIO SOBRE CARBOXIHEMOGLOBINA EN SANGRE En el estudio experimental que aquí presentamos se seleccionó al azar una muestra de 37 estudiantes de una
Más detallesOPCIÓN A 0 1 X = 1 12. Podemos despejar la matriz X de la segunda ecuación ya que la matriz. 1 1 ; Adj 0 1 X =
Selectividad Junio 011 Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES EJERCICIO Nº páginas Tablas OPTATIVIDAD: EL ALUMNO/A DEBERÁ ESCOGER UNO DE
Más detallesLÍMITES Y CONTINUIDAD
UNIDAD 5 LÍMITES Y CONTINUIDAD Páginas 0 y Describe las siguientes ramas: a) f () b) f () no eiste c) f () d) f () + e) f () f) f () + g) f () h) f () no eiste; f () 0 i) f () + f () + j) f () 5 4 f ()
Más detallesSESIÓN 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 detallesEJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013
Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios
Más detallesPRODUCTOS LIGHT ALIMENTOS LIGHT. Confederación de consumidores y Usuarios CECU-
Confederación de consumidores y Usuarios CECU- PRODUCTOS LIGHT ALIMENTOS LIGHT Los alimentos Light han invadido nuestra vida: mayonesas, refrescos, patatas, pan, quesos, yogurt, zumos etc., una breve visita
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS Página 311 REFLEXIONA Y RESUELVE Máuina empauetadora El fabricante de una máuina empauetadora afirma ue, si se regula para ue empauete palés con 100 kg, los
Más detallesInferencia Estadística
Universidad Nacional de San Cristóbal de Huamanga Facultad de Ingeniería de Minas, Geología y Civil Departamento Académico de Matemática y Física Área de Estadística Inferencia Estadística Alejandro Guillermo
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesSelectividad Septiembre 2009 SEPTIEMBRE 2009. Opción A
SEPTIEMBRE 2009 Opción A 1.- Como cada año, el inicio del curso académico, una tienda de material escolar prepara una oferta de 600 cuadernos, 500 carpetas y 400 bolígrafos para los alumnos de un IES,
Más detallesAnálisis de la Varianza (ANOVA) de un factor y test a posteriori.
Análisis de la Varianza (ANOVA) de un factor y test a posteriori. Ejercicios Temas 8 y 9 (Resuelto) 1. Problema 5 Se quiere estudiar el efecto de distintas dosis de un medicamento para combatir a los parásitos
Más detallesMétodos no paramétricos para la comparación de dos muestras
Investigación Métodos no paramétricos para la comparación de dos muestras Métodos no paramétricos para la comparación de dos muestras Pértega Díaz, S. Unidad de Epidemiología Clínica y Bioestadística.
Más detalles7.- PRUEBA DE HIPOTESIS
7.- PRUEBA DE HIPOTEI 7.1. INTRODUCCIÓN La estadística inferencial es el proceso de usar la información de una muestra para describir el estado de una población. in embargo es frecuente que usemos la información
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 detallesMovilidad habitual y espacios de vida en España. Una aproximación a partir del censo de 2001
Movilidad habitual y espacios de vida en España. Una aproximación a partir del censo de 2001 Centre d Estudis Demogràfics (Universitat Autònoma de Barcelona) Dirección de la investigación: Marc Ajenjo
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesLÍMITES DE FUNCIONES. CONTINUIDAD
LÍMITES DE FUNCIONES. CONTINUIDAD Página 7 REFLEXIONA Y RESUELVE Visión gráfica de los ites Describe análogamente las siguientes ramas: a) f() b) f() no eiste c) f() d) f() +@ e) f() @ f) f() +@ g) f()
Más detallesHay 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 detallesMuestreo. Introducción
Muestreo Introducción En este documento ofrecemos un resumen sobre el concepto de muestreo, y los tipos de muestreo existentes. Además, adjuntamos una hoja para el cálculo de tamaños muestrales en auditorías
Más detallesInforme de Resultados
ESTUDIO SOCIOPROFESIONAL SOBRE LA PODOLOGÍA A EN ESPAÑA Informe de Resultados Mayo 2010 Por Carmina Gaona Pisonero Facultad de Ciencias de la Comunicación Universidad Rey Juan Carlos 1. RESUMEN Y CONCLUSIONES
Más detallesÍNDICE. Ficha técnica... 4. Encuesta y cuestionario... 6. Finalidad y resultados de la encuesta... 10 10. Primera parte: conocimiento...
