Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
|
|
- Estefania Cano Rivas
- hace 7 años
- Vistas:
Transcripción
1 Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos Conceptos Generales 3 Contrastes de Hipótesis Pruebas relacionadas con la Media de una Población 6 Prueba para µ = µ 0 cuando σ es Conocida Prueba para µ µ 0 cuando σ es Conocida Prueba para µ = µ 0 cuando σ es Desconocida Ejemplo de contraste de hipótesis con R Prueba para µ µ 0 cuando σ es Desconocida Ejemplo de contraste de hipótesis con R Pruebas relacionadas con las Medias de dos Poblaciones Independientes 15 Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Conocidas Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Conocidas Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Desconocidas pero Iguales Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Desconocidas pero Iguales Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Desconocidas y Distintas Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Desconocidas y Distintas Pruebas relacionadas con las Medias de dos Poblaciones Relacionadas 22 Prueba para µ 1 = µ 2 cuando σ 1, σ 2 y ρ son Desconocidos Prueba para µ 1 µ 2 cuando σ 1, σ 2 y ρ son Desconocidos Pruebas relacionadas con las Varianzas de dos Poblaciones 25 Prueba para σ1 2 = σ2 2 con µ 1 y µ 2 Desconocidas Prueba para σ1 2 σ2 2 con µ 1 y µ 2 Desconocidas Pruebas relacionadas con Proporciones 28 Prueba para p = p Prueba para p p Contrastes de Hipótesis: p-valor 31 p-valor
2 Contenidos Conceptos Generales. Pruebas relacionadas con la media de una población. Pruebas relacionadas con la igualdad de medias de dos poblaciones. Pruebas para datos relacionados. Pruebas para las varianzas. Pruebas para proporciones. Los contrastes de hipótesis permitirán decidirnos entre dos hipótesis formuladas previamente con un determinado nivel de error. Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 2 / 32 2
3 Conceptos Generales 3 / 32 Contrastes de Hipótesis Una Hipótesis Estadística es una proposición que se establece acerca de una o más poblaciones: Acerca de los parámetros de una distribución. Acerca de el tipo y forma de la distribución. Los contrastes de hipótesis se basan en la información proporcionada por una muestra. La terminología estadística habla de Aceptar o Rechazar una hipótesis: Rechazar, significa que la hipótesis es falsa. Aceptar, solamente implica que no se tiene suficiente información para rechazarla. Las Hipótesis se plantean sobre los posibles valores que puede tomar un parámetro poblacional. Hipótesis Simples, son aquellas que sólo plantean un valor posible para el parámetro. Hipótesis Compuestas, establecen un rango de valores que puede tomar el parámetro poblacional. Se plantea en el contraste dos Hipótesis excluyentes y complementarias: Hipótesis Nula, H 0 : Suele ser la más concreta, la que contenga el signo de igualdad, suele ser simple. Hipótesis Alternativa, H 1 : Complementaria a la Nula, suele ser compuesta. El planteamiento de H 0 permite elaborar un modelo probabilístico a partir del cual podemos llegar a la decisión final. El Contraste de Hipótesis conlleva establecer dos zonas disjuntas y complementarias, Zona de Rechazo de H 0 (Región Crítica) y la Zona de Aceptación de H Z((1 ) 2) Z((1 + ) 2) Z Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 4 / 32 3
4 Contrastes de Hipótesis La decisión de aceptar o rechazar H 0 se basa en probabilidades, no en certezas, al tomar la decisión podemos cometer dos tipo de errores. Error Tipo I: Rechazar la Hipótesis Nula, H 0 siendo verdadera. Error Tipo II: Aceptar la Hipótesis Nula, H 0 siendo falsa. H 0 Verdadera H 0 Falsa Aceptar H 0 Decisión Correcta Error Tipo II 1 β Rechazar H 0 Error Tipo I Decisión Correcta 1 β Las probabilidades de los Errores de tipo I y II son probabilidades condicionadas: Nivel de Significación, : Nivel de Confianza, 1 = : = P(Error I) = P(Rechazar H 0 H 0 Verdadera) = 1 P(Error I) = P(Aceptar H 0 H 0 Verdadera) β = P(Error II) = P(Aceptar H 0 H 0 Falsa) Al valor complementario de β se le denomina Potencia del Contraste, 1 β 1 β = P(Rechazar H 0 H 0 Falsa) El objetivo sería disponer de un contraste que maximicen la Confianza ( = 1 ) y la Potencia (1 β) y minimizen los Errores de tipo I y II, esto se logra aumentando el tamaño de la muestra n, hasta un cierto valor. El nivel de Significación es normalmente controlado por el experimentador mientras que β es controlado mediante la elección correcta del tamaño de la muestra. Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 5 / 32 4
