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

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

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

Transcripción

1 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 Curso

2 Tema 6. Contrastes de Hipótesis En esta práctica analizaremos los comandos que facilita el SPSS para realizar los contrastes de hipótesis paramétricos que hemos visto en clase. La formulación de hipótesis estadísticas con SPSS Las propiedades de la distribución normal nos permiten saber cuán extremo es el estadístico (p.ej, una media) calculado a partir de una muestra concreta en comparación con la distribución de los estadísticos de todas las muestras posibles. Si nuestro modelo propone una media hipotética en la población, entonces podemos calcular cuál es la probabilidad de que al elegir una muestra al azar la media calculada sea muy diferente (en términos de desviaciones típicas) de la media de la población. Obtener una media muestral que está a muchas desviaciones típicas de la media hipotetizada es poco probable si nuestro valor hipotético es cierto. De modo que si obtuviéramos una media con probabilidades tan pequeñas de aparecer al azar, lo más lógico sería que rechazáramos el valor hipotético de la media de la población. Esta es la base de los tests de hipótesis estadísticas. Para realizar contrastes paramétricos, el SPSS facilita, entre otros, el comando T-TEST que nos permite realizar contrastes sobre si la media de una distribución normal tiene un valor determinado o no (H 0 : µ = µ 0 ), y nos permite testear diferencias entre las medias de dos poblaciones (H 0 : µ 1 = µ 2 ) siendo este caso su función principal. También realiza algún contraste de igualdad de varianzas. Para aplicar este contraste para la comparación de medias, partimos de dos conjuntos de datos y, en primer lugar, deberemos distinguir si se trata de dos grupos independientes o si se trata de datos emparejados. La decisión que tratamos de tomar con este contraste es si las diferencias obtenidas entre las medias de los dos grupos, pueden ser debidas al azar o a que las muestras proceden de poblaciones con medias diferentes. Para ello se tendrán en cuenta, además de las medias, las desviaciones típicas y los tamaños muestrales de los dos grupos considerados. 6.1 El procedimiento T-Test para una muestra. El procedimiento Prueba T para una muestra contrasta si la media de una sola variable difiere de una constante especificada. Comprueba la diferencia entre la media de una muestra y un valor hipotético conocido y permite especificar el nivel de confianza para la diferencia. Esta prueba asume que los datos están normalmente distribuidos; sin embargo, esta prueba es bastante robusta frente a las desviaciones de la normalidad. Ejemplo. Un investigador desea comprobar si la puntuación media del coeficiente intelectual de un grupo de alumnos difiere de 100. O bien, un fabricante de copos de cereales puede tomar una muestra de envases de la línea de producción y comprobar si el peso medio de las muestras difiere de 1 Kg con un nivel de confianza al 95%. Veamos un ejemplo en el que vamos a hacer un test sobre la probabilidad de que la media de edad de la población tenga un valor muy distinto al que encontramos en la muestra. Abrimos el fichero de datos correspondiente. 1

3 Vamos a Analizar Comparar medias Prueba T para una muestra. En la ventana que aparece, escogemos la variable de edad a la izquierda y la pasamos al espacio de la derecha. En la parte inferior aparece un espacio (valor de prueba) en el que debemos escribir el valor hipotético de la media en la población con el que queremos comparar la media de la muestra (supongamos que 55 años). Ahora damos al botón Opciones y aparece el intervalo de confianza establecido al 95%. Si dejamos este valor, SPSS va a calcular un intervalo de diferencias entre la media de la muestra y la media de la población que, si calculáramos las medias de todas las muestras posibles del mismo tamaño, contendría en un 95% de los casos la diferencia que hemos obtenido. Es decir, sólo asumimos un riesgo del 5%, ya que habría un 5% de casos en los que la diferencia no estaría contenida en el rango. Este valor podemos aumentarlo (p.ej, a 99%) si queremos estar más seguros del rango de valores de la diferencia, o disminuirlo si no nos importa asumir más riesgo. La casilla sobre valores perdidos sirve para decidir cómo se excluyen los valores perdidos. La dejamos como está. En la ventana de resultados aparecen dos tablas. La primera nos muestra los estadísticos básicos: el tamaño de la muestra, la media de la edad en la muestra, la desviación típica de la edad en la muestra y el error típico de la media muestral. El error típico de la media muestral nos informa de cuál es la desviación típica de las medias de todas las muestras posibles con respecto a la media real de la población. La segunda tabla es la que realiza el test de hipótesis de forma concreta. Se muestra el valor t (equivalente en este caso al valor z) observado para el estadístico en la muestra, 2

