6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
|
|
- Juan de la Cruz Páez
- hace 6 años
- Vistas:
Transcripción
1 6. Inferencia con muestras grandes 1
2 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 2
3 1. Intervalos de confianza para μ con muestras grandes Sea X una v. aleatoria de interés con distribución cualquiera y con En el tema anterior vimos que si n es grande (n>30) 1 Z 0 3
4 Z N(0,1) 1- α α /2 α / z Informática. α/2 z Universidad Carlos III α/2 de Madrid 4
5 Si tomásemos infinitas muestras, y con cada una calculásemos el intervalo x ± z α /2 Entonces, el 100(1-α)% de esos intervalos tendría el valor de μ σ n Z N(0,1) 1- α α /2 α / z Informática. α/2 z Universidad Carlos III α/2 de Madrid 5
6 Sólo una muestra Sólo un intervalo En la práctica: El intervalo sí o no contendrá a μ A la incertidumbre de si lo contendrá le llamaremos confianza Z N(0,1) 1- α α /2 α / z Informática. α/2 z Universidad Carlos III α/2 de Madrid 6
7 intervalo de confianza de nivel de confianza 100 (1-α)% para μ σ IC(1 α) : μ x z ± α /2 n Ejemplo Una muestra aleatoria extraída de una población con σ²=100 de n=144 observaciones tiene una media muestral =160. se pide: (a) Calcular un intervalo de confianza del 95% para μ. (b) Calcular un intervalo de confianza del 90% para μ. (a) (b) Mayor confianza=más anchos 90% 95% X 7
8 Verdadero, falso o incierto? Cuestiones σ IC(1 α) : μ x z ± α /2 n El intervalo de confianza nos dice entre qué valores variará μ de unas muestras a otras Es imposible que μ esté fuera del intervalo de confianza El intervalo de confianza que hemos visto sólo es válido si X es normal El intervalo de confianza que hemos visto sólo es válido si X es normal Lo mejor será construir intervalos de confianza del 100%, así no tendremos incertidumbre El intervalo de confianza me dice entre qué valores estará la media poblacional con una confianza determinada Si tengo pocos datos, el intervalo de confianza puede no ser válido 8
9 σ IC(1 α) : μ x z ± α /2 n Es también un parámetro, y será desconocido Lo sustituimos por un estimador σˆ IC(1 α) : μ x z ± α /2 n Qué estimador usamos para σ²? 9
10 Qué estimador usamos para σ²? Método de los momentos: varianza muestral Se puede demostrar que es SESGADO subestima la verdadera varianza 10
11 Qué estimador usamos para σ²? es SESGADO Corregimos el sesgo Nuestro estimador oficial será el estimador insesgado Cuasivarianza Pseudo varianza Varianza corregida Varianza corregida por grados de libertad 11
12 intervalo de confianza de nivel de confianza 100 (1-α)% para μ sˆ IC(1 α) : μ x z ± α /2 n Ejemplo Se mide la duración de 200 componentes electrónicos hasta su avería. De esos 200 datos se tiene que la media muestral es 1300 horas y la cuasivarianza es (horas al cuadrado). Calcula un intervalo de confianza de μ de nivel de confianza 95% X = 1300 ˆ S n = 200 α = 0.05 z = = μ ± 200 μ [1286;1314] 12
13 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 13
14 2. Determinación del tamaño muestral Acabamos de ver que... intervalo de confianza de nivel de confianza 100 (1-α)% para μ σ IC(1 α) : μ x z ± α /2 n { x L} μ ± Cuál debe ser n para conseguir un L determinado? Lo estimo con alguna muestra piloto 14
15 Ejemplo Sea X el contenido de impurezas en un material obtenido en cierto proceso productivo (miligramos de impureza por kilogramo de producto obtenido). Se toma una muestra aleatoria de 200 observaciones obteniéndose una media muestral del consumo de 120 mg/kg y una desviación típica muestral 20 mg/kg. X = 120 Sˆ = 20 n 0 = 200 Estimar mediante un intervalo de un 95% de confianza el contenido medio de impurezas. Qué tamaño muestral sería necesario tomar para que L=1 mg? 15
16 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 16