5 Pruebas relacionadas con la Media de una Población 6 / 32 Prueba para µ = µ 0 cuando σ es Conocida Consideremos el problema de probar la hipótesis de que la media de una población, con varianza σ 2 conocida, sea igual a un valor concreto µ 0, en contra de una hipótesis alternativa bilateral de que la media sea diferente. H 0 : µ = µ 0 H 1 : µ µ 0 Sea X 1,X...,X n una m.a.s., el estadístico apropiado para este caso está basado en la media muestral X. El Teorema Central del Limite nos asegura que X N(µ,σ/ n). Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X < b defina la Región de Aceptación y la Región Crítica. Los valores críticos se obtienen, Z = (X µ 0 )/(σ/ n) N(0,1) bajo H 0. (a µ 0 )/(σ/ n) = z = 2 z1 2 (b µ 0 )/(σ/ n) = z 1 = 2 z1+ 2 a = µ 0 + (σ/ n)z 2 b = µ 0 + (σ/ n)z Z( 2) Z(1 2) Z Así pues, de la población, se elige una muestra de tamaño n y se calcula la media de la muestra X. Si X cae en la Región de Aceptación, a < X < b, entonces, el estadístico Z = (X µ 0 )/(σ/ n) caerá en la Región de Aceptación, Z < z 1 y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. Z z 1 Los Coeficientes de Confianza o Niveles de Significación más usuales son: = 0.95, = 0.05 z1+ = z 1 = z = 1.96, 2 2 = 0.99, = 0.01 z1+ = z 1 = z = Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 7 / 32 5
6 Prueba para µ µ 0 cuando σ es Conocida En este caso consideremos la hipótesis de que la media de una población, con varianza σ 2 conocida, sea menor o igual a un valor concreto µ 0, en contra de una hipótesis alternativa unilateral de que la media sea mayor. H 0 : µ µ 0 H 1 : µ > µ 0 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X < a defina la Región de Aceptación y la Región Crítica. Z = (X µ 0 )/(σ/ n) N(0,1) bajo H 0. El valor crítico se obtiene, (a µ 0 )/(σ/ n) = z 1 = z a = µ 0 + (σ/ n)z 1 1 Z(1 ) Z Así pues, de la población, se elige una muestra de tamaño n y se calcula la media de la muestra X. Si X cae en la Región de Aceptación, X < a, entonces, el estadístico Z = (X µ 0 )/(σ/ n) caerá en la Región de Aceptación, Z < z 1, y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. Z z 1, Los Coeficientes de Confianza o Niveles de Significación más usuales son: = 0.95, = 0.05 z = z 1 = z 0.95 = 1.65, = 0.99, = 0.01 z = z 1 = z 0.99 = Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 8 / 32 6
7 Prueba para µ = µ 0 cuando σ es Desconocida Consideremos el problema de probar la hipótesis de que la media de una población, con varianza σ 2 desconocida, sea igual a un valor concreto µ 0, en contra de una hipótesis alternativa bilateral de que la media sea diferente. H 0 : µ = µ 0 H 1 : µ µ 0 Sea X 1,X...,X n una m.a.s., el estadístico apropiado para este caso está basado en la media muestral X. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X < b defina la Región de Aceptación y la Región Crítica. Los valores críticos se obtienen, T = (X µ 0 )/(S c / n) t n 1 bajo H 0. a = µ 0 + (S c / n)t n 1, 2 b = µ 0 + (S c / n)t n 1, t( 2) t(1 2) T Así pues, de la población, se elige una muestra de tamaño n y se calcula la media de la muestra X. Si X cae en la Región de Aceptación, a < X < b, entonces, el estadístico T = (X µ 0 )/(S c / n) caerá en la Región de Aceptación, T < t n 1,1 y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. T t n 1,1 Los Coeficientes de Confianza o Niveles de Significación usuales, eg. n = 20: = 0.95, = 0.05 t 19, 1+ = t 19,1 = t 19,0.975 = 2.09, 2 2 = 0.99, = 0.01 t 19, 1+ = t 19,1 = t 19,0.995 = Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 9 / 32 7
