Contraste de hipótesis

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

Download "Contraste de hipótesis"

Transcripción

1 Capítulo 6 Cotrate de hipótei Termiamo eta itruió e la iferecia etadítica co ete tercer método. Co frecuecia, el problema plateado o e implemete la etimació de u parámetro, io el dieño de ua regla de deciió obre la aceptació o rechazo de cierta afirmació realizada obre la població etudiada. Etableceremo etoce u cotrate, prueba o tet de hipótei, cuyo objetivo erá decidir, co algua medida obre co qué eguridad, la veracidad de la afirmació, o hipótei marcada. De forma equemática, el problema e platea e la etapa iguiete: a) Se etablece ua hipótei, que llamaremo hipótei ula y deotaremo H 0, y frete a ella otra hipótei H, o hipótei alterativa. b) Se realiza u experimeto aleatorio para el que e abe que i H 0 e cierta, la probabilidad de que ocurra cierto uceo S e pequeña. ocurre S, e rechaza H0 ; c) Si al realizar el experimeto o ocurre S, e acepta H 0. La jutificació etá e el hecho de que abemo que de er cierta H 0, S e de probabilidad pequeña, luego i ha ocurrido S e ha dado u uceo batate improbable, o bie H 0 e fala. Lo cotrate de hipótei e claifica e paramétrico y o paramétrico. E lo primero ocurre que al determiar el valor de u parámetro, la ditribució poblacioal queda determiada. E otro cao, etaremo ate u cotrate de hipótei o paramétrico. E la primera eccioe o dedicaremo a lo cotrate paramétrico, auque parte del leguaje e comú a ambo.. Cocepto báico Supogamo que e cooce que cierta població X igue ua ditribució dada por ua fució de maa P θ (o fució de deidad f θ ), dode θ Θ. Sea (X... X N ) ua muetra aleatoria de X. Supogamo dada ua partició del epacio paramétrico: e do ubcojuto mutuamete excluyete. Θ Θ 0 Θ 99

2 00 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Defiició.. U tet para cotratar la hipótei ula H 0 : θ Θ 0 frete a la hipótei alterativa H : θ Θ, coite e decidir, para cada poible muetra, i aceptamo o rechazamo H 0. Por lo tato, u tet coitirá e dividir el epacio muetral (cojuto de toda la poible muetra) e do regioe: ua regió crítica R, o de rechazo de H 0 ; y ua regió A, de aceptació de H 0. El problema etá e cómo tomar eta deciió de la maera meo erróea poible. Obérvee que co u tet e puede cometer, báicamete, do tipo de errore: Error de tipo I : rechazar H 0 cuado o e debe (H 0 e cierta) Error de tipo II: aceptar H 0 cuado o e debe (H 0 e fala). La iguiete fució o da ua medida de cada uo de eto errore: Defiició.2. La fució de potecia de u tet co regió crítica R, para cotratar H 0 : θ Θ 0 frete a H : θ Θ, e la fució que a cada θ Θ le hace correpoder el valor P θ (R) P θ ( rechazar H 0 ). Co ete uevo cocepto, e claro que o itereará que la fució de potecia tome valore: próximo a 0 iempre que θ Θ 0 : pequeña probabilidad de error tipo I; próximo a iempre que θ Θ : pequeña probabilidad de error tipo II. Lo que e uele hacer e exigir que la fució de potecia o upere cierto valor, pequeño, cuado θ Θ 0 ; y procurar, depué, que ea lo mayor poible cuado θ Θ. Defiició.3. El ivel de igificació (o tamaño) de u tet co regió crítica R, para cotratar H 0 : θ Θ 0 frete a H : θ Θ, e el valor α máx θ Θ 0 P θ (R). (E decir, la máxima probabilidad de cometer el error de tipo I). Aí, e fija cierto ivel de igificació α, pequeño, y e exige al tet que o lo upere. De eta maera, e etá acotado la máxima probabilidad de error tipo I. Co eta maera de proceder, vemo que lo papele de la hipótei ula y alterativa, o o imétrico. El hecho de que acotemo la máxima probabilidad de error tipo I, por u valor próximo a cero, hace que difícilmete rechacemo H 0 cuado o e debe. Como coecuecia, lo tet de hipótei que uamo habitualmete, tiede a er muy coervadore co la hipótei ula. Por upueto, la deciió e toma a partir de ua muetra, y por tato, ete tipo de tet eceita que la evidecia muetral e cotra de H 0 ea uficietemete fuerte para rechazarla.

3 . CONCEPTOS BÁSICOS 0.. Tet de razó de veroimilitude El método má utilizado para la cotrucció de tet razoable para cotratar H 0 frete a H e el método de razó de veroimilitude. Expoemo a cotiuació la idea, que e muy ecilla e ituitiva, e el cao dicreto (para el cotiuo, bata utituir la fució de maa por fució de deidad). Supogamo que X e ua població co fució de maa P θ. Para cada poible muetra, (x... x ), e coidera el iguiete cociete: máx P θ (x... x ) θ Θ 0 máx P (cociete de veroimilitude). θ(x... x ) θ Θ Si ete cociete e pequeño, e coidera poco plauible (a la vita de la muetra obteida) que el verdadero valor de θ eté e Θ 0. E ete cao, lo má razoable e rechazar H 0. Si, por el cotrario, el cociete e grade, lo má razoable e aceptar H 0. La elecció del puto crítico que epare la regió de rechazo de H 0 (cociete pequeño), de la de aceptació (cociete grade), e realiza fijado u determiado ivel de igificació α. Defiició.4. El tet de razó de veroimilitude para cotratar H 0 : θ Θ 0 frete a H : θ Θ, al ivel de igificació α, e el que tiee como regió crítica: máx P θ (x... x ) θ Θ R (x... x ) : 0 máx P θ(x... x ) c θ Θ dode c e obtiee de la codició: α máx θ Θ0 P θ (R). Ejercicio Ecribir la defiició correpodiete al cao de ua població cotiua. El uo extedido de eto tet e debe al hecho de que, para poblacioe ormale, queda reducido a regla muy ecilla (y muy relacioada co lo itervalo de cofiaza), como muetra el iguiete ejemplo. Ejemplo 42 Supogamo que (X... X N ) e ua muetra aleatoria de ua població co ditribució N(µ ; σ), dode lo do parámetro o decoocido. Se quiere realizar u cotrate de hipótei obre el poible valor de la media poblacioal, µ. Cocretamete, vamo a realizar el tet de razó de veroimilitude para cotratar: H 0 : µ µ 0 frete a H : µ µ 0 al ivel de igificació α. Primeramete, obérvee cómo e divide el epacio paramétrico al realizar eta hipótei: Θ {θ (µ σ) : µ σ > 0} Θ 0 {(µ σ) ; µ µ 0 } Θ {(µ σ) ; µ µ 0 } E egudo lugar queremo etudiar el cociete etre do veroimilitude máxima: co θ Θ 0, para el umerador; y e todo el epacio paramétrico, Θ, para el deomiador. La veroimilitud que cada muetra, (x... x ), tiee e eta població, X N(µ ; σ), e: f θ (x... x ) ( 2π ) (σ) exp 2σ 2 (xi µ) 2.

