|
|
- Dolores Castilla Blázquez
- hace 6 años
- Vistas:
Transcripción
1 Febrero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002) y Maestro (Salomé Uneña 1985) rubendarioestrella@hotmail.com / rubendarioestrellas@gmail.com
2 Es un método para probar la igualdad de dos o más medias de población analizando varianzas de muestra. Es una prueba estadística para analizar si más de dos grupos difieren significativamente entre sí en cuanto a sus medias y varianzas. El uso del diseño experimental del análisis de la varianza es cada vez mayor en investigación de mercados. El análisis de la varianza se basa en mantener la independencia de las variables de tratamiento.
3 Distribución F Los métodos de ANOVA emplean la distribución F, que tiene las siguientes propiedades: 1. La distribución F no es simétrica; esta sesgada hacia la derecha. 2. Los valores de F pueden ser 0 o positivos, pero no pueden ser negativos. 3. Hay una distribución F distinta para cada par de grados de libertad del numerador y el denominador. Esta fue denominada así en 1924 en honor a Sir Ronald A. Fisher ( ).
4 Distribución F La estadística de prueba F es el cociente de dos estimados, de modo que una estadística de prueba F significativamente grande (situada muy a la derecha en la gráfica de la distribución F) es un indicio en contra de que las medias de población sean iguales. Estadística de Prueba para ANOVA. F=varianza entre muestras/varianza dentro de las muestras
5 Distribución F Análisis de varianza ANOVA (Analysis of Variance) F=varianza entre muestras/varianza dentro de las muestras El numerador mide la variación entre las medias de muestra. El estimado de la varianza del denominador depende solo de las varianzas de las muestras y no resulta afectado por las diferencias entre las medias de las muestras. Por consiguiente, si las medias de muestra tienen valores muy parecidos, la estadística de prueba F tiene un valor cercano a 1, y concluimos que no hay diferencias significativas entre las medias de muestra. En cambio, si el valor de F es excesivamente grande, rechazamos la afirmación de que las medias son iguales.
6 INTERVALOS DE TIEMPO (EN MINUTOS ENTRE ERUPCIONES DEL VOLCAN "EL VIEJO FIEL" GEISER OLD FAITHFUL - PARQUE NAC. YELLOWSTONE N MEDIA X' 63,3 74,3 81,7 83,8 DESVIACION 9,4 14,2 13,7 10,9 BASADOS EN DATOS DEL GEOLOGO RICK HUTCHINSON Y EL SERVICIO NACIONAL DE ESTADOS UNIDOS
7
8 INTERVALOS DE TIEMPO (EN MINUTOS ENTRE ERUPCIONES DEL VOLCAN "EL VIEJO FIEL" GEISER OLD FAITHFUL - PARQUE NAC. YELLOWSTONE N MEDIA X' 63,3 74,3 81,7 83,8 DESVIACION 9,4 14,2 13,7 10,9 BASADOS EN DATOS DEL GEOLOGO RICK HUTCHINSON Y EL SERVICIO NACIONAL DE ESTADOS UNIDOS Descriptive statistics # 1 # 2 # 3 # 4 count mean sample variance sample standard deviation minimum maximum range
9 La Varianza para una muestra de datos no agrupados (s²). s² = [(Xi-X )²]/n-1 s² =[( )²+( )² +( )² +( )²]/(4-1)=85.85 X X-X" (X-X")^ X" VAR DESV
10 Paso I. Por ejemplo las medias de las muestras de la tabla anterior son 63.3, 74.3, 81.7, Esos cuatro valores tienen una desviación estándar de s= , así que: Varianza entre muestras = ns² = 12 ( ) ² = 1, Estimación de la varianza entre tratamientos: Por tanto: σ² = n * σ²x' = 12 * = 1,030.2