4 los grados de libertad (n-1), la probabilidad de que la diferencia entre la media de la muestra y la de la población sea mayor o igual, en valor absoluto, que el estadístico t observado, y el intervalo de la diferencia al 95% de confianza. Si la probabilidad de que la diferencia entre la media de la muestra y la media de la población es muy pequeña, rechazamos la hipótesis de que la media de edad en la población sea de 55 años. Es decir, si la media de edad en la población fuera de 55 años, la probabilidad de que hubiéramos obtenido el valor del estadístico muestral realmente obtenido es muy baja. Por eso, concluimos que la media no es de 55 años. Veamos otro ejemplo. Supongamos que, en un fichero, tenemos los datos correspondientes al control de calidad de una empresa que fabrica discos de freno para coches de alto-standing. El fichero de datos contiene medidas de diámetro de 16 discos de freno para cada una de 8 máquinas de producción diferentes. El diámetro final de los discos es 322 milímetros. Usamos el procedimiento t-test de una muestra para determinar si el diámetro de los frenos de cada muestra difiere significativamente de 322 milímetros. Una variable nominal, Machine Number, identifica la máquina de producción usada para fabricar el disco. Como los datos de cada máquina se deben probar como muestras separadas, el fichero debe dividirse en grupos, previamente, por dicha variable (Datos Dividir fichero) y luego realizar el análisis 3

5 Como resultados se devuelven dos tablas: la tabla descriptiva muestra el tamaño de la muestra, la desviación típica y el error para cada una de las 8 muestras. La tabla del contraste muestra los resultados del test: La columna de la t muestra el estadístico t observado para cada muestra, calculado como el cociente entre la diferencia de medias dividida por el error estándar de la media de la muestra. Los grados de libertad (n-1). La columna Sig.(bilateral) muestra la probabilidad, en una distribución t de Student con 15 grados de libertad, de obtener un valor absoluto mayor o igual que el valor observado, si la diferencia entre la media de la muestra y el valor de prueba es puramente aleatorio. 4

6 La diferencia de la media se obtiene restando el valor de prueba (322 en este caso), de la media de cada muestra. El intervalo de confianza del 90% de la diferencia da una estimación de los límites entre los cuales se encuentra la diferencia de medias del 90% de todas las posibles muestras aleatorias de 16 discos de freno producidos por esa máquina. Como el intervalo de confianza cae enteramente sobre 0, puede asegurarse que la máquinas 2,5 y 7 están produciendo discos que son significativamente más anchos de 322 milímetros de media. De forma similar, puesto que su intervalo de confianza cae enteramente bajo 0, la máquina 4 está produciendo discos que no son suficientemente anchos. Se pueden elegir más de una variable para comparar su media con un valor dado: T TEST TESTVAL / VARIABLES = CHISAL LASAL NYSAL Este test compara las medias de las variables CHISAL, LASAL y NYSAL, cada una con el valor señalado de El procedimiento T-Test para muestras emparejadas El procedimiento Prueba T para muestras relacionadas compara las medias de dos variables de un solo grupo. Calcula las diferencias entre los valores de las dos variables de cada caso y contrasta si la media difiere de 0. Especifique dos variables cuantitativas (nivel de medida de intervalo o de razón) para cada prueba de pares. En un estudio de pares relacionados o de control de casos, la respuesta de cada sujeto de la prueba y su sujeto de control correspondiente deberán hallarse en el mismo caso en el archivo de datos. Uno de los diseños de experimentos más comunes es el diseño pre-post. Un estudio de este tipo generalmente consiste en dos medidas tomadas al mismo sujeto, una antes y otra después de la introducción de un tratamiento o estímulo. La idea básica es simple. Si el tratamiento no tiene efecto, la diferencia promedio de las medidas es 0 y se acepta la hipótesis nula. Por otro lado, si el tratamiento tiene efecto (intencionado o no intencionado), la diferencia promedio no es 0 y la hipótesis nula se rechaza. Ejemplo. En un estudio sobre la hipertensión sanguínea, se toma la tensión a todos los pacientes al comienzo del estudio, se les aplica un tratamiento y se les toma la tensión otra vez. De esta manera, a cada paciente le corresponden dos medidas, normalmente denominadas medidas pre y post. Un diseño alternativo para el que se utiliza esta prueba consiste en un estudio de pares relacionados o un estudio de control de casos. En estos, cada registro en el archivo de datos contiene la respuesta del paciente y de su sujeto de control correspondiente. En un estudio sobre la tensión sanguínea, pueden emparejarse pacientes y controles por edad (un paciente de 75 años con un miembro del grupo de control de 75 años). 5