ÍNDICE Ficha técnica... 4 Encuesta y cuestionario... 6 Finalidad y resultados de la encuesta... 10 10 Primera parte: conocimiento... 12 Segunda parte: modo de conocimiento y valoración... 18 Tercera parte:
Más detallesConsumo y Opinión de la Televisión en Segmentos Poblacionales:
TITULO VIII ENCUESTA NACIONAL DE TELEVISIÓN Consumo y Opinión de la Televisión en Segmentos Poblacionales: Jóvenes, Adultos Mayores y Mujeres 2015 Introducción El presente estudio analiza la percepción
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD GUÍA DE TRABAJO 2 Profesor: Hugo S. Salinas. Primer Semestre 2010 1. La dureza Rockwell de un metal
Más detallesWEB 2.0 ESTUDIO SOBRE LA UTILIZACION DE LA WEB 2.0 POR PARTE DE LOS MENORES
WEB 2.0 ESTUDIO SOBRE LA UTILIZACION DE LA WEB 2.0 POR PARTE DE LOS MENORES Índice de tablas Índice de gráficos 1. Como utilizan los menores la Web 2.0. Datos del estudio elaborado por Protégeles. 1.1.
Más detallesPráctico 1. Estadística y Dinámica de Poblaciones
Práctico 1 Estadística y Dinámica de Poblaciones Principales conceptos El mejoramiento genético está referido a poblaciones. La caracterización de poblaciones así como el entendimiento de la Mejora Genética
Más detallesQué requisitos deben cumplir los albaranes o notas de entrega?
Qué requisitos deben cumplir los albaranes o notas de entrega? Los albaranes o notas de entrega, pese a su frecuente uso práctico, suelen ser documentos bastante desconocidos por parte de la mayoría de
Más detallesGESTIÓN Y CONTROL DEL DESARROLLO E IMPLANTACIÓN DE APLICACIONES
Ciclo Formativo: Módulo: Desarrollo de Aplicaciones Informáticas Análisis y Diseño Detallado de Aplicaciones Informáticas de Gestión Unidad de Trabajo 10: GESTIÓN Y CONTROL DEL DESARROLLO E IMPLANTACIÓN
Más detallesPROPUESTAS COMERCIALES
PROPUESTAS COMERCIALES 1. Alcance... 2 2. Entidades básicas... 2 3. Circuito... 2 3.1. Mantenimiento de rutas... 2 3.2. Añadir ofertas... 5 3.2.1. Alta desde CRM... 5 3.2.2. Alta desde el módulo de Propuestas
Más detallesEstadística y Método Científico Hugo S. Salinas. Fuente: http://dta.utalca.cl/estadistica/
Estadística y Método Científico Hugo S. Salinas Fuente: http://dta.utalca.cl/estadistica/ Estadística y Método Científico Podemos definir Estadística como la ciencia de los datos. La palabra ciencia viene
Más detallesUNIVERSIDADES DE ANDALUCÍA PRUEBA DE ACCESO A LA UNIVERSIDAD OPCIÓN A
OPCIÓN A (3 puntos) Una imprenta local edita periódicos y revistas. Para cada periódico necesita un cartucho de tinta negra y otro de color, y para cada revista uno de tinta negra y dos de color. Si sólo
Más detallesESTADÍSTICA SEMANA 4
ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...
Más detallesTest 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 detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesCentro de Capacitación en Informática
Combinación de funciones y fórmulas =SI(Y(...)...) o =Si(O(...)...) En secciones anteriores vimos que la función SI() debía cumplir una condición, como por ejemplo, controlar si en una celda determinada
Más detallesEn España hay 2,5 millones de. Usuarios de lentes de contacto, Puede seguir creciendo esta cifra?
