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

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

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

Transcripción

1 Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

2 ipótesis Estadísticas Conceptos Generales En algunos casos el científico o el ingeniero necesitan la formación de un procedimiento de decisión que se base en los datos, el cual ofrezca una conclusión acerca de algún sistema científico. Se postula o conjetura algo acerca de un sistema. Se deben incluir el uso de datos experimentales y la toma de decisiones basadas en ellos. De manera formal la conjetura se puede poner en forma de hipótesis estadística. UCR-ECCI CI-35 Probabilidad y Estadística

3 ipótesis Estadísticas Conceptos Generales (cont.) Una hipótesis estadística es una aseveración o conjetura con respecto a una o más poblaciones. La verdad o falsedad de una hipótesis estadística nunca se sabe con absoluta certidumbre, a menos que examinemos toda la población; lo cual es poco práctico en la mayoría de la situaciones. Por lo cual, se toma una muestra aleatoria de la población de interés, y se utilizan los datos contenidos en esta muestra para proporcionar evidencia que apoye o no la hipótesis. La evidencia de la muestra que sea inconsistente con la hipótesis que se establece conduce al rechazo de la misma. UCR-ECCI CI-35 Probabilidad y Estadística 3

4 ipótesis Estadísticas Conceptos Generales (cont.) Un procedimiento de decisión debe hacerse con la noción de la probabilidad de una conclusión errónea. El rechazo de una hipótesis simplemente implica que la evidencia de la muestra la refuta. El rechazo significa que hay una pequeña probabilidad de obtener la información muestral observada cuando, de hecho, la hipótesis es verdadera. Como resultado, el analista de los datos establece una conclusión firme cuando se rechaza una hipótesis. Cuando el análisis de datos formaliza la evidencia experimental con base en la prueba de hipótesis, es muy importante la declaración o el establecimiento formal de la hipótesis. UCR-ECCI CI-35 Probabilidad y Estadística 4

5 ipótesis Estadísticas Conceptos Generales (cont.) La estructura de la prueba de hipótesis se formula usando el término hipótesis nula, el cual se refiere a cualquier hipótesis que se desea probar y se denota con. El rechazo de conduce a la aceptación de la hipótesis alternativa, que se denota con. La hipótesis alternativa representa la pregunta que se debe responder o la teoría que se debe probar y, por ello, su especificación es muy importante. La hipótesis nula anula o se opone a, y a menudo es el complemento lógico para. UCR-ECCI CI-35 Probabilidad y Estadística 5

6 ipótesis Estadísticas Conceptos Generales (cont.) El analista llega a una de las dos conclusiones siguientes: Rechace : A favor de debido a evidencia suficiente en los datos. No rechace : Debido a evidencia insuficiente en los datos. Las conclusiones no implican una aceptación formal o literal de, a menudo representa el status quo contrario a una nueva idea, conjetura, etc., enunciada en. En tanto que no rechazar representa la conclusión adecuada. Por lo general, la hipótesis nula se plantea de tal modo que especifique un valor exacto del parámetro. UCR-ECCI CI-35 Probabilidad y Estadística 6

7 ipótesis Estadísticas Conceptos Generales (cont.) El mejor ejemplo para entender la prueba de hipótesis es el veredicto de un jurado. La hipótesis nula y alternativa son: : el acusado es inocente. : el acusado es culpable. La acusación proviene de una sospecha de culpabilidad. La hipótesis (status quo) se establece en oposición a y se mantiene a menos que se apoye con evidencia más allá de una duda razonable. El no rechazo de no implica inocencia, sino que la evidencia fue insuficiente para lograr una condena. De esta manera el jurado no necesariamente acepta, sino que no la rechaza. UCR-ECCI CI-35 Probabilidad y Estadística 7

8 Prueba de una ipótesis Estadística Una prueba o contraste de una hipótesis estadística es una regla o procedimiento que conduce a una decisión de aceptar o rechazar cierta hipótesis con base en los resultados de una muestra. Los procedimientos de prueba de hipótesis dependen del empleo de la información contenida en una muestra aleatoria de la población de interés. Si esta información es consistente con la hipótesis se concluye que es verdadera. En caso contrario, la información es inconsistente con la hipótesis, se concluye que es falsa. UCR-ECCI CI-35 Probabilidad y Estadística

9 Prueba de una ipótesis Estadística (cont.) Estadístico de prueba. Valor obtenido a partir de la información muestral, se utiliza para determinar si se rechaza o no la hipótesis. Toda prueba de hipótesis lleva implícita un estadístico para probarla. Este estadístico depende del problema planteado y de la codificación de las variables. Región crítica. Región de rechazo de la hipótesis nula. Se denomina C (subconjunto del espacio muestral) a la región crítica de una prueba dada si nos lleva a rechazar la hipótesis nula cuando la muestra cae en la región C. Valor crítico. El punto que divide la región de aceptación y la región de rechazo de la hipótesis nula. UCR-ECCI CI-35 Probabilidad y Estadística

