CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
|
|
- Carla Morales García
- hace 6 años
- Vistas:
Transcripción
1 CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1
2 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste del signo CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Localización de una población (mediana) Diferencia de medianas para parejas de datos relacionados 2.2 Contraste del rango signado (Wilcoxon) Localización de una población (mediana) Diferencia de medianas para parejas de datos relacionados 2.3 Contraste de Wilcoxon/Mann-Whitney (dos muestras independientes) 2.4 Contraste de Kruskal-Wallis (más de dos muestras independientes) A. Morillas: C. no paramétricos (II) 2
3 CONTRASTES DE ALEATORIEDAD Aleatoriedad: Principio básico de la inferencia estadística Muestra no aleatoria Observaciones no independientes Expresiones varianzas de los estimadores erróneas Intervalos de confianza Contraste de hipótesis NO FIABLES A. Morillas: C. no paramétricos (II) 3
4 CONTRASTE DE RACHAS Aplicable a variables con escala de orden Definición de RACHA: sucesión de valores situados por encima (racha positiva) o por debajo de la mediana (racha negativa) LONGITUD de una racha: Número de observaciones de esa sucesión A. Morillas: C. no paramétricos (II) 4
5 EJEMPLO CÁLCULO DE RACHAS n = 9 23, 32, 43, 45, 21, 35, 33, 54, Obtención de la mediana: Muestra ordenada: 21, 22, 23, 32, 33, 35, 43, 45, Obtención de las rachas: Los valores iguales a la mediana no intervienen Se observa, en la muestra original, los valores que están por encima (+) y por debajo de la mediana (-) : 5 rachas A. Morillas: C. no paramétricos (II) 5
6 ESTADÍSTICO DE PRUEBA Número de rachas ( r ) tabulado bajo hipótesis aleatoriedad, en función del número de signos positivos ( k ): Si no hay valores repetidos de la mediana: k = n/2, para n par k = (n-1)/2, para n impar Pocas rachas indicios de correlación positiva Función de n, en definitiva Muchas rachas indicios de correlación negativa Valores intermedios (dos colas): r mín r r máx aleatoriedad 2 kk ( 1) Para n > 100 : r N µ = k+ 1 ; σ = dos colas 2k 1 A. Morillas: C. no paramétricos (II) 6
7 CONTRASTES DE LOCALIZACIÓN Objeto: Localizar la tendencia central de la población Alternativa a contrastes sobre la media para: Muestras pequeñas y no normalidad Distribución media? Estadísticas de rangos (no cuantitativas) Mediana! Casos de asimetría o existencia de outliers f 1 (x) 1/2 1/2 f 2 (x) M 1 M 2 x x 2 1 A. Morillas: C. no paramétricos (II) 7 X
8 CONTRASTE DEL SIGNO (Fisher) UNA POBLACIÓN: MEDIANA Objeto: Localizar la posición de una distribución de forma desconocida Se basa en la mediana, que, para cualquier distribución, tiene la propiedad (supondremos que X es continua): Hipótesis nula: H 0 : M = M 0 P(X M) = P(X M) = 1/2 Hipótesis alternativas: H 1 : M > M 0 H 1 : M < M 0 H 1 : M M 0 A. Morillas: C. no paramétricos (II) 8
9 CONTRASTE DEL SIGNO ESTADÍSTICO DE PRUEBA Si H 0 es cierta, para una muestra de tamaño n, se cumple que: P(x i M 0 ) = P(x i M 0 0) = 1/2 ; i = 1, 2,..., n Se construye una variable auxiliar, W, en la siguiente forma: W i = 1, si (x i M 0 ) 0 signo positivo (+) W i = 0, en caso contrario signo negativo (-) Por tanto, W i es un experimento de Bernouilli, con p=1/2 Si las observaciones son independientes (muestra aleatoria): W i = U ~ B(n, p=1/2) con E(U) =np=n/2 ; Var(U)=npq=n/4 A. Morillas: C. no paramétricos (II) 9
