Tema 9: Introducción al problema de la comparación de poblaciones
|
|
- Clara Acosta Naranjo
- hace 7 años
- Vistas:
Transcripción
1 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 de la comparación de poblaciones Curso / 17
2 Índice 1 Contrastes de una muestra 2 Comparación de dos poblaciones 3 Introducción al Análisis de la Varianza 4 Un Factor: Diseño completamente aleatorizado 5 Un Factor: Diseño por Bloques al azar Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
3 3. Contrastes de una muestra Para la media Sea x 1,..., x n una Muestra Aleatoria Simple de una variable X N(µ, σ). Contraste σ conocida Se rechaza H 0 si σ desconocida Se rechaza H 0 si H 0 : µ = µ 0 H 0 : µ µ 0 H 0 : µ µ 0 H 1 : µ µ 0 H 1 : µ > µ 0 H 1 : µ < µ 0 X µ 0 σ/ n > z α/2 X µ 0 S/ n > t n 1,α/2 X µ 0 σ/ n > zα X µ 0 σ/ n > zα X µ 0 S/ n > t n 1,α X µ 0 S/ n > t n 1,α Si n 60, los test anteriores son válidos aunque no se verifique la hipótesis de normalidad. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
4 3. Contrastes de una muestra Para la varianza Sea x 1,..., x n una Muestra Aleatoria Simple de una variable X N(µ, σ). Contraste H 0 : σ 2 = σ 2 0 H 1 : σ 2 σ 2 0 H 0 : σ 2 σ 2 0 H 1 : σ 2 > σ 2 0 H 0 : σ 2 σ 2 0 H 1 : σ 2 < σ 2 0 µ desconocida Se rechaza H 0 si (n 1)S 2 σ 2 0 (n 1)S 2 σ 2 0 < χ 2 n 1,1 α 2 ó > χ 2 n 1, α 2 (n 1)S 2 σ0 2 >χ 2 n 1,α (n 1)S 2 σ0 2 <χ 2 n 1,1 α Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
5 3. Contrastes de una muestra Para una proporción Sea x 1,..., x n una Muestra Aleatoria Simple de una variable X de Bernoulli de parámetro p. Contraste Se rechaza H 0 H 0 : p = p 0 H 0 : p p 0 H 0 : p p 0 H 1 : p p 0 H 1 : p > p 0 H 1 : p < p 0 n (ˆp p0 ) p p0 (1 p 0 ) > z α/2 n (ˆp p0 ) p p0 (1 p 0 ) > zα n (ˆp p0 ) p p0 (1 p 0 ) > zα Puesto que se utiliza la aproximación de la binomial por normal, los test anteriores son válidos si np 0 (1 p 0 ) > 5. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
6 Comparación de dos poblaciones Muestras independientes: comparación de varianzas Sean x 1,..., x n e y 1,..., y m muestras independientes de dos variables X N(µ X, σ X ) e Y N(µ Y, σ Y ). Contraste Se rechaza H 0 si 8 >< >: S 2 X S 2 Y S 2 X S 2 Y H 0 : σ 2 X = σ2 Y H 1 : σ 2 X σ2 Y > F n 1,m 1,α/2 ó < F n 1,m 1,1 α/2 S 2 X S 2 Y H 0 : σ 2 X σ2 Y H 1 : σ 2 X > σ2 Y > F n 1,m 1,α S 2 X S 2 Y H 0 : σ 2 X σ2 Y H 1 : σ 2 X < σ2 Y < F n 1,m 1,1 α Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
7 Comparación de dos poblaciones Muestras independientes: comparación de medias Sean x 1,..., x n e y 1,..., y m muestras independientes de dos variables X N(µ X, σ X ) e Y N(µ Y, σ Y ). Contraste σ 2 X = σ2 Y Se rechaza H 0 si H 0 : µ X = µ Y H 1 : µ X µ Y X Ȳ r Sp 2 1n + m 1 > t n+m 2,α/2 H 0 : µ X µ Y H 1 : µ X > µ Y X Ȳ r Sp 2 1n + m 1 > t n+m 2,α σ 2 X σ2 Y Se rechaza H 0 si X Ȳ r S 2 Xn + S2 Ym > t f,α/2 X Ȳ r S 2 Xn + S2 Ym > t f,α S 2 Xn + S2 Ym «2 siendo S 2 p = (n 1)S2 X + (m 1)S2 Y n + m 2 y f el número entero más próximo a S 4 X n 2 (n+1) + 2. S4 Y m 2 (m+1) Si n, m 60, los test anteriores son válidos aunque no se verifique la hipótesis de normalidad. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
8 Comparación de dos poblaciones Muestras apareadas: comparación de medias Sean (x 1, y 1 ),..., (x n, y n ) muestras de X N(µ X, σ X ) e Y N(µ Y, σ Y ), tales que X e Y están relacionadas. Contraste Se rechaza H 0 si H 0 : µ X = µ Y H 1 : µ X µ Y X Ȳ S d / n > t n 1,α/2 H 0 : µ X µ Y H 1 : µ X > µ Y X Ȳ S d / n > t n 1,α siendo S d la desviación típica de la muestra x 1 y 1,..., x n y n. Si n 60, los test anteriores son válidos aunque no se verifique la hipótesis de normalidad. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
9 Comparación de dos poblaciones Muestras independientes: comparación de proporciones Sean x 1,..., x n e y 1,..., y m muestras independientes de dos variables X e Y con distribuciones de Bernoulli de parámetros p X y p Y, respectivamente. Contraste Se rechaza H 0 si H 0 : p X = p Y H 1 : p X p Y s ˆp X ˆp Y 1 ˆpˆq n + 1 «> z α/2 m H 0 : p X p Y H 1 : p X > p Y ˆp X ˆp Y 1 sˆpˆq n + 1 «> zα m siendo ˆp X y ˆp Y los estimadores de p X y p Y, respectivamente, ˆp = nˆp X + mˆp Y n + m y ˆq = 1 ˆp. Puesto que se utiliza la aproximación de la binomial por la normal, para que los test anteriores sean válidos se ha de verificar que nˆpˆq 5 y mˆpˆq 5. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
