TEMA 8. Tests de hipótesis Introducción Definiciones Pasos para la realización de un test
|
|
- María Rosa Belmonte Aguirre
- hace 7 años
- Vistas:
Transcripción
1 TEMA 8. Tests de hipótesis 8.. Itroducció 8... Defiicioes 8... Pasos para la realizació de u test 8.. Tests paramétricos Cotrastes clásicos sobre los parámetros de ua distribució Normal 8... Cotrastes clásicos sobre los parámetros de dos distribucioes ormales idepedietes Cotrastes clásicos para ua proporció p Cotrastes clásicos para la comparació de dos proporcioes 8.3. Tests o paramétricos Cotrastes para la bodad de ajuste 8.3. Cotrastes de homogeeidad Cotrastes para la idepedecia de dos caracteres Cotraste de aleatoriedad. Test de rachas Test de Kolmogorov-Smirov Test de los ragos sigados de Wilcoxo Test de Ma-Whitey-Wilcoxo 8.4. Aálisis de la variaza 49
2 ! 8.. Itroducció! 8... Defiicioes. Test de ipótesis: Procedimieto estadístico mediate el cual se ivestiga la verdad o falsedad de ua hipótesis acerca de ua característica de ua població o u cojuto de poblacioes.. Tests paramétricos: Coocida ua v.a. co ua determiada distribució, se establece afirmacioes sobre los parámetros de dicha distribució.. Tests o paramétricos: Las afirmacioes establecidas o se hace e base a la distribució de las observacioes, que a priori es descoocida. 5
3 Ejemplos: Tests paramétricos: Sea,,..., ua m.a.s. de ua v.a. co distribució Normal, N ( µ, σ ). Establecemos la afirmació: µ Tests o paramétricos: " Aálisis de la aleatoriedad de la muestra " Ua variable aleatoria tiee ua distribució Normal " Dos variables aleatorias e so idepedietes " Dos muestras idepedietes procede de la misma població 5
4 . ipótesis del test:! ipótesis ula ( ) : ipótesis que se platea e u problema de cotraste! ipótesis alterativa ( ) : ipótesis cotraria a la hipótesis ula Ejemplos: Test paramétricos: : µ : µ > Test o paramétricos: : La muestra se ha seleccioado aleatoriamete : La muestra o se ha seleccioado aleatoriamete 5
5 3. Estadístico del test! Llamamos Estadístico del Test o Estadístico de Cotraste a ua variable aleatoria, co distribució de probabilidad coocida, y cuyos valores os permite tomar la decisió de aceptar o rechazar la hipótesis ula. : µ µ : µ µ σ N µ ;! Al valor cocreto que toma el estadístico del test para la muestra escogida se llama Valor Experimetal del Estadístico de Cotraste x, x,..., x x xi i 53
6 4. Errores asociados al cotraste! Error tipo I: Error que se comete al rechazar la hipótesis ula,, cuado ésta es cierta. P[ Error tipo I ] [ Rechazar / es verdadera] α P! Error tipo II: Error que se comete al o rechazar la hipótesis ula,, cuado ésta es falsa P[ Error tipo II ] [ No Rechazar / es falsa] β P Verdadera Falsa Rechazo Error tipo I (α) Correcto No rechazo Correcto Error tipo II (β)! Potecia del test: Probabilidad que se tiee e el cotraste de detectar que es falsa. [ ] β P Rechazar / es falsa 54
7 # Ejemplo Cotrate de ipótesis Cotrastar si la media de ua població N ( µ ; σ ) co σ coocida, toma u valor µ µ. Plateamieto del test:. Estadístico del test: : µ µ : µ µ σ N µ ; Bajo la hipótesis ula: σ N µ ; Se toma ua m.a.s. cocreta: x, x,..., x cuya media valdrá: xi i x Si es cierta, la mayoría de los valores de la media muestral debe estar próximos al valor µ. 55
8 3. Criterio de decisió: Comprobar si el valor cocreto de la media muestral calculada, está o o muy alejado de µ! Rechazamos si la media muestral o está próxima a µ.! No rechazamos si la media muestral está próxima a µ. 4. Determiació de las zoas de rechazo y o rechazo:! Zoa de rechazo: α % de los valores restates.!zoa de o rechazo: ( - α) % de los valores más cercaos a µ. α / α α / µ. Media muestral Rechazo No Rechazo Rechazo 56
9 5. Tipos de hipótesis. Regió Crítica. P-valor. Cotrastes uilaterales y bilaterales! ipótesis simples: La hipótesis asiga u úico valor al parámetro descoocido, : θ θ! ipótesis compuestas: La hipótesis asiga varios valores posibles al parámetro descoocido, : θ ( θ, θ ) : µ µ : µ µ Simple Compuesta : µ µ : µ > µ Compuesta Compuesta : µ µ : µ < µ Compuesta - Compuesta 57
10 Al aplicar u cotraste de hipótesis, clasificamos los putos del espacio muestral e dos regioes excluyetes y complemetarias:! Regió de Rechazo o Regió Crítica: La formada por el cojuto de los valores del estadístico de cotraste que os lleva a rechazar la hipótesis ula, se llama regió crítica (los putos que delimita la regió crítica se llama putos críticos)!regió de No Rechazo ó Regió de Aceptació: Es la formada por el cojuto de los valores del estadístico de cotraste que os lleva a aceptar la hipótesis ula Regió de rechazo Regió de o rechazo 58
11 ! p-valor o ivel de sigificació observado: Es el área que deja a la derecha el valor experimetal del estadístico.!elegido u ivel de sigificació α, se rechazará si p < α No rechazar hipótesis ula p-valor z exp z α Si α p - valor Rechazar Rechazar hipótesis ula p-valor z α z exp 59
12 ! Cotrastes uilaterales y bilaterales: " Si la hipótesis alterativa da lugar a ua regió crítica a ambos lados del valor del parámetro, diremos que el test es bilateral o de dos colas Regió crítica " Si la hipótesis alterativa da lugar a ua regió crítica a u solo lado del valor del parámetro, diremos que el test es uilateral o de ua sola cola Regió crítica 6
13 ! 8... Pasos para la realizació de u test. Fijar las hipótesis ula y alterativa : θ θ Si el cotraste es bilateral : θ θ : θ θ : θ > θ : θ θ : θ < θ Si el cotraste es de ua cola (derecha) Si el cotraste es de ua cola (izquierda). Buscar el estadístico del test que bajo la hipótesis ula tega u comportamieto coocido 3. Determiar la regió crítica 4. Seleccioar ua muestra de tamaño, para la cual el estadístico del test tome u valor umérico (valor experimetal del estadístico de cotraste) 5. Adoptar la decisió sobre el rechazo o o de la hipótesis ula 6
14 ! 8.. Tests Paramétricos! 8... Cotrastes sobre los parámetros de ua distribució ormal ( ),,..., m.a.s. de N µ ; σ! Cotrastes sobre la media Variaza Coocida ipótesis del test Estadístico de cotraste Criterio de rechazo : µ µ : µ µ : µ µ : µ > µ Z µ N(;) σ z z exp z α exp z α zexp z α : µ µ : µ < µ zexp z α 6
15 Variaza Descoocida Estadístico de cotraste T S µ t ipótesis del test : µ µ : µ µ : µ > µ : µ µ : µ µ : µ < µ Criterio de rechazo t t α exp ; t t α exp ; t t α exp ; t t α exp ; 63