17 3. Introducción al contraste de hipótesis Veamos la idea de contraste de hipótesis con un ejemplo Ejemplo Un fabricante de transistores del tipo BC547B sabe que cuando su producción se mantiene en los niveles de calidad deseables, el valor de la llamada ganancia en corriente de los transistores (conocida por β, adimensional) sigue una distribución normal de media 290 y varianza 760. β σ = 760 μ = 290 σ 2 = 760 Son en realidad estimaciones con muchísimos datos históricos. A efectos prácticos, los consideramos como si fuesen los poblacionales μ = 290 Cómo puedo saber si se mantiene el proceso en los mismos parámetros? Se mantiene la media? Ha aumentado la variabilidad? 17
18 Ejemplo β μ = 290 Cómo puedo saber si se mantiene el proceso en los mismos parámetros? σ = 760 σ 2 = 760 μ = 290 Se mantiene la media? Ha aumentado la variabilidad? Cómo lo puedo hacer? Son hipótesis que quiero comprobar Tomo una muestra de observaciones A la vista de los datos decido si mantengo o no la hipótesis (el objetivo no es estimar sino validar) Si x >> 290 Si x 290 parece muy probable que la media SI haya cambiado parece muy probable que la media NO haya cambiado A la vista de los datos, tomo la decisión que sea más plausible (nunca estaré seguro al 100%) Cómo me puede ayudar la estadística? 18
19 Ejemplo μ = 290 Veamos el método estadístico: β 2 σ = 760 σ = 760 Objetivo: Validar una hipótesis con los datos Contraste de hipótesis μ = 290 Las hipótesis serán restricciones sobre los parámetros X 1 X 2 X 3... X n ˆ 2 X, S Hipótesis nula H0 Hipótesis alternativa H1 Se mantiene la media? μ = 290 ó μ 290 alternativa bilateral Ha aumentado la variabilidad? 2 σ 760 ó 2 σ > 760 alternativa unilateral Entre H0 y H1 está todo el rango de valores posibles H0 debe tener siempre el signo = Se aceptará H0 salvo que haya mucha evidencia en contra 19
20 Ejemplo β 2 σ = 760 μ = 290 σ = 760 H0 H1 μ = 290 μ σ σ > 760 μ = 290 X, Sˆ X 1 X 2 2 X 3... X n Rechazamos H0 sólo si hay mucha evidencia en contra. Es decir, si los datos hacen lo que dice H1 de forma muy evidente En la sección siguiente veremos cómo obtener los límites de las regiones de aceptación y rechazo 20
21 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 21
22 4. Contraste de hipótesis de la media μ con muestras grandes Para contrastar una hipótesis sobre la media μ seguimos los siguientes pasos: PASO 1: Especificamos la hipótesis nula y la alternativa. Queremos contrastar alguna de estas hipótesis, donde μ 0 es un valor concreto H H : μ= μ 0 0 : μ μ 1 0 H H : μ μ 0 0 : μ> μ 1 0 H H : μ μ 0 0 : μ< μ 1 0 Ejemplo En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ 0 =290 H0 H1 μ = 290 μ
23 PASO 2: Hallamos una medida de la discrepancia entre los datos y H0 Si la discrepancia es grande: se rechaza H0 Esa medida se denomina estadístico de contraste Cómo se busca el estadístico de contraste, que resuma la información relevante para un contraste? Usando las propiedades de los estimadores, e introduciendo la información de H0 Sabemos que, para muestras grandes Estadístico de contraste 23
24 Ejemplo En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ 0 =290 H0 H1 μ = 290 μ 290 Con 100 observaciones: Resume en un número la información para decidir entre H0 y H1 PASO 3: Para valorar el estadístico de contraste, buscamos una distribución de referencia que nos diga si es un valor grande o pequeño La distribución de referencia es la del estadístico de contraste cuando μ=μ 0 N(0,1) 24
25 PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0. Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. Caso (a) PASO 1: PASO 2: PASO 3: H : μ = 290; H : μ T 0 = X 290 Sˆ / n T 0 ~N(0,1) Rechazamos H0 si x << 290 x >> 290 t 0 x 290 = << 0 sˆ / n t 0 x 290 = >> 0 sˆ / n Si H0 es falsa tenderemos a estar por esta zona N(0,1) Si H0 es falsa tenderemos a estar por esta zona 0 25
26 PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0 Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. Caso (b) H : μ 290; H : μ > 290 T0 0 1 PASO 1: PASO 2: PASO 3: X 290 = T 0 ~N(0,1) Sˆ / n Rechazamos H0 si x >> 290 t 0 x 290 = >> 0 sˆ / n N(0,1) Si H0 es falsa tenderemos a estar por esta zona 0 26