10 Introducción al Análisis de la Varianza Análisis de la varianza Es el procedimiento estadístico que consiste en dividir la variación total en las observaciones de una variable cuantitativa X en componentes que pueden atribuirse a alguna causa reconocible y utilizarse para contrastar la hipótesis de interés. Variables y factores En este tema vamos a generalizar el estudio del tema anterior a la comparación de k medias. Cada una de estas medias describe el comportamiento de X en una determinada subpoblación o el nivel de respuesta de X ante determinado tratamiento. La variable cualitativa que agrupa las distintas subpoblaciones o los distintos tratamientos se denomina factor. Podemos decir por tanto, que en este tema estudiaremos como determinar si existe o no relación entre una variable cuantitativa y una cualitativa (el factor). Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
11 Introducción al Análisis de la Varianza Planteamiento del problema Supongamos que tenemos las siguientes variables: X variable cuantitativa continua, que supondremos con distribución normal. F variable cualitativa (factor). A sus posibles valores T 1,..., T k se les denomina tratamientos. F divide la población en k subpoblaciones. Denotaremos µ i la media de X en la subpoblación formada por los individuos a los que se ha aplicado el tratamiento T i (i = 1,..., k). La distribución de probabilidad sobre esta subpoblación se supone N(µ i, σ) (la desviación típica σ debe ser igual en todas las subpoblaciones). Estamos interesados en contrastar la hipótesis: H 0 : µ 1 = = µ k H 1 : µ i µ j para ciertos i, j Si aceptamos H 0 la media de la variable será la misma independientemente del tratamiento aplicado y por tanto X y F no están relacionadas. Por el contrario, si rechazamos H 0, X y F están relacionadas. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
12 Un Factor: Diseño completamente aleatorizado Toma de datos Para cada tratamiento o en cada subpoblación se tomará una muestra de individuos. Obtendremos por tanto k muestras independientes que se dispondrán del siguiente modo: Tratamientos T 1 T 2... T k X 11 X X k1 X 12 X X k X 1n1 X 2n2... X knk Medias X 1. X X k. X.. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
13 Un Factor: Diseño completamente aleatorizado Análisis de la varianza Al dividir la variabilidad total entre sus componentes nos encontramos con las siguientes fuentes de variación: Variabilidad entre tratamientos: SCTr = P k Variabilidad residual: SCE = P k i=1 Variabilidad total: SCT = P k i=1 i=1 n i( X i. X..) 2 P ni j=1 (X ij X i. ) 2 P ni j=1 (X ij X..) 2 Tabla ANOVA de una vía (N es el número total de datos): F.V. g.l. S.C. M.C. Vexp Vteor Tratam. k 1 SCTr MCTr = SCTr k 1 Error N k SCE MCE = SCE N k Total N 1 SCT MCTr MCE F k 1,N k,α Rechazamos H 0 al nivel α si Vexp F k 1,N k,α Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
14 Un Factor: Diseño completamente aleatorizado Comparaciones múltiples Cuando en los modelos anteriores se acepta H 1, tenemos constancia de que hay diferencias entre al menos dos tratamientos. Sería conveniente averiguar cuáles son dichos tratamientos. Para ello se utiliza un procedimiento de comparaciones múltiples. Los contrastes que se plantean son: H 0 : µ i = µ j H 1 : µ i µ j i, j = 1,..., k Método de la mínima diferencia significativa (LSD): 1 LSD = t N k,α/2 smce + 1 «n i n j Rechazamos H 0, es decir, la diferencia es significativa al nivel α si X i. X j. LSD Método de Bonferroni: Análogo al anterior pero en el cálculo de LSD sustituimos α por α/`k 2 Método de Tukey: En principio válido para k muestras que tengan el mismo tamaño (n). Calculamos HSD = q k,n k,α r MCE n Rechazamos H 0, es decir, la diferencia es significativa a nivel α si X i. X j. HSD. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
