Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.

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

Download "Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste."

Transcripción

1 Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 1 / 33

2 Inferencia no paramétrica Inferencia no paramétrica Objetivos En inferencia estadística es habitual partir de una hipótesis de la forma: Suponemos X 1,..., X n m.a.s. de X Hipótesis estructurales (X i i.i.d. (X )): Independencia (aleatoriedad) Homogeneidad (misma distribución) Adicionalmente, en inferencia estadística paramétrica, se supone un modelo paramétrico: La distribución de X es de la forma F θ (x) (siendo θ un parámetro desconocido) Distribución paramétrica (la distribución se ajusta a un modelo paramétrico) Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 2 / 33

3 Inferencia no paramétrica Inferencia no paramétrica Objetivos Objetivos Desarrollar herramientas que permitan veri car el grado de cumplimiento de las hipótesis anteriores: Métodos descriptivos (grá cos) Contrastes de bondad de ajuste Contrastes de aleatoriedad Desarrollar procedimientos alternativos válidos cuando estas hipótesis no se veri can (métodos de distribución libre). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 3 / 33

4 de bondad de ajuste Contrastes de bondad de ajuste Introducción A partir de X 1,..., X n m.a.s. de X con función de distribución F, interesa realizar un contraste de la forma: H0 : F = F 0 Por ejemplo: H 1 : F 6= F 0 H0 : F = N(0, 1) H 1 : F 6= N(0, 1) H 0 simple H 0 especi ca por completo la distribución de X H0 : F es normal N(µ, σ 2 ) H 1 : F no es normal H 0 compuesta H 0 sólo especi ca el tipo de distribución Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 4 / 33

5 de bondad de ajuste Introducción Métodos Grá cos Histograma Diagrama de cajas Función de distribución empírica Grá cos P-P y Q-Q Grá co de tallo y hojas Densidad suavizada... Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 5 / 33

6 de bondad de ajuste Contrastes de hipótesis Introducción Generales: H0 : F = F 0 Chi-cuadrado de Pearson Kolmogorov-Smirnov H 1 : F 6= F 0 Especí cos de normalidad: H0 : F = N(µ, σ 2 ) H 1 : F 6= N(µ, σ 2 ) Kolmogorov-Smirnov-Lilliefors Shapiro-Wilks Asimetría y apuntamiento... Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 6 / 33

7 Métodos Grá cos Histograma Métodos Grá cos Histograma Se agrupan los datos en intervalos I k = [L k 1, L k ). A cada intervalo se le asocia un valor (altura) proporcional a la frecuencia de dicho intervalo: ˆf n (x) = f i L k L k 1 = n i n (L k L k 1 ) Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 7 / 33

8 Métodos Grá cos Grá co de cajas Grá co de cajas (Box-plot) Útiles para resumir un conjunto de datos (variables cuantitativas con un amplio rango de valores), permiten visualizar la distribución y la dispersión de los datos y también detectar valores extraños (outliers). Son muy utilizados en el análisis exploratorio de datos y especialmente útiles para comparar distribuciones. NOTA: Normalidad ) simetría Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 8 / 33

9 Métodos Grá cos Ejemplos Ejemplos Distribución normal Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 9 / 33

10 Métodos Grá cos Ejemplos Ejemplos Distribución asimétrica Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 10 / 33

11 Métodos Grá cos Función de distribución empírica Función de distribución empírica La función de distribución empírica F n asigna a cada número real x la frecuencia relativa de observaciones menores o iguales que x. Se ordena la muestra X (1) X (2) X (n) y: 8 < 0 si x < X (1) i F n (x) = : n si X (i) x < X (i+1) 1 si X (n) x Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 11 / 33

12 Grá co P-P Métodos Grá cos Grá cos P-P y Q-Q Gra co de dispersión: f(f n (x i ), F 0 (x i )) : i = 1,, ng siendo F n la FD empírica y F 0 la FD bajo H 0. Si H 0 es cierta, la nube de puntos estará en torno a la recta y = x (probabilidades observadas próximas a las esperadas bajo H 0 ). NOTA: Si H 0 : F = N(µ, σ 2 ), F 0 FD de N( ˆµ, ˆσ 2 ). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 12 / 33