27 PASO 4: Localizamos en qué zonas de la distribución de referencia rechazaremos H0 Rechazamos H0 si los datos hacen lo que dice H1 de forma muy evidente. Caso (c) H : μ 290; H : μ < 290 T0 0 1 PASO 1: PASO 2: PASO 3: X 290 = T 0 ~N(0,1) Sˆ / n Rechazamos H0 si x << 290 t 0 x 290 = << 0 sˆ / n Si H0 es falsa tenderemos a estar por esta zona N(0,1) 0 27
28 PASO 1: PASO 2: PASO 4: H : μ = μ ; H : μ μ (a) Rechazo H 0 Rechazo H 0 Acepto H 0 (a) H : μ μ ; H : μ > μ (b) (b) Acepto H0 Rechazo H0 PASO 3: H : μ μ ; H : μ < μ (c) N(0,1) Rechazo H0 Acepto H0 (c) La región de rechazo está donde señala H 1 28
29 Metodología general para hacer un contraste de hipótesis PASO 1: PASO 2: PASO 3: PASO 4: Especificamos la hipótesis nula y la alternativa. Estadístico de contraste Distribución de referencia Localizamos las zonas donde estará la región de rechazo Qué área ocupa la región de rechazo? Rechazo H 0 Acepto H 0 La región de rechazo ocupa un área pequeña Ese área se llama α=nivel de significación Su valor lo decide el analista Suele ser α=0.05, 0.10, 0.01? Valor crítico 29
30 Ejemplo En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ 0 =290 H0 H1 μ = 290 μ 290 Con 100 observaciones: Nivel de significación, α=0.05 T 0 ~N(0,1) Acepto H 0 Rechazo H 0 Rechazo H 0 1 α/2=0.025 α/2= Rechazamos H Valores críticos 30
31 Ejemplo En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ 0 =290 H0 H1 μ = 290 μ 290 Con 100 observaciones: Nivel de significación, α=0.05 T 0 ~N(0,1) La diferencia entre la media de la muestra (282.3) y la de la hipótesis (290) es significativa (al 5%) Concluimos, con un nivel de significación del 5%, que la media poblacional ha cambiado 31
32 Cuestiones Verdadero, falso o incierto? Mediante un contraste de hipótesis buscamos el respaldo de los datos a alguna suposición sobre la población Si rechazo la hipótesis de que μ=100 con α=0.05, la conclusión es que es imposible que μ=100 Quiero contrastar la hipótesis de que μ=100 con α=0.05. Con unos datos obtengo x = y el contraste me lleva a Aceptar H 0. Entonces quiere decir que con un nivel de significación de 0.05 μ=104.3 Quiero contrastar la hipótesis de que μ=100 con α=0.05. Con unos datos obtengo x = y el contraste me lleva a Aceptar H 0. Entonces quiere decir que con un nivel de significación de 0.05 x = 100 Si tomamos pocos datos, el contraste puede ser erróneo Un analista puede aceptar una hipótesis nula con α=0.05, pero rechazarla con α=
33 Ejemplo Según los estudios antropométricos, los jóvenes españoles entre 18 y 25 años tienen una estatura media de μ 0 =177 cm. Se toman las alturas de 50 jóvenes madrileños en ese rango de edad y resulta x = 175.9cm sˆ = 5.93cm Hay evidencia suficiente para decir que los jóvenes madrileños tiene una estatura media inferior a la nacional? PASO 1: Especificamos la hipótesis nula y la alternativa. Dos opciones Estatura media inferior Estatura media no inferior μ <177 μ 177 H H 0 1 : μ 177 : μ <
34 Ejemplo H H 0 1 : μ 177 : μ < 177 Según los estudios antropométricos, los jóvenes españoles entre 18 y 25 años tienen una estatura media de μ 0 =177 cm. Se toman las alturas de 50 jóvenes madrileños en ese rango de edad y resulta x = 175.9cm sˆ = 5.93cm Hay evidencia suficiente para decir que los jóvenes madrileños tiene una estatura media inferior a la nacional? PASO 2: Estadístico de contraste PASO 3: Distribución de referencia N(0,1) PASO 4: Localizamos las zonas donde estará la región de rechazo La diferencia entre la media muestral (175.9) y la hipótesis nula no es significativa (al 5%) Rechazo H 0 Acepto H 0 α=0.05 La diferencia observada se atribuye, con un nivel de significatividad del 5%, a la variabilidad de la muestra y no a diferencias reales -3-2 Valor crítico=
35 El resultado del contraste (sólo n datos) La verdad (que nunca sabré con sólo n datos) H0 cierta (H1 falsa) H0 falsa (H1 cierta) Acepto H0 (Rechazo H1) Rechazo H0 (Acepto H1) ACIERTO!! ERROR TIPO I Lo cometo con probabilidad α ERROR TIPO II Lo cometo con probabilidad que depende de cada caso ACIERTO!! Cuando demos la conclusión de un contraste debemos dar siempre el nivel de significación, para dar una medida de su precisión 35