10 CONTRASTE DEL SIGNO REGIÓN CRÍTICA Si H 0 es cierta, el valor de U ( W i ), debiera ser próximo a n/2. Discrepancias grandes, llevarían a rechazar dicha hipótesis nula. Por tanto: Si H 1 : M > M 0 RC a la derecha: Se calcula P(U U obs ) = α 0 (p-nivel del test) Si α > α 0 rechazar la hipótesis nula (U obs cae en la RC) Si H 1 : M < M 0 RC a la izquierda: Se calcula P(U U obs ) = α 0 Si α > α 0 rechazar la hipótesis nula (U obs cae en la RC) Si H 1 : M M 0 RC bilateral: Se observa si U obs es mayor o menor que n/2 Si U obs > n/2 P(U U obs ) = α 0 α/2 > α 0, rechazaremos H 0 Si U obs < n/2 P(U U obs ) = α 0 α/2 > α 0, rechazaremos H 0 A. Morillas: C. no paramétricos (II) 10
11 CONTRASTE DEL SIGNO APROXIMACIÓN NORMAL Al tratarse de una distribución discreta (binomial) no siempre es posible encontrar la región crítica del tamaño predeterminado. Al ser p=1/2, la aproximación normal es buena para n 10. Por aproximación de variable discreta a continua, suele utilizarse U+1/2, para RC izquierda, y U-1/2, para RC derecha. n ( U ± 1/2) - U N( n/ 2, n/ 4 ) 2 N(0,1) n /4 α U obs 0 n/2 U 1- + n α α 0 = A. Morillas: C. no paramétricos (II) 11 U
12 CONTRASTE DEL SIGNO DOS POBLACIONES: DATOS RELACIONADOS Ampliación natural del caso anterior, para la población de diferencias, cuya forma es desconocida. Sean f 1 (x) y f 2 (x) las funciones de densidad, continuas y con la misma forma. Sean (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) las n parejas de valores muestrales observadas en ambas poblaciones. Si H o : M 1 = M 2 es cierta, (x i, y i ) es una muestra de tamaño 2 de la misma población y, por tanto, P(x i > y i ) = P(x i < y i ) = P [(x i y i )> 0] = 1/2 A. Morillas: C. no paramétricos (II) 12
13 CONTRASTE DEL SIGNO DATOS RELACIONADOS - ESTADÍSTICO Se construye una variable auxiliar, W, en la siguiente forma: W i =1, si (x i y i ) > 0 signo positivo (+) W i =0, en caso contrario signo negativo (-) Σ W i, variable U, será la misma binomial anterior: U B(n, p= 1/2 ), E(U) = np = n/2 ; Var(U) = npq = n/4 Comentarios: Si la población no es conocida, este test es más potente que la t. Pero, si se conoce su distribución ocurre lo contrario. Siempre válido, aunque f 1 (x) y f 2 (x), idénticas para ambas muestras, cambien de un par muestral a otro U Binomial A. Morillas: C. no paramétricos (II) 13
14 CONTRASTE DEL SIGNO DATOS RELACIONADOS REGIÓN CRÍTICA La región crítica depende de H 1 (similar al caso anterior): H 1 : M 1 >M 2 f 1 (x) está desplazada a la derecha de f 2 (x). Se espera U obs > n/2 RC derecha. H 1 : M 1 <M 2 f 1 (x) está desplazada a la izquierda de f 2 (x). Se espera U obs < n/2 RC izquierda. H 1 : M 1 M 2, es decir, las poblaciones son distintas y no se sabe el sentido del deslizamiento. Ver valor de U obs y elegir región apropiada, como en el caso anterior. La aproximación normal, como en el caso anterior. A. Morillas: C. no paramétricos (II) 14
15 CONTRASTE DEL RANGO SIGNADO (Wilcoxon) UNA POBLACIÓN - MEDIANA Incorpora, sobre el anterior, la distancia a la mediana: El contraste será más potente La población ha de asumirse continua y simétrica Procedimiento : 1. Obtener x i M 0 = d i, para i=1, 2,..., n 2. Ordenar d i y asignar un rango, al que se incorpora el signo de d i (rango signado) a. A un grupo de diferencias iguales, se les asigna la media de sus rangos b. Si la diferencia es cero, se omite y se ajusta el tamaño de la muestra 3. Se obtienen las sumas de los rangos con signos + (T + ) y con signos (T - ) A. Morillas: C. no paramétricos (II) 15
16 CONTRASTE RANGO SIGNADO MEDIANA - ESTADÍSTICO MUESTRAL Hipótesis nula: M = M 0 si es cierta, cualquier secuencia de signos y rangos es equiprobable (suma de rangos + y han de ser similares). Estadístico muestral: distribución muestral de la menor de las dos sumas: T, que está tabulada por Wilcoxon. Si la suma es T + + T - = n(n+1) / 2 (progresión aritmética de orden n), el valor esperado será la mitad: E(T) = n(n+1) / 4 Cuanto menor sea una suma respecto a la otra, más evidencia para rechazar H 0. Por el contrario, si H 0 es cierta, ambas sumas deben de estar próximas al valor esperado. A. Morillas: C. no paramétricos (II) 16