7 Este procedimiento t-test se usa para probar la hipótesis de no diferencia entre dos variables. Los datos pueden corresponder a dos medidas tomadas a los mismos sujetos o una medida tomada a pares de sujetos relacionados. Adicionalmente el procedimiento calcula: Estadísticos descriptivos para cada variable del test La correlación de Pearson entre cada par de variables y su nivel de significación Un intervalo de confianza para la diferencia promedio (al 95% o valor que se especifique) Como ejemplo vamos a suponer que un médico está evaluando una nueva dieta para sus pacientes con una historial familiar de enfermedades del corazón. Para probar la efectividad de la dieta se somete a 16 pacientes a la misma durante 6 meses. Se mide su peso y su nivel de triglicéridos antes y después del estudio y el médico está interesado en saber si el conjunto de medidas ha cambiado. Se usará el t-test para muestras emparejadas. Como resultados de este test se devuelven tres tablas que pasamos a comentar: La primera de ellas es la tabla de estadísticos descriptivos, que muestra la media, tamaño de la muestra, desviación típica y error típico de la media para cada grupo. 6

8 Considerando todos los 16 sujetos, el nivel de triglicéridos descendió entre 14 y 15 puntos en promedio después de los 6 meses de nueva dieta. Los sujetos claramente bajaron de peso durante el estudio, sobre unos 8 kilos en promedio. La desviación típica de las medidas pre y post- dieta revelan que los sujetos fueron más variables respecto al peso que al nivel de triglicéridos. La segunda tabla es la de correlaciones de las muestras relacionadas: El valor de la correlación entre los niveles de triglicéridos antes y después del estudio no es estadísticamente significativo. Los niveles descendieron en total, pero el cambio fue inconsistente entre los sujetos. Mientras hubo muchos en los que descendieron los niveles, otros no variaron sus niveles o incluso los incrementaron levemente. Por otro lado, el valor de la correlación de Pearson entre el peso antes y después de la nueva dieta muestra una correlación casi perfecta entre ambos. A diferencia del nivel de triglicéridos, todos los sujetos perdieron peso y lo hicieron de forma consistente. La tercera tabla es la que devuelve los resultados del test propiamente dicho. La columna de la media muestra la diferencia promedio entre el nivel de triglicéridos y el peso antes y después de los 6 meses de dieta. La columna de la desviación típica muestra la desviación típica de la diferencia promedio. La columna del error estándar de la media da el índice de variabilidad que se puede esperar en muestras aleatorias repetidas de 16 pacientes similares a los del estudio. 7

9 El intervalo de confianza al 95% de la diferencia da una estimación de los límites entre los cuales cae la verdadera diferencia en el 95% de todas las posibles muestras aleatorias de 16 pacientes similares a los que han participado en el estudio. El estadístico t se obtiene dividiendo la diferencia media por el error estándar. La columna de sig. (bilateral) muestra la probabilidad de obtener un valor del estadístico cuyo valor absoluto sea mayor o igual que el estadístico t obtenido. Como el valor de la significación para el cambio de peso es menor que 0.05 podemos concluir que la pérdida media de peso de 8.06 kilos por paciente no es debida a variaciones aleatorias y puede atribuirse al cambio de dieta. Sin embargo, el valor de significación mayor de 0.10 para el cambio en el nivel de triglicéridos muestra que la dieta no reduce significativamente dichos niveles. En la sintaxis de este comando se pueden añadir palabras clave como WITH y PAIRED que modifican la ejecución del comando de la siguiente manera: T-TEST PAIRS = TEACHER CONSTRUCT MANAGER Este comando compara TEACHER con CONSTRUCT, TEACHER con MANAGER y CONSTRUCT con MANAGER T-TEST PAIRS = TEACHER MANAGER WITH CONSTRUCT ENGINEER Este comando compara TEACHER con CONSTRUCT, TEACHER con ENGINEER, MANAGER con CONSTRUCT y MANAGER con ENGINEER. TEACHER no se compara con MANAGER y CONSTRUCT no se compara con ENGINEER T-TEST PAIRS = TEACHER MANAGER WITH CONSTRUCT ENGINEER (PAIRED) Este comando compara TEACHER con CONSTRUCT y MANAGER con ENGINEER. 6.3 El procedimiento T-Test para muestras independientes Cuando comparábamos las medias de dos grupos independientes, se nos podían presentar 4 casos diferentes, dependiendo de las varianzas y tamaños muestrales: Varianzas conocidas: El estadístico utilizado seguía una distribución normal. Varianzas desconocidas y muestras grandes, aprox. iguales: Estadístico con distribución normal. Varianzas desconocidas, pero iguales, y muestras pequeñas: Estadístico con distribución t de Student con n 1 + n 2-2 grados de libertad. Varianzas desconocidas y distintas, muestras pequeñas: Estadístico con distribución t de Student, cuyos grados de libertad vienen dados por el redondeo al entero más cercano de la aproximación de Welch. Como su propio nombre indica, este comando T_TEST sólo realiza el test de la t de Student, es decir, analiza los dos últimos casos. 8