36 Metodología general para hacer un contraste de hipótesis 1. Determinar H0 y H1 teniendo en cuenta que H0 debe tener el signo = y que el método favorecerá dicha hipótesis. 2. Buscar el estadístico de contraste que será la medida de discrepancia entre la muestra y H0. 3. A partir de las propiedades del estadístico de contraste, y el nivel de significación, delimitamos con los valores críticos las regiones de aceptación y rechazo. 4. Localizamos si el valor que toma el estadístico de contraste cae en la región de aceptación o en la de rechazo. 36
37 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 37
38 5. Interpretación de un contraste usando el p-valor El resultado de un contraste tiene dos elementos: 1. Aceptamos o rechazamos H0 2. El nivel de significación α Conclusión del contraste Medida de su incertidumbre El nivel de significación es una medida de incertidumbre poco precisa Ejemplo Hacemos el contraste H < con α = 0.05 : μ μ ; H : μ μ Caso 1 Caso 2 Rechazo H 0 Acepto H 0 α = 0.05 Rechazo H 0 Acepto H 0 α = t 0 =-1.7 Rechazamos H0 t 0 =-3 Rechazamos H En ambos casos la conclusión sería la misma: Rechazamos con α=0.05 Sin embargo en el caso 2 estamos más seguros Cómo expresarlo? 38
39 Vamos a ver otra forma mejor de medir la incertidumbre del resultado del contraste El p-valor es el nivel de significación que deberíamos usar para dejar al valor del estadístico de contraste justo en la frontera de la región de rechazo Caso 1 Rechazo H 0 Acepto H 0 α = 0.05 p-valor= t 0 =-1.7 Rechazamos H0 Como p-valor<α Rechazamos H0 El p-valor es más informativo que el nivel de significación 39
40 El p-valor es el nivel de significación que deberíamos usar para dejar al valor del estadístico de contraste justo en la frontera de la región de rechazo Caso 2 Rechazo H 0 Acepto H 0 α = 0.05 p-valor= t 0 =-3 Rechazamos H0 Como p-valor<<α En este Caso 2 el p-valor es realmente Rechazamos H0 pequeño. Estamos mucho más seguros de nuestra conclusión 40
41 H : ϑ ϑ ; H : ϑ > ϑ Aceptamos H 0 Rechazamos H0 p-valor>α α t 0 p-valor<α t 0 41
42 H : ϑ ϑ ; H : ϑ < ϑ Rechazamos H 0 Aceptamos H 0 α p-valor>α t 0 p-valor<α Informática. t Universidad Carlos III de Madrid 0 42
43 H : ϑ = ϑ ; H : ϑ ϑ α /2 p-valor>α α /2 - t 0 t 0 p-valor: es la suma de las dos áreas p-valor>α - t 0 t 0 43
44 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 44
45 6. Relación entre contrastes de hipótesis e intervalos de confianza Intervalos de confianza para la media y contrastes usan la misma información T X μ = Sˆ / n N(0,1) T X μ Sˆ / n 0 0 = ~ N(0,1) H : μ = μ ; H : μ μ Rechazo H 0 Rechazo H 0 Se puede demostrar que la realización de un contraste de hipótesis bilateral H : μ = μ ; H : μ μ α /2 α /2 Acepto H 0 t 0 con nivel de significación α es equivalente a realizar un intervalo de confianza de nivel (1-a) y comprobar si μ 0 está dentro o fuera de dicho intervalo. 45
46 Ejemplo En el ejemplo de los transistores. Se desea saber si la población de transistores del proceso productivo mantiene la media en μ 0 =290 H0 H1 μ = 290 μ 290 Con 100 observaciones: Contraste de hipótesis Rechazo H 0 Rechazo H 0 α/2=0.025 Acepto H 0 α/2=0.025 Rechazamos H 0 :μ= Intervalo de confianza de nivel (1-a) No contiene al
47 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 47
48 7. Inferencia sobre una proporción con muestras grandes Estimación Queremos estimar la proporción de individuos p en una población que tendrá cierto atributo En una muestra de n individuos: el estimador es la proporción muestral Sea X i una variable de Bernoulli para el elemento i-ésimo de la muestra X i =1 si el elemento sí tiene el atributo X i =0 si el elemento no tiene el atributo EX ( ) = i Var( X ) = p(1 p) i p Por el Teorema Central del Límite, si n es grande 48
49 Intervalo de confianza Al ser una media muestral asintóticamente normal, se pueden usar los mismos resultados ya vistos para la media muestral EX ( ) Var X = μ 2 ( ) = σ / n X E( X) Var( X ) N(0,1) { X z Var } /2 ( X α ) μ ± 49