10 Prueba de una ipótesis Estadística (cont.) Nivel de significancia. Probabilidad de rechazar la hipótesis nula cuando es verdadera. Se denota con α. Error Tipo I. Rechazar la hipótesis nula cuando en realidad es verdadera. La probabilidad de cometer un error tipo I se le llama nivel de significancia. Error Tipo II. Aceptar la hipótesis nula cuando en realidad es falsa. La probabilidad de cometer el error tipo II es imposible de calcular a menos que tengamos una hipótesis alternativa específica. Se denota con β. UCR-ECCI CI-35 Probabilidad y Estadística

11 Prueba de una ipótesis Estadística (cont.) Al probar cualquier hipótesis estadística, hay cuatro situaciones posibles que determinan si nuestra decisión es correcta o errónea (ver la siguiente tabla). Decisiones Posibles Situaciones Posibles verdadera falsa No rechazar Decisión correcta Error tipo II Rechazar Error tipo I Decisión correcta α = β = P P ( error tipo I) = P( Rechazar verdadera) = P( Muestra dentro de C ) ( error tipo II) = P( No rechazar falsa) = P( Muestra fuera de C ) UCR-ECCI CI-35 Probabilidad y Estadística

12 Prueba de una ipótesis Estadística (cont.) Los valores para la significancia de una prueba de uso más común son.,.5 y.; o sea, el investigador está dispuesto a permitir %, 5% o % de cometer un error tipo I. Idealmente se desearía que la probabilidad de error tipo I fuera igual a cero. Sin embargo, si se desea α =, nunca se podría tomar la decisión de rechazar la hipótesis nula. La decisión de rechazar la hipótesis nula es importante, ya que la decisión se basa en una muestra y no en la población; por lo cual existe la posibilidad de cometer un error tipo I. UCR-ECCI CI-35 Probabilidad y Estadística

13 Prueba de una ipótesis Estadística (cont.) UCR-ECCI CI-35 Probabilidad y Estadística

14 Prueba de una ipótesis Estadística (cont.) Propiedades importantes de una prueba de hipótesis: Los errores tipo I y tipo II están relacionados. Por lo general, una disminución en la probabilidad de uno tiene como resultado un incremento en la probabilidad del otro. El tamaño de la región crítica y, por lo tanto, la probabilidad de cometer un error tipo I, siempre se puede reducir al ajustar el(los) valor(es) crítico(s). Un aumento en el tamaño de la muestra n reducirá a α y β de forma simultánea. Si la hipótesis nula es falsa, β es un máximo cuando el valor real de un parámetro se aproxima al valor hipotético. Cuando más grande sea la distancia entre el valor real y el valor hipotético, β será menor. UCR-ECCI CI-35 Probabilidad y Estadística

15 Prueba de una ipótesis Estadística (cont.) La cantidad β se conoce como el poder de la prueba o potencia, es la probabilidad de rechazar cuando es falsa (en realidad debe ser rechazada). Idealmente se quiere tener pruebas cuyo poder sea alto. ( Rechazar falsa) P( Muestra dentro de C ) = β = P = A menudo diferentes tipos de pruebas se comparan al contrastar propiedades de potencia. UCR-ECCI CI-35 Probabilidad y Estadística

16 Pruebas de Una y Dos Colas Una prueba de cualquier hipótesis estadística, donde la alternativa es unilateral como : θ = θ : θ = θ o : θ > θ : θ < θ se denomina prueba de una sola cola. Por lo general, la región crítica para la hipótesis alternativa θ > θ yace en la cola derecha de la distribución del estadístico de prueba; en tanto que la región crítica para la hipótesis alternativa θ < θ yace en la cola izquierda. UCR-ECCI CI-35 Probabilidad y Estadística 6

17 Pruebas de Una y Dos Colas (cont.) Una prueba de cualquier hipótesis estadística, donde la alternativa es bilateral como : θ = θ : θ θ se denomina prueba de dos colas. La región crítica se divide en dos partes, que a menudo tienen probabilidades iguales que se colocan en cada cola de la distribución del estadístico de prueba. La hipótesis alternativa θ θ establece que ya sea θ < θ o que θ > θ. UCR-ECCI CI-35 Probabilidad y Estadística 7

18 Pruebas de Una y Dos Colas (cont.) Ejemplo. Un fabricante de cierta marca de cereal de arroz afirma que el contenido promedio de grasa saturada no excede de.5 gramos. Establezca las hipótesis nula y alternativa a utilizar para probar esta afirmación y determinar dónde se localiza la región crítica. Solución. La afirmación del fabricante se debe rechazar sólo si μ es mayor que.5mg y no se debe rechazar si es menor o igual que.5mg. La prueba es de una sola cola, el símbolo mayor indica que la región crítica yace en la cola derecha de la distribución de nuestro estadístico de prueba X. : µ =.5 UCR-ECCI CI-35 Probabilidad y Estadística : µ >.5 8

19 Pruebas de Una y Dos Colas (cont.) Ejemplo. Un fabricante de cierta marca de cereal de arroz afirma que el contenido promedio de grasa saturada no excede ni disminuye de.5 gramos. Establezca las hipótesis nula y alternativa a utilizar para probar esta afirmación y determinar dónde se localiza la región crítica. Solución. La afirmación del fabricante se debe rechazar sólo si μ es mayor o menor que.5mg y no se debe rechazar si es igual que.5mg. La prueba es de dos colas, con la región crítica dividida por igual en ambas colas de la distribución de nuestro estadístico de prueba X. : µ =.5 UCR-ECCI CI-35 Probabilidad y Estadística : µ.5 9