13 Grá co Q-Q Métodos Grá cos Grá cos P-P y Q-Q Equivalente al anterior pero en la escala de la variable (cuantiles): o nx (i), q i : i = 1,, n siendo x (i) los cuantiles observados y q i = F 1 0 (p i ) los esperados bajo H 0. NOTA: Típicamente n o (i 0.5) p i = n : i = 1,, n Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 13 / 33

14 Contraste chi-cuadrado de Pearson Contraste chi-cuadrado de Pearson Contraste de bondad de ajuste: H0 : F = F 0 H 1 : F 6= F 0 Agrupamos los datos en k clases: C 1,, C k Bajo H 0 cada clase tendrá asociada una probabilidad p i = P (X 2 C i ) Clases Probabilidades General Discreta Continua H 0 simple H 0 compuesta C 1 x 1 [L 0, L 1 ) p 1 ˆp C k x k [L k 1, L k ) p k ˆp k i p i = 1 i ˆp i = 1 H0 : Las probabilidades son correctas Contraste a realizar: H 1 : Las probabilidades no son correctas Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 14 / 33

15 Contraste chi-cuadrado de Pearson Si H 0 es cierta entonces f i p i (f i frecuencia relativa de la clase C i ), o equivalentemente las frecuencias observadas: n i = n f i deberían ser próximas a las esperadas bajo H 0 : e i = n p i Sugiriendo el estadístico del contraste: siendo: χ 2 = k (n i e i ) 2 i=1 e i aprox. χ 2 k r 1, si H 0 cierta k = número de clases r = número de parámetros estimados (para obtener las p i ). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 15 / 33

16 Contraste chi-cuadrado de Pearson (n Clases n i observadas p i bajo H 0 e i bajo H i e i ) 2 0 e i (n C 1 n 1 p 1 e 1 e 1 ) (n C k n k p k e k e k ) 2 k Total i n i = n i p i = 1 i e i = n χ 2 = k i=1 e 1 e k (n i e i ) 2 e i Cuando H 0 es cierta el estadístico tiende a tomar valores pequeños y grandes cuando es falsa. Rechazamos H 0, para un nivel de signi cación α, si: k (n i e i ) 2 χ 2 k r 1,1 α i=1 e i Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 16 / 33

17 Contraste chi-cuadrado de Pearson Distribución bajo H 0 2 k r 1 2 k r 1;1 Æ Si realizamos el contraste a partir del p-valor o nivel crítico:! p = P χ 2 k k r 1 (n i e i ) 2 i=1 e i rechazaremos H 0 si p α (y cuanto menor sea con mayor seguridad la rechazaremos) y aceptaremos H 0 si p > α (con mayor seguridad cuanto mayor sea). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 17 / 33

18 Condiciones necesarias para la validez del test Condiciones necesarias para la validez del test Para que la aproximación χ 2 de la distribución del estadístico del contraste sea válida: El tamaño muestral debe ser su cientemente grande (p.e. n > 30). La muestra debe ser una muestra aleatoria simple. En caso de que haya que estimar parámetros, los parámetros deben estimarse por el procedimiento de máxima verosimilitud. Las frecuencias esperadas e i = n p i deberían ser todas 5. Si la frecuencia esperada de alguna clase es < 5, se agrupa con otra clase (o con varias si no fuese su ciente con una) para obtener una frecuencia esperada 5. Cuando la variable es nominal (no hay una ordenación lógica) se suele agrupar con la(s) que tiene(n) menor valor de e i. Si la variable es ordinal (o contínua) debe juntarse la que causó el problema con una de las adyacentes. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 18 / 33

19 Condiciones necesarias para la validez del test Si la variable de interés es continua, una forma de garantizar que e i 5 consiste en tomar un número de intervalos igual al mayor valor: y de forma que sean equiprobables: k n/5 p i = 1/k Por ejemplo en el caso de una normal estandar consideraríamos los puntos críticos z i /k Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 19 / 33