11 Análisis de varianza ANOVA (Analysis of Variance) Paso II. A continuación, estimamos la varianza dentro de las muestras calculando s²p, que es la varianza conjunta que se obtiene calculando la media de las varianzas de muestra. Las desviaciones estándar de muestra son 9.4, 14.2, 13.7 y 10.9, así que Varianza dentro de las muestras = s²/k =(9.4² ² ² ²)/4 = Estimación de la varianza Dentro de los tratamientos = ( )/4=597.4/4= Descriptive statistics # 1 # 2 # 3 # 4 Count Mean sample variance sample standard deviation
12 Paso III. Por último, evaluamos la estadística de prueba F como sigue: F=varianza entre muestras/varianza dentro de las muestras F= Estimación de la varianza entre tratamientos / Estimación de la varianza Dentro de los tratamientos F=1,029.23/ = F=1,030.02/ = Si llevamos más posiciones decimales obtendremos una estadística de prueba más exacta: F=6.9018
13 Paso IV. El valor crítico de F se obtiene suponiendo una prueba de cola derecha, ya que los valores grandes de F corresponden a diferencias significativas entre las medias. Con k muestras cada una de las cuales tiene n puntajes, los números de grados de libertad se calculan como sigue: Grados de libertad con k muestras del mismo tamaño n. Grados de libertad del numerador = k - 1 Grados de libertad del denominador = k * (n-1) = N - k Para los datos de muestra de la tabla anterior k=4 y n=12, así que los grados de libertad son 3 para el numerador y 44 para el denominador. Con un =0.05, 3 grados de libertad para el numerador y 44 grados de libertad para el denominador, el valor critico es F = 2.84 (La tabla de Distribución F no incluye 44 grados de libertad para el denominador, así que usamos el valor más cercano, que corresponde a 40 grados de libertad). Regla de decisión: "No rechazar si F Rechazar sí F > 2.84".
14
15
16 Paso V. Con base a estos resultados, rechazamos la hipótesis nula de que las medias son iguales. Hay suficientes indicios para justificar que se rechace la afirmación de que las cuatro muestras provienen de poblaciones cuyas medias son iguales. TERVALOS DE TIEMPO (EN MINUTOS NTRE RUPCIONES DEL VOLCAN "EL VIEJO FIEL" EISER OLD FAITHFUL - PARQUE NAC. ELLOWSTONE N
17 Paso V. Con base a estos resultados, rechazamos la hipótesis nula de que las medias son iguales. Hay suficientes indicios para justificar que se rechace la afirmación de que las cuatro muestras provienen de poblaciones cuyas medias son iguales. One factor ANOVA Mean n Std. Dev Group Group Group Group Total ANOVA table Source SS df MS F p-value Treatment 3, , Error 6, Total 9,
18 Paso V. Con base a estos resultados, rechazamos la hipótesis nula de que las medias son iguales. Hay suficientes indicios para justificar que se rechace la afirmación de que las cuatro muestras provienen de poblaciones cuyas medias son iguales. Tabla de Análisis de Varianza Tabla ANOVA Fuentes de Suma de Grados de Cuadrados F F Valor-p Variacion Cuadrados Libertad medios de Prueba Teórica Causas Posibles Factor A 3, Error Muestral Error E 6,
19 Paso V. Con base a estos resultados, rechazamos la hipótesis nula de que las medias son iguales. Hay suficientes indicios para justificar que se rechace la afirmación de que las cuatro muestras provienen de poblaciones cuyas medias son iguales.