20 Uso de Valores P para la Toma de Decisiones en la Prueba de ipótesis Un valor P es el nivel (de significancia) más bajo donde es significativo el valor observado del estadístico de prueba. El valor P es la probabilidad de observar un valor muestral tan extremo o más que el valor observado, dado que la hipótesis nula es verdadera. Si el valor p es menor que el nivel de significancia, se rechaza. Si el valor p es mayor que el nivel de significancia, no se rechaza. Prueba de una cola: valor P = P(z el valor absoluto del estadístico de prueba calculado) Prueba de dos colas: valor P = P( z el valor absoluto del estadístico de prueba calculado). UCR-ECCI CI-35 Probabilidad y Estadística

21 Uso de Valores P para la Toma de Decisiones en la Prueba de ipótesis (cont.) ipótesis clásica α es fija. El punto más importante en la conclusión de rechazar o no rechazar es α. ipótesis con valor P α no es fija. Las conclusiones se obtienen con base en el tamaño del valor P según la apreciación subjetiva del científico o ingeniero. Los valores P son producidos por el moderno software computacional. UCR-ECCI CI-35 Probabilidad y Estadística

22 Uso de Valores P para la Toma de Decisiones en la Prueba de ipótesis (cont.) Pasos de la prueba de hipótesis clásica, con probabilidad fija del error tipo I Establezca las hipótesis nula y alternativa. Elija un nivel de significancia α fijo. Seleccione un estadístico de prueba adecuado y establezca la región crítica con base en α. A partir de estadístico de prueba calculado, rechazar si el estadístico de prueba está en la región crítica, de otra manera, no rechazar. Obtenga conclusiones científicas y de ingeniería. UCR-ECCI CI-35 Probabilidad y Estadística

23 Uso de Valores P para la Toma de Decisiones en la Prueba de ipótesis (cont.) Pasos de la prueba de significancia, aproximación al valor P Establezca las hipótesis nula y alternativa. Elija un estadístico de prueba adecuado. Calcule el valor P con base en los valores calculados del estadístico de prueba. Utilice el juicio con base en el valor P y reconozca el sistema científico. UCR-ECCI CI-35 Probabilidad y Estadística 3

24 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida Es conveniente estandarizar X e incluir de manera formal la variables aleatoria normal estándar Z, donde X µ Z = n ( Se sabe que bajo (si μ = μ ), entonces X µ ) ( ) n tiene una distribución n(x;,) y, por lo tanto, se puede utilizar la expresión X µ P zα < < zα = α n para escribir una región de aceptación adecuada. UCR-ECCI CI-35 Probabilidad y Estadística 4

25 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) Prueba de hipótesis bilateral sobre la media. : µ = µ : µ µ La región crítica está en x µ x µ z = > zα o z = < zα n n Si z α/ < z < z α/ no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. UCR-ECCI CI-35 Probabilidad y Estadística 5

26 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. x < a o x > b Rechazar si, donde a = Ver la figura siguiente. z y b = µ + n µ α α Las pruebas de hipótesis unilaterales sobre la media incluyen el mismo estadístico que se describe en el caso bilateral. La diferencia es que la región crítica sólo está en una cola de la distribución normal estándar. z n UCR-ECCI CI-35 Probabilidad y Estadística 6

27 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) : µ = µ : µ µ UCR-ECCI CI-35 Probabilidad y Estadística 7

28 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) Prueba de hipótesis unilateral (cola izquierda) sobre la media. : µ = µ : µ < µ La región crítica está en x µ z = < z n Si z > z α no se rechaza. El rechazo de implica la aceptación de, la señal que favorece proviene de valores pequeños de z. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. α UCR-ECCI CI-35 Probabilidad y Estadística 8

29 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. Rechazar si x < a, donde a = µ zα n : µ = µ : µ < µ UCR-ECCI CI-35 Probabilidad y Estadística 9

30 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) Prueba de hipótesis unilateral (cola derecha) sobre la media. : µ = µ : µ > µ La región crítica está en x µ z = > n Si z < z α no se rechaza. El rechazo de implica la aceptación de, la señal que favorece proviene de valores grandes de z. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. z α UCR-ECCI CI-35 Probabilidad y Estadística 3

31 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Conocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. Rechazar si x > b, donde b = µ + zα n : µ = µ : µ > µ UCR-ECCI CI-35 Probabilidad y Estadística 3

32 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) Es conveniente estandarizar X e incluir de manera formal la variables aleatoria T, con v = n grados de libertad, donde X µ T = s n ( Se sabe que bajo (si μ = μ ), entonces X µ ) ( ) s n tiene una distribución t con v = n grados de libertad y, por lo tanto, se puede utilizar la expresión X µ P tα < < tα = α s n para escribir una región de aceptación adecuada. UCR-ECCI CI-35 Probabilidad y Estadística 3

33 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) Prueba de hipótesis bilateral sobre la media. : µ = µ : µ µ La región crítica está en x µ x µ t = > tα o t = < tα s n s n Si t α/ < t < t α/ no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. UCR-ECCI CI-35 Probabilidad y Estadística 33