20 Ejemplo test chi-cuadrado Ejemplo La siguiente tabla muestra los fallos de tres servidores web durante un año: Servidor Total N o de fallos A partir de estos datos, con un nivel de signi cación α = 0.05, podemos a rmar que los tres servidores tienen la misma probabilidad de fallar? Hipótesis del contraste: H0 : p 1 = p 2 = p 3 = 1 3 H 1 : p i 6= p j para algún i, j Estadístico del contraste: χ 2 = k (n i e i ) 2 i=1 e i k = número de clases = 3 r = número de parámetros estimados = 0 aprox. χ 2 k r 1, si H 0 cierta Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 20 / 33

21 Ejemplo test chi-cuadrado Regla de decisión: rechazamos H 0 si: Realización del contraste: χ 2 χ 2 2,0.95 = 5.99 (n Categoría n i observadas p i bajo H 0 e i bajo H i e i ) 2 0 e i 1 8 1/ / / Total χ 2 = Como < 5.99 ) aceptamos que los tres servidores tienen la misma probabilidad de fallo. Cálculo del p-valor: p = P χ = > 0.1 (tablas) como p α aceptamos claramente H 0. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 21 / 33

22 Contraste de Kolmogorov-Smirnov Contraste de Kolmogorov-Smirnov Contraste de bondad de ajuste de distribuciones continuas. Se basa en comparar la FD bajo H 0 (F 0 ) con la FD empírica (F n ): D n = sup jf n (x) = max i=1,,n F 0 (x)j, x n jf n (X (i) ) F 0 (X (i) )j, jf n (X (i 1) ) F 0 (X (i) )j o NOTA: F n X (i) = i n Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 22 / 33

23 Contraste de Kolmogorov-Smirnov i D n = max F 0 (X 1in n (i) ), F 0 (X (i) ) = max D + 1in n,i, D n,i i 1 n Si H 0 es simple y F 0 es continua, la distribución del estadístico D n bajo H 0 no depende F 0. Esta distribución está tabulada (para tamaños muestrales grandes se utiliza la aproximación asintótica). Se rechaza H 0 si: D n D KS n,1 α Si H 0 es compuesta, los parámetros desconocidos se estiman por máxima verosimilitud y se trabaja con ˆF 0, aunque los cuantiles de la distribución de D n pueden ser demasiado conservativos (puede ser preferible aproximarlos por simulación). Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 23 / 33

24 Ejemplo test KS Ejemplo (problema 2.4) X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: Contrastar si la distribución de X es exponencial: f (x) = λe λx si x > 0 F (x) = P (X x) = 1 e λx si x > 0 Se estima el parámetro λ = 1 E (X ), ˆλ = 1 x = = Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 24 / 33

25 Ejemplo test KS Se calcula la tabla del contraste K-S: ˆF 0 x (i) F n x (i x (i) 1) F n x (i) D n,i ˆD n = y p = P (D n 0.201) = 0.81 > 0.2 (tablas) ) Se acepta la hipótesis de que las observaciones siguen una distribución exponencial. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 25 / 33

26 Contraste de Kolmogorov-Smirnov-Lilliefors Contraste de Kolmogorov-Smirnov-Lilliefors Contraste de normalidad, H 0 : F = N(µ, σ 2 ), empleando el estadístico D n anterior. Los parámetros se estiman por máxima verosimilitud y ˆF 0 = Φ ((x x)/s) siendo Φ (z) la FD de una N(0, 1). El estadístico del contraste es: D n = sup jf n (x) x x Φ s x j Esta distribución está también tabulada. Se rechaza H 0 si: D n D KSL n,1 α Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 26 / 33

27 Ejemplo test KSL Ejemplo (problema 2.4) X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: Contrastar si la distribución de X es normal: H0 : X N(µ, σ 2 ) H 1 : X N(µ, σ 2 ) Se estiman los parámetros µ y σ: ˆµ = x = ˆσ = s = Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 27 / 33

28 Ejemplo test KSL Se calcula la tabla del contraste K-S-L: x (i) z (i) ˆF 0 x (i) F n x (i z (i) = x (i) x s = Φ = i 1 n 1) F n x (i) = i n D n,i ˆD n = y p = P D KSL n = ' 0.2 (tablas, 0.217) ) Se acepta la hipótesis de que las observaciones siguen una distribución normal. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 28 / 33