8 Ejemplo de contraste de hipótesis con R > x <- c(17.7, 17.3, 13.6, 12.3, 14, 13.1, 13, 15.4, 19.7, 19.5) > t.test(x, mu = 15, alt = "two.sided", conf.level = 0.95) One Sample t-test data: x t = , df = 9, p-value = alternative hypothesis: true mean is not equal to percent confidence interval: sample estimates: mean of x > pt(0.6359, df = 9) [1] Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 10 / 32 Ejemplo de contraste de hipótesis con R > x <- c(17.7, 17.3, 13.6, 12.3, 14, 13.1, 13, 15.4, 19.7, 19.5) > t.test(x, mu = 18, alt = "two.sided", conf.level = 0.95) One Sample t-test data: x t = , df = 9, p-value = alternative hypothesis: true mean is not equal to percent confidence interval: sample estimates: mean of x > pt( , df = 9) [1] Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 11 / 32 8
9 Prueba para µ µ 0 cuando σ es Desconocida En este caso consideremos la hipótesis de que la media de una población, con varianza σ 2 desconocida, sea menor o igual a un valor concreto µ 0, en contra de una hipótesis alternativa unilateral de que la media sea mayor. H 0 : µ µ 0 H 1 : µ > µ 0 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X < a defina la Región de Aceptación y la Región Crítica. T = (X µ 0 )/(S c / n) t n 1 bajo H 0. El valor crítico se obtiene, (a µ 0 )/(S c / n) = t n 1,1 = t n 1, a = µ 0 + (S c / n)t n 1,1 1 t(1 ) T Así pues, de la población, se elige una muestra de tamaño n y se calcula la media de la muestra X. Si X cae en la Región de Aceptación, X < a, entonces, el estadístico T = (X µ 0 )/(S c / n) caerá en la Región de Aceptación, T < t n 1,1, y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. T t n 1,1, Los Coeficientes de Confianza o Niveles de Significación usuales, eg. n = 20: = 0.95, = 0.05 t n 1, = t n 1,1 = t 19,0.95 = 1.73, = 0.99, = 0.01 t n 1, = t n 1,1 = t 19,0.99 = Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 12 / 32 9
10 Ejemplo de contraste de hipótesis con R > x <- c(17.7, 17.3, 13.6, 12.3, 14, 13.1, 13, 15.4, 19.7, 19.5) > t.test(x, mu = 15, alt = "greater", conf.level = 0.95) One Sample t-test data: x t = , df = 9, p-value = alternative hypothesis: true mean is greater than percent confidence interval: Inf sample estimates: mean of x > pt(0.6359, df = 9) [1] Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 13 / 32 10
11 Ejemplo de contraste de hipótesis con R > x <- c(17.7, 17.3, 13.6, 12.3, 14, 13.1, 13, 15.4, 19.7, 19.5) > t.test(x, mu = 12, alt = "greater", conf.level = 0.95) One Sample t-test data: x t = , df = 9, p-value = alternative hypothesis: true mean is greater than percent confidence interval: Inf sample estimates: mean of x > pt(4.0423, df = 9) [1] Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 14 / 32 11
12 Pruebas relacionadas con las Medias de dos Poblaciones Independientes 15 / 32 Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Conocidas Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ1 2 y σ2 2 conocidas, sean iguales, en contra de una hipótesis alternativa bilateral de que las medias sean diferentes. H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 El estadístico apropiado para este caso está basado en la diferencia de las medias muestrales X 1 X 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X 1 X 2 < b defina la Región de Aceptación y la Región Crítica. Z = (X 1 X 2 ) σ 2 1 /n 1 + σ 2 2 /n 2 N(0,1) bajo H Z( 2) Z(1 2) Z Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose Z. La Región de Aceptación vendrá definida por, y se aceptará H 0. Z < z 1 Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. Z z 1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 16 / 32 12
13 Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Conocidas Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ 2 1 y σ2 2 conocidas, sean µ 1 µ en contra de una hipótesis alternativa unilateral de que sean µ 1 > µ 2. H 0 : µ 1 µ 2 H 1 : µ 1 > µ 2 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X 1 X 2 < a defina la Región de Aceptación y la Región Crítica. Z = (X 1 X 2 ) σ 2 1 /n 1 + σ 2 2 /n 2 N(0,1) bajo H 0. 1 Z(1 ) Z Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. Z < z 1, Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. Z z 1, Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 17 / 32 13