4 02 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Ahora bie, lo máximo de eta veroimilitude e alcaza e lo valore correpodiete a lo etimadore de máxima veroimilitud. Cocretamete, teemo: el valor máx f θ(x... x ) e alcaza e el etimador de máxima veroimilitud θ Θ µ x σ 2 (x i x) 2 e decir: máx θ Θ f θ(x... x ) ( 2π ) [ (xi x) 2 ] exp /2 2 (xi x) 2 (x i x) 2 exp [ (xi x) 2 ] /2 2 2π el valor máx f θ (x... x ) e alcaza e el etimador de máxima veroimilitud θ Θ 0 σ 2 (x i µ 0 ) 2 y por tato: máx θ Θ 0 f θ (x... x ) ( 2π ) [ (xi µ 0 ) 2 ] exp /2 2 (xi µ (x i µ 0 ) 2 0 ) 2 exp [ (xi µ 0 ) 2 ] /2 2 2π Aí el cociete de máxima veroimilitude ería: (xi x) 2 /2 (xi µ 0 ) 2 máx f θ (x... x ) θ Θ 0 máx f θ(x... x ) θ Θ (xi x) 2 (xi x + x µ 0 ) 2 /2 (xi x) 2 /2 (xi x) 2 + ( x µ 0 ) 2 + x µ 0) 2 xi x) 2 Ua última maipulacioe a eta expreió o lleva a la igualdad: máx f θ (x... x ) /2 /2 θ Θ 0 máx f θ(x... x ) + x µ 0) 2 θ Θ + x µ 0 ) 2 xi x) 2 2 / + /2 x µ 0 / 2 /2 para el cociete de veroimilitude máxima, dode 2 e la cuai variaza muetral. De eta maera, la regió crítica ería de la forma: máx f θ (x... x ) /2 θ Θ R (x... x ) : 0 máx f θ(x... x ) c (x... x ) : 2 c θ Θ (x... x ) : x µ0 2 / c (x... x ) : + x µ 0 x µ 0 / / c 2

5 . CONCEPTOS BÁSICOS 03 El valor de c 2 e obtiee impoiedo que el tet tega ivel de igificació α: x µ 0 α máx P θ (R) máx P θ (R) máx P θ θ Θ 0 µµ 0 µµ 0 / c 2 Ahora bie, e ete cao abemo que x µ 0 / t y aí: c 2 t ; α/2 E defiitiva, hemo obteido que la regió crítica para cotratar la hipótei ula H 0 : µ µ 0 frete a la hipótei alterativa, H : µ µ 0, al ivel de igificació α e: R (x... x ) : x µ 0 t ; α/2 Obervacioe. U par de coideracioe repecto a ete tet. a) Etá muy ligado a la etimació por itervalo de cofiaza. E efecto, la regió de aceptació de ete tet e: A (x... x ) : x µ 0 < t ; α/2 (x... x ) : x t ; α/2 < µ 0 < x + t ; α/2. Podemo decir, etoce, que ete tet para cotratar H 0 : µ µ 0 frete a H : µ µ 0, al ivel de igificació α, acepta la hipótei ula iempre que, realizada ua muetra, µ 0 ea u valor e el itervalo x ± t ; α/2. Por otra parte, éte e u itervalo de cofiaza, a ivel α, para etimar la media poblacioal, µ, de ua població X N(µ ; σ), co σ decoocida. E defiitiva, uetro tet de razó de veroimilitude, co ivel de igificació α, rechaza la hipótei ula, H 0 : µ µ 0, iempre que µ 0 o eté e el correpodiete itervalo de cofiaza (al ivel de cofiaza α) para µ. b) El fucioamieto del tet e muy razoable. Se quiere etimar µ, y tomamo u etimador de máxima veroimilitud, la media muetral x. La hipótei ula afirma la igualdad µ µ 0, de maera que e razoable eperar que x eté próxima a µ 0. El alejamieto permitido para eguir aceptado la hipótei ula depederá del tamaño muetral y del ivel de igificació α. El tet de razó de veroimilitude o fija el máximo alejamieto permitido, y aí: rechazaremo H 0 i x µ 0 t ; α/2.

6 04 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Co dearrollo aálogo al del ejemplo, e obtiee lo tet de razó de veroimilitude para otro cotrate, que preetamo e la ecció 2. Su aplicació a ituacioe reale paa por decidir, e primer lugar, qué tet e ajutará mejor al problema, aí como el ivel de igificació a fijar para rechazar la hipótei ula. E importate, por tato, obervar cierta coideracioe obre cómo hacer eta eleccioe. Elecció de hipótei ula Como ya e ha idicado, lo tet o batate coervadore co la hipótei ula, iedo, e particular, aimétrico el papel de éta y la hipótei alterativa. E la ituacioe má frecuete, o ecotraremo ate uo de lo do iguiete problema: a) Se quiere cotratar θ θ 0 y θ θ 0. E ete cao, teemo ua clara aimetría e la partició del epacio paramétrico, y iempre e toma como hipótei ula H 0 : θ θ 0. b) Má problemática e la elecció de hipótei ula cuado e quiere cotratar θ < θ 0 frete a θ > θ 0. Debido a la tedecia coervadora del tet para la hipótei ula, tomaremo como hipótei alterativa aquella para la que eceitemo que la evidecia muetral ea uficiete como para aceptarla. E otra palabra, tomaremo como hipótei alterativa aquella que deeemo probar etadíticamete. Eto o reuelve toda la ituacioe poible, pue o iempre etará claro qué e lo que e quiere probar etadíticamete. Elecció del ivel de igificació El ivel e elige e bae a lo eria que e coidere la coecuecia de rechazar equivocadamete H 0 (o, lo que e lo mimo, de aceptar equivocadamete H ). Cuato má deatroa e coidere la coecuecia de eta poible equivocació, má pequeño e deberá tomar el ivel de igificació. Lo ivele de igificació má extedido o: 0.0 ; 0.05 ; ó 0.0. El p valor El p valor de ua muetra para cotratar H 0 frete a H e puede defiir como: la probabilidad evaluada bajo H 0 ) de obteer u reultado meo compatible co la hipótei ula que el proporcioado por la muetra obteida. De eta maera podemo iterpretar el p valor de ua muetra como el apoyo que lo dato aporta a H 0. Si ete p valor e ecuetra por debajo del ivel de igificació elegido, e tedrá u ecao apoyo a H 0, y deberemo rechazar la hipótei ula. Si, por el cotrario, el p valor de ua muetra etá por ecima del ivel de igificació elegido, hay uficiete apoyo a la hipótei ula y éta puede er aceptada. El cálculo del p valor de ua muetra o e ecillo, y e ale del cometido de ete curo. Hay programa iformático que lo realiza, pero aquí o limitaremo a aber iterpretarlo i, de algua maera, o lo hace aber.

7 2. TEST DE HIPÓTESIS MÁS FRECUENTES Tet de hipótei má frecuete α ivel de igificació del cotrate. H 0 hipótei ula. tamaño de la muetra. R regió crítica o de rechazo de H 0..- X N(µ σ) σ H 0 : µ µ 0 σ coocida) R x µ 0 > z α/2 H 0 : µ µ 0 σ decoocida) R x µ 0 > t ;α/2 H 0 : µ µ 0 σ coocida) R H 0 : µ µ 0 σ decoocida) R H 0 : µ µ 0 σ coocida) R H 0 : µ µ 0 σ decoocida) R H 0 : σ σ 0 R H 0 : σ σ 0 R H 0 : σ σ 0 R 2.- X B( p) (muetra grade) H 0 : p p 0 R x p 0 > z α/2 H 0 : p p 0 R x p 0 > z α H 0 : p p 0 R x p 0 < z α σ x µ 0 > z α x µ 0 > t ;α σ x µ 0 < z α x µ 0 < t ; α 2 / χ 2 σ0 2 ; α/2 χ2 ;α/2 2 > χ 2 σ0 2 ;α 2 < χ 2 σ0 2 ; α p 0 p 0 ) p 0 p 0 ) p 0 p 0 ) 3.- X P (λ) (muetra grade) H 0 : λ λ 0 R x λ 0 > z α/2 λ0 / H 0 : λ λ 0 R x λ 0 > z α λ0 / H 0 : λ λ 0 R x λ 0 < z α λ0 /

8 06 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS 4.- Do poblacioe Normale idepediete 2 p y f calculado como e lo itervalo de cofiaza) σ H 0 : µ µ 2 σ σ 2 coocida) R x ȳ > z 2 α/2 + σ2 2 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ > t +2 2;α/2 p + 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ > t 2 f;α/ σ H 0 : µ µ 2 σ σ 2 coocida) R x ȳ > z 2 α + σ2 2 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ > t +2 2;α p + 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ > t 2 f;α σ H 0 : µ µ 2 σ σ 2 coocida) R x ȳ < z 2 α + σ2 2 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ < t +2 2; α p + 2 H 0 : µ µ 2 σ σ 2 ) R x ȳ < t 2 f; α H 0 : σ σ 2 R 2 / 2 2 / F ; 2 ; α/2 F ; 2 ;α/2 H 0 : σ σ 2 H 0 : σ σ 2 R { 2 / 2 2 > F ; 2 ;α} R { 2 / 2 2 < F ; 2 ; α} 5.- Comparació de proporcioe (muetra grade e idepediete) X B( p ), (X... X ) m.a.. de X i p x i + i y i Y B( p 2 ), (Y... Y 2 ) m.a.. de Y + 2 H 0 : p p 2 R x ȳ > z α/2 p ( p) + 2 H 0 : p p 2 R x ȳ > z α p ( p) + 2 H 0 : p p 2 R x ȳ < z α p ( p) + 2 x + 2 ȳ + 2