20
21 Análisis de Varianza con un Factor (One-Factor ANOVA) Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO PERSONAS ELEGIDAS TRATAMIENTOS EXPERIMENTOS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A X" MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
22 Análisis de varianza ANOVA (Analysis of Variance) Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. INTERES POR CADA MARCHA SEGUN LA BLANCURA QUE PRODUCEN DISTINTAS MARCAS. ESCALA DE 0 A 10. Ho: A MEDIAr = MEDIAs Ho: MEDIA1 = MEDIA2 = MEDIA3 Ha: Ǝ MEDIAr MEDIAs (Al menos existen don medias que son diferentes) k = n. de poblaciones = 3 k>2 n = n. de observaciones muestrales = 5 k * n = n. total de observaciones muestrales = 15 ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO TRATAMIENTOS EXPERIMENTOS PERSONAS ELEGIDAS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A X" MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
23 Análisis de varianza ANOVA (Analysis of Variance) Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. escriptive statistics Paso I. NALISIS VARIANZA DENTRO DE LAS MUESTRAS A1 A2 A3 ount ean SUM VAR. ample variance ample standard deviation ínimum áximum ange ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO TRATAMIENTOS EXPERIMENTOS PERSONAS ELEGIDAS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A X" MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
24 Análisis de varianza ANOVA (Analysis of Variance) Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. Paso II. EFECTO DEL FACTOR ANALISIS VARIANZA ENTRE MUESTRA Mean n Std. Dev A A A3 TRATAMIENTO X' X'-X" (X'-X")^2 A A A X" 5.00 SUMATORIA 8.00 VARIANZA 4 DESVIACION Total ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO TRATAMIENTOS EXPERIMENTOS PERSONAS ELEGIDAS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A X" MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
25 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. F=varianza entre muestras/varianza dentro de las muestras = ns²/( s²/k) Varianza entre muestras = ns² = 5 * 4 = 20 Varianza dentro de las muestras = s²/k = 4/3 = F = 15 ANOVA table Source SS Df MS F p-value Treatment Error Total ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO TRATAMIENTOS EXPERIMENTOS PERSONAS ELEGIDAS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A X" MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
26 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. F=varianza entre muestras/varianza dentro de las muestras = ns²/( s²/k) Varianza entre muestras = ns² = 5 * 4 = 20 Varianza dentro de las muestras = s²/k = 4/3 = F = 15 Fuentes de Suma de Grados de Cuadrado s F F Cuadrado s Libertad medios de Prueba Teórica Variacion Causas Posibles Factor A Error Muestral Error E ANALISIS DE VARIANZA - ANOVA INDEPENDENCIA DE LAS VARIABLES DE TRATAMIENTO TRATAMIENTOS EXPERIMENTOS PERSONAS ELEGIDAS MARCAS DE DETERGENTES ALEATORIAMENTE A1 A2 A MEDIA = X' EFECTO DEL TRATAMIENTO 0 2-2
27 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. F=varianza entre muestras/varianza dentro de las muestras = ns²/( s²/k) Varianza entre muestras = ns² = 5 * 4 = 20 Varianza dentro de las muestras = s²/k = 4/3 = F = 15 Regla de decisión: "No rechazar si F Rechazar sí F > 3.89". Paso IV. G.L. NUMERADOR K-1 2 G.L. DENOMINADOR K*(N-1) 12 F-distribution df1 = 2 P(lower) P(upper) F df2 = Fuentes de Suma de Grados de Cuadrado s F F Cuadrado s Libertad medios de Prueba Teórica Variacion Causas Posibles Factor A Error Muestral Error E
28 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. Interpretación y Conclusiones: Con base a estos resultados, rechazamos la hipótesis nula de que el interés promedio por cada marca según la blancura que producen es igual. Fuentes de Suma de Grados de Cuadrado s F F Cuadrado s Libertad medios de Prueba Teórica Variacion Causas Posibles Factor A Error Muestral Error E