17 CONTRASTE RANGO SIGNADO MEDIANA - REGIÓN CRÍTICA Si H 1 : M > M 0, normalmente ocurrirá que T - es menor que T +, y rechazaremos la hipótesis nula si T - T 0 (T 0 es el valor crítico de la tabla). Si H 1 : M < M 0, normalmente ocurrirá que T + es menor que T -, y rechazaremos la hipótesis nula si T + T 0 Si H 1 : M M 0, no se sabe, en principio, cuál de las dos será la menor (la llamaremos T ). Rechazaremos la hipótesis nula si T T 0 dos colas nn ( + 1) T + 4 Si n es grande (n 15) Z = N(0,1) nn ( + 1)(2n+ 1) 24 A. Morillas: C. no paramétricos (II) 17
18 CONTRASTE RANGO SIGNADO DOS POBLACIONES - DATOS RELACIONADOS Igual que el anterior, pero con la población de diferencias (x i y i = d i ), y con H 0 : M 1 = M 2. Región crítica: Si H 1 : M 1 > M 2, normalmente ocurrirá que T - es menor que T +, y rechazaremos la hipótesis nula si T - T 0 (T 0 es el valor crítico de la tabla). Si H 1 : M 1 < M 2, normalmente ocurrirá que T + es menor que T -, y rechazaremos la hipótesis nula si T + T 0 Si H 1 : M 1 M 2, no se sabe, en principio, cuál de las dos será la menor (la llamaremos T ). Rechazaremos la hipótesis nula si T T 0 dos colas Si n es grande (n 15) Normal A. Morillas: C. no paramétricos (II) 18
19 CONTRASTE DE LA SUMA DE RANGOS DOS POBLACIONES - INDEPENDIENTES (Wilcoxon) Test original de Wilcoxon. Posteriormente, Mann y Whitney proponen otro y demuestran que es equivalente (U de Mann- Whitney). No se refiere necesariamente a la mediana. Se suponen dos variables continuas, misma forma (solo difieren en su localización) y muestras independientes. Aplicable a datos ordinales (se basa en rangos). Si H 0 es cierta (las dos poblaciones son iguales), ambas muestras proceden, en realidad, de la misma población. Por tanto, pueden considerarse como una única muestra de tamaño (n 1 + n 2 ): (x, x,..., x, y, y,..., y ) 1 2 n 1 2 n 1 2 A. Morillas: C. no paramétricos (II) 19
20 CONTRASTE DE LA SUMA DE RANGOS DOS POBLACIONES - ESTADÍSTICO MUESTRAL Si asignamos rango a los elementos de la muestra conjunta, debería ocurrir que la suma de rangos en la muestra n 1 (T 1 ) fuese similar a la suma de rangos (T 2 ) en la muestra n 2 (n 1 y n 2 pueden ser distintos; n 1 la menor). La suma de ambos será: T 1 + T 2 = n(n+1) / 2, con n= n 1 + n 2 Si hay mucha diferencia entre ambas sumas (una pequeña, la otra grande), será indicio de que la hipótesis nula no es cierta. Bajo H 0, T 1 (suma de rangos en la muestra más pequeña) es un estadístico que depende solo de n 1 y n 2. Los valores críticos inferior (T L ) y superior (T U ) que debe tomar T 1 de ser cierta H 0 están tabulados. A. Morillas: C. no paramétricos (II) 20
21 CONTRASTE DE LA SUMA DE RANGOS DOS POBLACIONES - REGIÓN CRÍTICA 1. HSi 1 : HF 11 :(x)> M 1 F< 2 M(x) 2, rechazaremos la hipótesis nula siempre que T 1 T L, ya que T 1 sería la menor de las dos sumas. 2. HSi 1 : HF 11 :(x)< M 1 F> 2 M(x) 2, rechazaremos la hipótesis nula siempre que T 1 T U, puesto que, en este caso, T 1 sería la mayor de las dos sumas. 3. HSi 1 : HF 11 :(x) M 1 F 2 M(x) 2, no se sabe si T 1 es la mayor o la menor. Rechazaremos la hipótesis siempre que T 1 T L o T 1 T U, obteniendo los puntos críticos de la tabla para un contraste de dos colas. No deben repetirse muchas observaciones para que sea válido. T 1 ~ N[E(T 1 )=n 1 (n 1 + n 2 +1)/2; Var(T 1 )=n 1 n 2 (n 1 +n 2 +1)/12], para muestras grandes (n 1, n 2 >10). A. Morillas: C. no paramétricos (II) 21
22 ESPECIFICACIÓN ALTERNATIVA DE LAS HIPÓTESIS H 1 : M 1 < M 2 H 1 : F 1 (x) > F 2 (x) El test no se limita a M f 1 (x) F 1 (x i ) F 2 (x i ) f 2 (x) M 1 M 2 X x i A. Morillas: C. no paramétricos (II) 22