34 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. x < a o x > b Rechazar si, donde s a = µ tα y b = µ + tα n Ver la figura siguiente. Las pruebas de hipótesis unilaterales sobre la media incluyen el mismo estadístico que se describe en el caso bilateral. La diferencia es que la región crítica sólo está en una cola de la distribución normal estándar. s n UCR-ECCI CI-35 Probabilidad y Estadística 34

35 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) : µ = µ : µ µ UCR-ECCI CI-35 Probabilidad y Estadística 35

36 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) Prueba de hipótesis unilateral (cola izquierda) sobre la media. : µ = µ : µ < µ La región crítica está en x µ t = < t s n Si t > t α no se rechaza. El rechazo de implica la aceptación de, la señal que favorece proviene de valores pequeños de t. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. α UCR-ECCI CI-35 Probabilidad y Estadística 36

37 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. Rechazar si x < a, donde s a = µ tα n : µ = µ : µ < µ UCR-ECCI CI-35 Probabilidad y Estadística 37

38 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) Prueba de hipótesis unilateral (cola derecha) sobre la media. : µ = µ : µ > µ La región crítica está en x µ t = > t s n Si t < t α no se rechaza. El rechazo de implica la aceptación de, la señal que favorece proviene de valores grandes de t. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ = μ. α UCR-ECCI CI-35 Probabilidad y Estadística 38

39 Prueba de ipótesis sobre Una Muestra Referente a la Media Varianza Poblacional Desconocida (cont.) La región crítica se puede escribir en términos del promedio calculado x. Rechazar si x > b, donde s b = µ + tα n : µ = µ : µ > µ UCR-ECCI CI-35 Probabilidad y Estadística 39

40 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas Es conveniente estandarizar X X e incluir de manera formal la variables aleatoria normal estándar Z, donde ( X ) X ( µ µ ) Z = n + n Se sabe que bajo (si μ = μ ), entonces Z tiene una distribución n(x;,) y, por lo tanto, se puede utilizar la expresión ( ) ( µ µ ) X X P z α < < zα = α n + n para escribir una región de aceptación adecuada. UCR-ECCI CI-35 Probabilidad y Estadística 4

41 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas (cont.) Prueba de hipótesis bilateral sobre la media. La región crítica está en Si z α/ < z < z α/ no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. 4 ( ) ( ) o α α z n n d x x z z n n d x x z < + = > + = : : d d = µ µ µ µ

42 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas (cont.) La región crítica se puede escribir en términos del promedio calculado x x. x x < a o x x > b Rechazar si, donde a = d z y n α n + n b = d + zα n + Las pruebas de hipótesis unilaterales sobre la media incluyen el mismo estadístico que se describe en el caso bilateral. La diferencia es que la región crítica sólo está en una cola de la distribución normal estándar. UCR-ECCI CI-35 Probabilidad y Estadística 4

43 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas (cont.) Prueba de hipótesis unilateral (cola izquierda) sobre la media. : µ µ = d : µ µ < d La región crítica está en ( x x ) d z = n + n < z Si z > z α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. α UCR-ECCI CI-35 Probabilidad y Estadística 43

44 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas (cont.) Prueba de hipótesis unilateral (cola derecha) sobre la media. : µ µ = d : µ µ > La región crítica está en ( x ) x d z = > z α n + n Si z < z α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. d UCR-ECCI CI-35 Probabilidad y Estadística 44

45 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Conocidas (cont.) La región crítica se puede escribir en términos del promedio calculado x x. x x < a Rechazar si, donde a zα n + n Rechazar si, donde b = = d x x > d b + zα n + n UCR-ECCI CI-35 Probabilidad y Estadística 45

46 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales Es conveniente estandarizar X X e incluir de manera formal la variables aleatoria T con v = n + n grados de libertad, donde ( ) X X ( µ µ ) s ( n ) + s ( n ) T = s p = s + n + n p n n Se sabe que bajo (si μ = μ ), entonces T tiene una distribución t con v = n + n grados de libertad y, por lo tanto, se puede utilizar la expresión ( ) ( µ µ ) X X P t α < < tα = α s p n + n para escribir una región de aceptación adecuada. UCR-ECCI CI-35 Probabilidad y Estadística 46

47 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales Prueba de hipótesis bilateral sobre la media. La región crítica está en Si t α/ < t < t α/ no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. 47 ( ) ( ) o α t α n n s d x x t t n n s d x x t p p < + = > + = : : d d = µ µ µ µ

48 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales La región crítica se puede escribir en términos del promedio calculado x x. x x < a o x x > b Rechazar si, donde a = d tα s p n + n y b = d + tα s p n + n Las pruebas de hipótesis unilaterales sobre la media incluyen el mismo estadístico que se describe en el caso bilateral. La diferencia es que la región crítica sólo está en una cola de la distribución normal estándar. UCR-ECCI CI-35 Probabilidad y Estadística 48

49 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales Prueba de hipótesis unilateral (cola izquierda) sobre la media. : µ µ = d : µ µ < d La región crítica está en ( x x ) d t = s n + n p Si t > t α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. < t α UCR-ECCI CI-35 Probabilidad y Estadística 49

50 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales Prueba de hipótesis unilateral (cola derecha) sobre la media. : µ µ = d : µ µ > d La región crítica está en ( x x ) d t = s n + n p Si t < t α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. > t α UCR-ECCI CI-35 Probabilidad y Estadística 5