14 Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Desconocidas pero Iguales Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ1 2 y σ2 2 desconocidas e iguales, sean iguales, en contra de una hipótesis alternativa bilateral de que las medias sean diferentes. H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 El estadístico apropiado para este caso está basado en la diferencia de las medias muestrales X 1 X 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X 1 X 2 < b defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) t n1 S1 2+n n1 2S2 2 n 1 +n 2 2 ( 1 n n 2 2 bajo H 0. n 2 ) t( 2) t(1 2) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t n 1,1 Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t n 1,1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 18 / 32 14
15 Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Desconocidas pero Iguales Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ 2 1 y σ2 2 desconocidas e iguales, sean µ 1 µ en contra de una hipótesis alternativa unilateral de que sean µ 1 > µ 2. H 0 : µ 1 µ 2 H 1 : µ 1 > µ 2 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X 1 X 2 < a defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) t n1 S1 2+n n1 2S2 2 n 1 +n 2 2 ( 1 n n 2 2 bajo H 0. n 2 ) 1 t(1 ) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t n1 +n 2 2,1, Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t n1 +n 2 2,1, Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 19 / 32 15
16 Prueba para µ 1 = µ 2 cuando σ 1 y σ 2 son Desconocidas y Distintas Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ1 2 y σ2 2 desconocidas y distintas, sean iguales, en contra de una hipótesis alternativa bilateral de que las medias sean diferentes. H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 El estadístico apropiado para este caso está basado en la diferencia de las medias muestrales X 1 X 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X 1 X 2 < b defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) S 2 c1 n 1 + S2 c 2 n 2 t g bajo H 0, con g = ( ) 2 Sc 2 1 n 1 + S2 c 2 n 2 (Sc 2 1 /n 1 ) 2 n (S2 c 2 /n 2 ) 2 n t( 2) t(1 2) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t g,1 Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t g,1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 20 / 32 16
17 Prueba para µ 1 µ 2 cuando σ 1 y σ 2 son Desconocidas y Distintas Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con varianzas σ 2 1 y σ2 2 desconocidas y distintas, sean µ 1 µ en contra de una hipótesis alternativa unilateral de que sean µ 1 > µ 2. H 0 : µ 1 µ 2 H 1 : µ 1 > µ 2 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X 1 X 2 < a defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) S 2 c1 n 1 + S2 c 2 n 2 t g bajo H 0, con g = ( ) 2 Sc 2 1 n 1 + S2 c 2 n 2 (Sc 2 1 /n 1 ) 2 n (S2 c 2 /n 2 ) 2 n t(1 ) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t g,1, Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t g,1, Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 21 / 32 17
18 Pruebas relacionadas con las Medias de dos Poblaciones Relacionadas 22 / 32 Prueba para µ 1 = µ 2 cuando σ 1, σ 2 y ρ son Desconocidos Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales y apareadas, con σ1 2, σ2 2 y ρ desconocidos, sean iguales, en contra de una hipótesis alternativa bilateral de que las medias sean diferentes. H 0 : µ 1 = µ 2 H 1 : µ 1 µ 2 Sean (X1 1,X1 2 ),(X2 1,X2 2 ),...,(Xn 1,Xn 2 ) n pares de muestras aleatorias simples. El estadístico apropiado para este caso está basado en la diferencia de las medias muestrales D = X 1 X con D i = X1 i Xi 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < X 1 X 2 < b defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) n i t S n cd n 1 bajo H 0, con S cd = (D i D) 2. n t( 2) t(1 2) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t n 1,1 Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t n 1,1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 23 / 32 18