10 El procedimiento Prueba T para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente a dos grupos, de forma que cualquier diferencia en la respuesta sea debida al tratamiento (o falta de tratamiento) y no a otros factores. Para las variables de agrupación numéricas, defina los dos grupos de la prueba t especificando dos valores o un punto de corte: Usar valores especificados. Escriba un valor para el Grupo 1 y otro para el Grupo 2. Los casos con otros valores quedarán excluidos del análisis. Los números no tienen que ser enteros (por ejemplo, 6,25 y 12,5 son válidos). Punto de corte. Opcionalmente, puede escribir un número que divida los valores de la variable de agrupación en dos conjuntos. Todos los casos con valores menores que el punto de corte forman un grupo, y los casos con valores mayores o iguales que el punto de corte forman el otro grupo. Para las variables de agrupación de cadena corta, escriba una cadena para el Grupo 1 y otra para el Grupo 2; por ejemplo sí y no. Los casos con otras cadenas quedarán excluidos del análisis. Ejemplo. Se asigna aleatoriamente un grupo de pacientes con hipertensión arterial a un grupo con placebo y otro con tratamiento. Los sujetos con placebo reciben una pastilla inactiva y los sujetos con tratamiento reciben un nuevo medicamento del cual se espera que reduzca la tensión arterial. Después de tratar a los sujetos durante dos meses, se utiliza la prueba t para dos muestras para comparar la tensión arterial media del grupo con placebo y del grupo con tratamiento. Cada paciente se mide una sola vez y pertenece a un solo grupo. Este procedimiento t-test se usa para probar la hipótesis de diferencia entre la media de dos muestras independientes. Adicionalmente el procedimiento calcula: Estadísticos descriptivos para cada variable del test Un test de igualdad de varianzas (test de Levene) Un intervalo de confianza para la diferencia promedio (al 95% o valor que se especifique) Vamos a hacer ahora una hipótesis similar a la que hicimos al principio de la práctica sobre la edad pero, esta vez, comparando la media de dos grupos distintos: hombres y mujeres de nuestra muestra. Vamos a Analizar Comparar medias Prueba T para muestras independientes. En el espacio de Contrastar variables ponemos la edad y en el espacio de Variable de agrupación la variable sexo. Aparecen ahora unos interrogantes y damos al botón Definir grupos : en el grupo 1 escribimos 1 (el código que identifica a los hombres) y en el grupo 2 escribimos 2 (el código que identifica a las mujeres). Así le estamos indicando a SPSS que tiene que comparar los dos grupos de casos que vienen identificados por los valores que le hemos establecido. El resultado muestra dos tablas. En la primera se nos indica la media de edad para cada grupo, hombres y mujeres, la desviación típica para ambos y el error típico de la media. La segunda tabla es la que realiza el test de hipótesis. En la parte de la izquierda SPSS 9