29 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. Fuentes de SUMA CUADRADOS DENTRO DE LAS MUESTRAS - ERROR (X- (X- (X- A1 X')^2 A2 X')^2 A3 X')^2 n Causas Posibles MEDIA SCD Error SUMATORIA DE CUADRADOS SUMA SUMA CUADRADOS DENTRO MUESTRAS Variacio Suma de Cuadra dos Grados de Cuadra dos F F de Prueba Libertad medios Teórica Factor A Error Muestral Error E SUMA DE CUADRADOS ENTRE LAS MUESTRAS MEDIA - X' n*(x'-x")^2 A1 5 0 A A X" 5 40 SUMA Treatment SCE SUMA CUADRADOS ENTRE MUESTRAS
30 Caso I. Supongamos que queremos medir la blancura de tres marcas de detergentes en el lavado A1, A2, y A3. Con un nivel de significancia del 5% deseamos probar que el que el interés promedio por cada marca según la blancura que producen es igual. En el centro de la tabla, aparece la escala de 0 a 10, el interés por cada marca según la blancura que producen las distintas marcas en el lavado. SUMA DE LOS CUADRADOS DE LA MUESTRA TOTAL X" = 5 A1 (X-X")^2 A2 (X-X")^2 A3 (X-X")^ SCT SUMATORIA SCT = SCD + SCE SUMA DE CUADRADOS SCT = 56 DE LA MUESTRA TOTAL SCD = 16 SCE = 40 Fuentes de Variacio Suma de Cuadra dos Grados de Cuadra dos F F de Prueba n Libertad medios Teórica Factor A Causas Posibles Error Muestral Error E Fo = F observada = F empírica Dividendo Divisor Resultado Fo = (SCE / (k-1)) Numerador (SCD / (k*(n-1))) Denominador
31 Análisis de varianza ANOVA (Analysis of Variance) Factor (Variable independiente): Causa posible de la heterogeneidad de las poblaciones (A). Niveles del Factor (Tratamientos): Cada uno de los valores posibles del Factor (A1, A2, A3 Ak). Variables dependientes o Variable respuesta: Son los valores de las observaciones. Efectos: Serán la medida de influencia del factor y, por tanto, de los tratamientos. (X -X ) Error muestral: Es el error debido a la aleatoriedad en la selección de los elementos muéstrales. Unidades experimentales (Réplicas): En este caso las personas seleccionadas para el experimento. La homogeneidad de los datos xi se puede medir con su varianza, ya que cuanto menor sea la varianza, esto es, cuanto menos sea la dispersión alrededor de su media global X más homogéneas son las observaciones xi.
32 Suma de Cuadrados Dentro de las Muestras (SCD) = (Xi X )^2 Suma de Cuadrados Entre las Muestras (SCE) = n * (X i X )^2 Grados de libertad con k muestras del mismo tamaño n. Grados de libertad del numerador = k - 1 Grados de libertad del denominador = k * (n-1) = N - k Estas sumas divididas entre sus correspondientes grados de libertad proporcionan los valores de los cuadrados medios.
33 Suma de Cuadrados Medios Dentro de las Muestras SCMD = [ (Xi X )^2]/(k 1) Suma de Cuadrados Medios Entre las Muestras SCME = [ n * (X i X )^2]/(N k) F = SCME / SCMD Causas Posibles Error Muestral Fuentes de Suma de Grados de Cuadrado s F F Variacion Cuadrado s Libertad medios de Prueba Teórica Factor A Error E SCE = SCD = (k 1) = 2 (N k) = 12 SCME = SCMD = 1.333
34 Poblaciones Análisis de varianza ANOVA (Analysis of Variance) Caso II. Se desea contrastar si el comportamiento de los consumidores es homogéneo en función del día de la semana en que realizan su compra en un supermercado. Para ello se eligen al azar observaciones muéstrales de cinco clientes, de lunes a sábado. El volumen de compra medido en miles de unidades monetarias (u.m.) de cada una de las observaciones se recoge en la tabla siguiente: Volumen de compra de 5 clientes de lunes a sábado en el Supermercado Observaciones a b c d e L M MI J V S Contrastar si el comportamiento es homogéneo en función del día de la semana Ho: A MEDIAr = MEDIAs Ho: MEDIA1 = MEDIA2 = MEDIA3 Ha: Ǝ MEDIAr MEDIAs (Al menos existen don medias que son diferentes) M L M I J V S A B C D E A un nivel de significancia de 10% k = n. de poblaciones = 6 n = n. de observaciones muestrales = 5 N = k * n = n. total de observaciones muestrales = 30