16 # Ejemplo: E u preparado alimeticio ifatil se especifica que el coteido medio de proteías es al meos del 4%. Tratamos de comprobar esta especificació y para ello tomamos preparados que aalizamos para determiar su coteido e proteías, obteiedo ua media del 4% y ua cuasidesviació típica del 3.5%. Es correcta la especificació citada para u ivel de sigificació del.5, supoiedo ormal la distribució de la variable coteido proteico? : Coteido Proteico, N ( µ ; σ ) ; x 4; s 3.5 Cotraste de ipótesis: : µ 4 : µ < 4 64
17 ; x 4; s 3.5 Cotraste de ipótesis: Estadístico de cotraste: x µ t S : µ 4 : µ < 4 α.5; t t ; 9.5; 9 t exp No rechazamos.5 t.95 ; 9 texp.95 Admitimos como correcta la especificació del preparado acerca del coteido proteico 65
18 66! Cotrastes sobre la variaza Media descoocida Criterio de rechazo ipótesis del test Estadístico de cotraste ( ) S σ χ χ ; exp ; exp α α χ χ χ χ exp ; α χ χ exp ; α χ χ : : σ σ σ σ : : σ σ σ σ > : : σ σ σ σ <
19 # Ejemplo: La variaza habitual para la altura de los machos de Lhasa Apso es de.5. U criador está itetado reducir esta cifra. Después de u período de criaza selectiva, se seleccioa ua muestra de 5 perros a los que se mide, obteiedo ua cuasivariaza muestral de.. Teemos evidecias que os permita afirmar que ha dismiuído la variabilidad e la altura de esta raza de perros? : Altura de los machos de Lhasa Apso Cotraste de ipótesis: ( ; ) N µ σ 5; s. : σ.5 : σ <.5 67
20 5; s Cotraste de ipótesis: Estadístico de cotraste: χ : σ.5 : σ <.5.95;4. α.5; χ 6.57 ( ) S σ χ χ exp No rechazamos χ.95;4 exp χ No teemos suficietes pruebas para sosteer la iformació de que la criaza selectiva haya reducido la variabilidad e las alturas de los machos de Lhasa Apso 68
21 ! 8... Cotrastes sobre los parámetros de dos distribucioes ormales idepedietes ( µ σ ),,..., m.a.s. de N ; ( ),,..., m.a.s. de N µ ; σ! Cotrastes sobre la diferecia de medias " Variazas coocidas " Variazas descoocidas, pero iguales " Variazas descoocidas, distitas o o. Muestras grades 69
22 7 Variazas coocidas Criterio de rechazo ipótesis del test Estadístico de cotraste ( ) ( ) ; Z N µ σ σ + exp z z α exp z z α exp z z α exp z z α : : µ µ µ µ : : > µ µ µ µ : : < µ µ µ µ
23 7 Variazas descoocidas, pero iguales Criterio de rechazo ipótesis del test Estadístico de cotraste ( ) p T S t µ + + exp ; t t α + exp ; t t α + exp ; t t α + exp ; t t α + ( ) ( ) p S S S + + : : µ µ µ µ : : > µ µ µ µ : : < µ µ µ µ
24 Variazas descoocidas, distitas o o, co x, y 3 Estadístico de cotraste Z ( ) S µ S + N ( ;) ipótesis del test Criterio de rechazo : µ : µ µ µ z z exp z α exp z α : µ : µ µ µ > z exp z α : µ : µ µ µ < z exp z α 7
25 # Ejemplo: E u estudio sobre la agia de pecho e ratas, se dividió aleatoriamete a 8 aimales afectados e dos grupos de 9 idividuos cada uo. A u grupo se le sumiistró u placebo y al otro u fármaco experimetal FL3. Después de u ejercicio cotrolado sobre ua cita si fi, se determió el tiempo de recuperació de cada rata, obteiédose los siguietes resultados: x S Placebo 9 39 seg. 45 seg. FL3 9 y 83 seg. S 43 seg. Se puede cocluir que el fármaco experimetal tiede a reducir el tiempo de recuperació? (Se supoe igualdad e las variazas poblacioales) : Tiempo de recuperació de las ratas co placebo : Tiempo de recuperació de las ratas co el fármaco N N ( µ, σ ) ( µ, σ ) Idepedietes 73
26 Cotraste de ipótesis: : µ µ : µ > µ : µ µ : µ µ > Estadístico de cotraste: T S ( ) µ p + t + S p ( ) ( ) S + S t t exp.5; Rechazamos.95.5 t.5;6 texp El fármaco experimetal es eficaz e la reducció del tiempo de recuperació e ratas co agia de pecho. 74
27 75 Medias descoocidas Criterio de rechazo ipótesis del test Estadístico de cotraste exp ; F F α + exp ; F F α + exp ; F F α + exp ; F F α +! Cotrastes sobre la igualdad de variazas ; S F F S : : σ σ σ σ : : σ σ σ σ > : : σ σ σ σ <
28 # Ejemplo: Se realiza u estudio de prácticas de prescripció. El propósito es aalizar la prescripció de digoxia, u fármaco importate, potecialmete tóxico y comúmete utilizado. El ivel de dosificació para los mayores de 64 años debe ser meor que el de persoas más jóvees. Se extrae muestras idepedietes de cada grupo y se obtiee el ivel de dosificació para cada paciete seleccioado. Los resultados so: x S Edad > 64 años 4.65 mg./día. mg./día Edad 64 9 y.68 mg./día S y.68 mg./día Se puede cosiderar que la dispersió e ambas poblacioes es la misma? : Catidad de digoxia e pacietes co > 64 años : Catidad de digoxia e pacietes co [ 64 años N N ( µ, σ ) ( µ, σ ) Idepedietes 76
29 Cotraste de ipótesis: Estadístico de cotraste:.5 4; 9; F.95 S S s s : σ : σ.5 σ σ ; F.mg./ día.68mg./ día. Fexp.5.68 F.5; 4, 8.5 F.975; 4, 8.55 f.5; 8, 4.94 Rechazamos Las variazas poblacioales so diferetes F.975; 4, 8 F.5; 4, 8 Fexp 77
30 ! Cotrastes para ua proporció Estadístico de cotraste Z pˆ p p N ( p ) ( ;) ipótesis del test Criterio de rechazo : p : p p p z z exp z α exp z α : p : p > p p z exp z α : p : p < p p z exp z α 78
31 # Ejemplo: Etre los pacietes co cácer de pulmó, el 9% o más muere geeralmete e el espacio de tres años. Como resultado de uevas formas de tratamieto, se cree que esta tasa se ha reducido. E u reciete estudio sobre 5 pacietes diagosticados de cácer de pulmó, 8 muriero e el espacio de tres años. Se puede afirmar que realmete ha dismiuido la tasa de mortalidad al ivel α.? Cotraste de ipótesis: : p.9 : p<.9 Estadístico de cotraste: Z pˆ p p N ( p ) ( ;) Estimació muestral del parámetro: Nº éxitos 8 p ˆ Nº observacioes
32 Cotraste de ipótesis: pˆ.853 : p.9 : p<.9 z exp pˆ p p ( p ).9(.9) 5.95 z α.;.46 z.9. Rechazamos..9 z exp z. 8
33 8 Criterio de rechazo ipótesis del test Estadístico de cotraste exp z z α exp z z α exp z z α exp z z α! Cotrastes para la comparació de dos proporcioes ( ) ( ) : : p p p p p p p p ( ) ( ) ( ) ( ) ( ) ; ˆ ˆ ˆ ˆ N p p p p p p p p Z + ( ) ( ) : : p p p p p p p p > ( ) ( ) : : p p p p p p p p <
34 # Ejemplo: Se quiere comprobar la teoría de que la vitamia C es ua ayuda e el tratamieto del cácer. Se examiaro dos grupos de 75 pacietes cada uo. Al primero de ellos se le dio gr. de vitamia C diariamete y se observó que 47 pacietes presetaro mejoría. A los pacietes del segudo grupo se les sumiistró u placebo y 43 experimetaro mejoría. Cotrastar las hipótesis: Estadístico de cotraste: : p p.4 : p p >.4 Z ( p pˆ ) ( pˆ pˆ ) p ( p ) p ( p ) ˆ N + ( ;) Estimació muestral de los parámetros: pˆ pˆ
35 : p p.4 : p p >.4 Z exp ( ) ( ) ( ) z zexp z α No rechazamos.95.5 z exp z.5 83