51 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Iguales La región crítica se puede escribir en términos del promedio calculado x x. x x < a Rechazar si, donde a p + n = d tα s n x x > Rechazar si, donde b b p + n = d + tα s n UCR-ECCI CI-35 Probabilidad y Estadística 5

52 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes Es conveniente estandarizar e incluir de manera formal la variables aleatoria T con v grados de libertad, donde Se sabe que bajo (si μ = μ ), entonces T tiene una distribución t aproximada con v grados de libertad aproximados y, por lo tanto, se puede utilizar la expresión para escribir una región de aceptación adecuada. 5 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ' + + = + = n n s n n s n s n s v n s n s X X T µ µ X X ( ) ( ) α µ µ α α = < + < t n s n s X X t P

53 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes (cont.) Prueba de hipótesis bilateral sobre la media. La región crítica está en Si t α/ < t < t α/ no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. 53 ( ) ( ) ' o ' α α t n s n s d x x t t n s n s d x x t < + = > + = : : d d = µ µ µ µ

54 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes (cont.) La región crítica se puede escribir en términos del promedio calculado x x. x x < a o x x > b Rechazar si, donde a y s n + s n = d tα s n + s n b = d + tα Las pruebas de hipótesis unilaterales sobre la media incluyen el mismo estadístico que se describe en el caso bilateral. La diferencia es que la región crítica sólo está en una cola de la distribución normal estándar. UCR-ECCI CI-35 Probabilidad y Estadística 54

55 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes (cont.) Prueba de hipótesis unilateral (cola izquierda) sobre la media. : µ µ = d : µ µ < d La región crítica está en ( x x ) d t' = s n + s n Si t > t α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. < t α UCR-ECCI CI-35 Probabilidad y Estadística 55

56 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes (cont.) Prueba de hipótesis unilateral (cola derecha) sobre la media. : µ µ = d : µ µ > La región crítica está en ( x ) x d t ' = > t α s n + s n Si t < t α no se rechaza. El rechazo de implica la aceptación de. Con la definición de la región crítica habrá la probabilidad α de rechazar cuando, en realidad, μ μ = d. d UCR-ECCI CI-35 Probabilidad y Estadística 56

57 Prueba de ipótesis sobre Dos Muestras Referente a la Diferencia de Medias Varianzas Poblacionales Desconocidas Diferentes (cont.) La región crítica se puede escribir en términos del promedio calculado x x. x x < a Rechazar si, donde a + = d tα s n s n x x > Rechazar si, donde b b + = d + tα s n s n UCR-ECCI CI-35 Probabilidad y Estadística 57

58 Elección del Tamaño de la Muestra para Probar Medias Prueba de hipótesis sobre una media, varianza poblacional conocida Caso de un sola cola (región crítica): ( z + z ) α β n = δ = µ µ δ Nivel de significancia α Potencia Caso de dos colas (región crítica): UCR-ECCI CI-35 Probabilidad y Estadística ( z + z ) α β n δ = µ µ δ Nivel de significancia α Potencia = β = β 58

59 Elección del Tamaño de la Muestra para Probar Medias (cont.) Prueba de hipótesis sobre dos medias, varianzas poblacionales conocidas (n = n = n ) Caso de un sola cola (región crítica): ( ) ( z + z + ) α β n = δ Nivel de significancia α Caso de dos colas (región crítica): ( ) ( z + z + ) α n δ Nivel de significancia α UCR-ECCI CI-35 Probabilidad y Estadística β δ = µ µ Potencia = β δ = µ µ Potencia = β 59

60 Elección del Tamaño de la Muestra para Probar Medias (cont.) Prueba de hipótesis sobre una media, varianza poblacional desconocida La distribución utilizada para estos cálculos se llama distribución t no central. La tabla A.8 da los tamaños muestrales necesarios para controlar los valores α y β para diversos valores de para los casos de una y de dos colas (región crítica). UCR-ECCI CI-35 Probabilidad y Estadística δ µ µ = = Nivel de significancia α Potencia = β 6

61 Elección del Tamaño de la Muestra para Probar Medias (cont.) Prueba de hipótesis sobre dos medias, varianzas poblacionales desconocidas iguales (n = n = n ) La distribución utilizada para estos cálculos se llama distribución t no central. La tabla A.9 da los tamaños muestrales necesarios para controlar los valores α y β para diversos valores de para los casos de una y de dos colas (región crítica). UCR-ECCI CI-35 Probabilidad y Estadística δ µ µ µ = = Nivel de significancia α Potencia = β 6

62 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Una Muestra Referente a la Varianza En este tipo de pruebas se trata con alguna de las siguientes hipótesis: Es estadístico apropiado sobre el que se basan las conclusiones es el chi-cuadrado χ. Si es verdadera, χ es un valor de la distribución chicuadrada con v = n grados de libertad. 6 : : o : :, : : > = < = = ( ) χ s n =

63 Prueba de ipótesis sobre Una Muestra Referente a la Varianza (cont.) Prueba de dos colas en el nivel de significancia α la región crítica es χ < χ -α/ o χ > χ α/. Prueba de una cola (izquierda) en el nivel de significancia α la región crítica es χ < χ -α. Prueba de una cola (derecha) en el nivel de significancia α la región crítica es χ > χ α. UCR-ECCI CI-35 Probabilidad y Estadística 63