11 calcula un test que nos permite saber si los dos grupos (hombres y mujeres) muestran varianzas iguales con respecto a la variable en cuestión. El resultado del test debe interpretarse del siguiente modo: la probabilidad de que las dos varianzas sean iguales de 0,185 y, por tanto, no podemos rechazar la hipótesis de que sean iguales. La siguiente sección nos muestra el test de hipótesis sobre la igualdad de las medias de edad entre hombres y mujeres: la diferencia de las medias es de 2,36, a la que se asocia una probabilidad de 0,001 (sig. Bilateral). La hipótesis de la que partimos es que la diferencia de las medias es 0 (si ambas son iguales su diferencia es 0). Pero si la hipótesis fuera cierta, la probabilidad de que encontráramos una diferencia tan grande en una muestra sería muy pequeña (1 entre mil). Por tanto, concluimos que los hombres y las mujeres de nuestra población tienen medias de edad distintas y que parece que las mujeres alcanzan edades mayores que los hombres. Como otro ejemplo consideremos un analista de unos grandes almacenes, que está interesado en evaluar los resultados de una promoción reciente de tarjetas de crédito. Con este fin se seleccionaron, al azar, 500 clientes con tarjeta. La mitad recibió una reducción del tipo de interés en las compras realizadas en los siguientes 3 meses y la otra mitad no. Estamos interesados en valorar la diferencia de las medias de compras efectuadas por los clientes seleccionados. El resultado muestra dos tablas. En la primera se nos indica el tamaño de la muestra, la media de gastos la desviación típica y el error típico de la media para cada grupo. En promedio, los clientes que recibieron la reducción del tipo de interés cargaron alrededor de 70 $ más que el otro grupo de comparación y variaron un poco más alrededor de su media. 10

12 El procedimiento realiza dos test de diferencias entre los dos grupos. Un test supone que las varianzas de los dos grupos son iguales. El test estadístico de Levene comprueba esta suposición. En este ejemplo, el valor de significación del estadístico es Como este valor es mayor que 0.05, se puede asumir que los grupos tienen igual varianza e ignorar el segundo test. La columna t muestra el valor del estadístico t observado en las muestras, calculado como el cociente entre la diferencia de medias de las muestras y el error estándar de la diferencia. El número de grados de libertad se muestra en la columna correspondiente, que para el test t de muestras independientes es igual al número total de casos en las dos muestras menos 2. La columna de sig. (bilateral) muestra la probabilidad de una distribución t con 498 grados de libertad. El valor mostrado es la probabilidad de obtener un valor absoluto mayor o igual que el valor t del estadístico observado en la muestra, si la diferencia entre las medias de las muestras fuera puramente aleatoria. Hasta ahora hemos considerado que todos los test son bilaterales. Si consideramos el test unilateral, la probabilidad de obtener el valor t muestral que aparece en los resultados del programa deberemos dividirla por dos. 11

13 La media de la diferencia se obtiene restando la media de la muestra del grupo 2 (grupo con la promoción) de la media de la muestra del grupo 1 El intervalo de confianza al 95% de la diferencia proporciona una estimación de los límites entre los cuales se encuentra la verdadera diferencia en el 95% de todas las posibles muestras aleatorias de 500 poseedores de tarjetas. Como el valor de significación del test es menor que 0.05, se puede concluir que el promedio de $ gastados de más por los poseedores de tarjetas con la reducción en el interés no se debe sólo al azar. La tienda debería considerar entonces el extender la oferta a todos los clientes. PRACTICAS DE PROBABILIDAD Y ESTADISTICA (SESION 6) 1. Cargar el fichero de datos practica.sav. 2. Los que han elegido la carrera de Psicología como primera opción (opción) son más sociables, en promedio, que los que no? 3. El promedio de peso de los que cursan su primer año de la carrera de Psicología (año) es el mismo que el de los que no? 4. Podemos considerar que la edad promedio de los alumnos estudiados está en torno a los 19 años? Y su estatura promedio en torno a 1.75 cms? 5. Comparar las medias de las 4 características de personalidad entre sí (de todas las formas posibles) 6. Consumen bebidas alcohólicas con la misma frecuencia promedio los hombres que las mujeres? 7. Comparar el promedio de la creatividad de los que fuman y los que no. 12

PRÁCTICA 4. Ingeniería Técnica Industrial (2º) - Mecánica.

PRÁCTICA 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 detalles

Comparación de medias

Comparación de medias 12 Comparación de medias Irene Moral Peláez 12.1. Introducción Cuando se desea comprobar si los valores de una característica que es posible cuantificar (como podría ser la edad o la cifra de tensión arterial,

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

ESTADÍSTICA. Tema 3 Contrastes de hipótesis

ESTADÍSTICA. Tema 3 Contrastes de hipótesis ESTADÍSTICA Grado en CC. de la Alimentación Tema 3 Contrastes de hipótesis Estadística (Alimentación). Profesora: Amparo Baíllo Tema 3: Contrastes de hipótesis 1 Estructura de este tema Qué es un contraste

Más detalles

1 Ejemplo de análisis descriptivo de un conjunto de datos

1 Ejemplo de análisis descriptivo de un conjunto de datos 1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos

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

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

UNED. [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes.