36 ! 8.3. Tests No Paramétricos! Cotrastes para la bodad de ajuste. El problema de bodad de ajuste cosiste e determiar a partir de u cojuto de datos muestrales si estos so cosistetes co ua distribució de Probabilidad teórica. Partiedo de ua muestra de valores observados x, x,..., x de ua v.a.. co distribució supuesta F ( x ), se platea el siguiete cotraste de hipótesis: : F( x) : sigue otra distribució 84
37 ! Plateamieto " Cosideremos ua v.a., discreta o cotiua, y ua muestra aleatoria de tamaño de la distribució de dicha variable agrupada e k clases exhaustivas y mutuamete excluyetes. " Sea i, i,,..., k, la frecuecia absoluta de la i-ésima clase " Supogamos ua cierta distribució teórica para cuyos parámetros poblacioales los estimamos a partir de los datos muestrales. " Si deotamos por p i la probabilidad asociada a la clase i, los valores p i será los valores esperados asociados a cada clase i. 85
38 Clases Marca de clase Fr. Absolutas empíricas Prob. Teóricas Valores esperados x p p x p p i x i i p i p i k x k k p k p k Si algú valor esperado es meor que 5, p i < 5, dicha clase se agrupará co otras cotiguas, de maera que e todas ellas dichos valores sea mayores o iguales a 5, reduciédose el úmero de clases. 86
39 ! Solució del test ipótesis ula : ( ) F x Estadístico de cotraste k i ( ) i pi i p χ ( k ) r Criterio de rechazo exp χ α ; ( k ) r " r es el úmero de parámetros estimados de los que depede la distribució teórica " k es el úmero de clases 87
40 # Ejemplo: Se mide el úmero de partículas que llega a ua determiada zoa procedetes de ua sustacia radioactiva e u corto espacio de tiempo siempre igual, aotádose los resultados e la siguiete tabla: Nº de partículas Nº de períodos de tiempo a) Ajustar ua distribució de Poisso b) Calcular la probabilidad de que llegue a dicha superficie,,,..., 6 partículas c) Verificar la bodad del ajuste mediate u cotraste de la χ Nº de Partículas Radioactivas Determiació de los parámetros de la distribució. Dado que o los coocemos, los estimamos:! λ x ixi i P( λ.4) 88
41 Cálculo de probabilidades P ( ).898 ; P ( ).3586 ; P ( ). ; P ( 3).99 P ( 4).85 ; P ( 5).7 P ( 6).4 Cotraste de bodad de ajuste o ( λ.4) : P : sigue otra distribució 89
42 Nº de Partíc Fr. Ab. i Prob p i Val. Esp. p i Como el último valor esperado es iferior a 5, uimos las dos clases cotiguas Nº de Partíc Fr. Ab. i Prob p i Val. Esp. p i ( i -p i ) /p i y
43 Estadístico de cotraste: k i ( ) i pi Nº de Gr. de Libertad, (k-) - r (6-) - 4; r Nº de Parámetros estimados Criterio de rechazo: χ.5;4 exp i i p 9.49 k χ ( k ) exp χ α ;.5335 ( k ) r r No rechazamos ( p ) i p i i.95.5 exp χ.5;3 Los datos proviee de ua distribució de Poisso 9
44 ! Cotrastes para la idepedecia de dos caracteres Se quiere determiar si existe relació etre dos características diferetes de ua població, dode cada característica se ecuetra subdividida e u cierto úmero de categorías B A A Total " TABLA DE CONTINGENCIA B B... j... s. A A i i A r r i r B j j ij rj.j B s s is rs.s Total. i. r... 9
45 ., i,,..., r. i. s j r, j,,..., s. j i ij ij Total de la i-ésima fila Total de la j-ésima columa " La decisió de rechazar o o rechazar la hipótesis ula de idepedecia de los dos caracteres, se basa e el mal o bue ajuste etre las frecuecias observadas y las frecuecias que se esperaría para cada celda si fuese cierta i.. j Valores esperados: e ij 93
46 ! Solució del test ipótesis ula : A y B so idepedietes U r Estadístico de cotraste s i j ( ) ij eij e ij χ ( r )( s ) U Criterio de rechazo exp χ α ; ( r )( s ) Correcció de ates para cotiuidad Si algú valor e ij es meor que 5, se aplica la siguiete correcció por cotiuidad al estadístico del test Estadístico de cotraste U r s i j (.5 ) ij eij e ij χ ( r )( s ) 94
47 # Ejemplo: U psicólogo realiza ua ivestigació para determiar si existe asociació aparete etre el peso de u muchacho y u éxito precoz e la escuela. Se seleccioa ua m.a.s. de 5. Se clasifica a cada uo de acuerdo a dos criterios: el peso y el éxito e la escuela, obteiédose los siguietes resultados: Éxito Sí No Sobrepeso Sí No A la vista de los datos, qué se puede decir sobre la afirmació del psicólogo? Cotraste de ipótesis: : Los caracteres peso y éxito so idepedietes : Los caracteres peso y éxito o so idepedietes 95
48 Cálculo de los valores esperados, e ij e ij.. i j e Sobrepeso Éxito Sí No Total Sí (7) (55) No (3) (45) Total
49 Estadístico de cotraste: U r s i j ( ) ij eij e ij χ ( r )( s ) U U exp exp ( 6 7) ( 63 55) ( 38 3) ( 37 45) ( r )( s ) Rechazamos o χ.5; χ.5; U exp La obesidad y la precocidad e la escuela o so idepedietes 97
50 ! Cotrastes de homogeeidad El problema geeral es determiar si varias muestras se puede cosiderar procedetes de ua misma població, e cuyo caso decimos que las muestras so homogéeas. " TABLA DE CONTINGENCIA Modalidades Muestras A A i A r Total B B... j... p. A i r i r B j j ij rj.j B p p ip rp.p Total. i. r... 98
51 ! Solució del test ipótesis ula : Las muestras so homogéeas Estadístico de cotraste U r p i j ( ) ij eij e ij χ ( r )( p ) U Criterio de rechazo exp χ α ; ( r )( p ) 99
52 # Ejemplo: U grupo de persoas ha sido expuesto a la radiactividad de u vertedero co desechos atómicos. Se realiza ua ivestigació para descubrir si hay algua asociació etre la exposició y el desarrollo de ua efermedad e la sagre. Se elige 3 persoas expuestas al peligro y 3 o expuestas y se estudia a cada sujeto para determiar si tiee o o la efermedad. Qué se puede cocluir a la vista de los resultados? Tiee la efermedad Radioactividad Sí No Sí 5 48 No 48 7 Cotraste de ipótesis: : ay homogeeidad : No hay homogeeidad 3
53 Cálculo de los valores esperados, e ij e ij.. i j e Radioactividad Sí No Total Tiee la efermedad Sí No 5 48 (48.39) (5.6) 48 7 (5.6) (68.39) 5 Total
54 Estadístico de cotraste: U r p i j ( ) ij eij e ij χ ( r )( p ) U U exp exp ( ) (48 5.6) (48 5.6) ( ) ( r )( p ) No rechazamos o χ.5; U exp χ.5; No hay evidecia de asociació etre efermedad saguíea y exposició a esta fuete de radioactividad 3
55 ! Cotraste de aleatoriedad. Test de rachas Aplicacioes del test: $ Determiar la aleatoriedad e el orde de aparició de los valores de ua variable $ Determiar si ua muestra se ha escogido de maera aleatoria EJEMPLOS:! E u proceso de producció de uas píldoras que se fabrica secuecialmete, la periodicidad de rachas de píldoras defectuosas puede ser sigificativa de la falta de aleatoriedad e la producció y sugeriría la revisió del proceso! Se está examiado el ivel de cotamiació atmosférica de ua ciudad, para ello se toma medicioes de diferetes partes de la ciudad. Se estudia si estas medicioes se ha realizado aleatoriamete por toda la ciudad y por lo tato los resultados del exame puede cosiderarse sigificativos. 33