50 Intervalo de confianza Al ser una media muestral asintóticamente normal, se pueden usar los mismos resultados ya vistos para la media muestral Ejemplo Con el objeto de determinar la proporción de personas que poseen coche en una provincia determinada se realizó un muestreo aleatorio simple, de tal forma que de los 100 encuestados, 30 de ellos tienen coche. Calcula un intervalo de confianza del 95% para la proporción de personas con coche en la provincia 50
51 Tamaño muestral Cuanto debe vale n para tener un L determinado? Estimación previa con una muestra piloto Ejemplo Con el objeto de determinar la proporción de personas que poseen coche en una provincia determinada se realizó un muestreo aleatorio simple, de tal forma que de los 100 encuestados, 30 de ellos tienen coche. Calcula n para que en un intervalo del 95%, se tenga L=
52 Tamaño muestral Otra opción para calcular n es usar el valor de p(1-p) más desfavorable. Tendremos un valor de n sobredimensionado, pero que garantiza un intervalo de (1-a) p(1-p) p En el ejemplo anterior con L=
53 Contraste de hipótesis PASO 4: PASO 1: PASO 2: H : p= p ; H : p p (a) Rechazo H 0 Rechazo H 0 Acepto H 0 Z 0 = pˆ pq 0 0 p 0 / n (a) Rechazo H 0 H : p p ; H : p> p (b) (b) Acepto H 0 PASO 3: H : p p ; H : p< p (c) N(0,1) Rechazo H 0 Acepto H 0 (c) La región de rechazo está donde señala H 1 53
54 Ejemplo Un proceso productivo que fabrica semiconductores produce un 2% de artículos defectuosos cuando funciona adecuadamente. Se adquiere una nueva máquina basada en una tecnología más avanzada. Después de producir 200 artículos se encuentra que 2 son defectuosos. Se puede afirmar que la nueva máquina ha mejorado la calidad de la producción? La nueva máquina SI mejora el proceso p<0.02 Dos opciones La nueva máquina NO mejora el proceso p 0.02 Rechazo H 0 Acepto H 0 No podemos rechazar, con un nivel de significación del 5%, que el proceso siga igual
55 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de hipótesis 4. Contraste de hipótesis de la media μ con muestras grandes 5. Interpretación de un contraste usando el p-valor 6. Relación entre contrastes de hipótesis e intervalos de confianza 7. Inferencia sobre una proporción con muestras grandes 8. Inferencia con estimadores de máxima verosimilitud 55
56 8. Inferencia con estimadores de máxima verosimilitud Sea θˆmv el estimador de máxima verosimilitud del parámetro q Los estimadores de máxima verosimilitud cumplen, para muestras grandes L(q) es la función soporte Intervalo de confianza Al ser asintóticamente normal, se pueden usar los mismos resultados que ya vimos anteriormente es la misma expresión que pero sustituyendo q por ˆMV θ 56
57 Ejemplo La velocidad de una molécula, según el modelo de Maxwell, es una variable aleatoria con función de densidad, En el tema anterior vimos que 57
58 Contraste de hipótesis PASO 4: PASO 1: PASO 2: H : θ = θ ; H : θ θ Rechazo H 0 Rechazo H 0 (a) Z 0 = ˆ θ MV θ 0 Var( ˆ θ ) MV (a) Acepto H 0 Rechazo H 0 H : θ θ ; H : θ > θ (b) (b) Acepto H 0 PASO 3: H : θ θ ; H : θ < θ (c) N(0,1) Rechazo H 0 Acepto H 0 (c) La región de rechazo está donde señala H 1 58
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 detallesTema 7. Contrastes de Hipótesis
7.1. Conceptos básicos Tema 7. Contrastes de Hipótesis Uno de los problemas comunes en inferencia consiste en contrastar una hipótesis estadística. Ejemplo: El fabricante de un determinado tipo de piezas
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística 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 detalles4. Prueba de Hipótesis
4. Prueba de Hipótesis Como se ha indicado anteriormente, nuestro objetivo al tomar una muestra es extraer alguna conclusión o inferencia sobre una población. En nuestro interés es conocer acerca de los
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 detallesContraste de hipótesis con STATGRAPHICS
Contraste de hipótesis con STATGRAPHICS Ficheros empleados: Transistor.sf3, Estaturas.sf3 1. Introducción: Una forma habitual de hacer inferencia acerca de uno o más parámetros de una población consiste