35 Poblaciones k = n. de poblaciones = 6 n = n. de observaciones muestrales = 5 k * n = n. total de observaciones muestrales = 30 Análisis de varianza ANOVA (Analysis of Variance) Caso III. Se desea contrastar si el comportamiento de los consumidores es homogéneo en función del día de la semana en que realizan su compra en un supermercado. Para ello se eligen al azar observaciones muéstrales de cinco clientes, de lunes a sábado. El volumen de compra medido en miles de unidades monetarias (u.m.) de cada una de las observaciones Volumen de compra se recoge de 5 clientes en la tabla siguiente: de lunes a sábado en el Supermercado Observaciones a b c d e L M MI J V S Contrastar si el comportamiento es homogéneo en función del día de la Semana Ho: A MEDIAr = MEDIAs Ho: MEDIA1 = MEDIA2 = MEDIA3 Ha: Ǝ MEDIAr MEDIAs (Al menos existen don medias que son diferentes) L M MI J V S a b c d e A un nivel de significancia de 1%
36 RESOLVER LOS CASOS DEL IV AL XVII DEL MANUAL.
www.atalayadecristo.org
Marzo 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
Más detallesDCA: Es el más simple de todos los diseños, solamente se estudia el. en diferentes tratamientos o niveles.
completamente aleatorizado (DCA): 1 solo factor con diferentes tratamientos. DCA: Es el más simple de todos los diseños, solamente se estudia el efecto de un factor, el cual se varía en diferentes tratamientos
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesManual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University.
Manual de bolsillo del MegaStat * * MegaStat es un complemento estadístico para el Excel elaborado por el profesor J. B. Orris de Butler University. Estadísticas con MegaStat AgeCat Gender Seconds 1 2
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesIng. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo (UNEV 2002)
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 detalles14 horas. 20 horas
EJERCICIOS PROPUESTOS ANALISIS DE VARIANZA. Se realiza un ANOVA para comparar el tiempo que demora en aliviar el dolor de cabeza de varios tipos de analgésicos. Se obtiene como resultado un test observado
Más detallesEstadística 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 detallesEnero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesLAB 13 - Análisis de Covarianza - CLAVE
LAB 13 - Análisis de Covarianza - CLAVE Se realizó un experimento para estudiar la eficacia de un promotor de crecimiento en terneros en lactación. Se usaron cuatro dosis de la droga (0, 2.5, 5 y 7.5 mg).
Más detallesEstas dos clases. ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías
ANOVA I 19-8-2014 Estas dos clases ANOVA I - Conceptos generales - Supuestos - ANOVA de una vía - Transformación de datos - Test a Posteriori - ANOVA de dos vías ANOVA II - ANOVA factorial - ANCOVA (análisis
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesBloque 3 Tema 14 ANÁLISIS DE LA VARIANZA. PRUEBA F
Bloque 3 Tema 4 AÁLISIS DE LA VARIAZA. PRUEBA F El objetivo fundamental de la experimentación es estudiar la posible relación de causalidad existente entre dos o más variables. Este estudio representa
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesINTERVALOS DE CONFIANZA
INTERVALOS DE CONFIANZA condicional en que!! sea verdadero hipótesis nula H :!!.5%.5%! -.96sd! -sd!! +sd! +.96sd Si el nivel de significación es 5%, la estimación obtenida (círculo pequeño) no nos permitiría
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detalles1. 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 detallesAnova unifactorial Grados de Biología y Biología sanitaria
Anova unifactorial Grados de Biología y Biología sanitaria M. Marvá e-mail: marcos.marva@uah.es Unidad docente de Matemáticas, Universidad de Alcalá 29 de noviembre de 2015 El problema Analizaremos la
Más detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
Más detallesDistribuciones de muestreo importantes. Jhon Jairo Padilla Aguilar, PhD.