64 UCR-ECCI CI-35 Probabilidad y Estadística Prueba de ipótesis sobre Dos Muestras Referente a la Razón entre Varianzas En este tipo de pruebas se trata con alguna de las siguientes hipótesis: Es estadístico apropiado sobre el que se basan las conclusiones es el valor f. Si es verdadera, f es un valor de la distribución F con v = n y v = n grados de libertad. 64 : : o : :, : : > = < = = s s f =

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

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

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

Test ( o Prueba ) de Hipótesis

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

Más detalles

ESTIMACION POR INTERVALOS

ESTIMACION POR INTERVALOS ESTIMACION POR INTERVALOS En muchas situaciones, una estimación puntual no proporciona información suficiente sobre el parámetro. Por esta razón se construyen intervalos de confianza en donde el parámetro

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

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

ANÁLISIS DE DATOS NO NUMERICOS

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

Más detalles

Estadística 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 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 detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

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

Más detalles

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

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

Más detalles

Módulo 9 Sistema matemático y operaciones binarias

Módulo 9 Sistema matemático y operaciones binarias Módulo 9 Sistema matemático y operaciones binarias OBJETIVO: Identificar los conjuntos de números naturales, enteros, racionales e irracionales; resolver una operación binaria, representar un número racional

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

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

Inferencia Estadística

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

Más detalles

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

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

Capítulo 3 Marco Metodológico.

Capítulo 3 Marco Metodológico. Capítulo 3 Marco Metodológico. 3.0 METODOLOGÍA DE LA INVESTIGACIÓN 3.1 FORMULACIÓN DE HIPÓTESIS DE TRABAJO 3.1.1 Hipótesis General HG. La creación de un plan estratégico permite mejorar el uso de los servicios

Más detalles

Un problema sobre repetidas apuestas al azar

Un problema sobre repetidas apuestas al azar Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito

Más detalles

Tema 1: Test de Distribuciones de Probabilidad

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

Más detalles

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

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

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

Más detalles

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

Generación de Números Pseudo-Aleatorios

Generación de Números Pseudo-Aleatorios Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia

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

Variables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Variables Aleatorias y Distribuciones de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Variables Aleatorias Distribuciones de Probabilidad UCR ECCI CI-5 Probabilidad Estadística Pro. M.Sc. Krscia Daviana Ramírez Benavides Variable Aleatoria Una variable aleatoria es una unción que asocia

Más detalles

CONTRASTES DE HIPÓTESIS DE 1 POBLACIÓN

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

Más detalles

Asignatura: Econometría. Conceptos MUY Básicos de Estadística

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

Más detalles

1.1. Introducción y conceptos básicos

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

Más detalles

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

ESTIMACION DE INTERVALOS DE CONFIANZA

ESTIMACION 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 detalles

Aproximación local. Plano tangente. Derivadas parciales.

Aproximación local. Plano tangente. Derivadas parciales. Univ. de Alcalá de Henares Ingeniería de Telecomunicación Cálculo. Segundo parcial. Curso 004-005 Aproximación local. Plano tangente. Derivadas parciales. 1. Plano tangente 1.1. El problema de la aproximación

Más detalles

Curso Práctico de Bioestadística Con Herramientas De Excel

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

Más detalles

Calculadora de Tamaño muestral GRANMO

Calculadora de Tamaño muestral GRANMO Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos

Más detalles

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

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

Más detalles

MUESTREO CONCEPTOS GENERALES

MUESTREO CONCEPTOS GENERALES MUESTREO CONCEPTOS GENERALES Resumen del libro Muestreo para la investigación en Ciencias de la Salud Luis Carlos Silva Ayçaguer (páginas de la 1 a la 14) Cuando se decide cuantificar sólo una parte de

Más detalles

PRUEBA ESTADÍSTICA DE HIPÓTESIS

PRUEBA ESTADÍSTICA DE HIPÓTESIS PRUEBA ESTADÍSTICA DE HIPÓTESIS Rodrigo PIMIENTA LASTRA* INTRODUCCIÓN En el presente trabajo se pretende destacar el concepto de hipótesis estadística, así como plantear e identificar tanto la hipótesis

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

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina

Datos del autor. Nombres y apellido: Germán Andrés Paz. Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Datos del autor Nombres y apellido: Germán Andrés Paz Lugar de nacimiento: Rosario (Código Postal 2000), Santa Fe, Argentina Correo electrónico: germanpaz_ar@hotmail.com =========0========= Introducción

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

Hipótesis Alternativa: Afirmación sobre las posibles alternativas que se tienen a la afirmación hecha en la hipótesis nula.