19 Prueba para µ 1 µ 2 cuando σ 1, σ 2 y ρ son Desconocidos Consideremos el problema de probar la hipótesis de que las medias de dos poblaciones normales e independientes, con σ 2 1, σ2 2 y ρ desconocidos, sean µ 1 µ en contra de una hipótesis alternativa unilateral de que sean µ 1 > µ 2. H 0 : µ 1 µ 2 H 1 : µ 1 > µ 2 Sean (X1 1,X1 2 ),(X2 1,X2 2 ),...,(Xn 1,Xn 2 ) n pares de muestras aleatorias simples. El estadístico apropiado para este caso está basado en la diferencia de las medias muestrales D = X 1 X con D i = X1 i Xi 2. Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo X 1 X 2 < a defina la Región de Aceptación y la Región Crítica. T = (X 1 X 2 ) n i t S n cd n 1 bajo H 0, con S cd = (D i D) 2. n 1 1 t(1 ) T Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calculan las medias muestrales X 1 y X obteniéndose T. La Región de Aceptación vendrá definida por, y se aceptará H 0. T < t n 1,1, Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. T t n 1,1, Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 24 / 32 19
20 Pruebas relacionadas con las Varianzas de dos Poblaciones 25 / 32 Prueba para σ 2 1 = σ2 2 con µ 1 y µ 2 Desconocidas Consideremos el problema de probar la hipótesis de la igualdad de las varianzas σ1 2 y σ2 2 poblaciones, en contra de una hipótesis alternativa bilateral de que sean diferentes. de dos H 0 : σ 1 = σ 2 H 1 : σ 1 σ 2 El estadístico apropiado para este caso está basado en el cociente de las Cuasivarianzas muestrales S 2 c 1 /S 2 c 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < S 2 c 1 /S 2 c 2 < b defina la Región de Aceptación y la Región Crítica. F = S2 c 1 S 2 c 2 F n1 1,n 2 1 bajo H F( 2) F(1 2) F Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calcula el estadístico de contraste F. La Región de Aceptación vendrá definida por, F n1 1,n 2 2, < F < F n 2 1 1,n 2 1,1 2 y se aceptará H 0. Mientras que en caso contrario, se define la Región de Rechazo, F F n1 1,n 2 2, o F n 2 1 1,n 2 1,1 F 2 y se rechazará H 0. Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 26 / 32 20
21 Prueba para σ 2 1 σ 2 2 con µ 1 y µ 2 Desconocidas Consideremos el problema de probar la hipótesis de que las varianzas de dos poblaciones, sean σ 2 1 σ2 en contra de una hipótesis alternativa unilateral de que sean σ2 1 > σ2 2. H 0 : σ 2 1 σ 2 2 H 1 : σ 2 1 > σ 2 2 El estadístico apropiado para este caso está basado en el cociente de las Cuasivarianzas muestrales S 2 c 1 /S 2 c 2. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo S 2 c 1 /S 2 c 2 < a defina la Región de Aceptación y la Región Crítica. F = S2 c 1 S 2 c 2 F n1 1,n 2 1 bajo H F(1 ) F Así pues, de las poblaciones, se eligen muestras de tamaño n 1 y n 2 respectivamente y se calcula el estadístico de contraste F. La Región de Aceptación vendrá definida por, y se aceptará H 0. F < F n1 1,n 2 1,1 Mientras que en caso contrario, se define la Región de Rechazo, y se rechazará H 0. F F n1 1,n 2 1,1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 27 / 32 21
22 Pruebas relacionadas con Proporciones 28 / 32 Prueba para p = p 0 Consideremos el problema de probar la hipótesis de que la proporción de elementos con un atributo en una población, sea igual a un valor concreto p 0, en contra de una hipótesis alternativa bilateral de que sea diferente. H 0 : p = p 0 H 1 : p p 0 El estadístico apropiado para este caso está basado en ˆp = X/n, siendo X el número de elementos con el atributo y n el tamaño de la muestra. Para un nivel de Significación = 1 se establecen valores críticos a y b, tales que el intervalo a < ˆp < b defina la Región de Aceptación y la Región Crítica. Z = (ˆp p 0) ˆpˆq n N(0,1) bajo H Z( 2) Z(1 2) Z Así pues, de la población, se elige una muestra de tamaño n y se calcula ˆp = X/n. Si ˆp cae en la Región de Aceptación, a < ˆp < b, entonces, el estadístico Z caerá en la Región de Aceptación, Z < z 1 y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. Z z 1 Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 29 / 32 22