23 CONTRASTE DE MANN-WHITNEY DOS POBLACIONES - INDEPENDIENTES Se parte del mismo planteamiento inicial de Wilcoxon Para cada posible combinación de valores se crea la variable: 1 si x < y i j W = para i = 1,2,...,n y j = 1,2,...,n ij 0 si x > y 1 2 i j (en caso de no ser iguales, supondremos n 1 < n 2 ) 1 2 El estadístico U W dará el número total de veces que 1 i= 1 j= 1 las observaciones procedentes de X son inferiores a las de Y, en la muestra combinada y ordenada. n n = ij A. Morillas: C. no paramétricos (II) 23
24 CONTRASTE DE MANN-WHITNEY DOS POBLACIONES INDEPENDIENTES Se hace lo mismo respecto a los valores de X superiores a los de Y: 0 si x < y n1 n2 * i j = * W ij Estadístico: 1 si x > y U 2 = W ij i j i= 1 j= 1 (en caso de que x i =y j, se asigna 1/2 tanto en W ij como en W * ij ) El más pequeño está tabulado y se llama U de Mann-Whitney Para comprobar los cálculos: n1 n2 n1 n2 * 1+ 2 = ( ij + W ij) = 1= 1 2 i= 1 j= 1 i= 1 j= 1 U U W nn U 1 = n 1 n 2 U 2 U 2 = n 1 n 2 U 1 A. Morillas: C. no paramétricos (II) 24
25 CONTRASTE DE MANN-WHITNEY DOS POBLACIONES - REGIÓN CRÍTICA La aplicación del contraste, para las distintas hipótesis alternativas, se hará como sigue: a) Si H 1 : M 1 >M 2 [H 1 : F 1 (x) < F 2 (x)] ocurriría que, en general, x i > y i (U 1 < U 2 ), contradiciendo la hipótesis nula. Así, pues, rechazaremos la hipótesis nula si U 1 es demasiado pequeña y, por tanto, U 2 es demasiado grande. Para un α dado, se rechazará H 0 siempre que: α 0 = P(U U obs. ) α U obs : valor muestral de U 1 (menor) A. Morillas: C. no paramétricos (II) 25
26 b) Si H 1 : M 1 < M 2 [H 1 : F 1 (x) > F 2 (x)]; es decir, la hipótesis alternativa es que f 1 (x) está localizada a la izquierda de f 2 (x). Esto significaría que, en general, x i < y i (U 1 > U 2 ). Por tanto, rechazaremos la hipótesis nula si U 1 es demasiado grande y U 2 es pequeña. Para un α dado, se rechazará H 0 siempre que: CONTRASTE DE MANN-WHITNEY DOS POBLACIONES - REGIÓN CRÍTICA α 0 = P(U U obs. ) α U obs : valor muestral de U 2 (menor) A. Morillas: C. no paramétricos (II) 26
27 CONTRASTE DE MANN-WHITNEY DOS POLACIONES - REGIÓN CRÍTICA c) Si H 1 : M 1 M 2 [H 1 : F 1 (x) F 2 (x)]; rechazaremos la hipótesis nula tanto si U 1 es grande como pequeño. De ser así, habría evidencia en la muestra de que los valores de Y son, generalmente, superiores a los de X, o, por el contrario, de que las observaciones de X superan a las de Y, contradiciendo la hipótesis de igualdad propuesta como nula. Para un α dado, la región crítica sería de dos colas, y podremos rechazar H 0 si: α 0 = P(U U obs. ) α/2 U obs : la menor de U 1 y U 2 A. Morillas: C. no paramétricos (II) 27
28 MANN-WHITNEY: RELACIÓN CON WILCOXON Y APROXIMACIÓN NORMAL Entre estos estadísticos y los propuestos por Wilcoxon, existen las siguientes relaciones: n(n ) U1 = n1n2 + T 1 0 U1 n1n2 2 n(n ) U = n n + T 0 U n n Para n 1, n 2 > 10, se puede aproximar una normal con U 2 : U N [E(U 2 2 )= n 1 n 2 /2, Var(U 2 )= n 1 n 2 (n 1 +n 2 +1)/ 12] A. Morillas: C. no paramétricos (II) 28
29 CONTRASTE DE KRUSKAL-WALLIS MÁS DE DOS POBLACIONES Coincide con Wilcoxon-Mann-Whitney para k=2 Es un ANOVA (análisis de la varianza) no paramétrico. La hipótesis a contrastar es: H 0 : Todas las poblaciones tienen idéntica distribución de probabilidad H 1 : Al menos dos de las k poblaciones difieren en su localización (mediana) A. Morillas: C. no paramétricos (II) 29
30 CONTRASTE DE KRUSKAL-WALLIS PROCEDIMIENTO Los pasos a seguir son: 1. Se ordenan en una muestra única el conjunto de las observaciones del experimento, de menor a mayor 2. Se asigna un rango a cada observación ( empates!) 3. Se calcula para cada muestra la suma de los rangos (R. j ) 4. El estadístico muestral es (aproximación χ 2 con n j > 5): R. H = n(r R ) = 3(n+ 1) χ n(n + 1) n(n + 1) n k k 2 2 j j.j.. j= 1 j= 1 j 2 k 1 V A. Morillas: C. no paramétricos (II) 30