56 Se defie ua racha como ua sucesió de símbolos idéticos cosecutivos. Ej: (6 rachas) Desarrollo del test: Supogamos ua muestra de tamaño de ua v.a. dicotómica co valores posibles a y a. Sea : r, total de rachas e la muestra. i, el úmero de veces que aparece el elemeto a i e la muestra, i, +, tamaño de la muestra Valores pequeños de i ( ) Estadístico de cotraste R r Criterio de rechazo (Tabla [F]) R I r α/ R S r -α/ R exp R R I, exp R S Valores grades de i : R Estadístico de cotraste Z r µ σ r r N( ;) µ r + + σ r + + ( ) ( ) ( ) N ( µ ; σ ) r r Criterio de Rechazo z exp z exp z z α α 34
57 Caso de variables cuatitativas Cuado los datos muestrales sea cuatitativos:. Se calcula la mediaa muestral. Se represeta por u sigo - los valores meores que la mediaa 3. Se represeta por sigo + los valores mayores que la mediaa 4. Se elimia los valores iguales a la mediaa 5. Se aplica el test aterior 35
58 Ejemplo: Se desea saber si e u proceso de fabricació de píldoras, la obteció de éstas e mal estado se produce de maera aleatoria. Para ello se aota el estado de 5 píldoras obteidas e la cadea de producció a ua determiada hora: B: Bue estado D: Defectuosa BDBDBBBDDBDBDDBDBBBBDBDBDBBDDDBDBD BDBBDBBDBBBBDBDB Test de ipótesis: Parámetros: r 35; 9; > R N µ, σ µ r ; + i : ay aleatoriedad : No hay aleatoriedad ( ) ( ) ( + ) ( + ) r r σ r 3.4 z z z exp r µ r σ r Rechazamos.5 ay algú fallo e el proceso de obteció de las píldoras -z z z α/ α/ exp 36
59 Ejemplo: Se puede cosiderar que el úmero de bacterias que aparece e u determiado cultivo al cabo de ua semaa es aleatorio, o por el cotrario habría que supoer que hay algo e el cultivo que propicia el desarrollo de tales bacterias? Los resultados a lo largo de semaas de observació fuero los siguietes: 498, 49, 5, 55, 495, 496, 497, 5, 5, 5 Test de ipótesis: : ay aleatoriedad : No hay aleatoriedad Paso : Cálculo de la Mediaa Muestral Ordeamos los datos: ( 5) + ( 6) Me Paso : Determiació de la ueva secuecia: Parámetros: r 4 rachas ; 5; 5 i < Tabla [F] Para α., R I 3, R S 9 R I r R S Aceptamos la aleatoriedad de los datos 37
60 ! Test de Kolmogorov -- Smirov Aplicacioes del test: $ Cotrastar si u cojuto de datos muestrales puede cosiderarse procedetes de ua distribució determiada $ Alterativa al test Chi Cuadrado cuado el modelo propuesto bajo la hipótesis ula es de tipo cotiuo y el tamaño muestral es pequeño Vetajas del test Kolmogorov Smirov frete al test Chi Cuadrado:! No requiere la agrupació de los datos e clases! Es aplicable a muestras pequeñas Icoveietes del test Kolmogorov Smirov frete al test Chi Cuadrado:! Sólo es válido para modelos de tipo cotiuo 38
61 Desarrollo del test: Sea,,..., ua m.a.s. de ua v.a. co distribució de tipo cotiuo. Cotraste: : sigue la distribució : F o sigue la distribució F Fudameto del cotraste: ˆ, F Comparar la distribució empírica, de la muestra co la distribució propuesta bajo, F. Si esta comparació revela diferecias sigificativas, se rechaza Solució del test: Estadístico de cotraste ( x) F( x) Regió crítica (Tabla [G]) D sup Fˆ [ [ dexp d α, + x 39
62 Cálculo del estadístico D:. Se ordea la muestra. Para cada i,,...,, se calcula: D D i máx máx i,..., { F x } ( ) F( x ) () ( x ) ( ) ( ) ( ) ( ) F x() Fˆ i i, x() i F x() i ( ) Fˆ, x() { Fˆ } 3. D exp máx{d i, i,,...,}, 3
63 Ejemplo: Realizar u test de Kolmogorov Smirov, a ivel α., para cotrastar si puede supoerse que los datos:.5, 8, 5,.,., 4.,., 8,.5, 6 procede de ua distribució ormal N(.84, 3.5). Ordeados los datos de la muestra, costruímos la tabla co los valores D i x (i) F ˆ ( ) ( ) x( i)..3.5 F D i max{.7,..7 } x (i) max , D exp máx{d i, i,,...,}.6 3. Regió Crítica, C [D -α, + [ [.368, + [ 4. Coclusió:.6<.368, por tato, o se rechaza que los datos proceda de ua distribució N(.84; 3.5) 3
64 ! Test de los ragos sigados de Wilcoxo Aplicacioes del test: $ Cotrastar la hipótesis ula de que ua muestra,,..., procede de ua v.a. co mediaa Me $ Cotrastar la simetría de la distribució de la variable Fudameto del cotraste: Si se dispoe de ua muestra,,..., procedete de ua v.a. de tipo cotiuo y simétrica respecto a su mediaa, Me, las diferecias D i i Me, estará distribuídas de forma simétrica respecto a Las diferecias positivas y egativas de igual magitud absoluta será igualmete probables 3
65 Se llama Rago de i a la posició que ocupa D i e la secuecia ordeada e orde creciete de los valores absolutos de las diferecias D i. Solució del test: ipótesis Nula : Mem Valores pequeños de ( < 5) Estadístico de cotraste "T + : Suma de los ragos de los D i positivos "T - : Suma de los ragos de los D i egativos Regió crítica (Tabla []) C C C : Me m ( ) ( + ) T, ti ts, : Me < m T ( ) T t,tomado α ' α : Me > m ( + ) t,t,tomado α ' α S, I Valores grades de ( 5) ( + )( ) + T N ( + ), 4 33
66 Ejemplo: Cotrastar si,., -., -.8, 3 y.9 so valores de ua muestra,,..., 6 extraída de ua població co distribució cotiua y mediaa Me., o si procede de ua població co mayor mediaa Test de hipótesis: : Me. : Me >. Cálculo de las diferecias D i : D -..8 D D -..9 D D D E orde creciete quedaría D < D < D 4 < D 3 < D 6 < D 5 Los ragos de D,, D,..., D 6 sería respectivamete,,, 4, 3, 6 y 5 Estadísticos de Wilcoxo: T T A ivel α.5 la regió crítica es C [T + 9], como T + exp 9 C, o rechazamos 34
67 ! Test de Ma Whitey - Wilcoxo Aplicacioes del test: $ Cotrasta la igualdad de las distribucioes de dos v.a. Dadas dos muestras de dos distribucioes idepedietes de tipo cotiuo:,,..., ; m.a.s. de F,,..., y ; x m.a.s. Se formula los cotrastes: : F : F F F Solució del test: : F : F F < F de F : F : F F > F. Ordear las x + y observacioes cojutamete. Difereciar de que muestra procede cada observació 3. Asigar ragos desde hasta x + y a las observacioes (salvo datos repetidos) 4. Calcular R i Suma de los ragos asociados a las observacioes de la muestra i, i x, y. 5. Estadístico de Ma Whitey: i ( i + ) U xy + Ri Nota: Las distribucioes de ambos estadísticos (, ) está relacioadas y proporcioa la misma prueba. 35