29 Contraste de simetría Contrastes Contraste de simetría Coe ciente de asimetría: Bajo la hipótesis de normalidad CA CA = n i=1(x i x) 3 ns 3 aprox. N(0, 6 n ) Coe ciente de asimetría estandarizado: r n CAS = 6 CA N(0, 1). aprox. Se rechaza la hipótesis de simetría si: jcasj Z 1 α 2 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 29 / 33

30 Ejemplo (problema 2.4) Contrastes Ejemplo test simetría X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: CA = n i=1 (x i x ) 3 = ns q 3 6 ˆσ (CA) = 10 = CAS = ˆσ(CA) CA = = R.A. = ( 1.96, 1.96) p = 2 P (Z j0.828j) ' = Como p α aceptamos (claramente) la hipótesis nula de que la distribución de los datos es simétrica Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 30 / 33

31 Contraste de apuntamiento Contraste de apuntamiento Coe ciente de apuntamiento o curtosis: Bajo la hipótesis de normalidad CAp CAp = n i=1(x i x) 4 ns 4 3 N(0, 24 aprox. n ) Coe ciente de apuntamiento estandarizado: r n CApS = 24 CAp N(0, 1) aprox. Se rechaza la hipótesis de curtosis nula si: jcapsj Z 1 α 2 Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 31 / 33

32 Ejemplo (problema 2.4) Contrastes Ejemplo test apuntamiento X = "tiempo de funcionamiento (en cientos de horas) de cierto tipo de impresoras antes de la primera avería" Se ha observado una muestra de diez impresoras: CAp = q 24 ˆσ (CAp) = 10 = CApS = CAp ˆσ(CAp) = = R.A. = ( 1.96, 1.96) p = 2 P (Z j 0.902j) ' = Como p > α = 0.05 aceptamos (claramente) la hipótesis nula de que la distribución de los datos tiene curtosis nula. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 32 / 33

33 Transformaciones para corregir la falta de normalidad Transformaciones para corregir la falta de normalidad Si hay falta de normalidad, la solución a tomar depende del tipo de distribución que muestran los datos y de los objetivos de la inferencia. Si la distribución es unimodal y asimétrica, se puede pensar en transformar los datos para aproximarlos a la normalidad. X p X ln(x) En otros casos se puede pensar en utilizar métodos alternativos no paramétricos. Tema 1 (III) (Estadística 2) Contrastes de bondad de ajuste Curso 08/09 33 / 33

478 Índice alfabético

478 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 detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más detalles

Preparación de los datos de entrada

Preparación de los datos de entrada Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:

Más detalles

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología

1. Ordena los datos en una tabla de contingencia. Economía Matemáticas Literatura Biología Exemple Examen Part II (c) Problema 1 - Solución. En un estudio sobre la elección de la carrera universitaria entre envió cuestionarios a una muestra aleatoria simple de estudiantes preguntando la carrera

Más detalles

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos

viii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................

Más detalles

ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio

ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio ESTADÍSTICA I Tema 2: Algunas ideas básicas sobre inferencia estadística. Muestreo aleatorio Muestra aleatoria Conceptos probabiĺısticos básicos El problema de inferencia Estadísticos. Media y varianza

Más detalles

Contraste de hipótesis paramétricas

Contraste de hipótesis paramétricas Contraste de hipótesis paramétricas Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Proceso de la investigación estadística Etapas PROBLEMA HIPÓTESIS DISEÑO RECOLECCIÓN

Más detalles

Teorema Central del Límite (1)

Teorema 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 detalles

Tema 8: Contraste de hipótesis

Tema 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 detalles

CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS

CONTRASTES 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 detalles

ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS

ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;

Más detalles

Departamento de Estadística y Econometría. UMA. EJERCICIOS DE ESTADÍSTICA II APLICADA A LA EMPRESA. L.A.D.E. TEMA 3

Departamento de Estadística y Econometría. UMA. EJERCICIOS DE ESTADÍSTICA II APLICADA A LA EMPRESA. L.A.D.E. TEMA 3 Departamento de Estadística y Econometría. UMA. EJERCICIOS DE ESTADÍSTICA II APLICADA A LA EMPRESA. L.A.D.E. TEMA 3 1) En un área metropolitana se selecciona una muestra de 250 personas al azar y se les

Más detalles

Contrastes de hipótesis paramétricos

Contrastes 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 detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

CONTRASTE DE HIPÓTESIS

CONTRASTE 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 detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Ignacio Cascos Fernández Departamento de Estadística Universidad Carlos III de Madrid Modelos de distribuciones discretas y continuas Estadística I curso 2008 2009 1. Distribuciones discretas Aquellas

Más detalles

2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...