15 Un Factor: Diseño por Bloques al azar Toma de datos El diseño por bloques se utiliza cuando las unidades experimentales en las que se mide la variable X se hallan agrupadas. Como resultado se obtienen k muestras relacionadas con la siguiente disposición: Tratamientos T 1 T 2... T k Medias 1 X 11 X X k1 X.1 Bloques 2 X 12 X X k2 X b X 1b X 2b... X kb X.b Medias X 1. X X k. X.. Se denomina bloque a cada uno de los grupos de observaciones. Los bloques son otra fuente de variabilidad que debemos considerar en la tabla ANOVA. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
16 Un Factor: Diseño por Bloques al azar Análisis de la Varianza En este caso tenemos las siguientes fuentes de variación: Variabilidad entre tratamientos: SCTr = P k i=1 b( X i. X..) 2 Variabilidad entre bloques: SCBl = P b j=1 k( X.j X..) 2 Variabilidad residual: SCE = P k P b i=1 j=1 (X ij X i. X.j + X..) 2 Variabilidad total: SCT = P k P b i=1 j=1 (X ij X..) 2 Tabla ANOVA: F.V. g.l. S.C. M.C. Vexp Vteor Tratam. k 1 SCTr MCTr = SCTr k 1 Bloques b 1 SCBl MCBl = SCBl b 1 Error (k 1)(b 1) SCE SCE MCE = (k 1)(b 1) Total kb 1 SCT MCTr MCE F k 1,(k 1)(b 1),α Rechazamos H 0 al nivel α si Vexp F k 1,(k 1)(b 1),α Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
17 Un Factor: Diseño por Bloques al azar Comparaciones múltiples Los contrastes que se plantean son: H 0 : µ i = µ j H 1 : µ i µ j i, j = 1,..., k Método de la mínima diferencia significativa (LSD): LSD = t (k 1)(b 1),α/2 r 2MCE b Rechazamos H 0, es decir, la diferencia es significativa al nivel α si X i. X j. LSD Método de Bonferroni: Análogo al anterior pero en el cálculo de LSD sustituimos α por α/`k 2 Método de Tukey: HSD = q k,(k 1)(b 1),α r MCE b Rechazamos H 0, es decir, la diferencia es significativa a nivel α si X i. X j. HSD. Licenciatura en Ciencias Ambientales (4 o Curso) Tema 9: Introducción al problema de la comparación de poblaciones Curso / 17
Tema 7: Modelos de diseños de experimentos
Tema 7: Modelos de diseños de experimentos Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 7: Modelos de diseños de experimentos Curso
Más detallesTema 5: Estimación puntual y por intervalos
Tema 5: Estimación puntual y por intervalos Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Estimación puntual y por intervalos Curso
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
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 detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesDiseño de Bloques al azar. Diseño de experimentos p. 1/25
Diseño de Bloques al azar Diseño de experimentos p. 1/25 Introducción En cualquier experimento, la variabilidad proveniente de un factor de ruido puede afectar los resultados. Un factor de ruido es un
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 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 detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
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 detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesDiseño Estadístico de Experimentos
Capítulo 3 Diseño Estadístico de Experimentos Una prueba o serie de pruebas en las cuales se introducen cambios deliberados en las variables de entrada que forman el proceso, de manera que sea posible
Más detallesAnálisis de la varianza ANOVA
Estadística Básica. Mayo 2004 1 Análisis de la varianza ANOVA Francisco Montes Departament d Estadística i I. O. Universitat de València http://www.uv.es/~montes Estadística Básica. Mayo 2004 2 Comparación
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 detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesTeoría de muestras 2º curso de Bachillerato Ciencias Sociales
TEORÍA DE MUESTRAS Índice: 1. Introducción----------------------------------------------------------------------------------------- 2 2. Muestras y población-------------------------------------------------------------------------------
Más detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo. MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M.