Hipótesis 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 detalles

1. Números Reales 1.1 Clasificación y propiedades

1. Números Reales 1.1 Clasificación y propiedades 1. Números Reales 1.1 Clasificación y propiedades 1.1.1 Definición Número real, cualquier número racional o irracional. Los números reales pueden expresarse en forma decimal mediante un número entero,

Más detalles

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos

Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Apuntes de Matemática Discreta 1. Conjuntos y Subconjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 1 Conjuntos y Subconjuntos

Más detalles

Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología

Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología Ciclo de vida y Metodologías para el desarrollo de SW Definición de la metodología La metodología para el desarrollo de software es un modo sistemático de realizar, gestionar y administrar un proyecto

Más detalles

Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística

Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte. ---o0o--- Introducción a la Inferencia Estadística Estadística 2º curso del Grado en Ciencias de la Actividad Física y el Deporte ---o0o--- Introducción a la Inferencia Estadística Bioestadística - Facultad de Medicina Universidad de Granada (España) http://www.ugr.es/~bioest

Más detalles

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

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

Más detalles

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS

PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones

Más detalles

Cifras significativas e incertidumbre en las mediciones

Cifras significativas e incertidumbre en las mediciones Unidades de medición Cifras significativas e incertidumbre en las mediciones Todas las mediciones constan de una unidad que nos indica lo que fue medido y un número que indica cuántas de esas unidades

Más detalles

Creación de Funciones de Conducción

Creación de Funciones de Conducción Creación de Funciones de Conducción Requerimientos Para el desarrollo de esta actividad se requiere que: Contemos con un robot BoeBot armado con placa Arduino. Repetición En estos momentos habremos notado

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

1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1

1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0 1 0 0 0 0 1 1 0 1 1 0 0 0 1 1 1 1 5.1.3 Multiplicación de números enteros. El algoritmo de la multiplicación tal y como se realizaría manualmente con operandos positivos de cuatro bits es el siguiente: 1 1 0 1 x 1 0 1 1 1 1 0 1 + 1 1 0

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

Sistemas de numeración

Sistemas de numeración Sistemas de numeración Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. Los sistemas de numeración actuales son sistemas posicionales, que se caracterizan

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

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

Ciudad de Guatemala, 2013

Ciudad de Guatemala, 2013 Ciudad de Guatemala, 2013 1 Clase 5 Muestreo y tamaño de muestra D i e g o A y c i n e n a diegoaa@ufm.edu Universidad Francisco Marroquín 2 Clases (Profesores) H o r a r i o Actividades en Grupo (Todos)

Más detalles

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión

ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:

Más detalles

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama.

Decisión: Indican puntos en que se toman decisiones: sí o no, o se verifica una actividad del flujo grama. Diagrama de Flujo La presentación gráfica de un sistema es una forma ampliamente utilizada como herramienta de análisis, ya que permite identificar aspectos relevantes de una manera rápida y simple. El

Más detalles

NORMA INTERNACIONAL DE AUDITORÍA 520

NORMA INTERNACIONAL DE AUDITORÍA 520 NORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALíTICOS (En vigor para auditorías de estados financieros por periodos que comiencen en, o después del, 15 de diciembre de 2004)* CONTENIDO Párrafo

Más detalles

Empresa de telefonía celular: Transintelcel

Empresa de telefonía celular: Transintelcel Empresa de telefonía celular: Transintelcel El proceso metodológico de esta investigación de mercados está dividido en las siguientes etapas: 1. Datos generales de la empresa 2. Planteamiento del problema

Más detalles

Matrices Invertibles y Elementos de Álgebra Matricial

Matrices Invertibles y Elementos de Álgebra Matricial Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 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 detalles

TEMA 4: Variables binarias

TEMA 4: Variables binarias TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables

Más detalles

Introducción a la Teoría de Probabilidad

Introducción a la Teoría de Probabilidad Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento

Más detalles

Pruebas de Acceso a las Universidades de Castilla y León

Pruebas de Acceso a las Universidades de Castilla y León Pruebas de Acceso a las Universidades de Castilla y León MATEMÁTICA APLICADA A LA CIENCIA OCIALE EJERCICIO Nº páginas 2 Tablas OPTATIVIDAD: EL ALUMNO DEBERÁ ECOGER UNA DE LA DO OPCIONE Y DEARROLLAR LA

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

Ejercicio de estadística para 3º de la ESO

Ejercicio de estadística para 3º de la ESO Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población

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

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16

Detergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16 3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una

Más detalles

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO

EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO EJERCICIOS RESUELTOS SOBRE ERRORES DE REDONDEO 1º) Considérese un número estrictamente positivo del sistema de números máquina F(s+1, m, M, 10). Supongamos que tal número es: z = 0.d 1 d...d s 10 e Responde

Más detalles

Redacción de Artículos Técnicos. UCR ECCI CI-2414 Recuperación de Información Prof. Bach. Kryscia Daviana Ramírez Benavides

Redacción de Artículos Técnicos. UCR ECCI CI-2414 Recuperación de Información Prof. Bach. Kryscia Daviana Ramírez Benavides UCR ECCI CI-2414 Recuperación de Información Prof. Bach. Kryscia Daviana Ramírez Benavides Organización de un Artículo Técnico Título Resumen Palabras Claves Introducción Desarrollo Conclusiones Bibliografía

Más detalles

CAPÍTULO 1: ESTADÍSTICA Y MÉTODO CIENTÍFICO

CAPÍTULO 1: ESTADÍSTICA Y MÉTODO CIENTÍFICO Página 1 de 11 CAPÍTULO 1: ESTADÍSTICA Y MÉTODO CIENTÍFICO Podemos definir Estadística como la ciencia de los datos. La palabra ciencia viene del latín scientia que significa conocimiento. El método científico

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

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

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL

MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL MÓDULO 9 DISTRIBUCIÓN DE PROBABILIDAD NORMAL INTRODUCCIÓN En este módulo se continúa con el estudio de las distribuciones de probabilidad, examinando una distribución de probabilidad continua muy importante:

Más detalles

TEMA 5. MUESTREO PARA LA ACEPTACIÓN.