2 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 detalles

Análisis Estadístico de Datos Climáticos. Pruebas de Hipótesis (Wilks, cap. 5)

Análisis Estadístico de Datos Climáticos. Pruebas de Hipótesis (Wilks, cap. 5) Análisis Estadístico de Datos Climáticos Pruebas de Hipótesis (Wilks, cap. 5) 2015 PRUEBAS DE HIPÓTESIS (o pruebas de significación) Objetivo: A partir del análisis de una muestra de datos, decidir si

Más detalles

Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14

Prueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14 Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca

Más detalles

Tema 8: Regresión y Correlación

Tema 8: Regresión y Correlación Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice

Más detalles

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica

INDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables

Más detalles

Estadísticos Descriptivos

Estadísticos Descriptivos ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis

Más detalles

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords

A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica

Más detalles

Introducción a la Estadística Aplicada en la Química

Introducción a la Estadística Aplicada en la Química Detalle de los Cursos de Postgrado y Especialización en Estadística propuestos para 2015 1/5 Introducción a la Estadística Aplicada en la Química FECHAS: 20/04 al 24/04 de 2015 HORARIO: Diario de 10:00

Más detalles

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico

Formulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más

Más detalles

Conceptos del contraste de hipótesis

Conceptos 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 detalles

CONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...

CONTENIDO. 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 detalles

Ejemplos Resueltos Tema 4

Ejemplos 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 detalles

INFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón

INFERENCIA 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 detalles

Ejercicio 1. Ejercicio 2

Ejercicio 1. Ejercicio 2 Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función

Más detalles

Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS

Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS Red ibérica de evaluación de eficacia y efectos secundarios de tratamientos para el control de plagas en el olivar (RIESPO) 2ª Reunión, Madrid 10-11/06/2010 Grupo 4: BUENAS PRÁCTICAS ESTADÍSTICAS ESTADÍSTICA

Más detalles

ÁREAS DE LA ESTADÍSTICA

ÁREAS DE LA ESTADÍSTICA QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen

Más detalles

Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos

Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes

Más detalles

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables

Índice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población

Más detalles

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste

Técnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción

Más detalles

INDICE Capítulo I: Conceptos Básicos Capitulo II: Estadística Descriptiva del Proceso

INDICE 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 detalles

Pruebas para evaluar diferencias

Pruebas para evaluar diferencias Pruebas para evaluar diferencias Métodos paramétricos vs no paramétricos Mayoría se basaban en el conocimiento de las distribuciones muestrales (t- student, Normal, F): EsFman los parámetros de las poblaciones

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL SIMPLE 1. El problema de la regresión lineal simple. Método de mínimos cuadrados 3. Coeficiente de regresión 4. Coeficiente de correlación lineal 5. El contraste de regresión 6. Inferencias

Más detalles

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte

ESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso Septiembre Primera Parte ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 13 - Septiembre - 2.004 Primera Parte Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras

Más detalles

Contrastes de Hipótesis paramétricos y no-paramétricos.

Contrastes 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 detalles

CONTRASTES DE HIPÓTESIS

CONTRASTES DE HIPÓTESIS Estadística.FBA I. Curso 2011-2012 CONTRASTES DE HIPÓTESIS M.Carmen Carollo Contrastes de hipótesis 1 Estadística.FBA I. Curso 2011-2012 CONTRASTES DE HIPÓTESIS A partir de una o varias muestras nos proponemos

Más detalles

Universidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina

Universidad Central del Este UCE Facultad de Ciencias de la Salud Escuela de Medicina Universidad Central l Este UCE Facultad Ciencias la Salud Escuela Medicina Programa la asignatura: : MED-052 Bioestadística II Código: Semestre: Asignatura electiva Total créditos 3 Teóricos 3 Prácticos

Más detalles

ÍNDICE CAPÍTULO 1. INTRODUCCIÓN

ÍNDICE 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 detalles

TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD

TÉCNICAS 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 detalles

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.

MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En

Más detalles

Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS

Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS Cabrera Hernández Elizabeth Ramírez Bustos Fabián GENERACION DE NUMEROS ALEATORIOS NUMEROS ALEATORIOS Los números random son un elemento básico en la simulación de la mayoría de los sistemas discretos.

Más detalles

Técnicas Cuantitativas para el Management y los Negocios I

Técnicas Cuantitativas para el Management y los Negocios I Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo

Más detalles

Test de Kolmogorov-Smirnov

Test de Kolmogorov-Smirnov Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar

Más detalles

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma

Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Qué significa ser normal? 1er. Simposio Metodología Seis Sigma er. imposio Metodología eis igma Resumen Qué hacemos cuando la distribución no es normal? Qué significa ser normal? Ejemplos de situaciones normales Ejemplos de situaciones no normales Resumen Implicaciones

Más detalles

Tema 9: Introducción al problema de la comparación de poblaciones

Tema 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 detalles

Definición Una hipótesis es una afirmación acerca de un parámetro.

Definición 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

INFERENCIA ESTADISTICA

INFERENCIA 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 detalles

Estructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo

Estructura 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 detalles

Pruebas de bondad de ajuste para distribuciones con parámetro de forma

Pruebas de bondad de ajuste para distribuciones con parámetro de forma Pruebas de bondad de ajuste para distribuciones con parámetro de forma José A. Villaseñor Alva Colegio de Postgraduados, México ITESM, Monterrey, N.L. 2 de septiembre de 2011 Conferencia Bimestral de la

Más detalles

Introducción al Tema 6. Tema 5. Intervalos de confianza Definición. Ejemplos de intervalos de confianza. Determinación del tamaño muestral.

Introducción al Tema 6. Tema 5. Intervalos de confianza Definición. Ejemplos de intervalos de confianza. Determinación del tamaño muestral. Introducción al Tema 6 1 Tema 5. Intervalos de confianza Definición. Ejemplos de intervalos de confianza. Determinación del tamaño muestral. Esta θ en el intervalo de confianza? Tema 6. Contraste de hipótesis

Más detalles

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia

Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.

Más detalles

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

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda

Más detalles

Contrastes de hipótesis estadísticas. Contrastes paramétricos

Contrastes de hipótesis estadísticas. Contrastes paramétricos Índice 7 Contrastes de hipótesis estadísticas. Contrastes paramétricos 7.1 7.1 Introducción.......................................... 7.1 7.2 Conceptos básicos...................................... 7.2

Más detalles

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema: Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz

Más detalles

Análisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz

Análisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz Análisis de datos y gestión n veterinaria Tema 1 Estadística descriptiva Prof. Dr. José Manuel Perea Muñoz Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, de Septiembre

Más detalles

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas

INDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de

Más detalles

INDICE. Prólogo a la Segunda Edición

INDICE. 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 detalles

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas

JUEGO DE BASKETBALL. Repaso de Distribuciones de Probabilidad Discretas y Continuas JUEGO DE BASKETBALL Repaso de Distribuciones de Probabilidad Discretas y Continuas PREGUNTA #1 Qué es una variable aleatoria uniforme discreta? Cómo es su distribución? Qué es una variable aleatoria uniforme

Más detalles

Muestreo de variables aleatorias

Muestreo 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 detalles

Técnicas de validación estadística Bondad de ajuste

Técnicas de validación estadística Bondad de ajuste Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución

Más detalles

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0

Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar

Más detalles

ESTADÍSTICA I Tema 4: Estimación por intervalos de confianza

ESTADÍSTICA 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 detalles

Tema 6: Modelos de probabilidad.