9 3. CONTRASTES χ 2 07 Ejemplo 43 Ua fábrica viee utilizado u proceo A e la elaboració de u artículo a bae de caucho. Se acaba de decubrir u uevo proceo B de fabricació del mimo artículo que parece que requiere meo caucho. Para decidir i e cierto e eleccioa ua muetra de A 5 artículo fabricado por proceo A y otra de B 7 fabricado por el proceo B. La catidad de caucho utilizada para cada muetra, e gramo, dio como reultado x A 400, A 9, x B 385, B 0.5. Supógae que la catidad de caucho utilizada igue, e ambo cao, ua ditribució ormal co la mima variaza. A la vita de eta muetra, qué deciió e tomará co ivel de igificació α 0.05? Solució: Pueto que el iteré etá e probar que la catidad de caucho utilizada por el proceo B e meor que la utilizada por el A, e cotratará la iguiete hipótei: H 0 : µ A µ B ; H : µ A > µ B iedo X A N(µ A ; σ) y X B N(µ B ; σ), co σ decoocida. E ete cao la regió de rechazo e: R x A x B > t + B 2;α p + A B Cálculo: A + B t 30; t 30;0.05 p p ( A ) 2 A + ( B ) 2 B A + B p x A x B Podemo decir, etoce, que e tiee la uficiete evidecia muetral para aceptar que el uevo proceo B requiere meo caucho para la mima producció. 3. Cotrate χ 2 Hata ahora iempre hemo upueto que la muetra aleatoria, (X... X ), procedía de ua població X co cierto modelo de probabilidad, del que decoocíamo el valor del parámetro θ. No podemo, por cotra, ecotrar ate el problema de decoocer el tipo de modelo que igue la població. Cuado la hipótei e realiza obre el modelo, y o ólo obre algú parámetro, o ecotramo co lo cotrate de validació del modelo, que o cotrate o paramétrico. E lo 3 tipo de problema que vamo a aalizar, realizaremo cotrate de hipótei. E la decripció de la regió crítica aparecerá cierto etadítico que eguirá, aproximadamete, ua ditribució χ 2 de Pearo (de aquí el título de la ecció).

10 08 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS 3.. Cotrate de la bodad del ajute Supogamo que X e ua variable aleatoria de la que upoemo igue cierta ditribució determiada por P. Dada ua muetra aleatoria, (X... X ), de la mima, queremo ver i, a la vita de la muetra, e razoable admitir que la ditribució de X e la euciada. Por tato, e quiere cotratar la hipótei: H 0 : el modelo de probabilidad de X e P H : el modelo de probabilidad de X o e P Para realizar el cotrate e toma ua partició (arbitraria) del epacio muetral de la població (poible valore de X) e k clae, A,..., A k. Para cada A i (i... k) e coidera la iguiete frecuecia (aboluta): O i frecuecia obervada e A i úmero de elemeto de la muetra que e ha ituado e A i e i frecuecia eperada e la clae A i i la hipótei ula e cierta De éta, la primera, al er frecuecia obervada, e obtiee de la muetra. Para la frecuecia eperada, e i, obérvee que cada A i ocurrirá co probabilidad P (A i ) i upoemo cierta la hipótei ula. Ahora bie, el uceo A i ólo puede ocurrir, o o ocurrir, de maera que P (A i ) la probabilidad de que ocurra A i, e cada obervació, i H 0 e cierta y aí, e la obervacioe, eta frecuecia eperada, e i, e la eperaza de ua B(; P (A i )): e i P (A i ). La idea de ete tipo de cotrate (debida a Pearo), e evaluar la diferecia exitete etre frecuecia obervada y eperada, y etablecer u valor a partir del cual e coidera que la mima o uficietemete igificativa para rechazar el modelo. El etadítico que e utiliza para realizar el cotrate e: k (O i e i ) 2 Si la hipótei ula e cierta (el modelo e el adecuado), ete etadítico (para uficietemete grade), igue ua χ 2 t de Pearo co t, igual a e i k grado de libertad i el modelo epecifica completamete la probabilidade de cada A i ate de elegir la muetra k r grado de libertad i e precio etimar r parámetro para obteer la probabilidade de cada A i. E cao de teer que realizare, e ua lo etimadore de máxima veroimilitud para lo parámetro. Deotaremo por χ 2 0 a ete etadítico. Fijado el ivel de igificació, α, e obtiee el valor χ 2 t; α (t k ó k r ) tal que P (χ 2 t > χ 2 t;α) α, y e adopta la iguiete regla de deciió: i χ 2 0 k (O i e i ) 2 e i > χ 2 t; α e rechaza el modelo.

11 3. CONTRASTES χ 2 09 Fórmula para el cálculo del etadítico. Para el cálculo de χ 2 0 e uele utilizar la iguiete idetidad: k χ 2 (O i e i ) 2 k Oi 2 0. e i e i Ejercicio 2 Demotrar la fórmula aterior. Solució: k χ 2 (O i e i ) 2 k Oi 2 2O i e i + e 2 i 0 e i e i k O 2 i e i 2 + pue e evidete que k O i, y que k P (A i ). k k P (A i ) O 2 i e i 2 k k O i + O 2 i e i Ejemplo 44 Cao ) Para etudiar i u dado e imétrico e ha lazado 20 vece, obteiedo el, 20 vece; el 2, 30 vece; el 3, 5 vece; el 4, 25 vece; el 5, 22 vece y el 6, 8 vece. Cotrátee la hipótei de imetría al ivel de igificació α Solució: La hipótei de imetría afirmaría que el modelo de probabilidad que igue la variable X reultado al lazar el dado, viee dado por la fució de maa P co P (X ) P (X 2) P (X 3) P (X 4) P (X 5) P (X 6) 6. Cotrataremo, pue, la iguiete hipótei: H 0 : el dado e imétrico (P () P (2) P (3) P (4) P (5) P (6) /6) H : el dado o e imétrico. Utilizamo el cotrate χ 2, calculado el valor del etadítico χ (O i e i ) 2 que eguirá ua ditribució χ 2 co 6 5 grado de libertad. La iguiete tabla o ayuda a evaluar el etadítico: x i O i e i O i e i (O i e i ) 2 O i e i ) 2 e i χ Obérvee que e i P (X x i ) para todo lo reultado. 6 Por otra parte, χ 2 5; , y como 4.9 >.070, la muetra obteida o permite cocluir que el dado o e imétrico, al ivel de igificació e i k e i

12 0 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Ejemplo 45 Cao 2) El úmero X de llamada telefóica recibida por miuto e ua cetralita e ua variable aleatoria cuya ditribució puede er ua Poio. Se realiza 80 experiecia de u miuto, obteiédoe lo iguiete reultado: x i úmero de llamada i frecuecia Calcúlee la media muetral x y utilícee u cotrate χ 2 para etudiar al ivel 0.05 i e aceptable la hipótei de que la variable X igue ua ditribució de Poio de parámetro λ x. Solució: x (i x i ) Se quiere, ahora, realizar u cotrate co hipótei ula de maera que la frecuecia eperada erá: H 0 : X Poio (.4625) e i 80 e.4625 (.4625) x i x i E la iguiete tabla recogemo, co do decimale, lo dato que o lleva al cálculo del etadítico χ 2 0 O i e i ) 2 e i. x i O i e i O i e i (O i e i ) 2 O i e i ) 2 e i χ Para determiar la regla de deciió, e coidera ua χ 2 co 6 4 grado de libertad, pue e ha etimado parámetro. Al ivel de igificació marcado, α 0.05, e tiee χ 2 4; Pueto que 2.2 < e acepta la hipótei de que el modelo de Poio e apropiado para decribir la variable X, al ivel 0.05 de igificació Cotrate de homogeeidad de poblacioe Supogamo que etamo itereado e etudiar i cierta caracterítica X, e comporta de igual maera e r poblacioe. Tomaríamo muetra de la mima, de maera idepediete, e la r poblacioe. Tedríamo, pue, r muetra idepediete, co u correpodiete tamaño muetrale, digamo 2... r, que podemo preetar como: (X... X )... (X r... X rr ). Para decidir obre eta cuetió e cotrata la hipótei: H 0 : X e ditribuye homogéeamete e la r poblacioe: X P H : X o e ditribuye homogéeamete e la r poblacioe..