Distribuciones de muestreo importantes Jhon Jairo Padilla Aguilar, PhD. Distribución chi-cuadrado Si z1, z2,z3, zk son distribuciones normales estandarizadas, la variable aleatoria x 2 2 z1 z2... zk Sigue
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesTema 4. Regresión lineal simple
Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias
Más detallesUniversidad 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 detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
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 detalles2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:
Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesANOVA (Análisis de varianza)
ANOVA (Análisis de varianza) Las pruebas de hipótesis son una herramienta útil cuando se trata de comparar dos tratamientos La experimentación usualmente requiere comparación de más de dos tratamientos
Más detallesPROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL
1 PROYECTO DEL CURSO DE ESTADÍSTICA INFERENCIAL Prof.: MSc. Julio R. Vargas A. I. INTRODUCCION El presente trabao está orientado a aplicar los conocimientos de estadística inferencial a un caso práctico
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detallesRepaso de estadística básica. Juan D. Barón Santiago de Chile, 8 de abril de 2013
Repaso de estadística básica Juan D. Barón Santiago de Chile, 8 de abril de 2013 1 I. CONCEPTOS ESTADÍSTICOS BÁSICOS 2 Las decisiones se toman bajo incertidumbre Las decisiones se basan en información
Más detalles1.- Lo primero que debemos hacer es plantear como hasta ahora la hipótesis nula y la alternativa
PRUEBA DE HIPÓTESIS PARA DIFERENCIA DE MEDIAS Introducción Como hemos visto hasta ahora ya sabemos cómo hacer inferencia sobre bases de datos para medias con valores conocidos y desconocidos de desviación
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesUNIVERSIDAD DEL SALVADOR FACULTAD DE CUENCIAS SOCIALES Estadística y Técnicas de Computación Aplicadas a las Ciencias Sociales
UNIVERSIDAD DEL SALVADOR FACULTAD DE CUENCIAS SOCIALES Estadística y Técnicas de Computación Aplicadas a las Ciencias Sociales Horacio Chitarroni * EL ANÁLISIS SIMPLE DE LA VARIANZA Los ingresos de los
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesPrueba 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 detallesAnálisis de dos muestras
Análisis de dos muestras Supongamos el siguiente ejemplo. La resistencia a la rotura de un componente eléctrico constituye una característica importante de un cierto proceso. Un fabricante utiliza un material
Más detallesDiseño de Experimentos
Diseño de Experimentos Tema 8. Diseño de Bloques al Azar JAIME MOSQUERA RESTREPO DISEÑO DE BLOQUES El principio básico del diseño de experimentos consiste en garantizar la homogeneidad de las Unidades
Más detalles1 Profesor : Ing. Oli Eduardo Carrillo MSc. olicarrillo@yahoo.es 2 Unidad I: Estimación de Parámetros. Estimación de parámetros: Es el empleo de estadísticos para calcular los respectivos parámetros poblacionales.