Tema 6: Modelos de probabilidad. Estadística 60 Tema 6: Modelos de probabilidad. 6.1 Modelos discretos. (a) Distribución uniforme discreta: La variable aleatoria X tiene una distribución uniforme discreta de parámetro n,que denoteramos

Más detalles

Tema 5. Contraste de hipótesis (I)

Tema 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 detalles

Repaso Estadística Descriptiva

Repaso 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 detalles

Técnicas de validación estadística Bondad de ajuste

Técnicas de validación estadística Bondad de ajuste Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución

Más detalles

Prácticas y problemas básicos de Inferencia Estadística.

Prácticas y problemas básicos de Inferencia Estadística. Capítulo 1 Prácticas y problemas básicos de Inferencia Estadística. En este capítulo se proponen diferentes prácticas y problemas con el objetivo de repasar la estadística descriptiva de una variable unidimensional,

Más detalles

Tipo de punta (factor) (bloques)

Tipo 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 detalles

Pruebas de hipótesis

Pruebas 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 detalles

Estadística 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 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 detalles

Tema 6. Variables aleatorias continuas

Tema 6. Variables aleatorias continuas Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),

Más detalles

Tema 4: Variables Aleatorias

Tema 4: Variables Aleatorias Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. 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 detalles

INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.

INTERVALOS 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 detalles

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA

PROGRAMA DE ESTADÍSTICA DESCRIPTIVA PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial

Más detalles

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos

INDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

ESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua

ESTADÍSTICA. 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 detalles

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10

Estadistica II Tema 0. Repaso de conceptos básicos. Curso 2009/10 Estadistica II Tema 0. Repaso de conceptos básicos Curso 2009/10 Tema 0. Repaso de conceptos básicos Contenidos Variables aleatorias y distribuciones de probabilidad La distribución normal Muestras aleatorias,

Más detalles

Estadística Descriptiva

Estadística Descriptiva Estadística Descriptiva 1 Qué veremos 1. OBJECTIVOS DEL CURSO. DEFINICIONES IMPORTANTES 2. TIPOS DE VARIABLES 3 5 1. Estadísticos de tendencia central 2. Estadísticos de posición 3. Estadísticos de variabilidad/dispersión

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Tema 6 Modelos de distribuciones discretas y continuas 6.1. Modelos de distribuciones discretas 6.1.1. Distribución uniforme sobre n puntos Definición 6.1.2 Se dice que una v.a. X sigue una distribución

Más detalles

Tema 4: Probabilidad y Teoría de Muestras

Tema 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 detalles

DEFINICIONES BÁSICAS

DEFINICIONES 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 detalles

Tema I. Introducción. Ciro el Grande ( A.C.)

Tema I. Introducción. Ciro el Grande ( A.C.) 1.1. La ciencia de la estadística:. El origen de la estadística:. Ciencia descriptiva. Evaluación de juegos de azar Ciro el Grande (560-530 A.C.) Si tengo 1 As y 2 reyes, que descarte es mas conveniente

Más detalles

ANALISIS DE FRECUENCIA EN HIDROLOGIA

ANALISIS DE FRECUENCIA EN HIDROLOGIA ANALISIS DE FRECUENCIA EN HIDROLOGIA Luis F. Carvajal Julián D. Rojo Universidad Nacional de Colombia Facultad de Minas Escuela de Geociencias y Medio Ambiente Introducción 1. Los eventos hidrológicos

Más detalles

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.

Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de

Más detalles

MEDIDAS 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 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 detalles

10 Modelo de regresión lineal

10 Modelo de regresión lineal 0 Modelo de regresión lineal La relación matemática determinística más simple entre dos variables x e y, es una relación lineal y = 0 + x. El conjunto de pares (x; y) que veri can esta relación, determinan

Más detalles

Estadística 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 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 detalles

Análisis de la varianza ANOVA

Análisis 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 detalles

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

Más detalles

Curso de Probabilidad y Estadística

Curso de Probabilidad y Estadística Curso de Probabilidad y Estadística Distribuciones de Probabilidad Dr. José Antonio Camarena Ibarrola camarena@umich.mx Universidad Michoacana de San Nicolás de Hidalgo Facultad de Ingeniería Eléctrica

Más detalles

TEMA 2: Propiedades de los estimadores MCO

TEMA 2: Propiedades de los estimadores MCO TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso

Más detalles

Método de cuadrados mínimos

Método 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