13 3. CONTRASTES χ 2 E la realizació de ete cotrate, tomamo ua partició (arbitraria) del epacio muetral comú a la r poblacioe e k clae A... A k. Para cada clae A i (i... k) e coidera O ij frecuecia obervada e A i e la muetra j éima e ij frecuecia eperada e la clae A i co la muetra j éima, i la hipótei ula e cierta j P (A j ). Aí la coa, para la muetra j éima k χ 2 (O ij e ij ) 2 0j χ 2 k e ij aproximadamete para j grade, como vimo e el cotrate aterior. Si umamo lo r etadítico, χ χ 2 0r, obteido de la r muetra idepediete, teemo: r r k χ 2 00 χ 2 (O ij e ij ) 2 0j χ 2 rk ). e ij j j Si embargo, o queda u problema por reolver: o coocemo la ditribució P que igue X. Normalmete, ólo e quiere cotratar i el comportamieto de X e homogéeo e toda la poblacioe, pero o cuál e ee comportamieto (qué ditribució cocreta igue). Por tato, teemo que etimar P (A i ) (i... k), y lo hacemo a partir de la obervacioe mediate: r j P (A i ) O ij (i... k) + + r Deotemo por la uma de todo lo tamaño muetrale: + + r. Co la etimació adoptada para cada P (A i ), la frecuecia eperada erá: e ij j P (Ai ) j r j O ij Ua fórmula má imétrica, y quizá má fácil de recordar, para el cálculo de la frecuecia e ij, e obtiee obervado que: la uma de toda la frecuecia obervada e ua mima població, k O ij, debe coicidir co el tamaño muetral de ea població, j. Aí, podemo calcular e ij co la expreió: r j e ij O ij j E defiitiva, el etadítico utilizado e: ( k O ij)( r j O ij) χ 2 00 r k (O ij e ij ) 2 e j ij que igue, cuado H 0 e cierta, aproximadamete (para grade) ua ditribució χ 2 rk ) k ) χ 2 r )k ). Obérvee que, auque e ha etimado la k probabilidade P (A i ), i... k, o hace falta etimar ua de ella, pue etre toda ha de umar. De aquí que el úmero de grado de libertad de la χ 2 baje ólo k uidade.

14 2 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Aí, rechazaremo la hipótei ula H 0 : X e ditribuye homogéeamete e la r poblacioe, al ivel de igificació α, i: χ 2 00 r k (O ij e ij ) 2 > χ 2 r )k );α. e ij j Fórmula para el cálculo del etadítico. Como e el cao aterior, e uele utilizar la iguiete idetidad para el cálculo del etadítico: χ 2 00 r j k (O ij e ij ) 2 e ij r j k O 2 ij e ij. Ejercicio 3 Demotrar la fórmula aterior. Ejemplo 46 Se ha dividido ua població e do grupo, oltero y caado, y e ha eleccioado muetra de 40 oltero y 50 caado. Se le ha pedido opiió obre determiada ley, reultado lo dato de la tabla A favor E cotra Abteció Totale Soltero Caado Totale: Cotrátee al ivel 0.05 i lo reultado o homogéeo para lo do grupo. Solució: La hipótei de homogeeidad e: H 0 : la opiió obre ea ley e ditribuye homogéeamete etre oltero y caado. Adoptamo la iguiete otació: O 5; O 2 0; O 3 5; O 2 2; O 22 20; O O j O + O 2 + O úmero de oltero ecuetado 2 j 3 O 2j O 2 + O 22 + O úmero de caado ecuetado j total de ecuetado F a favor, C e cotra, A abteció P (F ) 2 O i P (C) 2 O i2 2 P (A) O i3 O + O 2 90 O 2 + O O 3 + O ó tambié: P (A) P (F ) P (C)

15 3. CONTRASTES χ 2 3 Aí, e obtiee la iguiete frecuecia eperada: e P (F ) e 2 2 P (F ) e 2 P (C) e 3 P (A) e 22 2 P (C) e 23 2 P (A) Podemo ahora calcular el valor del etadítico, y uaremo la fórmula r k O χ 2 ij 2 00 dode k 2 (hay 2 tipo de poblacioe), y r 3 (tre opiioe). E defiitiva: χ j 2 O 2 ij e ij 3 O 2 j j e j j e ij + O2 2j e 2j 90 O2 + O2 2 + O2 2 + O O2 3 + O e e 2 e 2 e 22 e 3 e Ahora bie, para ua χ 2 co (3 )(2 ) 2 grado de libertad y α 0.05 reulta que χ 2 2; Como el valor del etadítico, , e meor que 5.99 χ 2 2;0.05, aceptamo (al ivel 0.05) la hipótei ula, e decir, que la opiió obre la ley citada e ditribuye homogéeamete etre oltero y caado Cotrate de idepedecia Supogamo ahora que e quiere etudiar i do caracterítica, X e Y, de ua població etá o o relacioada. Para ete etudio, e recoge dato muetrale de amba caracterítica cojutamete, obteiedo ua muetra de dato agrupado: (X Y )... (X Y ). Lo que e pretede e ver i, a la vita de la muetra, tiee etido admitir que X e Y o idepediete. Cotrataremo, pue, la hipótei: H 0 : H : X e Y o idepediete X e Y o o idepediete. Como e cao ateriore, e toma ua partició (arbitraria) del epacio muetral, e ete cao, para la variable (X Y ). Para ello, partimo el epacio muetral de X (poible valore de X) e k clae, A... A k ; y el de Y e r clae B... B r. Eta particioe o da ua partició del epacio muetral de (X Y ) e k r clae: A B... A B r A 2 B... A 2 B r A k B... A k B r.

16 4 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS Sea, ahora: O ij frecuecia obervada e la clae A i B j e ij frecuecia eperada e la clae A i B j, i e upoe idepedecia (H 0 cierta) P (A i )P (B j ) La primera e obtiee de la muetra, y para la eguda e ua la etimacioe: r j P (A i ) O k ij ; P (Bj ) O ij de maera que, la frecuecia eperada i H 0 fuera cierta, tomado eta etimacioe, ería: r e ij P (A i ) P j (B j ) O k ij O r ij j O k ij O ij. Se toma el etadítico: χ 2 00 r j k (O ij e ij ) 2 que igue, cuado H 0 e cierta, aproximadamete (para grade) ua ditribució χ 2 co rk (k ) (r ) (r )(k ) grado de libertad. Como e puede obervar, el etadítico aterior coicide co el utilizado para el cotrate de homogeeidad, auque tiee u orige ditito. E ete cao, e ha etimado k de la k probabilidade P (A i ), para i... k, y r de la r probabilidade P (B j ), para j... r. Fialmete, e rechazará la hipótei de idepedecia (H 0 ), al ivel de igificació α i: χ 2 00 r j e ij k (O ij e ij ) 2 > χ 2 r )k );α. e ij Ejemplo 47 Para etudiar la depedecia etre el hábito de fumar y la hiperteió, e tomaro lo iguiete dato obre 200 idividuo No fumadore Fumadore Totale Hiperteo No hiperteo Totale: Realícee el cotrate adecuado al 5 de igificació. Solució: Se trata de u cotrate de idepedecia obre la caracterítica X er fumador, e Y ufrir hiperteió. Tomamo como hipótei ula: H 0 : ufrir hiperteió o depede de er fumador. Lo dato aportado o dice que e ha dividido lo epacio muetrale e la iguiete clae: A NF o fumador, A 2 F fumador, para la caracterítica X; B H hiperteo, B 2 NH o hiperteo, para la caracterítica Y. La muetra, para (X Y ), e de 200 idividuo.