Más detallesTema 5: Contraste de hipótesis
Tema 5: Contraste de hipótesis 1 (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Conceptos fundamentales: hipótesis nula y alternativa,
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más 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 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 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 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 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 detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más 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 detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más detallesTEMA 1: Estadística descriptiva
INGENIERÍA INFORMÁTICA Universidad Carlos III de Madrid Programa de la asignatura PARTE I: ESTADÍSTICA DESCRIPTIVA TEMA 1: Estadística descriptiva 1.1 Introducción 1.2 Tipos de datos 1.3 Descripción de
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más 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 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 detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más 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 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 detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
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 detallesENUNCIADO y SOLUCIONES. Problema 1
Ingeniería Industrial Métodos estadísticos de la Ingeniería Examen Junio 007. ENUNCIADO y SOLUCIONES Problema La memoria RAM para un ordenador se puede recibir de dos fabricantes A y B con igual probabilidad.
Más detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
Más 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 detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
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 detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesTema 6. Inferencia estadística
Cuestiones de Verdadero/Falso Tema 6. Inferencia estadística 508 Estadística. ETDI. Curs 2002/03 1. La Estimación puntual supone obtener un único valor como estimación del parámetro desconocido. 2. La
Más detallesSolución Examen Parcial IV Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005
Nombres: Apellidos: C.I.: Firma: Fecha: 22/06/2005 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta o llene los espacios en blanco (0,5 puntos c/u): 1. (V F) La prueba
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 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 detallesMódulo de Estadística
Módulo de Estadística Tema 8: Introducción a los contrastes de hipótesis Tema 6: Contrastes de hipótesis 1 Objetivos del tema Introducir el concepto de contraste de hipótesis Diferenciar entre hipótesis
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesTema 4: Estimación por intervalo (Intervalos de Confianza)
Tema 4: Estimación por intervalo (Intervalos de Confianza (a partir del material de A. Jach (http://www.est.uc3m.es/ajach/ y A. Alonso (http://www.est.uc3m.es/amalonso/ 1 Planteamiento del problema: IC
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesTema 8: Introducción a la Teoría sobre Contraste de hipótesis
Tema 8: Introducción a la Teoría sobre Contraste de hipótesis Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Introducción a la Teoría
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesTests de Hipótesis basados en una muestra. ESTADÍSTICA (Q) 5. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA
2 5. TESTS DE HIPÓTESIS PARA LA MEDIA DE UNA POBLACIÓN NORMAL CON VARIANZA CONOCIDA 5. Desarrollo de un ejemplo Interesa saber si el método de absorción atómica de vapor frío para determinar mercurio introduce
Más detallesTécnicas 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 detallesInferencia con una variable Tema 2
Inferencia con una variable Tema 2 1. Contraste sobre una proporción 2. Bondad de ajuste 3. Contraste de hipótesis sobre una media 3.1. Con σ 2 conocida, prueba Z 3.2. Con σ 2 desconocida, prueba T 4.