23 Prueba para p p 0 Consideremos el problema de probar la hipótesis de que la proporción de elementos con un atributo en una población, sea menor o igual a un valor concreto p 0, en contra de una hipótesis alternativa unilateral de que sea mayor. H 0 : p p 0 H 1 : p > p 0 Para un nivel de Significación = 1 se establecen un valor crítico a, tal que el intervalo ˆp < a defina la Región de Aceptación y la Región Crítica. Z = (ˆp p 0) ˆpˆq n N(0,1) bajo H 0. 1 Z(1 ) Z Así pues, de la población, se elige una muestra de tamaño n y se calcula ˆp = X/n. Si ˆp cae en la Región de Aceptación, ˆp < a, entonces, el estadístico Z caerá en la Región de Aceptación, Z < z 1, y se aceptará H 0 ; en caso contrario, Región de Rechazo, se rechazará H 0. Z z 1, Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 30 / 32 23
24 Contrastes de Hipótesis: p-valor 31 / 32 p-valor En contrastes de hipótesis, en Estadística, el p-valor está definido como la probabilidad de obtener un resultado al menos tan extremo como el que realmente se ha obtenido, suponiendo que la hipótesis nula es cierta. p = P( Z > Z obs H 0 ) Si el p-valor es inferior a lo más probable es que la hipótesis H 0 sea falsa. Sin embargo, también es posible que estemos ante una observación atípica, por lo que estaríamos cometiendo el error estadístico de rechazar la hipótesis nula cuando ésta es cierta basándonos en que hemos tenido la mala suerte de encontrar una observación atípica. Este tipo de errores se puede subsanar rebajando el nivel de significación, un nivel de 0.05 es usado en investigaciones habituales sociológicas mientras que niveles de 0.01 se utilizan en investigaciones médicas, en las que cometer un error puede acarrear consecuencias más graves. También se puede tratar de subsanar dicho error aumentando el tamaño de la muestra obtenida, esto reduce la posibilidad de que el dato obtenido sea casualmente raro. Licesio J. Rodríguez-Aragón Tema 11, M.E.I. 32 / 32 24
> t.test (datos_x, datos_y =NULL, alternative = "two.sided", mu = 0, paired =FALSE, var.equal = FALSE, conf.level= 0.95)
INTERVALOS DE CONFIANZA Y TEST DE HIPOTESIS CON R Estudiemos ahora la función en el lenguaje R, que nos ofrece tanto estimaciones puntuales y por intervalos de confianza como test de hipótesis, es: > t.test
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
Más detallesMétodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B
Métodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 010 Contenidos...............................................................
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesContraste de hipótesis Tema Pasos del contraste de hipótesis. 1.1 Hipótesis estadísticas: nula y alternativa. 1.3 Estadístico de contraste
1 Contraste de hipótesis Tema 3 1. Pasos del contraste de hipótesis 1.1 Hipótesis estadísticas: nula y alternativa 1.2 Supuestos 1.3 Estadístico de contraste 1.4 Regla de decisión: zona de aceptación y
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesTests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 5. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA
2 5. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA 5. Desarrollo de un ejemplo Interesa saber si el método de absorción atómica de vapor frío para determinar mercurio introduce
Más detallesJuan Carlos Colonia PRUEBA DE HIPÓTESIS
Juan Carlos Colonia PRUEBA DE HIPÓTESIS HIPÓTESIS ESTADÍSTICA Una hipótesis estadística es un supuesto acerca de la distribución de probabilidad de una o mas variables aleatorias o de los parámetros de
Más detallesTema 5: Contraste de hipótesis
Tema 5: Contraste de hipótesis 1 (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Conceptos fundamentales: hipótesis nula y alternativa,
Más detallesContrastes de hipótesis paramétricos