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesMedidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. 2) Math. 298 Prof. Gaspar Torres Rivera
Medidas de Tendencia Central, Medidas de Dispersión & Otros Estadísticos (Cap. ) Math. 98 Prof. Gaspar Torres Rivera Un hombre promedio Roberto tiene 31 años de edad, una estatura de 68.8 pulgadas, pesa
Más detallesAnálisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa
Análisis de diferencias de medias entre centros educativos chilenos según grupo socioeconómico y dependencia administrativa Paola Ilabaca Baeza 1 José Manuel Gaete 2 paolailabaca@usal.es jmgaete@usal.es
Más detallesSupuestos y comparaciones múltiples
Supuestos y comparaciones múltiples Diseño de Experimentos Pruebas estadísticas Pruebas de bondad de ajuste Prueba de hipótesis para probar si un conjunto de datos se puede asumir bajo una distribución
Más detallesMétodo de cuadrados mínimos
REGRESIÓN LINEAL Gran parte del pronóstico estadístico del tiempo está basado en el procedimiento conocido como regresión lineal. Regresión lineal simple (RLS) Describe la relación lineal entre dos variables,
Más detallesMATERIA: 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 detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesEstadística. Para el caso de dos variables aleatorias X e Y, se puede mostrar que. Pero y son desconocidos. Entonces. covarianza muestral
Para el caso de dos variables aleatorias X e Y, se puede mostrar que Pero y son desconocidos. Entonces donde covarianza muestral Estimación de intervalos de confianza Cuál es el intervalo (de confianza)
Más detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
Más detallesUniversidad Maimónides Clase 8 Análisis de Varianza. Pedro Elosegui
Estadística stica Aplicada Universidad Maimónides 2014 Clase 8 Análisis de Varianza Pedro Elosegui 1 11-3 Características de la distribución F Existe una familia de distribuciones F. Cada miembro de la
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesSEMINARIO DE INVESTIGACIÓN IV
1 MAESTRIA EN ADMINISTRACIÓN SEMINARIO DE INVESTIGACIÓN IV ING. MARÍA TERESA CASTAÑEDA GALVIS 2 ESTADISTICA INFERENCIAL QUÉ ES ESTADISTICA INFERENCIAL? 3 Deducir los valores reales que toma una variable
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesEstadística. Generalmente se considera que las variables son obtenidas independientemente de la misma población. De esta forma: con
Hasta ahora hemos supuesto que conocemos o podemos calcular la función/densidad de probabilidad (distribución) de las variables aleatorias. En general, esto no es así. Más bien se tiene una muestra experimental
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesIntervalos de confianza con STATGRAPHICS
Intervalos de confianza con STATGRAPHICS Ficheros empleados: TiempoaccesoWeb.sf3 ; TiempoBucle.sf3; 1. Ejemplo 1: Tiempo de acceso a una página Web Se desean construir intervalos de confianza para la media
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más 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 detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesANEXO I. ANÁLISIS DE LA VARIANZA.
ANEXO I. ANÁLISIS DE LA VARIANZA. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias. Cuando se quiere comparar más de dos medias es incorrecto utilizar
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesEnero 2016 Ing. Rubén Darío Estrella, MBA Cavaliere dell ordine al Merito della Repubblica Italiana (2003) Ingeniero de Sistemas (UNIBE 1993), Administrador (PUCMM 2000), Matemático (PUCMM 2007), Teólogo
Más detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesPROF. LUIS NAVA PUENTE MAYO 2010
PROF. LUIS NAVA PUENTE MAYO 2010 INTRODUCCIÓN El diseño de experimentos tiene una amplia aplicación en muchas disciplinas, de hecho, se puede ver la experimentación como parte del proceso científico y
Más detallesDIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detallesTema V. EL ANOVA multifactorial
5.1. El ANOVA de múltiples factores: - Factorial (ortogonal): los no ortogonales no los veremos - Factores fijos, aleatorios y mixtos (consecuencias prácticas) - El Anova encajado La variable que vamos
Más detallesEl análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar K muestras.