Gaceta Business En España hay 2,5 millones de usuarios de lentes de contacto. Puede seguir creciendo esta cifra? elisenda Ibáñez Directora de IB-Tècnica y Socia Directora de GIC Retail, SL., empresas de
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesPARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO.
PARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO. QUÉ DEBES SABER CUANDO ACEPTAS UNA TARJETA COMO FORMA DE PAGO EN TU ESTABLECIMIENTO? Hace ya muchos años que la mayoría de las microempresas
Más detallesENCUESTA SOBRE EQUIPAMIENTO Y USO DE TECNOLOGÍAS DE INFORMACIÓN Y COMUNICACIÓN EN LOS HOGARES (TIC-H) HOGARES Y POBLACIÓN
ENCUESTA SOBRE EQUIPAMIENTO Y USO DE TECNOLOGÍAS DE INFORMACIÓN Y COMUNICACIÓN EN LOS HOGARES (TIC-H) HOGARES Y POBLACIÓN 2007 INTRODUCCIÓN Este informe tiene como objetivo presentar los resultados obtenidos
Más detallesLas razones financieras ayudan a determinar las relaciones existentes entre diferentes rubros de los estados financieros
Razones financieras Uno de los métodos más útiles y más comunes dentro del análisis financiero es el conocido como método de razones financieras, también conocido como método de razones simples. Este método
Más detallesRevisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión.
Revisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión. (Enrique Matesanz y Vicente Castellanos, Año 2011) Según la experiencia acumulada
Más detallesSoluciones Examen de Estadística Ingeniería Superior de Telecomunicación
Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación de Septiempbre, 00 Cuestiones 1h C1. El tiempo que un ordenador tarda en ejecutar una tarea es una v.a. Y Expλ). Para hacer un estudio
Más detallesEstrategias de producto y precio
Cómo vender tu producto o servicio Índice 1. Qué es una estrategia?... 3 2. Qué es una estrategia de producto?... 3 3. Cómo fijar una estrategia de producto?... 3 4. Pero, qué es un producto (o servicio)?...
Más detallesAnálisis de la varianza (un factor): ANOVA
Capítulo 9 Análisis de la varianza (un factor): ANOVA 91 Introducción Veíamos cómo contrastar la igualdad de medias en dos poblaciones normales e independientes En ocasiones necesitamos contrastar la igualdad
Más detallesONG PANKARA EcoGlobal CUIDANDO EL PRESENTE, SEMBRANDO EL FUTURO
Qué sabemos sobre el COMERCIO JUSTO, PRODUCTOS ECOLÓGICOS Y CONSUMO RESPONSABLE? Estudio de caso de la población de VILA-REAL Informe del proyecto y presentación de resultados ONG PANKARA EcoGlobal CUIDANDO
Más detallesImportancia de la investigación clínica EN ONCOLOGÍA. ONCOvida. oncovida_20.indd 1 10/10/11 12:53
Importancia de la investigación clínica EN ONCOLOGÍA 20 ONCOvida C O L E C C I Ó N oncovida_20.indd 1 10/10/11 12:53 ONCOvida C O L E C C I Ó N oncovida_20.indd 2 10/10/11 12:53 1 2 3 4 5 6 7 Por qué es
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesESTIMACIÓN. 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 detallesPOLITICAS DE LA COMPETENCIA Licenciatura en Economía, 4º Curso (Grupos I y II) Profesor: Georges Siotis. Hoja 5: Integración vertical
POLITICAS DE LA COMPETENCIA Licenciatura en Economía, 4º Curso (Grupos I y II) Profesor: Georges Siotis Hoja 5: Integración vertical Inversiones específicas 1. Imagine una imprenta, que pertenece y es
Más detallesMatemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8
Matemáticas C.C.S.S. Repaso de Selectividad 1. Se desea obtener dos elementos químicos a partir de las sustancias A y B. Un kilo de A contiene 8 gramos del primer elemento y 1 gramo del segundo; un kilo
Más detallesESTIMACION DE INTERVALOS DE CONFIANZA
pag 3. Prohibida su reproducción ESTIMACION DE INTERVALOS DE CONFIANZA Una muestra permite realizar estimaciones puntuales de los parámetros de la población. Utilizando las propiedades de las distribuciones
Más detallesSISTEMA InfoSGA Manual de Actualización Mensajeros Radio Worldwide C.A Código Postal 1060