68 ipótesis Nula : F F Valores pequeños de ( < 5) Estadístico de cotraste Regió crítica (Tabla [I]) R (los resultados so los mismos sea cual sea la muestra escogida) C C : F F [ R, r ] [ r R] I S, : F < F [ R, r ], tomadoα' α I C Valores grades de ( 5) : F > F [ r, ], tomado α' α R S R i ( + + ) ( + ) i x y x y x y + N ; 36
69 Ejemplo: Idicar si, a ivel α., hay evidecia de diferecia etre las distribucioes a partir de los siguietes datos, procedetes de distribucioes idepedietes A: 5 3 B: Test de hipótesis: : : F F F F El resultado de las dos muestras ordeadas es: Difereciado los valores de ua y otra muestra y asigado los ragos, obteemos: A A A B B A B B E este caso, x y 4, y cosiderado la primera muestra resulta: R exp C[R ] [R 5], por lo que o hay evidecia muestral para creer que ambas distribucioes o sea idéticas 37
70 ! 8.4. Aálisis de la Variaza El aálisis de la variaza es el método que os permite determiar diferecias sigificativas etre el efecto medio que produce los distitos tratamietos o iveles del factor estudiado Aálisis de la variaza Paramétrico No Paramétrico De u factor De más de u factor 38
71 Ejemplos:! Ua compañía farmacéutica ivestiga los efectos de tres compuestos. Se diseña u experimeto que cosiste e iyectar los compuestos a ratas de la misma especie y aotar los tiempos que tarda e reaccioar. Los aimales se clasifica al azar e tres grupos A, B, C. A los 4 aimales del grupo A se les admiistra el primer compuesto, a los 4 aimales del grupo B, el segudo compuesto y a los 3 del grupo C, el tercero. Si se produce diferecias etre las reaccioes de los tres grupos, éstas se deberá a los compuestos, ya que las ratas se presupoe de características similares. El tipo de compuesto es el factor bajo estudio! De u producto dado, se tomaro 4 muestras similares y se procedió a u almaceaje utilizado 5 métodos diferetes. Trascurrido u cierto periodo de tiempo, se determió la catidad de agua que coteía cada muestra. Claramete, las posibles diferecias etre las catidades de agua se deberá al método de almaceamieto, que es el factor bajo estudio 39
72 ! Aova Paramétrico de u Factor Sea,,..., k v.a.i. co i N (µ i, σ), co µ i y σ descoocidos. Para cada variable i se cosidera ua muestra aleatoria de tamaño i :,..., i, i i i siedo el tamaño total de las k muestras: k i i El cotraste: : µ µ " µ k : µ µ para algú i i j j recibe el ombre de Aálisis de la Variaza de ua vía (o u factor) de clasificació (ANOVA) A las k categorías de clasificació se les dice tratamietos 3
73 ! ipótesis del ANOVA paramétrico " Aleatoriedad de las muestras " Idepedecia de las variables " Normalidad de las distribucioes " omogeeidad de las variazas 3
74 ! MODELO Sea i observacioes del tratamieto i x ij µ i + eij i N ( µ ; σ ), i,,..., i Siedo: µ Media del tratamieto i i eij Errores experimetales Se formula el test de hipótesis : µ µ " µ : µ µ, para algú i j i j k 3
75 ! Cálculos para el ANOVA: Muestra Observacioes x, x,, x Total T Medi a x x, x,, x T x k x k, x,, x k kk T k x k T x Notació: " Total de las observacioes del tratamieto i, i T i x ij, i,,...,k j " Media de las observacioes del tratamieto i, i T x x i i ij, i,,..., k i j i " Total de todas las observacioes, T k i i j x ij " Media total de todas las observacioes, x k i i j x ij T 33
76 ! Descomposició de la variabilidad Variabilidad Total de los datos: Desviació de los datos respecto de su media k i i j k i ( ) ( ) x x x x + ( x x) ij i j ij i k i i j i Variabilidad total de los datos Variabilidad detro de los grupos + VT VNE + VE Variabilidad etre grupos Distribucioes de las variazas bajo la hipótesis ula de igualdad de medias: " VT σ χ Bajo o, VNE y VE so idepedietes " VNE σ χ k ( k ) ( k ) VE VNE F k, k " VE σ χ k 34
77 Tabla ANOVA de ua vía Fuetes de variació Suma de Cuadrados Grados de libertad Variazas Estadístico del test Etre grupos Detro de grupos Total VE VNE VT k- -k - S e S R S t VE k VNE k VT S e S d S Rechazamos si Criterio de rechazo e S R S S e R Fk, k > Fα ; k, k 35
78 Ejemplo: Ua compañía farmacéutica ivestiga los efectos de 5 compuestos; el experimeto cosiste e iyectar los compuestos a ratas de características similares y aotar los tiempos de reacció. Los aimales se clasifica e 5 grupos, admiistrádole a cada uo de ellos u compuesto diferete. Se obtuviero los siguietes resultados: Familia , 7.6, 8.4, , 7. 8., , 8.5,. 7. Tiempo de reacció (miutos) Se puede cosiderar a u ivel α.5 que hay diferecias sigificativas etre los compuestos? Supodremos que se verifica las hipótesis de " Aleatoriedad de las muestras " Idepedecia de las variables " Normalidad de las distribucioes " omogeeidad de las variazas ecesarias para poder llevar a cabo u aálisis de la variaza. 36
79 ipótesis ula: Los tiempos medios de reacció puede cosiderarse idéticos e todos los grupos : µ µ : µ µ j, µ 3 para µ 4 µ 5 algú i j Cálculos: Compuesto Tiempos 8.3, 7.6, 8.4, 8.3 i 4 T i 3.6 xi , , , 8.5, Total " VNE k i i j ( ) x x 4. 3 ij i k " VE ( xi x) 7. i i 37
80 Tabla ANOVA: Fuetes de variació Suma de Cuadrados Grados de libertad Variazas Estadístico Etre grupos VE 7. k-4 S E.75 Detro de VNE 4.3 -k7 S R.6 grupos.8 Total VT.3 - E uestro caso: S e S R F 4,7 A partir de las tablas se obtiee que F.5;4,7 4. >.8 por lo que o se rechaza la hipótesis de igualdad de medias 38
81 Comprobació de las hipótesis previas al ANOVA " Aleatoriedad de las muestras $ Test de rachas " Idepedecia de las variables " Normalidad de las distribucioes $ Test de Idepedecia $ Aálisis de los residuos $ Test de Bodad de ajuste $ Teorema Cetral del Límite "omogeeidad de las variazas $ Test de Bartlett 39
82 33 omogeeidad de la variaza. Test de Bartlett Sea,,..., k v.a. i. co i N (µ i ; σ i ), co µ i y σ i descoocidos, i,,..., k. Para cada variable i se cosidera ua muestra aleatoria de tamaño i : i i i i,...,, siedo el tamaño total de las k muestras: k i i Se platea el cotraste: j i j i k algú para : : σ σ σ σ σ " Criterio de rechazo Estadístico de cotraste ( ) ( ) l l k k i i i k i i s s k c B χ ( ) ( ) ; l k i i k i i i k s s ( ) ( ) + k i i k i i k k 3 c exp χ α;k B > Solució del test:
83 Ejemplo: Se desea cotrastar la eficacia de tres fertilizates A, B y C. El primero se aplica e 8 parcelas, el B e 6 parcelas y el C e parcelas. Las parcelas so de características similares e cuato a su fertilidad, por lo que se cosidera que las diferecias e la producció será debidas al tipo de fertilizate. Las toeladas producidas e cada parcela e ua temporada y para el mismo producto so: A: B: C: Supoiedo que las tres muestras procede de poblacioes ormales idepedietes, cotrastar la igualdad de las toeladas medias producidas co cada fertilizate. ipótesis ula: Los tres fertilizates produce el mismo resultado Supodremos que se verifica las hipótesis de " Aleatoriedad de las muestras " Idepedecia de las variables " Normalidad de las distribucioes ecesarias para poder llevar a cabo u aálisis de la variaza. y comprobaremos la última hipótesis " omogeeidad de las variazas mediate el test de Bartlett 33
84 Test de Bartlett: : σ σ σ 3 Muestra i s i ( i -) s i ls i ( i -) ls i / ( i -) A 8 /7.34 7x.34 / 7 B 6 /5.38 5x.38 / 5 C 38/ x.5384 / Total Estadístico de cotraste: B k k i i i k c i i ( k) l s ( ) l s χ s k ( i ) l si i 6 l s k 3 ( i k) i k c + 3( k ) k i i i k i Bexp.468 No rechazamos χ., 9. ( )
85 ANOVA: Cálculos: Fert. A Producció i 8 T i 48 xi 6 B C Total Tabla ANOVA: Fuetes variació S.C. G.L. Variazas Estadístico Etre grupos (VE) 64.6 k- 3.3 Detro grupos (VNE) 6 -k Total (VT) f f exp ;,3 Rechazamos 333
86 Aálisis posteriores al ANOVA E caso de rechazar la hipótesis ula de igualdad de medias, qué medias so diferetes? Comparació de las medias por parejas Método de Scheffé para comparacioes múltiples Método de Scheffé para comparacioes múltiples: Cotraste de hipótesis: : L : L siedo L ua combiació lieal de las medias de los tratamietos: k L c i µ i i k y c i costates verificado: c i i El método de Scheffé está basado e la costrucció de itervalos de cofiaza para todos los posibles cotrastes de la forma idicada 334
87 Cosiderado:! Estimador isesgado de L: k L ˆ c i x i i! Variaza del estimador: Itervalo de cofiaza: S L S k d i co VNE ci i k VNE k i i j [ Lˆ S ( k ) F, Lˆ + S ( k ) F ] L α; k, k L ci i ( x x ) ij α; k, k k i i Coclusió: Si para algú cotraste L se obtiee u itervalo que o cotiee al, se rechaza la hipótesis ula 335
88 Ejemplo: Se desea cotrastar la eficacia de tres fertilizates A, B y C. El fertilizate A se aplica e 8 parcelas, el B e 6 parcelas y el C e parcelas. Las parcelas so de características similares e cuato a su fertilidad, por lo que se cosidera que las diferecias e la producció será debidas al tipo de fertilizate. Las toeladas producidas e cada parcela e ua temporada y para el mismo producto so: Fertilizate A B C Toeladas de producto 6, 7, 5, 6, 5, 8, 4, 7, 9, 9,,, 6 3, 4, 8, 3, 7, 6, 3, 6, 4, 7, 6, 3 a) Supuesto que las tres muestras procede de poblacioes ormales idepedietes co la misma variaza, cotrastar la igualdad de producció media e Tm. de las parcelas co cada fertilizate b) E caso de rechazar la igualdad e las produccioes, cotrastar la producció media co el fertilizate A frete al C y la producció media co A y C frete a B, co α. 336
89 a) ANÁLISIS DE LA VARIANZA ipótesis ula: La producció media es la misma idepedietemete del fertilizate Cálculos: Fertilizate A B C Total Producció 6, 7, 5, 6, 5, 8, 4, 7, 9, 9,,, 6 3, 4, 8, 3, 7, 6, 3, 6, 4, 7, 6, 3 i T i xi Fuetes variació Etre grupos Detro grupos Total S.C G.L. k- -k3-5 Variazas Estadístico.98 F.;, <.98 por lo que se rechaza la hipótesis de igualdad de medias 337
90 b) Comparacioes múltiples mediate el método de Scheffé: L µ - µ 3 ; L µ - µ - µ 3 Cotraste : : L : L Lˆ S L x x Itervalo de cofiaza: [.566 F, ] I.;, 3 F.;, 3 [.5, 3.53] Cotraste : : L : L I, por lo que podemos cosiderar µ µ 3 I Lˆ S L x x.696 Itervalo de cofiaza: x [.359 F, ] F 7.;,3.;, 3 [.83,.67] I, por lo que podemos cosiderar µ µ + µ 3 338
91 Aplicacioes del test:! Aova No Paramétrico Comparació de tratamietos cuado $ o es coocida la ormalidad de las distribucioes o o se verifica $ la variable respuesta es cualitativa u ordial Test de Kruskal Wallis o Aálisis de la Variaza de ua vía por ragos: " Permite decidir si k muestras idepedietes ha sido extraídas de la misma població o de poblacioes idéticas. ipótesis del test de Kruskal Wallis: " Las observacioes ha de estar medidas al meos e la escala ordial " La variable de iterés ha de teer como base ua distribució cotiua " Las poblacioes de las que se extrae las muestras ha de ser idéticas auque puede diferir e la localizació de la media 339
92 Desarrollo del test: Sea: (,..., ),..., (,,..., ), k k k k k muestras idepedietes de tamaños,,..., k, respectivamete, de distribucioes cotiuas : Las k distribucioes so idéticas : Las distribucioes difiere e su tedecia cetral Solució del test:. Ordear cojutamete las N,,..., k observacioes. Asigar ragos de a N a las observacioes 3. Calcular R i Suma de los ragos de las observacioes de cada ua de las muestras, i,,..., k Fudameto del test: El cotraste determia si la disparidad etre los R i respecto a los tamaños muestrales i es suficietemete sigificativa para sugerir el rechazo de la hipótesis ula 34
93 Estadístico de cotraste k R 3 ( ) i + k N N i i ( ) N + χ Criterio de rechazo exp > χ α,k 34
94 Ejemplo: Se desea comprobar si la itesidad del ruido ifluye e la duració de ua cierta tarea laboral. Para ello se tomaro tres muestras bajo tres iveles diferetes de ruido (bajo, medio y alto) de los tiempos (e segudos) empleados por obreros de características similares para llevar a cabo dicha tarea, obteiédose los siguietes datos: Nivel Nivel Nivel Cotrastar la igualdad de los tiempos medios de reacció de ambos grupos Difereciado los valores de las muestras y asigado los ragos, obteemos:
95 Que e forma de tabla: Nivel Nivel Nivel R R R 3 55 El estadístico de cotraste: N 3 3 ( N + ) ( + ) k i R i y como: χ., 9. i ( N + ) ( + ) exp 9.45 > 9. Rechazamos la hipótesis ula de igualdad etre los tiempos medios de reacció 343
TEMA 8. TESTS DE HIPOTESIS Introducción Definiciones Pasos para la realización de un test
TEMA 8. TESTS DE IPOTESIS 8.. Itroducció 8... Defiicioes 8... Pasos para la realizació de u test 8.. Tests paramétricos. 8... Cotrastes sobre los parámetros de ua distribució Normal 8... Cotrastes sobre
Más detallesTEMA 6. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
TEMA 6. INTRODUCCIÓN A LA INFERENCIA ETADÍTICA 6.. Itroducció 6.. Coceptos básicos 6.3. Muestreo aleatorio simple 6.4. Distribucioes asociadas al muestreo 6.4.. Distribució Chi-Cuadrado 6.4.. Distribució
Más detallesTest de Kolmogorov Smirnov Patricia Kisbye El test chi-cuadrado en el caso continuo
Test de Kolmogorov Smirov Técicas de validació estadística Bodad de auste Kolmogorov-Smirov Patricia Kisbye FaMAF 29 de mayo, 2008 Icoveiete: No es secillo costruir los itervalos a partir de las probabilidades.