31 CONTRASTE DE KRUSKAL-WALLIS ORGANIZACIÓN DE LOS DATOS Rangos en muestra única k 1 Muestras 2 y 11 (r 11 ) y 12 (r 12 ).. y 1k (r 1k ) y 21 (r 21 ) y 22 (r 22 ).. y 2k (r 2k ) y n 1 1 (r ) y n 2 2 (r n 2 ).. y nk )...j ij j= 1 i= 1 j= 1 R.1 R.2 R.k n j n1 1 Suma rangos R.1 R.2.. R.k Media rangos.. k R = R = r = n = n(n + 1) 2 2 A. Morillas: C. no paramétricos (II) 31.. k k (r nk k
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 detallesFormulario. 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 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 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 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 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 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 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 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 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 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 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 detallesINDICE 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 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 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 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 detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
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 detallesen Enfermería del Trabajo
revista noviembre:maquetación 1 16/11/2011 6:27 Página 30. 203 Metodología de la investigación Metodología de Investigación en Enfermería del Trabajo Autor Romero Saldaña M Enfermero Especialista en Enfermería
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 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 detallesTécnicas 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 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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
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 detallesPRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesLECTURA 01: LA DISTRIBUCIÓN NORMAL GENERAL. LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I). TEMA 1: LA DISTRIBUCION NORMAL GENERAL.
LECTURA 1: LA DISTRIBUCIÓN NORMAL GENERAL LA DISTRIBUCIÓN NORMAL ESTÁNDAR (PARTE I) TEMA 1: LA DISTRIBUCION NORMAL GENERAL PROPIEDADES 1 INTRODUCCION La distribución de probabilidad continua más importante
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 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 detallesContrastes 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 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 detalles5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD
Distribución normal 5. DISTRIBUCIOES COTIUAS DE PROBABILIDAD La distribución continua de probabilidad más importante en todo el campo de la estadística es la distribución normal. Su grafica, que se denomina
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 detallesEstadísticos 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 detallesModelos 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 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 detallesTema 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 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 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 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 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 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 detallesCurso 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 detallesMedidas de Tendencia Central.