SISTEMA InfoSGA Manual de Actualización Mensajeros Radio Worldwide C.A Código Postal 1060 Elaborado por: Departamento de Informática Febrero 2012 SISTEMA InfoSGA _ Manual de Actualización 16/02/2012 ÍNDICE
Más detallesCómo investigar y no morir en el intento
Cómo investigar y no morir en el intento INTRODUCCIÓN Desde el comienzo de los tiempos, el ser humano se ha planteado preguntas a cerca de sus experiencias y de la naturaleza de las actividades entorno
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesCOMERCIO EXTERIOR E INTRACOMUNITARIO
SG/de 110 5 de abril de 2005 4.27.63 COMERCIO EXTERIOR E INTRACOMUNITARIO DE LA COMUNIDAD ANDINA POR MODO DE TRANSPORTE 2002 2003 - 1 - Introducción El presente informe estadístico Comercio Exterior e
Más detallesColegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio
Refo 07 2004 15 al 19 de noviembre 2004 Colegio Alexander von Humboldt - Lima Tema: La enseñanza de la matemática está en un proceso de cambio La enseñanza de la matemática debe tener dos objetivos principales:
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detallesINFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA
1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA Páginas 74-75 Lanzamiento de varios dados Comprobación de que: Desviación típica de n dados = (Desv. típica para un dado) / 1,71 n = 1,1 1,71 n = 3 0,98
Más detallesPROGRAMAS OFICIALES DE POSGRADO
INFORME DEL GRADO DE SATISFACCIÓN DEL ALUMNADO Y DEL PROFESORADO PROGRAMAS OFICIALES DE POSGRADO CURSO 2012-2013 Vicerrectorado de Planificación y Calidad UNIVERSIDAD INTERNACIONAL DE ANDALUCÍA Octubre
Más detallesPropuesta A. 2 0 b) Dada la ecuación matricial: X =, despeja y calcula la matriz X (0.75 ptos) 1 1
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (014) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A o B. Se
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesMarketing Jurídico, generando negocios online Por: Equipo Mi Guía Legal, El Salvador 23 de febrero de 2016
1 Marketing Jurídico, generando negocios online Por: Equipo Mi Guía Legal, El Salvador 23 de febrero de 2016 Primero es necesario conocer que Marketing es el arte de hacer negocios de conocer a los clientes,
Más detallesVI. SINDICATOS Y RELACIONES LABORALES
VI. SINDICATOS Y RELACIONES LABORALES A continuación revisaremos la institucionalidad laboral y las relaciones laborales a partir de un conjunto de indicadores que la encuesta ENCLA permite medir. En primer
Más detallesEjercicio Nº 3: Realizar aumentos en una Tabla de Sueldos
SESION5: BASE DE DATOS PLANILLAS Ejercicio Nº : Realizar aumentos en una Tabla de Sueldos Veamos pues. En la hoja de calculo se tiene la Tabla de Sueldos de varios empleados (aquí ahora vemos solo empleados,
Más detallesLÍMITES DE FUNCIONES. CONTINUIDAD
LÍMITES DE FUNCIONES. CONTINUIDAD Página REFLEXIONA Y RESUELVE Algunos ites elementales Utiliza tu sentido común para dar el valor de los siguientes ites: a,, b,, @ c,, 5 + d,, @ @ + e,, @ f,, 0 @ 0 @
Más detallesMANUAL DE USUARIO CONTROL LOGÍSTICO DE TIEMPOS
MANUAL DE USUARIO CONTROL LOGÍSTICO DE TIEMPOS Para ingresar al panel de control del Control Logístico de Tiempos, se debe ingresar a la página www.satrack.com e ingresar el usuario suministrado al adquirir
Más detallesMANUAL PARA EL USO DE SPSS
MANUAL PARA EL USO DE SPSS 1 INTRODUCCIÓN El propósito de este manual, es ilustrar con un ejemplo cómo generar tablas de frecuencia, tablas de contingencia, cálculos de medias, así como la generación de
Más detallesTema 5: Sistemas Monetarios Internacionales
Introducción: Tema 5: Sistemas Monetarios Internacionales Analizaremos economías que están formadas por varios países y monedas. Se estudiarán los determinantes de los tipos de cambio entre monedas. Determinaremos
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES Junio, Ejercicio 1, Opción B 3 Sean las matrices A 0 3, B y C 0 1 1 5 1 3 0 a) Calcule las
Más detallesAire ambiente: No se recogieron muestras en esta comunidad.