17 3. CONTRASTES χ 2 5 Para realizar el cotrate utilizaremo el etadítico: χ (O ij e ij ) 2 e j ij iedo: O 23 ; O 2 74 ; O 2 54 ; O P (NF ) 77 P (F ) P (H) 97 P (NH) e P (NF ) P (H) e 2 P 200 (F ) P (H) e 2 P (NF ) P (NH) e 22 P 200 (F ) P (NH) Utilizado la fórmula de la ecció precedete para el etadítico, e obtiee: χ O 2 ij e j ij O2 e + O2 2 e 2 + O2 2 e 2 + O2 22 e Para decidir, a ivel de igificació 0.05, comparamo ete valor co χ 2 t; 0.05 para ua χ 2 co t(2 )(2 ) grado de libertad: χ 2 ; Como el etadítico toma u valor uperior, hemo de rechazar H 0, y e cocluye (al 0.05 de igificació) que hay depedecia etre la hiperteió y el hábito de fumar. Problema Cotrate paramétrico. Se abe que ua vacua e efectiva cotra cierta efermedad e el 25 % de lo cao. Para decidir i ua ueva vacua e má efectiva, e admiitra a 0 peroa y e adopta la iguiete regla de deciió: i el úmero de peroa protegida e mayor que 4 e admite la ueva vacua. a) Qué tipo de cotrate e debe utilizar? Idíquee la hipótei apropiada. b) Decribir la regioe de aceptació y de rechazo. c) Calcúlee la probabilidade de error tipo I y tipo II para el cao e que la ueva vacua ea efectiva e u 50 % de lo cao. 2. Dada ua muetra aleatoria de tamaño 5 de ua població N(µ ; ), e decide que µ < 5 iempre que x c (para cierta cotate c).

18 6 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS a) Epecificar qué cotrate de hipótei realizaríamo. b) Para u ivel de igificació α 0.05: b. Obtégae c. b.2 Determíee la potecia del tet para µ 4. b.3 Calcular P aceptar H 0 µ Ua emprea fabrica cuerda cuya reitecia media a la rotura e de 300 kg., co deviació típica 24 kg. Ua muetra de 64 cuerda fabricada mediate u uevo proceo dio ua reitecia media de 30 kg. La compañía deea etudiar i, efectivamete, el uevo proceo da mejore reultado que el atiguo. Realizar dicho etudio, co ivele de igificació 0.0, 0.05 y La logitud media de lo eje fabricado por ua compañía e 7.05 mm co deviació típica 0.5 mm. Ua muetra de tamaño 36, eleccioada como cotrol del proceo, dio ua media de 6.95 mm. Cabe eperar, a partir de ete dato, que hay algú fallo e el proceo de producció? (Tómee ivel de igificació α 0.05.) 5. Se ha aplicado u tet de memoria a u gra úmero de etudiate, ecotrádoe deviacioe típica de 33.5 para lo alumo y de 38.2 para la aluma. Aplicado el tet a 38 alumo y 45 aluma e obtuviero putuacioe media de 65.4 y 76.6 repectivamete. Se puede aegurar, al ivel de cofiaza α 0.05, que el reultado del tet de memoria e idepediete del exo? 6. Ua muetra de 200 bombilla de la marca A dio ua vida media de fucioamieto de 2280 hora co deviació típica de 80 hora. Otra muetra de 80 bombilla de la marca B dio vida media 2320 hora co deviació típica 00 hora. Se puede afirmar, al ivel 0.0, que e mayor la vida media para la marca B? 7. U laboratorio de farmacia afirma que u producto que elabora e efectivo para aliviar cierta moletia e o meo del 90 % de lo cao e 2 hora. Ee medicameto recetado a ua muetra aleatoria de 300 peroa eferma dio bue reultado, al cabo de 2 hora, e 240 cao. Se puede aceptar al ivel de igificació 0.0 que la afirmació del laboratorio e correcta? 8. Se abe que cierto medicameto e efectivo e el alivio de cierta dolecia e el 60 % de lo cao. Lo reultado experimetale obre u medicameto uevo admiitrado a ua muetra de 44 peroa que ufría ea dolecia, muetra 00 cao co alivio. Se puede cocluir, al ivel 0.05, que el uevo medicameto e má efectivo que el atiguo. 9. U fabricate de cierto artículo produce do marca del mimo. E ua muetra de 200 coumidore, 64 había coumido la primera marca, y e otra muetra de 20, 22 había coumido la eguda. Se puede afirmar que exite preferecia igificativa por la primer marca? Nivel Ua fábrica dipoe de ua ecció dedicada a empaquetar lo artículo producido, trabajado e turo de mañaa y tarde. La experiecia ha demotrado que la ditribució del tiempo de empaquetado de u artículo e aproximadamete ormal e lo do turo. Ua muetra de 20 tiempo de empaquetado del turo de mañaa (M) dio cuaivariaza 5.2 miuto y otra de

19 3. CONTRASTES χ tiempo del turo de tarde (T) dio cuaivariaza 6.4 miuto. Cotrátee la hipótei ula σm 2 σ2 T frete a la alterativa σ2 M > σ2 T, al ivel U fabricate de pila eléctrica afirma que la vida de la pila que fabrica etá ditribuida de forma ormal co deviació típica 0.8 mee. Se eleccioa ua muetra de 6 pila reultado ua deviació típica muetral de a) Se puede aegurar al ivel 0.05 que σ > 0.8? b) Ua muetra de 0 pila de otro fabricate dio cuaivariaza Se puede cocluir al ivel 0.02 que la variaza para la do marca e la mima? 2. Se coidera buea la edició de u libro i el úmero medio de errata por págia o upera el 0. (H 0 ). Dada la prueba de impreta, e elige 0 págia al azar, y e rechaza la prueba i e oberva 2 ó má errata. Se upoe que el úmero de errata por págia igue ua Poio. Qué ivel de igificació tiee el cotrate? Co qué probabilidad aceptaremo u libro i realmete tiee ua media de 0.2 errata por págia? 3. E ua picifactoría e deea cotratar la hipótei (H 0 ) de que el porcetaje de pece adulto que mide meo de 20 cm. e, como máximo, del 0 %. Para ello, e va a tomar ua muetra de 6 pece, y rechazaremo H 0 i ecotramo má de u pez co logitud iferior a 20 cm. a) Cuál e el ivel de igificació de ete cotrate? b) Calcular la potecia del cotrate i e realidad hay u 20 % de pece que mide meo de 20 cm. 4. La cocetració media de dióxido de carboo e el aire e ua cierta zoa o e habitualmete mayor que 355 p.p.m.v. (parte por milló e volume). Se opecha que eta cocetració e mayor e la capa de aire má próxima a la uperficie. Para cotratar eta hipótei e aaliza el aire e 20 puto elegido aleatoriamete a ua mima altura cerca del uelo. Reultó ua media muetral de 580 p.p.m.v y ua cuai deviació típica muetral de 80. Supoiedo ormalidad para la medicioe, proporcioa eto dato uficiete evidecia etadítica, al ivel 0.0, a favor de la hipótei de que la cocetració e mayor cerca del uelo? Idicar razoadamete i el p valor e mayor o meor que Se va a probar do medicameto, A y B, cotra ua efermedad. Para eto, tratamo 00 ratoe efermo co A y otro 00 co B. El úmero medio de hora que obrevive co A e x 200, y el úmero medio co B e ȳ 400. Supoiedo ormalidad e ambo cao, e pide: a) Para α 0.0, e puede aceptar igualdad de variaza i abemo que (x i x) y (y i ȳ) ? b) E má efectivo el medicameto B? Platear el cotrate adecuado para etudiar eto co u ivel de cofiaza del 95 %.

20 8 CAPÍTULO 6. CONTRASTE DE HIPÓTESIS 6. Co objeto de etudiar i la pulacioe e lo hombre puede coiderare meore que e la mujere, e tomaro muetra de 6 hombre y 6 mujere, obteiédoe lo iguiete dato: Hombre (X): Mujere (Y): Qué e puede decir al repecto? 7. Se tiee alguo idicio de que el coumo de tabaco tiede a provocar problema de tromboi debido a u aumeto e la capacidad de coagulació. Para etudiar eta hipótei, Levie (973) extrajo muetra de agre de idividuo ate y depué de que fumae u cigarrillo y midió la capacidad de agregació de la plaqueta, obteiedo lo dato iguiete (correpodiete al máximo porcetaje de plaqueta que e agregaro depué de haber ido ometida a u etímulo adecuado): Ate: Depué: Hay uficiete evidecia etadítica (al ivel de igificació 0.0) a favor de la hipótei de que lo fumadore preeta mayor tedecia a la formació de coágulo? Idicar la codicioe que e requiere para que el tet utilizado ea válido. Cotrate χ 8. Se abe que e cierta provicia durate u año dado ha acido 7423 iño y 7043 iña. E aceptable la hipótei de igualdad de probabilidad de acimieto de iño y iña e ea provicia? Utilícee el ivel de igificació Ua muetra aleatoria de 3839 obervacioe de ua població e la que e ha claificado a lo idividuo e cuatro tipo A, B, C y D ha dado la iguiete compoició: Tipo A Tipo B Tipo C Tipo D Cotrátee i e aceptable, al ivel del %, la hipótei: H 0 : P (A) 9/6 P (B) P (C) 3/6 P (D) / Lo dato iguiete correpode al úmero de libro etregado e prétamo por ua biblioteca durate lo ditito día de ua cierta emaa. Utilizado el ivel de igificació 0.05, cotrátee la hipótei de que el úmero de libro pretado o depede del día de la emaa. Lue Marte Miércole Jueve Viere Libro pretado Co objeto de cotratar la hipótei de igual probabilidad de acimieto de hijo que de hija, e etudiaro 200 familia de cuatro hijo co lo iguiete reultado: úmero de hijo varoe úmero de familia Cotrátee la hipótei al ivel de igificació α 0.05.