TEMA 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 detalles

Economía en la escuela

Economía en la escuela Título de la actividad: Cálculo de precios de productos al pagar al contado o en cuotas. Introducción Uno de los Objetivos Fundamentales Transversales para el nivel de 8 básico plantea desarrollar en los

Más detalles

TEMA 7: Análisis de la Capacidad del Proceso

TEMA 7: Análisis de la Capacidad del Proceso TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad

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

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL

LABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos

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

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde

1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)

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

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

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

Más detalles

LA TIR, UNA HERRAMIENTA DE CUIDADO MBA. Fernando Javier Moreno Brieva

LA TIR, UNA HERRAMIENTA DE CUIDADO MBA. Fernando Javier Moreno Brieva LA TIR, UNA HERRAMIENTA DE CUIDADO Resumen El presente estudio tiene como principal objetivo demostrar, que la TIR no es una herramienta, que por sí sola, pueda determinar la conveniencia de realizar o

Más detalles

Lección 22: Probabilidad (definición clásica)

Lección 22: Probabilidad (definición clásica) LECCIÓN 22 Lección 22: Probabilidad (definición clásica) Empezaremos esta lección haciendo un breve resumen de la lección 2 del libro de primer grado. Los fenómenos determinísticos son aquellos en los

Más detalles

CORRELACIÓN Y PREDICIÓN

CORRELACIÓN Y PREDICIÓN CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una

Más detalles

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores

EJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u

Más detalles

Centro de Capacitación en Informática

Centro 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 detalles

Análisis de propuestas de evaluación en las aulas de América Latina

Análisis de propuestas de evaluación en las aulas de América Latina Esta propuesta tiene como objetivo la operatoria con fracciones. Se espera del alumno la aplicación de un algoritmo para resolver las operaciones. Estas actividades comúnmente presentan numerosos ejercicios

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

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

Más detalles

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido

Tema 3. Medidas de tendencia central. 3.1. Introducción. Contenido Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6

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

Potencial eléctrico. du = - F dl

Potencial eléctrico. du = - F dl Introducción Como la fuerza gravitatoria, la fuerza eléctrica es conservativa. Existe una función energía potencial asociada con la fuerza eléctrica. Como veremos, la energía potencial asociada a una partícula

Más detalles

CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de

CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de CAPÍTULO VI PREPARACIÓN DEL MODELO EN ALGOR. En este capítulo, se hablará acerca de los pasos a seguir para poder realizar el análisis de cualquier modelo en el software Algor. La preparación de un modelo,

Más detalles

TERMINOS DE USO DE LOS SITIOS WEB PROPIEDAD DE COMERCIALIZADORA SIETE S.A. DE C.V

TERMINOS DE USO DE LOS SITIOS WEB PROPIEDAD DE COMERCIALIZADORA SIETE S.A. DE C.V TERMINOS DE USO DE LOS SITIOS WEB PROPIEDAD DE COMERCIALIZADORA SIETE S.A. DE C.V El sitio web www.gruposiete.com.mx es propiedad de Comercializadora Siete S.A de C.V. Este sitio como todos aquellos que

Más detalles

QUÉ ES UN NÚMERO DECIMAL?

QUÉ ES UN NÚMERO DECIMAL? QUÉ ES UN NÚMERO DECIMAL? Un número decimal representa un número que no es entero, es decir, los números decimales se utilizan para representar a los números que se encuentran entre un número entero y

Más detalles

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades:

DOMINIO Y RANGO página 89. Cuando se grafica una función existen las siguientes posibilidades: DOMINIO Y RANGO página 89 3. CONCEPTOS Y DEFINICIONES Cuando se grafica una función eisten las siguientes posibilidades: a) Que la gráfica ocupe todo el plano horizontalmente (sobre el eje de las ). b)

Más detalles

SISTEMAS DE NUMERACIÓN. Sistema de numeración decimal: 5 10 2 2 10 1 8 10 0 =528 8 10 3 2 10 2 4 10 1 5 10 0 9 10 1 7 10 2 =8245,97

SISTEMAS DE NUMERACIÓN. Sistema de numeración decimal: 5 10 2 2 10 1 8 10 0 =528 8 10 3 2 10 2 4 10 1 5 10 0 9 10 1 7 10 2 =8245,97 SISTEMAS DE NUMERACIÓN Un sistema de numeración es un conjunto de símbolos y reglas que permiten representar datos numéricos. La norma principal en un sistema de numeración posicional es que un mismo símbolo

Más detalles

Diagonalización de matrices

Diagonalización de matrices diagonalizacion.nb Diagonalización de matrices Práctica de Álgebra Lineal, E.U.A.T., Grupos ºA y ºB, 2005 Algo de teoría Qué es diagonalizar una matriz? Para estudiar una matriz suele ser conveniente expresarla

Más detalles