MODELO DE REGRESIÓN MÚLTIPLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Abordaremos en este capítulo el modelo de regresión lineal múltiple, una vez que la mayor parte de las
Más detallesPRÁCTICA 3: Ejercicios del capítulo 5
PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable
Más detalles= P (Z ) - P (Z ) = P (Z 1 25) P (Z -1 25)= P (Z 1 25) [P (Z 1 25)] = P (Z 1 25) [1- P (Z 1 25)] =
El peso en kg de los estudiantes universitarios de una gran ciudad se supone aproximado por una distribución normal con media 60kg y desviación típica 8kg. Se toman 100 muestras aleatorias simples de 64
Más detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesTAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN
TAMAÑO DE MUESTRA EN LA ESTIMACIÓN DE LA MEDIA DE UNA POBLACIÓN En este artículo, se trata de explicar una metodología estadística sencilla y sobre todo práctica, para la estimación del tamaño de muestra
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 detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesINFERENCIA DE LA PROPORCIÓN
ESTADISTICA INFERENCIA DE LA PROPORCIÓN DISTRIBUCIÓN MUESTRAL DE PROPORCIONES En una población la proporción de elementos (personas, animales, cosas o entes) que posee una cierta característica es p. En
Más detallesPuntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I. L.A. y M.C.E. Emma Linda Diez Knoth
1 Puntuación Z ESTADÍSTICA APLICADA A LA EDUCACIÓN I Qué es la Puntuación Z? 2 Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones de una distribución normal, con el propósito
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS VERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS Grupo
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
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 detallesb.- Realiza las comparaciones múltiples mediante los métodos LSD, Bonferroni y Tuckey.
Ejercicio 1: Se someten 24 muestras de agua a 4 tratamientos de descontaminación diferentes y asignados al azar. Para cada muestra se mide un indicador de la calidad del agua ( cuanto más alto es el indicador,
Más detallesANEXO I. ANÁLISIS DE LA VARIANZA.
ANEXO I. ANÁLISIS DE LA VARIANZA. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias. Cuando se quiere comparar más de dos medias es incorrecto utilizar
Más detallesJUNIO Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: A
Bloque A JUNIO 2003 1.- Encuentra, si existen, matrices cuadradas A, de orden 2, distintas de la matriz identidad, tales que: 1 0 A = 1 0 A Cuántas matrices A existen con esa condición? Razona tu respuesta.
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesDiseños en bloques aleatorizados
Capítulo 5 Diseños en bloques aleatorizados 5.1. ntroducción En las situaciones que hemos estudiado en el Capítulo 1 hemos supuesto que existe bastante homogéneidad entre las unidades experimentales, así,
Más detallesObjetivos. Epígrafes 3-1. Francisco José García Álvarez
Objetivos Entender el concepto de variabilidad natural de un procesos Comprender la necesidad de los gráficos de control Aprender a diferenciar los tipos de gráficos de control y conocer sus limitaciones.
Más detallesINFERENCIA ESTADÍSTICA
INFERENCIA ESTADÍSTICA 1. DEFINICIÓN DE INFERENCIA ESTADÍSTICA Llamamos Inferencia Estadística al proceso de sacar conclusiones generales para toda una población a partir del estudio de una muestra, así
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detalles2.- Tablas de frecuencias
º BACHILLERATO MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II TEMA 3.- ESTADÍSTICA DESCRIPTIVA PROFESOR: RAFAEL NÚÑEZ -----------------------------------------------------------------------------------------------------------------------------------------------------------------
Más detallesBloque II (Columnas) B= Y212 C= Y322 D= Y432 C= Y313 D= Y423 E= Y533. A= Y1k2. B= Y2k3
DISEÑO EN CUADRO LATINO En el diseño en cuadro latino (DCL) se controlan dos factores de bloque y se estudia un solo factor de interés. En este sentido, se tienen cuatro fuentes de variación: Los tratamientos
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
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 detallesMANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Tercera clase: Introducción al concepto de probabilidad y Distribuciones de probablidad discretas Programa Técnico en Riesgo, 2014 Agenda 1 Concepto de probabilidad
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
Más detallesACTIVIDAD 2: La distribución Normal
Actividad 2: La distribución Normal ACTIVIDAD 2: La distribución Normal CASO 2-1: CLASE DE BIOLOGÍA El Dr. Saigí es profesor de Biología en una prestigiosa universidad. Está preparando una clase en la
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 3
Maestría en Bioinformática Probabilidad y Estadística: Clase 3 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Variables aleatorias
Más detallesCONTRASTES DE HIPÓTESIS PARAMÉTRICOS. La estadística en cómic (L. Gonick y W. Smith)
CONTRASTES DE HIPÓTESIS PARAMÉTRICOS La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: UN JUICIO INJUSTO 2 APELAREMOS EL VERIDICTO 3 SEÑOR ESTADÍSTICO, PODRÍA EXPLICARNOS LO QUE ESTOS DATOS EVIDENCIAN?