21 3. CONTRASTES χ Ajútee a lo dato iguiete ua ditribució ormal y etúdiee la bodad del ajute (al 5 %). Clae Frecuecia E Epaña, lo tato por cieto de peroa de lo grupo aguíeo O, A, B y AB o, repectivamete, 39, 44, 3 y 4. Se eleccioa ua muetra de 200 idividuo de ua població ituada e ua zoa motañoa co malo acceo, reultado 7 peroa del grupo O, 69 del A, 4 del B y 9 del AB. Cotrátee, al ivel 0.0, i eto reultado cocuerda co lo dado para Epaña. 24. Se ha aplicado a tre grupo de paciete tratamieto ditito A, B y C, obteiédoe lo reultado de la tabla para el úmero de paciete co recaída. Co recaída (R) Si recaída (NR) A B C Cotrátee al ivel del 5 % i puede coiderare homogéeo lo reultado obteido para lo tre tratamieto. 25. Depué de lazar u dado 500 vece, e ha obteido la iguiete tabla de frecuecia: x i i Al ivel e igificació 0.05, e puede afirmar que el dado e regular? 26. Se claificaro 000 idividuo de ua població egú el exo y egú fuera daltóico o o. La tabla de frecuecia obteida fue: Maculio Femeio Daltóico 38 6 No daltóico Segú u modelo geético, la probabilidade debería er: q 2 2 q2 p 2 2 p2 + pq iedo q p la proporció e la població de gee que provoca el daltoimo. A partir de la muetra, e ha etimado que q Cocuerda lo dato co el modelo? 27. Ua fábrica de automóvile quiere averiguar i la preferecia de modelo tiee relació co el exo de lo cliete. Se toma do muetra aleatoria de 000 hombre y 000 mujere, obervádoe la iguiete preferecia: Modelo Sexo A B C Mujer Hombre So homogéea la preferecia etre hombre y mujere, al ivel de igificació 0.0?

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA

Tests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 7. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DESCONOCIDA ETADÍTICA (Q) 13 7. TET DE HIPÓTEI PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA DECONOCIDA ea X1,..., X ua muetra aleatoria de ua població Normal co media = µ y variaza = σ, N(µ,σ ). upogamo ahora

Más detalles

Intervalos de Confianza para la diferencia de medias

Intervalos de Confianza para la diferencia de medias Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza

Más detalles

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza

Módulo de Estadística. Tema 7 : Estimación paramétrica e Intervalos de confianza Módulo de Etadítica Tema 7 : Etimació paramétrica e Itervalo de cofiaza Etimació U etimador e ua catidad umérica calculada obre ua muetra y que eperamo que ea ua buea aproximació de cierta catidad co el

Más detalles

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN

LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN Uiveridad Lo Ágele de Chimbote LECTURA 05: INTERVALOS DE CONFIANZA Y TAMAÑO DE MUESTRA (PARTE I) TEMA 9: INTERVALOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION Actualmete e debe etar bie cociete

Más detalles

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:

Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ

Más detalles

Inferencia Estadística

Inferencia Estadística Iferecia Etadítica 1 I Delia Motoro Cazorla. Dpto. de Etadítica e I.O. Uiveridad de Jaé. Capítulo 6. Itroducció a la Iferecia Etadítica 6.1 Itroducció El pricipal objetivo de la Etadítica e iferir o etimar

Más detalles

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES.

LECTURA 04: INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. INTERVALOS DE CONFIANZA ENTRE DOS MEDIAS POBLACIONALES. ECTURA 4: INTERVAOS DE CONFIANZA PARA A MEDIA POBACIONA. INTERVAOS DE CONFIANZA ENTRE DOS MEDIAS POBACIONAES. TEMA 8: INTERVAOS DE CONFIANZA: INTRODUCCIÓN Y DEFINICIÓN. INTRODUCCION: Actualmete e debe

Más detalles

Pruebas de hipótesis para dos muestras.

Pruebas de hipótesis para dos muestras. Prueba de hiótei ara do muetra. Prueba de Hiótei ara do muetra grade, deviacioe etádar de la oblacioe deiguale. La roiedade de la Ditribució Normal o tambié umamete útile cuado queremo ecotrar i do cojuto

Más detalles

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN

LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 20: PRUEBA DE CORRELACIÓN DE SPEARMAN LECTURA 09: INTRODUCCIÓN A LA ESTADÍSTICA NO PARAMÉTRICA (PARTE II). PRUEBA DE CORRELACIÓN DE SPEARMAN TEMA 0: PRUEBA DE CORRELACIÓN DE SPEARMAN. INTRODUCCIÒN: El coefciete de correlació de Spearma e ua

Más detalles

Paso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:

Paso 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 detalles

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA

DESCONOCIDA. Distribución de la media muestral. EJERCICIOS DE INFERENCIA SOBRE µ CON σ² DESCONOCIDA JRCICIO D INFRNCIA OBR CON σ² DCONOCIDA INFRNCIA OBR CON σ DCONOCIDA Ditribució de la media muetral Mucha vece deeamo realizar iferecia acerca de la de ua població pero o cotamo co la variaza poblacioal

Más detalles

. Antes debemos distinguir si los datos provienen de un diseño pareado (dependiente) o es un diseño independiente.

. Antes debemos distinguir si los datos provienen de un diseño pareado (dependiente) o es un diseño independiente. Capítulo 9: Comparació de media E capítulo ateriore etudiamo prueba de hipótei e itervalo de cofiaza para la proporció o la media de ua població. Eto método puede er etedido para otra ituacioe. Lo bueo

Más detalles

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS

ESTIMACIÓN DE LA VARIANZA POBLACIONAL EN EL MUESTREO EN OCASIONES SUCESIVAS Metodología de Ecueta I: 575-7803 Vol 6, úm, 00, 9- ETIMACIÓ DE LA VARIAZA POBLACIOAL E EL MUETREO E OCAIOE UCEIVA Amelia V. García Luego Eva M. Arté Rodríguez Imaculada Oña Caado Uiveridad de Almería

Más detalles

DISTRIBUCIÓN BIDIMENSIONAL

DISTRIBUCIÓN BIDIMENSIONAL DISTRIBUCIÓ BIDIMESIOAL E ete tema e etudia feómeo bidimeioale de carácter aleatorio. El objetivo e doble: 1. Determiar i eite relació etre la variable coiderada(correlació).. Si ea relació eite, idicar

Más detalles

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)

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) 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 detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,

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

) 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 detalles

Salazar Rosales Leandro

Salazar Rosales Leandro Etadítica para la Admiitració Tarea: Itervalo de Cofiaza INTERVALO DE CONFIANZA Itervalo de Cofiaza: Rago de valore ituado alrededor del parámetro muetral etre lo cuale e ituará el parámetro poblacioal

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA

PRUEBA 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 detalles

Ejercicios de intervalos de confianza en las PAAU

Ejercicios de intervalos de confianza en las PAAU Ejercicios de itervalos de cofiaza e las PAAU 2008 1 1.-El úmero de días de permaecia de los efermos e u hospital sigue ua ley Normal de media µ días y desviació típica 3 días. a)determiar u itervalo de

Más detalles

Tema 4. Estimación de parámetros

Tema 4. Estimación de parámetros Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................