Más detalles4 Contrastes del Chi 2 de bondad del ajuste
4 Cotrastes del Chi de bodad del ajuste U cotraste de bodad del ajuste es de la forma o H 0 : P = P 0 frete a H 1 : P P 0 H 0 : P {P θ } θ Θ frete a H 1 : P / {P θ } θ Θ 4.1 Cotraste del χ para modelos
Más detallesTEMA 7. ESTIMACIÓN. 7.2. Estimación puntual. Propiedades deseables de los estimadores 7.2.1. Introducción y definiciones 7.2.2. Estimadores Insegados
TEMA 7. ETIMACIÓN 7.1. Itroducció y defiicioes 7.. Estimació putual. Propiedades deseables de los estimadores 7..1. Itroducció y defiicioes 7... Estimadores Isegados 7.3. Estimació por itervalos de cofiaza
Más detallesEL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos
EL CONTRASTE DE HIPOTESIS: Esquemas y ejemplos Ua vez expuesta la lógica de u Cotraste de Hipótesis y tras haber defiido los térmios y coceptos ivolucrados, hay que decir que esa lógica geeral se cocreta
Más detalles8. INTERVALOS DE CONFIANZA
8. INTERVALOS DE CONFIANZA Al estimar el valor de u parámetro de la distribució teórica, o se provee iformació sobre la icertidumbre e el resultado. Esa icertidumbre es producida por la dispersió de la
Más detallesIntervalo de confianza para µ
Itervalo de cofiaza para p y ˆp1 ˆp ˆp1 ˆp ˆp z 1 α/ ; ˆp + z 1 α/, 7.6 ˆp + z 1 α/ ± z 1 α/ 1 + z 1 α/ ˆp1 ˆp + z 1 α/ 4 7.7 siedo ˆp = x/ y z 1 α/ el cuatil 1 α/ de la distribució ormal estádar. El itervalo
Más detallesT ema 8 ESTIMACIÓN. Conceptos previos. Población y muestra:
T ema 8 ESTIMACIÓN Coceptos previos Població y muestra: Població se refiere al cojuto total de elemetos que se quiere estudiar ua o más características. Debe estar bie defiida. Llamaremos N al úmero total
Más detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesT5. Contrastes para los parámetros de una población Normal
Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística
Más detallesTema 6: Distribuciones Muestrales
Tema 6: Distribucioes Muestrales El objetivo es efectuar ua geeralizació de los resultados de la muestra a la població. Iferir o adiviar el comportamieto de la població a partir del coocimieto de ua muestra.
Más detallesTécnicas experimentales de Física General 1/11
La distribució de Itroducció. Ejemplo. Defiició geeral de. Grados de libertad. reducido. La distribució de. Probabilidades de. Ejemplos: 1. Distribució de Poisso.. Bodad de u ajuste. Técicas eperimetales
Más detallesEstimador Es la regla o procedimiento, expresado en general por medio de una fórmula, que se utiliza para deducir la estimación.
Teoría de la Estimació Estadística Teoría de la Estimació Estadística Razó para estimar Los admiistradores utiliza las estimacioes porque se debe tomar decisioes racioales, si que tega la iformació pertiete
Más detallesLicenciatura en Matemáticas Febrero 2011. x(1 x) θ 1 I [0,1] (x). (1)
Estadística I Exame Liceciatura e Matemáticas Febrero 2011 1. Sea X 1,..., X ua muestra aleatoria de ua variable X co distribució Beta de parámetros 2 y θ > 0. Esto último sigifica que la fució de desidad
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA.
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. Població: El cojuto de todos los elemetos o idividuos que posee ua determiada característica o cualidad de iterés. Existe situacioes e las que o es posible aalizar
Más detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detallesTema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesOPCIÓN A EJERCICIO 1 (A) -5 0
IES Fco Ayala de Graada Sobrates 014 (Modelo 1 ) Solucioes Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SOBRANTES 014 MODELO 1 OPCIÓN A EJERCICIO 1 (A) -5 0-1 -8-1 Sea las matrices B =
Más detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más detallesTema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD. X- μ. f(x) = e para - < x < Z 2. . e para - < z <
Tema 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD La distribució ormal: La distribució ormal, campaa de Gauss o, curva ormal, tambié defiida por De Moivre. Características y propiedades: La siguiete fórmula
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detalles11 I N F E R E N C I A E S T A D Í S T I C A I (INTERVALOS DE CONFIANZA)
I N F R N C I A S T A D Í S T I C A I (INTRVALOS D CONFIANZA) Sea Ω ua població y sobre ella ua variable aleatoria X que sigue ua ley ormal N(µ; ), co media µ descoocida y desviació típica coocida. Co
Más detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesTeoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS
Teoría de muestras INTRODUCCIÓN A LA TEORÍA DE MUESTRAS Cuado se lleva a cabo ua ivestigació estadística, se pretede realizar algua iferecia acerca de situacioes aparetemete ifluidas por el azar. Por ejemplo,
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ESTIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRASTES DE HIPÓTESIS TEMA 8: Cotrastes
Más detallesDISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL.
DISTRIBUCIONES DE PROBABILIDAD. DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL. E estadística, la distribució biomial es ua distribució de probabilidad discreta que mide el úmero de éxitos e ua secuecia de esayos
Más detallesIntervalos de confianza para la media
Itervalos de cofiaza para la media Ejercicio º 1.- Las vetas diarias, e euros, e u determiado comercio sigue ua distribució N(950, 200). Calcula la probabilidad de que las vetas diarias e ese comercio:
Más detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
Más detallesTEST DE HIPÓTESIS. 5.1. Introducción. 5.2. Hipótesis estadísticas
Capítulo 5 TEST DE HIPÓTESIS 5.1. Itroducció E este tema trataremos el importate aspecto de la toma de decisioes, referida a decidir si u valor obteido a partir de la muestra es probable que perteezca
Más detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detallesMuestreo y estimación
Muestreo y estimació BENITO J. GONZÁLEZ RODRÍGUEZ bjglez@ull.es DOMINGO HERNÁNDEZ ABREU dhabreu@ull.es MATEO M. JIMÉNEZ PAIZ mjimeez@ull.es M. ISABEL MARRERO RODRÍGUEZ imarrero@ull.es ALEJANDRO SANABRIA
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detalles14. Técnicas de simulación mediante el método de Montecarlo
4. Técicas de simulació mediate el método de Motecarlo 4. Técicas de simulació mediate el método de Motecarlo Qué es la simulació? Proceso de simulació Simulació de evetos discretos Números aleatorios
Más detallesESTADISTICA UNIDIMENSIONAL
ESTADISTICA UIDIMESIOAL La estadística estudia propiedades de ua població si recurrir al sufragio uiversal. El estudio estadístico tiee dos posibilidades (1) Describir lo que ocurre e la muestra mediate
Más detallesSELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 2012 (COMÚN MODELO 3) OPCIÓN A
IES Fco Ayala de Graada Sobrates de 01 (Septiembre Modelo ) Solució Germá-Jesús Rubio Lua SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS SEPTIEMBRE 01 (COMÚN MODELO 3) OPCIÓN A EJERCICIO 1_A ( 5 putos) U empresario
Más detallesMEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo.
MEDIDAS RESUMEN: Numéricas y Gráficas. Ejemplo. Admítelo ua salchicha o es ua zaahoria. Así decía la revista El Cosumidor e u cometario sobre la baja calidad utricioal de las salchichas. Hay tres tipos
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesESTADÍSTICA. Estadística: Es una rama de la matemática que comprende Métodos y Técnicas que se emplean
ESTADÍSTICA Estadística: Es ua rama de la matemática que comprede Métodos y Técicas que se emplea e la recolecció, ordeamieto, resume, aálisis, iterpretació y comuicació de cojutos de datos. Població:
Más detallesInferencia Estadística
Iferecia Estadística Tema 1 - Elemetos de la teoría del muestreo 1.1. Coceptos básicos: muestra aleatoria y estadístico. 1.2. Otros tipos de muestreo. a explicació que aquí iiciamos tiee como objetivo
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
Más detallesMuestreo. Mucho de las acciones y decisiones que se toman están basados en la información de una muestra.