Estadística II Universidad de Salamanca Curso 2011/2012 Outline Introducción 1 Introducción 2 Contraste de Neyman-Pearson Sea X f X (x, θ). Desonocemos θ y queremos saber que valor toma este parámetro,
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesContraste de Hipótesis
Contraste de Hipótesis Introducción Ejemplo El peso de plantines de un arbusto forrajero, almacenado a temperatura y humedad relativa ambientes, obtenido a los 20 días desde la germinación es en promedio
Más detallesContrastes para los parámetros de dos poblaciones Normales independientes. Varianzas desconocidas iguales
Contrastes para los parámetros de dos poblaciones Normales independientes. Ejercicios Tema 6 (Resuelto). Problema 4 En un estudio se determinaron las tasas de ramoneo de dos especies de erizo de mar, Paracentrotus
Más detallesTema 7. Contrastes de Hipótesis
7.1. Conceptos básicos Tema 7. Contrastes de Hipótesis Uno de los problemas comunes en inferencia consiste en contrastar una hipótesis estadística. Ejemplo: El fabricante de un determinado tipo de piezas
Más detallesContraste de hipótesis con STATGRAPHICS
Contraste de hipótesis con STATGRAPHICS Ficheros empleados: Transistor.sf3, Estaturas.sf3 1. Introducción: Una forma habitual de hacer inferencia acerca de uno o más parámetros de una población consiste
Más detallesRESPUESTAS BREVES A LA PRÁCTICA 6
RESPUESTAS BREVES A LA PRÁCTICA 6 EJERCICIO [Prueba bilateral] Se rechaza la hipótesis nula con un nivel de significación del % (z =5). La evidencia muestral sostiene la hipótesis de que el puntaje medio
Más detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
Más detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más detallesEstadística I Tema 8: Contraste de hipótesis. POBLACIÓN NORMAL: CONTRASTE DE HIPÓTESIS PARA LA MEDIA
Estadística I Tema 8: Contraste de hipótesis. POBLACIÓN NORMAL: CONTRASTE DE HIPÓTESIS PARA LA MEDIA 1) Para la realización de este ejercicio se necesitan los siguientes paquetes: RcmdrPlugin.TeachingDemos
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesPRÁCTICA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICOS
PRÁCTICA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICOS Objetivos Plantear y resolver problemas mediante la técnica de contraste de hipótesis. Asimilar los conceptos relativos a contrastes de hipótesis, tales
Más detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesCOMPROBACIÓN DE HIPÓTESIS
COMPROBACIÓN DE HIPÓTESIS TAMBIÉN LLAMADO PRUEBA DE HIPÓTESIS MIC-FCA-UCE DR. DAVID ECHE, PH.D. 1 PRUEBAS ESTADISTICAS Ha Ho MIC-FCA-UCE DR. DAVID ECHE, PH.D. 2 MIC-FCA-UCE DR. DAVID ECHE, PH.D. 3 VALIDEZ
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesAnálisis de dos muestras
Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
Más detallesCAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA
CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA 3.- INTERVALO DE CONFIANZA PARA LA VARIANZA 4.- INTERVALO DE
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
Más detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA ANOTACIONES SOBRE CONSTRASTE DE Prof. Simón Cabrera
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesESTADÍSTICA I Tema 5: Contraste de hipótesis
ESTADÍSTICA I Tema 5: Contraste de hipótesis Planteamiento del problema. Conceptos básicos: hipótesis nula y alternativa, tipos de errores, nivel de significación, región crítica o de rechazo, tamaño del
Más detallesCap. 7 : Pruebas de hipótesis
Cap. 7 : Pruebas de hipótesis Alexandre Blondin Massé Departamento de Informática y Matematica Université du Québec à Chicoutimi 20 de junio del 2015 Modelado de sistemas aleatorios Ingeniería de sistemas,
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesAplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas
Aplicación del Análisis de la Varianza para estudiar el tiempo de acceso en las aulas informáticas Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento Centro 1 Estadística e Investigación
Más detalles10.3. Sec. Prueba de hipótesis para la media poblacional. Copyright 2013, 2010 and 2007 Pearson Education, Inc.