Más detalles

DISTRIBUCIONES BIDIMENSIONALES

DISTRIBUCIONES BIDIMENSIONALES Capítulo III DITRIBUCIOE BIDIMEIOALE 3 Itroducció Etudiaremo do caracterítica de u mimo elemeto de la població (altura peo, do aigatura, logitud latitud) De forma geeral, i e etudia obre ua mima població

Más detalles

t-student y F-Snedecor

t-student y F-Snedecor t-studet y F-Sedecor Itroducció La prueba t-studet e utiliza para cotratar hipótei obre media e poblacioe co ditribució ormal. Tambié proporcioa reultado aproimado para lo cotrate de media e muetra uficietemete

Más detalles

Práctica 7 CONTRASTES DE HIPÓTESIS

Práctica 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 detalles

Bloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS

Bloque 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 detalles

Contrastes de hipótesis

Contrastes de hipótesis Cotrastes de hipótesis Ejercicio º 1.- E u determiado istituto asegura que las otas obteidas por sus alumos e las pruebas de acceso a la Uiversidad tiee ua media igual o superior a 7 putos. Pero la media

Más detalles

Contraste sobre la media de una distribución Normal de varianza conocida

Contraste sobre la media de una distribución Normal de varianza conocida Cotrate de hipótei etadítica E la primera parte de la iferecia etadítica e ha abordado el problema de la etimació de parámetro, e ella e ha vito cómo cotruir etimadore de parámetro poblacioale, e ha iitido

Más detalles

Test con nivel asintótico para hipótesis sobre la media de una población sin suponer normalidad.

Test con nivel asintótico para hipótesis sobre la media de una población sin suponer normalidad. FCEyN - Etadítica para Química do. cuat. 006 - Marta García Be Tet co ivel aitótico para hipótei obre la media de ua població i upoer ormalidad. El "tet t para ua muetra" que e ha deducido upoiedo ditribució

Más detalles

IntroducciónalaInferencia Estadística

IntroducciónalaInferencia 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 detalles

PRUEBAS DE HIPÓTESIS.

PRUEBAS 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 detalles

INFERENCIA ESTADÍSTICA Y ESTIMACIÓN

INFERENCIA 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 detalles

Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS

Tema 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 detalles

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos

Probabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes

Más detalles

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3

Estadística y sus aplicaciones en Ciencias Sociales Práctico 4 - Solución Curso ) Como se trata de muestreo sin reposición, se tiene C 5 3 Estadística y sus aplicacioes e Ciecias Sociales Práctico 4 - Solució Curso 016 Ejercicio 1 5! 1) Como se trata de muestreo si reposició, se tiee C 5 3 3!! muestras de tamaño =3. ) Distribució muestral

Más detalles

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis

PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis 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 detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE 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

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.

Intervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ. Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces

Más detalles

Comparación de dos Muestras

Comparación de dos Muestras STATGRAPHICS Rev. 4/5/007 Comparació de do Muetra Reume El procedimieto de Comparació de do Muetra etá dieñado para comparar do muetra idepediete de dato de variable. La prueba o corrida para determiar

Más detalles

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia

Objetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la

Más detalles

Objetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia

Objetivo. 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 detalles

Prueba A = , = [ 7.853, 8.147]

Prueba A = , = [ 7.853, 8.147] PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

PRUEBAS DE HIPOTESIS

PRUEBAS 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 detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE 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 detalles

UNIDAD 3 Transformadas de Laplace. { ( )} lim b st ( ) f t = e f t dt

UNIDAD 3 Transformadas de Laplace. { ( )} lim b st ( ) f t = e f t dt UNIDAD 3 Traformada de aplace 3. Defiicioe a traformada de aplace de ua fució f ( t ), repreetada co el ímbolo, e la operació memática defiida mediate la iguiete itegral impropia: { lim b t e dt b Por

Más detalles

1. Intervalos de Conanza

1. 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 detalles

Resumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.

Resumen 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 detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de

Más detalles

Preguntas más Frecuentes: Tema 2

Preguntas 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 detalles

MUESTREO Y ESTIMACIÓN ESTADÍSTICA

MUESTREO Y ESTIMACIÓN ESTADÍSTICA 1 MUESTREO Y ESTIMACIÓN ESTADÍSTICA Muestreo. Métodos de muestreo Se llama població al cojuto de idividuos que posee cierta característica. Ua muestra es ua parte de esa població. Muestreo es el proceso

Más detalles

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual

ESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos

Más detalles

Intervalos de Confianza basados en una muestra. Instituto de Cálculo

Intervalos de Confianza basados en una muestra. Instituto de Cálculo Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza

Más detalles

Inferencias acerca de dos promedios: muestras independientes y grandes. (Prueba z)

Inferencias acerca de dos promedios: muestras independientes y grandes. (Prueba z) Iferecia acerca de do promedio: muetra idepediete y grade (Prueba z) Supueto: La muetra o idepediete. Eto e, ua o afecta la ocurrecia de la otra. La poblacioe de dode e etrae la muetra e ditribuye ormalmete.

Más detalles

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando

ANEXO. Estudios de Aspectos de. Seguridad Empresarial. Musante,Maricel. Senesi, Fernando AEXO Etudio de Apecto de eguridad Emprearial Muate,Maricel eei, Ferado Idice Cuetioario...3 Repueta...11 Arbol...135 Etaditica...137 Etaditica Greerale...138 Etadítica Biaria...153 Etadítica Combiada...157

Más detalles

USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA

USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA INVESTIGACIÓN & DESARROLLO,. 0, Vol. : 04 22 (200) ISSN 258-443 USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA Carlo Eduardo Valdivieo Taborga, Roberto Valdivieo Catelló y Ocar Álvaro Valdivieo

Más detalles

UNIDAD 4.- INFERENCIA ESTADÍSTICA II

UNIDAD 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 detalles

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS

PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 013 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 6: TEORÍA DE MUESTRAS Juio, Ejercicio 4, Opció A Juio, Ejercicio 4, Opció B Reserva 1, Ejercicio 4, Opció

Más detalles

En el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:

En 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 detalles

USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA

USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA INVESTIGACIÓN & DESARROLLO 0: 05 3 (00) ISSN 84-6333 USO DE ÁRBOLES DE DECISIÓN PARA LA ESTIMACIÓN ESTADÍSTICA Carlo Eduardo Valdivieo Taborga, Roberto Valdivieo Catelló y Ocar Álvaro Valdivieo Taborga

Más detalles

Pasos básicos para docimar una hipótesis:

Pasos 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 detalles

TEMA 4: CONTRASTE DE HIPOTESIS

TEMA 4: CONTRASTE DE HIPOTESIS ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias

Más detalles

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n.

1. Teorema del Límite Central. Como se dijo varias clases atras si tenemos n variables aleatorias, cada una de. X i = X. n = 1 n. 1. Teorema del Límite Cetral Teorema: ea Y 1, Y,..., Y variables aleatorias idepedietes idéticamete distribuidas co EY i = µ y V Y i =

Más detalles

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDAD PAUTA DE CORRECCIÓN PRUEBA RECUPERATIVA N 2 Profesor: Hugo S. Salias. Segudo Semestre 2009 DESARROLLO

Más detalles

EJERCICIOS TEMA 8. INFERENCIA ESTADISTICA

EJERCICIOS TEMA 8. INFERENCIA ESTADISTICA º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria

Más detalles

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20

Para estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20 Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida

Más detalles

Distribuciones en el muestreo, EMV

Distribuciones en el muestreo, EMV Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador

Más detalles

Determinación del tamaño de una muestra (para dos o más muestras)

Determinación del tamaño de una muestra (para dos o más muestras) STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo

Más detalles

Estimación de Parámetros

Estimación 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 detalles

En esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra.