1 Muestreo Muco de las accioes y decisioes que se toma está basados e la iformació de ua muestra. La preguta que siempre se ace, es: qué tamaño de muestra es suficiete para obteer ua buea aproximació de
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2011 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 211 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Oció A Reserva 1, Ejercicio 4, Oció A Reserva 2, Ejercicio
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesMuestreo estratificado
Capítulo 1 Muestreo estratificado El objetivo del diseño de ecuestas por muestreo es maximizar la catidad de iformació para u coste dado. El muestreo aleatorio simple suele sumiistrar bueas estimacioes
Más detallesOPCIÓN A EJERCICIO 1_A x 1 0 1
IES Fco Ayala de Graada Sobrates de 006 (Modelo 3 Juio) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x 1 0 1 Sea las matrices A = y B =. 1 x+1 (1 puto) Ecuetre el valor o valores de x de forma
Más detallesEstadística Aplicada a las ciencias Sociales Examen Febrero de 2008 segunda semana
Estadística Aplicada a las ciecias Sociales Exame Febrero de 008 seguda semaa Ejercicio 1.- E la siguiete tabla, se tiee el úmero de alumos de educació de adultos matriculados e el curso graduado escolar
Más detallesMedidas de Tendencia Central
1 Medidas de Tedecia Cetral La Media La media (o promedio) de ua muestra x 1, x,, x de tamaño de ua variable o característica x, se defie como la suma de todos los valores observados e la muestra, dividida
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesPaso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:
Hoja 6: Cotraste de hipótesis 1. U laboratorio farmacéutico ha elaborado u fármaco e forma de comprimidos cuyo peso sigue ua distribució Normal co ua desviació típica de 0.12 mg. Se sabe que ua dosis de
Más detallesEstadístico. Parámetro
La iferecia estadística comprede el establecer ciertos juicios co respecto a algo después de examiar solamete ua parte o muestra de ello. Así, se ofrece ua muestra gratis de u uevo producto alimeticio
Más detallesPROCESO DE POISSON Rosario Romera Febrero 2009
1 PROCESO DE POISSON Rosario Romera Febrero 2009 1. Proceso de Coteo U proceso estocástico fn t g t0 es u proceso de coteo si N t represeta el total de sucesos ocurridos asta el tiempo t. Sea u espacio
Más detallesESTIMACIÓN POR INTERVALOS DE CONFIANZA
Estimació por itervalos de cofiaza. I.E.. A uqueira I pag. Coceptos ETIMACIÓN POR INTERVALO DE CONFIANZA E este tema vamos a estudiar como estimar, es decir proosticar, u parámetro de la població, geeralmete
Más detallesMétodo de máxima verosimilitud. Curso de Estadística TAE,2005 J.J. Gómez Cadenas
Método de máxima verosimilitud Curso de Estadística TAE,2005 J.J. Gómez Cadeas Muestras Cosiderar ua variable aleatoria x descrita por la pdf f(x). El espacio de muestras está costituido por todos los
Más detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesOperario A B C D Total Obstrucciones
Ua empresa de imprimir, alimetada a mao, estaba sujeta a lo que parecía ser u úmero irrazoable de obstruccioes causadas por iterferecias de las hojas de papel a la presa. Se hizo ua prueba para ver si
Más detallesMUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO MUESTREO ESTRATIFICADO
El muestreo estratificado cosiste e dividir la població e subcojutos o estratos, y de cada uo de ellos seleccioar ua muestra probabilística; de maera idepediete de u estrato a otro. Existe tres razoes
Más detallesTEST DE HIPÓTESIS. a la hipótesis que se formula y que se quiere contrastar o rechazar. Llamamos hipótesis alternativa, H
TEST DE IPÓTESIS INTRODUCCIÓN E el tema aterior vimos cómo, a partir de los datos de ua muestra, podíamos estimar u parámetro de la població (media o proporció) mediate u itervalo E este tema platearemos
Más detallesESTADISTICA EMPRESARIAL - Segundo Curso Curso Convocatoria de Febrero INSTRUCCIONES
ESTADISTICA EMPRESARIAL - Segudo Curso Curso.006-07 Covocatoria de Febrero. 6-1-07 INSTRUCCIONES 1. El exame costa de cuestioes, que se respode sobre la hoja de codificació proporcioada, y problemas, que
Más detallesSobrantes de 2004 (Junio Modelo 5) Soluciones Germán-Jesús Rubio Luna OPCIÓN A
IES Fco Ayala de Graada Sobrates de 2004 (Juio Modelo 5) Solucioes Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A x+y 6 3x-2y 13 Sea el sistema de iecuacioes. x+3y -3 x 0 (2 putos) Dibuje el recito cuyos
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detallese i y i y i y i 0 1 x 1i 2 x 2i k x ki
Demostracioes de Rgresió múltiple El modelo que se platea e regresió múltiple es: y i 0 1 x 1i x i k x ki u i dode x 1, x,,x k so las variables idepedietes o explicativas. La variable respuesta depede
Más detallesTema 7: Estimación por intervalos de confianza.
Estadística 69 Tema 7: Estimació por itervalos de cofiaza. 7. Itroducció. Cuado tratamos la estimació putual, uo de los problemas que se platearo es que el valor de la estimació es sólo uo de los valores
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesTrata de describir y analizar algunos caracteres de los individuos de un grupo dado, sin extraer conclusiones para un grupo mayor.
1 Estadística Descriptiva Tema 8.- Estadística. Tablas y Gráficos. Combiatoria Trata de describir y aalizar alguos caracteres de los idividuos de u grupo dado, si extraer coclusioes para u grupo mayor.
Más detallesGuía 1 Matemática: Estadística NM 4
Cetro Educacioal Sa Carlos de Aragó. Sector: Matemática. Prof.: Ximea Gallegos H. 1 Guía 1 Matemática: Estadística NM 4 Nombre: Curso: Fecha. Uidad: Estadística y Probabilidades. Apredizajes Esperados:
Más detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesTeorema del límite central
Teorema del límite cetral Carles Rovira Escofet P03/75057/01008 FUOC P03/75057/01008 Teorema del límite cetral Ídice Sesió 1 La distribució de la media muestral... 5 1. Distribució de la media muestral
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2010 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Opció B Reserva, Ejercicio 4, Opció B Reserva 2, Ejercicio 4,
Más detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detallesUNIDAD 3.- INFERENCIA ESTADÍSTICA I
UNIDAD 3.- INFERENCIA ESTADÍSTICA I 1. ESTADÍSTICA INFERENCIAL. MUESTREO La Estadística es la ciecia que se preocupa de la recogida de datos, su orgaizació y aálisis, así como de las prediccioes que, a
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesPreguntas más Frecuentes: Tema 2
Pregutas más Frecuetes: Tema 2 Pulse sobre la preguta para acceder directamete a la respuesta 1. Se puede calcular la media a partir de las frecuecias absolutas acumuladas? 2. Para calcular la media aritmética,
Más detallesIES Fco Ayala de Granada Sobrantes de 2004 (Modelo 2) Solución Germán-Jesús Rubio Luna OPCIÓN A 0 2-4 (A I 2 ) B = A A A = -
IES Fco Ayala de Graada Sobrates de 004 (Modelo ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO _A - 0 0 - - - Sea las matrices A=, B= y C= - 0 0 - ( puto) Calcule (A I ) B, siedo I la matriz idetidad
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesOPCIÓN A EJERCICIO 1_A
IES Fco Ayala de Graada Sobrates de 2006 (Modelo 6 ) Solució Germá-Jesús Rubio Lua OPCIÓN A EJERCICIO 1_A (2 putos) Sea las matrices A= y B = (1 1). -5-4 Eplique qué dimesió debe teer la matriz X para
Más detallesEnfoque práctico de los elementos necesarios para la estimación del tamaño de la muestra
Capítulo 7 Efoque práctico de los elemetos ecesarios para la estimació del tamaño de la muestra Arturo Redig Beral Jua Carlos López Alvarega Itroducció Las exigecias e la ivestigació actual ha creado la
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesa) ( ) ( ) Supóngase que se toma una muestra en una población con distribución N ( ;1. Qué tamaño debe tener esta para que P X µ SOLUCIÓN:
..- Supógase que se toma ua muestra e ua població co distribució N ( ;. Qué tamaño debe teer esta para que P X µ 0. 0.95? µ ) ( ) 384.3.- Si se toma ua muestra e ua població co distribució B p, para que
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 009 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 3, Parte II, Opció A Juio, Ejercicio 3, Parte II, Opció B Reserva
Más detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesIES Fco Ayala de Granada Modelo 6 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 2015 OPCIÓN A
SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 6 DEL 015 OPCIÓN A EJERCICIO 1 (A) 1 (1 5 putos) Resuelva la ecuació matricial 1 X + 1-1 0 = I. 0 1 a b (1 puto) Dadas las matrices M = y A =, calcule los
Más detalles