Más detallesIntervalo para la media si se conoce la varianza
178 Bioestadística: Métodos y Aplicaciones nza para la media (caso general): Este se trata del caso con verdadero interés práctico. Por ejemplo sirve para estimar intervalos que contenga la media del colesterol
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más 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 detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
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 detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Intervalos de confianza Álvaro José Flórez 1 Escuela de Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más 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 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 detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción
Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones
Más detallesCONTROL ESTADISTICO DE LA CALIDAD
CICLO 2012-I Módulo:2 Unidad:2 Semana: 2 CONTROL ESTADISTICO DE LA CALIDAD ING. ENRIQUE MONTENEGRO MARCELO PRUEBAS DE HIPOTESIS CONTENIDOS TEMÁTICOS 1. DEFINICIÓN DE HIPOTESIS 2. PROCEDIMIENTO DE UNA PRUEBA
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesTema 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 detalles(1 punto) (1.5 puntos)
Ejercicios de inferencia estadística. 1. Sea la población {1,2,3,4}. a) Construya todas las muestras posibles de tamaño 2, mediante muestreo aleatorio simple. b) Calcule la varianza de las medias muestrales.
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 detallesEstadística I Tema 7: Estimación por intervalos
Estadística I Tema 7: Estimación por intervalos Tema 7: Estimación por intervalos Ideas a transmitir Definición e interpretación frecuentista. Intervalos de confianza para medias y varianzas en poblaciones
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesTema 8. Contrastes paramétricos en una
Tema 8. Contrastes paramétricos en una población Resumen del tema 8.1. Contrastes sobre la media 8.1.1. Varianza poblacional conocida σ conocida. Población Normal ó población cualquiera siempre que n 30.
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 detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesCONTRASTE DE HIPÓTESIS EN POBLACIONES NORMALES
CONTRASTE DE HIPÓTESIS EN POBLACIONES NORMALES Antonio Morillas A. Morillas: C. de H. en P. Normales 1 CONTRASTE EN POBLACIONES NORMALES En este tema, aplicaremos lo visto en el anterior para el caso de
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
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 detallesEstimaciones puntuales. Estadística II
Estimaciones puntuales Estadística II Estimación Podemos hacer dos tipos de estimaciones concernientes a una población: una estimación puntual y una estimación de intervalo. Una estimación puntual es un
Más detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detallesTema 6. Estimación puntual
Tema 6. Estimación puntual Contenidos Planteamiento del problema Criterios de comparación de estimadores: Insesgadez Estimadores de mínima varianza Error cuadrático medio Consistencia Métodos para obtener
Más detallesTest de hipótesis. En términos estadísticos una hipótesis es un supuesto acerca de un parámetro poblacional. Ejemplos
Test de hipótesis Test de hipótesis En términos estadísticos una hipótesis es un supuesto acerca de un parámetro poblacional. Ejemplos El porcentaje medio de fumadores en Argentina es 38%. No más del %
Más detallesESTADÍSTICA APLICADA. Tema 3: Contrastes de hipótesis
ESTADÍSTICA APLICADA Grado en Nutrición Humana y Dietética Tema 3: Contrastes de hipótesis Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación,
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesT2. 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 detallesEXAMEN DE ESTADÍSTICA Septiembre 2011
EXAMEN DE ESTADÍSTICA Septiembre 2011 Apellidos: Nombre: DNI: GRUPO: 1. De una clase de N alumnos se tiene la siguiente información sobre las calificaciones obtenidas del 1 al 8 en una cierta asignatura
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 3: PRUEBAS DE HIPÓTESIS
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 3: PRUEBAS DE HIPÓTESIS Probar una afirmación acerca del valor de un parámetro poblacional 1 Probar una afirmación acerca del valor de un parámetro poblacional
Más detallesTeoría de muestras. Distribución de variables aleatorias en el muestreo. 1. Distribución de medias muestrales
Teoría de muestras Distribución de variables aleatorias en el muestreo 1. Distribución de medias muestrales Dada una variable estadística observada en una población, se puede calcular se media y su desviación
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 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 detallesHipótesis Alternativa H 1 : ϑ Θ 1
INFERENCIA ESTADÍSTICA Tema 3.3: Contrastes de signicación Objetivos Dominar el esquema conceptual y el lenguaje propios de los contrastes de hipótesis. Construir contrastes de hipótesis para los parámetros
Más detallesR E S O L U C I Ó N. a) El intervalo de confianza de la media poblacional viene dado por: I. C. z
Un estudio realizado sobre 100 usuarios revela que un automóvil recorre anualmente un promedio de 15.00 Km con una desviación típica de.50 Km. a) Determine un intervalo de confianza, al 99%, para la cantidad
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 detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
Más detalles