Medidas de Tendencia Central www.jmontenegro.wordpress.com MEDIDAS DE RESUMEN MDR MEDIDAS DE TENDENCIA CENTRAL MEDIA MEDIANA MODA CUARTILES,ETC. MEDIDAS DE DISPERSIÓN RANGO DESVÍO EST. VARIANZA COEFIC.
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 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 detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
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 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 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 detallesEstadística Inferencial. Estadística Descriptiva
INTRODUCCIÓN Estadística: Ciencia que trata sobre la teoría y aplicación de métodos para coleccionar, representar, resumir y analizar datos, así como realizar inferencias a partir de ellos. Recogida y
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 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 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 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 detallesPROBABILIDAD Y ESTADÍSTICA
FACULTAD DE INGENIERÍA U N A M PROBABILIDAD Y ESTADÍSTICA Irene Patricia Valdez y Alfaro irenev@unam.mx T E M A S DEL CURSO 1. Análisis Estadístico de datos muestrales. 2. Fundamentos de la Teoría de la
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 detallesTécnicas 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 detallesJUEGO 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 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 detallesA. 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 detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesContraste 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 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 detallesSe permite un folio escrito por las dos caras. Cada problema se realiza en hojas diferentes y se entregan por separado.
NORMAS El examen consta de dos partes: 0.0.1. Diez Cuestiones: ( tiempo: 60 minutos) No se permite ningún tipo de material (libros, apuntes, calculadoras,...). No se permite abandonar el aula una vez repartido
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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
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 detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesMedidas de posición para variables cuantitativas
Medidas de posición para variables cuantitativas Objetivos Que deberían saber al terminar esta clase: Qué es el valor mínimo y el máximo Qué es la moda o modo y como se interpreta Qué son los percentiles,
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: FORMACIÓN FUNDAMENTAL. Créditos ECTS: 6 Presenciales: 5 No presenciales: 1
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: AMPLIACIÓN DE ESTADÍSTICA Código:603358 Materia: MATEMÁTICAS Y ESTADÍSTICA Módulo: FORMACIÓN FUNDAMENTAL Carácter: OBLIGATORIA
Más detalles1.2.2. Técnicas estadísticas más utilizadas en la investigación
Contenido PRÓLOGO... 1. LA ESTADÍSTICA COMO HERRAMIENTA EN LA INVESTIGACIÓN TURÍSTICA 1.1. EL TURISMO Y LA ESTADÍSTICA... 2 1.1.1. El turismo... 2 1.1.2. La estadística... 4 1.2. LA ESTADÍSTICA Y LA INVESTIGACIÓN
Más detallesPuntuaciones Estándarizadas, Distribución Normal y Aplicaciones. Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010
Puntuaciones Estándarizadas, Distribución Normal y Aplicaciones Dra. Noemí L. Ruiz Limardo 2008 Derechos de Autor Reservados, Revisado 2010 Objetivos de Lección Conocer características principales de una
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 detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
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 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 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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA Medidas de tendencia central y de dispersión Giorgina Piani Zuleika Ferre 1. Tendencia Central Son un conjunto de medidas estadísticas que determinan un único valor que define el
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 2: Estadísticos. Bioestadística. U. Málaga. Tema 2: Estadísticos 1
Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea
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 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 detallesPruebas 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 detallesTema 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 detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
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 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 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 detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesProbabilidad y Estadística, EIC 311
Probabilidad y Estadística, EIC 311 Medida de resumen 1er Semestre 2016 1 / 105 , mediana y moda para datos no Una medida muy útil es la media aritmética de la muestra = Promedio. 2 / 105 , mediana y moda
Más detallesTablas de estadística
Tablas de estadística FUOC 3 Tablas de estadística Tabla 1. Probabilidades de la distribución binomial (n; p) FUOC 4 Tablas de estadística Tabla 1 (Continuación). Probabilidades de la distribución binomial
Más detalles