Ejercicio en grupo: A) Introducción En este ejercicio, los participantes calcularán e interpretarán la exposición a arsénico de los residentes de una comunidad rural en una región que tiene, de forma natural,
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesLA ESTRATEGIA NACIONAL DE BOSQUES Y CAMBIO CLIMÁTICO
LA ESTRATEGIA NACIONAL DE BOSQUES Y CAMBIO CLIMÁTICO LA ESTRATEGIA NACIONAL DE BOSQUES Y CAMBIO CLIMÁTICO En palabras simples, el Cambio Climático es la modificación del clima que actualmente ocurre en
Más detallesCONCEPTOS PREVIOS TEMA 2
1.PROPORCIONALIDAD 1.1 REPARTOS PROPORCIONALES CONCEPTOS PREVIOS TEMA 2 Cuando queremos repartir una cantidad entre varias personas, siempre dividimos el total por el número de personas que forman parte
Más detallesINFORME: LA SINIESTRALIDAD LABORAL EN LA COMUNIDAD DE MADRID ENERO MARZO 2009 2010
Comisión Ejecutiva Regional INFORME: LA SINIESTRALIDAD LABORAL EN LA COMUNIDAD DE MADRID Abril 2010 Avda. América, 25, 8ª planta. 28002 Madrid Teléfono: 915890988. Fax: 915897145 ÍNDICE INTRODUCCIÓN...
Más detallesMANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO
MANUAL DE AYUDA HERRAMIENTA DE APROVISIONAMIENTO Fecha última revisión: Marzo 2016 INDICE DE CONTENIDOS HERRAMIENTA DE APROVISIONAMIENTO... 2 1. QUÉ ES LA HERRAMIENTA DE APROVISIONAMIENTO... 2 HERRAMIENTA
Más detallesESTADÍSTICA APLICADA. Tema 3: Contrastes de hipótesis
ESTADÍSTICA APLICADA Grado en Nutrición Humana y Dietética Tema 3: Contrastes de hipótesis Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación,
Más detallesEl modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios.
Tema 7 Sistemas de Inventarios 7.1. Modelo EOQ básico El modelo EOQ básico (Economic Order Quantity) es el más simple y fundamental de todos los modelos de inventarios. 7.1.1. Hipótesis del modelo 1. Todos
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesNOTIFICACIÓN DE MOVIMIENTOS DE ESTUPEFACIENTES POR PARTE DE LOS LABORATORIOS FARMACÉUTICOS Y ALMACENES MAYORISTAS DE DISTRIBUCIÓN
NOTIFICACIÓN DE MOVIMIENTOS DE ESTUPEFACIENTES POR PARTE DE LOS LABORATORIOS FARMACÉUTICOS Y ALMACENES MAYORISTAS DE DISTRIBUCIÓN GUÍA PARA LA PRESENTACIÓN DE NOTIFICACIONES Versión: 27/06/2012-1 ÍNDICE:
Más detallesCAPÍTULO III ANÁLISIS DE INVERSIONES GANADERAS
CAPÍTULO III ANÁLISIS DE INVERSIONES GANADERAS 1. Concepto de inversión. Según Pierre Masse la inversión es el acto mediante el cual se cambia la posibilidad de una satisfacción inmediata y cierta a la
Más detalles