En esta tema sentaremos las bases del muestreo estadístico y estudiaremos las distribuciones de algunos estadísticos a partir de una muestra. Capítulo 6 Muestreo Estadístico E esta tema setaremos las bases del muestreo estadístico y estudiaremos las distribucioes de alguos estadísticos a partir de ua muestra. 6.1. Coceptos básicos Auque e el

Más detalles

Test de Hipótesis. Material Preparado por Hugo Delfino

Test 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 detalles

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año:

(d) Observando la solución desarrollada en (a) podemos calcular el capital acumulado al final de cada año: COLEGIO COLOMBO BRITÁNICO DEPARTAMENTO DE MATEMÁTICAS PROGRESIONES/ SECUENCIAS/ SUCESIONES PROFESORES: RAÚL MARTÍNEZ Y JESÚS VARGAS Problema Jua Guillermo ivierte milloe de peo durate año, le pagará a

Más detalles

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL

DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL DETERMINACIÓN DEL TAMAÑO MUESTRAL PARA LA SELECCIÓN DE POBLACIONES CON DISTRIBUCIÓN WEIBULL Alejadro Quiroz Zárate & Erique Villa Diharce Comuicació Técica No I-06-3/28-08-2006 (CC/CIMAT) Determiació del

Más detalles

1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA

1.1 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 detalles

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11)

Prueba Integral Lapso / Área de Matemática Fecha: MODELO DE RESPUESTA (Objetivos del 01 al 11) Prueba Itegral Lapso 016-1 175-176-177 1/7 Uiversidad Nacioal Abierta Matemática I (Cód 175-176-177) Vicerrectorado Académico Cód Carrera: 16 36 80 508 51 54 610 611 61 613 Fecha: 19 11 016 MODELO DE RESPUESTA

Más detalles

Estadística Teórica II

Estadística 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 detalles

INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO

INTRODUCCIÓN 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 detalles

Problemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Problemas 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 detalles

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20

Técnicas Cuantitativas II Muestra y Estadísticos Muestrales. TC II Muestra y Estadísticos Muestrales 1 / 20 Técicas Cuatitativas II 2012-2013 Muestra y Estadísticos Muestrales TC II Muestra y Estadísticos Muestrales 1 / 20 Ídice Ídice Cocepto de muestra y Alguos ejemplos de variaza de la media Cocepto de muestra

Más detalles

EJERCICIOS RESUELTOS TEMA 8

EJERCICIOS RESUELTOS TEMA 8 EJERCICIOS RESUELTOS TEMA 8 8.. U ivestigador desea coocer la opiió de los madrileños sobre la saidad pública. Para ello, acude a las 8 de la mañaa al hospital público de la capital más cercao a su domicilio

Más detalles

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A

ANDALUCÍA / JUNIO 04. LOGSE / MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES / EXAMEN COMPLETO OPCIÓN A EXAMEN COMPLETO Istruccioes: a) Duració: 1 hora y 30 miutos. b) Elija ua de las dos opcioes propuestas y coteste los ejercicios de la opció elegida. c) E cada ejercicio, parte o apartado se idica la putuació

Más detalles

Comparación. Variable Cuantitativa. Ejemplo. Comparación. Variable cuantitativa. Independientes 1. Comparación. Variable Cuantitativa.

Comparación. Variable Cuantitativa. Ejemplo. Comparación. Variable cuantitativa. Independientes 1. Comparación. Variable Cuantitativa. Comparació. Variable Cuatitativa Do Muetra Iepeiete Comparació. Variable Cuatitativa Do Muetra Do ituacioe al comparar grupo: Muetra Iepeiete Muetra Relacioaa i o o: Pareaa o Emparejaa J.F. Caaova Do muetra

Más detalles

Importancia de las medidas de tendencia central.

Importancia de las medidas de tendencia central. UNIDAD 5: UTILICEMOS MEDIDAS DE TENDENCIA CENTRAL. Importacia de las medidas de tedecia cetral. Cuado recopilamos ua serie de datos podemos resumirlos utilizado ua tabla de clases y frecuecias. La iformació

Más detalles

SESION 15 DISTRIBUCIONES DE MUESTREO

SESION 15 DISTRIBUCIONES DE MUESTREO SESION 15 DISTRIBUCIONES DE MUESTREO I. CONTENIDOS: 1. Distribució de muestreo. 2. Distribucioes de muestreo de la media 3. Media, mediaa y moda, así como su relació co la desviació estádar de las distribucioes

Más detalles

Análisis de resultados. Independencia de las muestras

Análisis de resultados. Independencia de las muestras Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas

Más detalles

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i

Más detalles

8.1 Al finalizar el tema el alumno debe conocer Características de la estimación utilizando los contrastes o test de hipótesis.

8.1 Al finalizar el tema el alumno debe conocer Características de la estimación utilizando los contrastes o test de hipótesis. TEMA 8. Cotrastes de hipótesis. E este capítulo se epodrá el cotraste o test de hipótesis estadísticas, que está muy relacioado co la «estimació por itervalos» del capítulo aterior. Va a defiirse importates

Más detalles

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema

Sistemas de colas. Objetivo teórico: Determinar la distribución del número de clientes en el sistema Sitema de cola Ua cola e produce cuado la demada de u ervicio por parte de lo cliete excede la capacidad del ervicio. Se eceita coocer (predecir) el ritmo de etrada de lo cliete y el tiempo de ervicio

Más detalles

PyE_ EF2_TIPO1_

PyE_ EF2_TIPO1_ UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA DIVISIÓN DE CIENCIAS BÁSICAS COORDINACIÓN DE CIENCIAS APLICADAS DEPARTAMENTO DE PROBABILIDAD Y ESTADÍSTICA SEGUNDO EXAMEN FINAL RESOLUCIÓN

Más detalles

Estimación de parámetros. Biometría

Estimación de parámetros. Biometría Estimació de parámetros Biometría Estimació Las poblacioes so descriptas mediate sus parámetros Para variables cuatitativas, las poblacioes so descriptas mediate y Para variables cualitativas, las poblacioes

Más detalles

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E.

PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E. CURSO 007-008 CONVOCATORIA: MATERIA: MATEMATICAS APLICADAS A LAS CC. SS. - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe

Más detalles

TEMA 3: INFERENCIA ESTADISTICA

TEMA 3: INFERENCIA ESTADISTICA ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.

Más detalles

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007)

IES Fco Ayala de Granada Soluciones Germán-Jesús Rubio Luna INTERVALOS DE CONFIANZA PARA PROPORCIONES (2007) IS Fco Ayala de Graada Solucioes Germá-Jesús Rubio Lua INTRVALOS D CONFIANZA PARA PROPORCIONS (007) jercicio 1- Tomada, al azar, ua muestra de 10 estudiates de ua Uiversidad, se ecotró que 54 de ellos

Más detalles

INFERENCIA, ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS

INFERENCIA, ESTIMACIÓN Y CONTRASTE DE HIPÓTESIS 4 INFERENCIA, ESTIMACIÓN Y CONTRASTE DE IÓTESIS - INTRODUCCIÓN La Etadítica decriptiva y la teoría de la robabilidad va a er lo pilare de u uevo procedimieto (Etadítica Iferecial) co lo que e va a etudiar

Más detalles

Distribuciones de probabilidad

Distribuciones de probabilidad Distribucioes de probabilidad 1. Variable aleatoria real: Ejemplo: Ua variable aleatoria X es ua fució que asocia a cada elemeto del espacio muestral E u úmero X: E ú Cosideremos el experimeto aleatorio

Más detalles

Inferencia estadística: estimación de parámetros.

Inferencia estadística: estimación de parámetros. Capítulo 7 Iferecia estadística: estimació de parámetros. 7.1. Itroducció E este tema estudiaremos como aproximar distitos parámetros poblacioales a partir de ua m.a.s. formada por observacioes idepedietes

Más detalles

INTERVALOS DE CONFIANZA

INTERVALOS 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 detalles

Muestreo e Intervalos de Confianza

Muestreo e Intervalos de Confianza Muestreo e Itervalos de Cofiaza PROBLEMAS DE SELECTIVIDAD RESUELTOS MUESTREO E INTERVALOS DE CONFIANZA 1) E ua població ormal co variaza coocida se ha tomado ua muestra de tamaño 49 y se ha calculado su

Más detalles

una sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente:

una sucesión de funciones de A. Formemos una nueva sucesión de funciones {S n } n=1 de A de la forma siguiente: Tema 8 Series de fucioes Defiició 81 Sea {f } ua sucesió de fucioes de A Formemos ua ueva sucesió de fucioes {S } de A de la forma siguiete: S (x) = f 1 (x) + f 2 (x) + + f (x) = f k (x) Al par de sucesioes

Más detalles

Qué es la estadística?

Qué 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 detalles

IES Fco Ayala de Granada Modelo 5 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 5 DEL 2015 OPCIÓN A

IES Fco Ayala de Granada Modelo 5 del 2015 (Soluciones) Germán-Jesús Rubio Luna SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 5 DEL 2015 OPCIÓN A SELECTIVIDAD ANDALUCÍA MATEMÁTICAS CCSS MODELO 5 DEL 015 OPCIÓN A EJERCICIO 1 (A) Sea las matrices A = 1 0, B = 1 1 1 y C = 1 1 3 (1 5 putos) Resuelva la ecuació A X + B X = C. (1 5 putos) Calcule A 4

Más detalles