UNED. [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes. 2009 UNED [TEMA 3] Análisis de datos para diseños de dos grupos. Muestras independientes. 1 ÍNDICE 3.1 Introducción 3.2 Objetivos 3.3 Muestras independientes o relacionadas 3.4 Contraste de hipótesis sobre

Más detalles

INFERENCIA ESTADÍSTICA: CONTRASTE DE HIPÓTESIS

INFERENCIA 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 detalles

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

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

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS 1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están

Más detalles

Curso de Estadística no-paramétrica

Curso de Estadística no-paramétrica 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

Más detalles

Métodos estadísticos y numéricos Contraste de hipótesis pag. 1 PROBLEMAS RESUELTOS DE CONTRASTE DE HIPÓTESIS

Métodos 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 detalles

Indicaciones específicas para los análisis estadísticos.

Indicaciones 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 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 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

Métodos no paramétricos para la comparación de dos muestras

Métodos 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 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

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

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

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

Análisis estadístico. Tema 1 de Biología NS Diploma BI Curso 2013-2015

Análisis estadístico. Tema 1 de Biología NS Diploma BI Curso 2013-2015 Análisis estadístico Tema 1 de Biología NS Diploma BI Curso 2013-2015 Antes de comenzar Sobre qué crees que trata esta unidad? - Escríbelo es un post-it amarillo. Pregunta guía Cómo podemos saber si dos

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

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

IBM SPSS Missing Values 22

IBM SPSS Missing Values 22 IBM SPSS Missing Values 22 Nota Antes de utilizar esta información y el producto al que da soporte, lea la información del apartado Avisos en la página 23. Información de producto Esta edición se aplica

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

Estadística aplicada y modelización. 15 de junio de 2005

Estadística aplicada y modelización. 15 de junio de 2005 Estadística aplicada y modelización. 15 de junio de 2005 SOLUCIÓN MODELO A 1. En una población de fumadores se quiere examinar la relación entre el número de cigarrillos que consumen diariamente y el número

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

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

Selectividad Septiembre 2013 OPCIÓN B

Selectividad 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

Biometría Clase 8 Pruebas de hipótesis para una muestra. Adriana Pérez 1

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 detalles

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson

ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;

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

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

TEMA UNIDAD III:INFERENCIA ESTADÍSTICA 11.1. INTRODUCCIÓN

TEMA UNIDAD III:INFERENCIA ESTADÍSTICA 11.1. INTRODUCCIÓN PRUEBA DE HIPÓTESIS TEMA..INTRODUCCIÓN..ELEMENTOS DE LAS PRUEBAS DE HIPÓTESIS.3.PRUEBA DE HIPÓTESIS PARA UNA MEDIA POBLACIONAL.3.. Caso: muestra grande.3.. Caso: muestra pequeña.4.prueba DE HIPÓTESIS PARA

Más detalles

Pruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Pruebas 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 detalles

7.6 Comparación entre dos medias Poblacionales usando muestras independientes

7.6 Comparación entre dos medias Poblacionales usando muestras independientes 7.6 Comparación entre dos medias Poblacionales usando muestras independientes Supongamos que se tiene dos poblaciones distribuidas normalmente con medias desconocidas µ y µ, respectivamente. Se puede aplicar

Más detalles

Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS

Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 1: MATRICES. Junio, Ejercicio 1, Opción B

PROBLEMAS 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 detalles

7.- PRUEBA DE HIPOTESIS

7.- 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 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

Contrastes de Hipótesis

Contrastes de Hipótesis Capítulo 8 Contrastes de Hipótesis 8.1. Introducción. Conceptos básicos Una hipótesis estadística es una afirmación acerca de una característica poblacional formulada en base a los parámetros de su distribución.

Más detalles

INFERENCIA ESTADISTICA: CONTRASTE DE HIPÓTESIS

INFERENCIA 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 detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva Observamos datos provenientes de una o varias muestras de la población bajo estudio. El objetivo es obtener conclusiones sobre toda la población a partir de la muestra observada.