Anova Dra. Diana elmansky 85 6. ANÁLISIS DE LA VARIANZA DE UN FACTOR El análisis de la varianza de un factor es una extensión del test de t para dos muestras independientes, para comparar muestras. Hemos
Más detallesMétodos de Investigación en Psicología (10) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (10) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesEstadísticas II. M. en E. M. Milagros Eugenia Faci. 15 de julio de 2010
2010 Estadísticas II M. en E. M. Milagros Eugenia Faci 15 de julio de 2010 2 Estadísticas II CONTENIDO UNIDAD III. CORRELACIÓN Y REGRESIÓN...3 III.1 CARACTERÍSTICAS DE UNA CORRELACIÓN...3 METODO DE MÍNIMOS
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesPrueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA
Prueba de Hipotesis de Grandes Muestras INFERENCIA ESTADÍSTICA JTP. JUAN PABLO QUIROGA Estadístico de Prueba de Muestra Grande para μ 1) Hipotesis Nula H 0 : μ = μ 0 2) Hipótesis Alternativa : Prueba de
Más detallesRegresión lineal SIMPLE MÚLTIPLE N A Z IRA C A L L E J A
Regresión lineal REGRESIÓN LINEAL SIMPLE REGRESIÓN LINEAL MÚLTIPLE N A Z IRA C A L L E J A Qué es la regresión? El análisis de regresión: Se utiliza para examinar el efecto de diferentes variables (VIs
Más detallesU ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7
Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen
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 detallesPráctica 5 Prueba de Hipótesis
05/08/08 1 Práctica 5 Prueba de Hipótesis PROGRAMA: SPSS ARCHIVOS: Equinos.sav; Temp.xls, Cabras.xls, Car_boer.xls, Malinois.xls. Conocimientos previos: Conocer y utilizar la distribución normal estándar,
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detallesTema 1: Distribuciones en el muestreo
Tema 1: Distribuciones en el muestreo 1 (transparencias de A. Jach http://www.est.uc3m.es/ajach/) Muestras aleatorias Estadísticos Concepto de distribución muestral Media muestral Distribución muestral
Más detallesPONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS. Sec. Repaso EX III MAT. 298 Núm.
PONTIFICIA UNIVERSIDAD CATÓLICA DE PUERTO RICO DEPARTAMENTO DE FÍSICA MATEMÁTICAS Nombre: Fecha: Sec. Repaso EX III MAT. 298 Núm. I. Verdadero (V) o Falso (F).. La Curva de Probabilidad Normal Estándar
Más detallesestadística aplicada a la gastronomía
estadística aplicada a la gastronomía CONTENIDO 4 6 14 18 30 objetivos unidad 1 unidad 2 unidad 3 unidad 4 OBJETIVOS GENERALES Ser capaz de reflexionar de forma crítica sobre los datos que se le presenten
Más detallesSe quiere medir la dispersión de una muestra a través de su localización. En primer lugar, definimos una medida relacionada con la media.
Medidas de dispersión Se quiere medir la dispersión de una muestra a través de su localización. En primer lugar, definimos una medida relacionada con la media. Ya habiendo calculado la media, x de una
Más detallesMetodología II: Análisis de Datos. Prof. Reinaldo Mayol Derecho
Metodología II: Análisis de Datos Prof. Reinaldo Mayol Derecho Por donde vamos? Luego de obtenidos los datos, el siguiente paso es realizar el análisis de los mismos. Aunque ha sido presentado en este
Más detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesb) Use la salida de SPSS para reproducir lo que pueda de los cálculos que hace SPSS. Estadísticos de contraste b TIEMPO
Ejercicios resueltos de Métodos no paramétricos 1. Una agencia publicitaria está investigando a qué tipo de avisos le prestan más atención los adolescentes. Se observan a 11 niños, a 6 se les muestra avisos
Más detallesInferencia 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 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 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 detallesTaller Metodológico: CONCEPTOS Y FUNDAMENTOS BÁSICOS EN ANÁLISIS ESTADÍSTICO DESCRIPTIVO. Juan León Jara Almonte GRADE
Taller Metodológico: CONCEPTOS Y FUNDAMENTOS BÁSICOS EN ANÁLISIS ESTADÍSTICO DESCRIPTIVO Juan León Jara Almonte GRADE Por qué hacer análisis descriptivo? Qué hacer con estos datos? ESTADISTICA DESCRIPTIVA
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II PRÁCTICA 5 En una determinada investigación se estudió el rendimiento en matemáticas en función del estilo de aprendizaje de una serie de estudiantes de educación
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 detalles