Sec. 10.3 Prueba de hipótesis para la media poblacional (μ) Para probar una hipótesis con respecto a la media poblacional, cuando la desviación estándar poblaciónal es desconocida, usamos una distribución-t
Más detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
Más detallesCONTRASTE DE HIPÓTESIS EN POBLACIONES NORMALES
CONTRASTE DE HIPÓTESIS EN POBLACIONES NORMALES Antonio Morillas A. Morillas: C. de H. en P. Normales 1 CONTRASTE EN POBLACIONES NORMALES En este tema, aplicaremos lo visto en el anterior para el caso de
Más detallesMuestreo de variables aleatorias
Estadística II Universidad de Salamanca Curso 2011/2012 Outline 1 Introducción 2 Distribución de la muestra 3 4 5 Distribuciones de la media y la varianza en poblaciones normales Introducción Tiene como
Más detallesCONTRASTACIÓN DE HIPÓTESIS
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRIÓN ESCUELA DE POSTGRADO MAESTRIA EN DOCENCIA SUPERIOR E INVESTIGACIÓN UNIVERSITARIA ASIGNATURA: ESTADÍSTICA PARA LA INVESTIGACIÓN EDUCATIVA CONTRASTACIÓN
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesESTADÍSTICA I Tema 4: Estimación por intervalos de confianza
ESTADÍSTICA I Tema 4: Estimación por intervalos de confianza El concepto de intervalo de confianza (IC) IC aproximados basados en el TCL: intervalos para una proporción Determinación del mínimo tamaño
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesESTIMACION INFERENCIA ESTADISTICA
P M INFERENCIA ESTADISTICA Desde nuestro punto de vista, el objetivo es expresar, en términos probabilísticos, la incertidumbre de una información relativa a la población obtenida mediante la información
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesMódulo de Estadística
Módulo de Estadística Tema 8: Introducción a los contrastes de hipótesis Tema 6: Contrastes de hipótesis 1 Objetivos del tema Introducir el concepto de contraste de hipótesis Diferenciar entre hipótesis
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística Aplicada y Lingüística Empírica. Introducción a las Tecnologías del Habla 2 o cuatrimestre 2014 Agustín Gravano
Estadística Aplicada y Lingüística Empírica Introducción a las Tecnologías del Habla 2 o cuatrimestre 2014 Agustín Gravano Antes de empezar... Entrá a http://tinyurl.com/experimento-ith Ingresá tu altura
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesEJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
Más detallesEs una proposición o supuesto sobre los parámetros de una o más poblaciones
HIPOTESIS ESTADISTICA Es una proposición o supuesto sobre los parámetros de una o más poblaciones http://www.itch.edu.mx/academic/industrial/estadistica1/cap02.html POR LUIS M. BAQUERO ROSAS, MBA JUNIO
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesTema 6. Inferencia estadística
Cuestiones de Verdadero/Falso Tema 6. Inferencia estadística 508 Estadística. ETDI. Curs 2002/03 1. La Estimación puntual supone obtener un único valor como estimación del parámetro desconocido. 2. La
Más detallesTema 5.5: Contrastes de hipótesis
Tema 5.5: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detallesTema 7: Introducción a la Teoría sobre Estimación
Tema 7: Introducción a la Teoría sobre Estimación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Introducción a la Teoría sobre Estimación
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesAnálisis de la Varianza (ANOVA) y Correlación
Universidad de Chile Rodrigo Assar FCFM MA34B Andrés Iturriaga DIM Víctor Riquelme Análisis de la Varianza (ANOVA) y Correlación Resumen El test ANOVA analiza la relación entre una variable numérica y
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesTema 9: Introducción al problema de la comparación de poblaciones
Tema 9: Introducción al problema de la comparación de poblaciones Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema
Más detallesEJERCICIOS. Curso: Estadística. Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses
EJERCICIOS Curso: Estadística Profesores: Mauro Gutierrez Martinez Christiam Miguel Gonzales Chávez. Cecilia Milagros Rosas Meneses 1. Un fabricante de detergente sostiene que los contenidos de las cajas
Más detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesDEFINICIONES BÁSICAS
1 CLASES DE ESTADÍSTICA II CLASE 14) INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS. A menudo el analista debe tomar decisiones acerca de la investigación que se está desarrollando. En ese proceso de toma de
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesESTADISTICA Estimación puntual
Resumen estadístico Describir y sintetizar Tablas de frecuencias y Gráficos ESTADISTICA Estimación puntual Analizar e inferir Intervalos de confianza Contrastes de hipótesis Qué es una hipótesis? Una creencia
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesHipótesis Alternativa H 1 : ϑ Θ 1
INFERENCIA ESTADÍSTICA Tema 3.3: Contrastes de signicación Objetivos Dominar el esquema conceptual y el lenguaje propios de los contrastes de hipótesis. Construir contrastes de hipótesis para los parámetros
Más detallesProyecto Tema 8: Tests de hipótesis. Resumen teórico
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 8: Tests de hipótesis Resumen teórico Tests de hipótesis Concepto de test de hipótesis Un test de hipótesis (o
Más detallesTEMA 8. Contraste de hipótesis de la media
TEMA 8. Contraste de hipótesis de la media Alicia Nieto Reyes BIOESTADÍSTICA Alicia Nieto Reyes (BIOESTADÍSTICA) TEMA 8. Contraste de hipótesis de la media 1 / 14 Introducción al Contraste de Hipótesis
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detalles