Más detallesTema 8. Muestreo. Indice
Tema 8. Muestreo Indice 1. Población y muestra.... 2 2. Tipos de muestreos.... 3 3. Distribución muestral de las medias.... 4 4. Distribución muestral de las proporciones.... 6 Apuntes realizados por José
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES OBJETIVO DEL LABORATORIO El objetivo del presente laboratorio es que el estudiante conozca y que sea capaz de seleccionar y utilizar gráficos de control, para realizar
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesMétodos Estadísticos Multivariados
Métodos Estadísticos Multivariados Victor Muñiz ITESM Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre 2011 1 / 20 Victor Muñiz (ITESM) Métodos Estadísticos Multivariados Agosto-Diciembre
Más detallesa. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.
El diámetro de los tubos de cartón para un envase ha de estar entre 19 y 21mm. La maquina prepara tubos cuyos diámetros están distribuidos como una manual de media 19 5mm y desviación típica 1 2mm. Qué
Más detallesANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ
ANOVA O ANAVA PARA DISEÑOS TOTALMENTE ALEATORIZADOS Y ANOVA PARA DISENOS DE BLOQUES ALEATORIZADOS ALBA MARTINEZ ROMERO MARY SOL MEZA CHAVEZ Presentado a: MARIA ESTELA SEVERICHE CORPORACION UNIVERSITARIA
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesI.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 detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesAnálisis de la Varianza de un Factor
Práctica de Estadística con Statgraphics Análisis de la Varianza de un Factor Fundamentos teóricos El Análisis de la Varianza con un Factor es una técnica estadística de contraste de hipótesis, cuyo propósito
Más detallesObjetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis
Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción
Más detallesOPTIMIZACIÓN EXPERIMENTAL. Ing. José Luis Zamorano E.
OPTIMIZACIÓN EXPERIMENTAL Ing. José Luis Zamorano E. Introducción n a la metodología de superficies de respuesta EXPERIMENTACIÓN: Significa variar deliberadamente las condiciones habituales de trabajo
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesINDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso
INDICE Capítulo I: Conceptos Básicos 1.- Introducción 3 2.- Definición de calidad 7 3.- Política de calidad 10 4.- Gestión de la calidad 12 5.- Sistema de calidad 12 6.- Calidad total 13 7.- Aseguramiento
Más detallesMáster en comunicaciones. Clase 2. Modelos predictores.
Máster en comunicaciones. Clase 2. Modelos predictores. 1. Introducción Uno de los cometidos más importantes de la estadística es la explotación de los datos observados de una o más características de
Más detallesLa distribución normal
La Distribución Normal Es una distribución continua que posee, entre otras, las propiedades siguientes: Su representación gráfica tiene forma de campana ( campana de Gauss ) -6-4 -2 0 2 4 6 2 4 6 8 10
Más detallesTeoría de la decisión
1.- Un problema estadístico típico es reflejar la relación entre dos variables, a partir de una serie de Observaciones: Por ejemplo: * peso adulto altura / peso adulto k*altura * relación de la circunferencia
Más detallesIntervalos de confianza
Capítulo 5 Intervalos de confianza Como su nombre indica, el objetivo de un estadístico puntual para un parámetro desconocido de una población, es acercarnos al verdadero valor del mismo dando un valor
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 detalleswww.atalayadecristo.org
Marzo 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
Más detallesTEMA II: MODELO CLÁSICO Y CONCEPTO DE FIABILIDAD
9 TEMA II: MODELO CLÁSICO Y CONCEPTO DE FIABILIDAD INTRODUCCIÓN En las Ciencias clásicas (Medicina, Física, Química,...) existen aparatos, con márgenes de error especificados, para medir determinadas características
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesFactores no controlables
Acepto la Ho y ιj μ α ι β j ε ιj Dr. Alfredo Matos Ch. Universidad Peruana Unión amatosch@upeu.edu.pe Factores Controles Entradas PROCESO FUNCION ACTIVIDAD Salidas Factores no controlables 2 1 Se entiende
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detalles