Más detalles

PRUEBAS DE HIPÓTESIS

PRUEBAS 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 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

Modelo de Regresión Lineal Simple

Modelo de Regresión Lineal Simple Tema 2 Modelo de Regresión Lineal Simple Contenido 2.1. Introducción. Un ejemplo...................... 26 2.2. Elementos del modelo de regresión simple............ 28 2.3. Hipótesis básicas...........................

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

RELACIÓN EJERCICIOS DEL CAPÍTULO 1. Intervalos de Confianza 1. La vida media de una muestra aleatoria de 10 focos es de 4.

RELACIÓN EJERCICIOS DEL CAPÍTULO 1. Intervalos de Confianza 1. La vida media de una muestra aleatoria de 10 focos es de 4. RELACIÓN EJERCICIOS DEL CAPÍTULO 1. Intervalos de Confianza 1. La vida media de una muestra aleatoria de 10 focos es de 4.000 horas, con una cuasidesviación típica muestral de 200 horas. Se supone que

Más detalles

SPSS: ANOVA de un Factor

SPSS: ANOVA de un Factor SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de

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

T. 8 Estadísticos de asociación entre variables

T. 8 Estadísticos de asociación entre variables T. 8 Estadísticos de asociación entre variables. Concepto de asociación entre variables. Midiendo la asociación entre variables.. El caso de dos variables categóricas.. El caso de una variable categórica

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

Introducción a la Estadística con Excel

Introducción a la Estadística con Excel Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos

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

LECCION 1ª Introducción a la Estadística Descriptiva

LECCION 1ª Introducción a la Estadística Descriptiva LECCION 1ª Introducción a la Estadística Descriptiva La estadística descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una población, altura de los estudiantes de una escuela,

Más detalles

Análisis de los Municipios Turísticos de Andalucía

Análisis de los Municipios Turísticos de Andalucía Análisis de los Municipios Turísticos de Andalucía UNIVERSIDAD DE MÁLAGA DPTO. ECONOMÍA APLICADA-POLÍTICA ECONÓMICA Febrero, 2004 EQUIPO DE TRABAJO: Pedro Raya Mellado. Profesor Titular de Economía Aplicada.

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

Sistemas Inteligentes de Gestión. Guión de Prácticas de Minería de Datos. Práctica 0. Estadística Descriptiva y Preprocesamiento. Introducción a SPSS

Sistemas Inteligentes de Gestión. Guión de Prácticas de Minería de Datos. Práctica 0. Estadística Descriptiva y Preprocesamiento. Introducción a SPSS Sistemas Inteligentes de Gestión Guión de Prácticas de Minería de Datos Práctica 0 Estadística Descriptiva y Preprocesamiento Introducción a SPSS Juan Carlos Cubero & Fernando Berzal OTA: Todos los ejercicios

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

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA Virgilio Gómez Rubio Mª José Haro Delicado Baeza 2014 1 ESTADÍSTICA DESCRIPTIVA 2 Estadística descriptiva 1. El puntaje de Apgar

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 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

8.2.2. Intervalo para la media (caso general)

8.2.2. 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 detalles

LA MEDIDA Y SUS ERRORES

LA MEDIDA Y SUS ERRORES LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger

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

Tema 3. Comparaciones de dos poblaciones

Tema 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 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

Imagen de Rosaura Ochoa con licencia Creative Commons

Imagen de Rosaura Ochoa con licencia Creative Commons Imagen de Rosaura Ochoa con licencia Creative Commons Durante el primer tema hemos aprendido a elaborar una encuesta. Una vez elaborada la encuesta necesitamos escoger a los individuos a los que se la

Más detalles

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática

SEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en

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

Estimación de una probabilidad

Estimación de una probabilidad Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento

Más detalles

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA INFERENCIA ESTADÍSTICA Pensemos en los tres siguientes ejemplos: Hacemos una encuesta entre los clientes de una tienda para preguntarles su opinión sobre cambios generales que pretendemos hacer en diversas

Más detalles

SESIÓN PRÁCTICA 2: MANEJO DEL VISOR DE RESULTADOS, VENTANAS DE SINTAXIS Y GRÁFICAS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez

SESIÓN PRÁCTICA 2: MANEJO DEL VISOR DE RESULTADOS, VENTANAS DE SINTAXIS Y GRÁFICAS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez SESIÓN PRÁCTICA 2: MANEJO DEL VISOR DE RESULTADOS, VENTANAS DE SINTAXIS Y GRÁFICAS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática

Más detalles

Covarianza y coeficiente de correlación

Covarianza 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 detalles

Inferencia Estadística

Inferencia 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 detalles

Unidad 9. Estimación

Unidad 9. Estimación Unidad 9 Estimación Estimación En los capítulos anteriores se han estudiado las nociones fundamentales de distribución de probabilidad y distribución muestral. Estamos ya en condiciones de tratar los métodos

Más detalles

Una introducción a la ESTADÍSTICA INFERENCIAL

Una introducción a la ESTADÍSTICA INFERENCIAL Una introducción a la ESTADÍSTICA INFERENCIAL José Chacón Esta obra está bajo una licencia Reconocimiento No comercial Compartir bajo la misma licencia.5 de Creative Commons. Para ver una copia de esta

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

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

7 Cuestiones estadísticas básicas.

7 Cuestiones estadísticas básicas. 7 Cuestiones estadísticas básicas. Domingo Pérez Flores 1. LA INCERTIDUMBRE EN LA TOMA DE DECISIONES EN MEDICINA. 2. LA ESTADÍSTICA EN LA LECTURA CRÍTICA DE LA LITERATURA. 2.1.Muestreo. 3.INTERVALO DE

Más detalles

Eduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS

Eduardo 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 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

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA N o 1: Estadística y Probabilidades Profesor: Hugo S. Salinas. Primer Semestre 2011 1. Señalar

Más detalles

Práctica 2 ESTADÍSTICA DESCRIPTIVA

Práctica 2 ESTADÍSTICA DESCRIPTIVA Práctica 2. Estadística descriptiva 1 Práctica 2 ESTADÍSTICA DESCRIPTIVA Objetivos: En esta práctica utilizaremos el paquete SPSS para calcular estadísticos descriptivos de una muestra. Se representarán

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

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

CORRELACIONES CON SPSS

CORRELACIONES CON SPSS ESCUEL SUPERIOR DE INFORMÁTIC Prácticas de Estadística CORRELCIONES CON SPSS 1.- INTRODUCCIÓN El concepto de relación o correlación entre dos variables se refiere al grado de parecido o variación conjunta

Más detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 003 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Junio, Ejercicio 3, Opción A Junio, Ejercicio 3, Opción B Reserva 1, Ejercicio 3,

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

Capítulo 12. Análisis de variables categóricas: El procedimiento Tablas de contingencia. Tablas de contingencia

Capítulo 12. Análisis de variables categóricas: El procedimiento Tablas de contingencia. Tablas de contingencia Capítulo 12 Análisis de variables categóricas: El procedimiento Tablas de contingencia En las ciencias sociales, de la salud y del comportamiento es muy frecuente encontrarse con variables categóricas.

Más detalles

(.$263*7.5"4+%#,"8..9$ $.$ - -. 7.# "4< $ 8 $ 7 "% @

(.$263*7.54+%#,8..9$ $.$ - -. 7.# 4< $ 8 $ 7 % @ !"#$%!& ' ($ 2 ))!"#$%& '$()!& *($$+%( & * $!" "!,"($"$ -(.$!- ""& +%./$$&,-,$,". - %#,"0# $!01 "23(.4 $4$"" ($" $ -.#!/ ". " " ($ "$%$(.$2.3!- - *.5.+%$!"$,"$ (.$263*7.5"4+%#,"8..9$ $.$ - $,"768$"%$,"$%$!":7#;

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

MANUAL PARA EL USO DE SPSS

MANUAL 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 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

INVENTAR PROBLEMAS: UNA FORMA DE DESARROLLAR LAS COMPETENCIAS BÁSICAS

INVENTAR PROBLEMAS: UNA FORMA DE DESARROLLAR LAS COMPETENCIAS BÁSICAS INVENTAR PROBLEMAS: UNA FORMA DE DESARROLLAR LAS COMPETENCIAS BÁSICAS RESUMEN. Juan Jesús Barbarán Sánchez, Universidad de Granada José Antonio Fernández Bravo, Universidad Camilo José Cela Ana Huguet

Más detalles

Procesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en

Procesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en Procesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en Julio E. Rodríguez Torres el Joel uso O. Lucena de Excel. Quiles Centro para la Excelencia

Más detalles

Estimación. Intervalos de Confianza para la Media y para las Proporciones

Estimación. Intervalos de Confianza para la Media y para las Proporciones Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo

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