Capítulo 6. Contrastes de hipótesis. 1. Introducción.
|
|
- María del Rosario Martin Ayala
- hace 6 años
- Vistas:
Transcripción
1 Capítulo 6 Contrate de hipótei 1. Introducción. En mucha ocaione el objetivo que e perigue con la realización de un muetreo o de un experimento e poner a prueba alguna hipótei concebida previamente. Eta e, de hecho, la eencia del método científico: obervar, concebir hipótei y contratar dicha hipótei con nueva obervacione. Ahora bien i, como ocurre frecuentemente, la obervacione etán expueta a fuerte doi de variabilidad aleatoria, reulta difícil ditinguir el efecto que e deea medir de ee ruido de fondo. Pongamo un ejemplo encillo: en un etudio de la morfología de cierta epecie, un invetigador puede tener a priori buena razone para penar que lo macho deben er, en promedio, mayore que la hembra. A partir de una muetra aleatoria de 5 macho y 5 hembra, oberva en lo macho un peo medio de 2,54 kg, frente a 2,77 kg de media en la hembra. Contienen eto dato evidencia uficiente para refutar la hipótei de partida? E obvio que no todo lo animale tienen el mimo peo variabilidad natural y que, aún iendo cierta la hipótei de partida, cabe la poibilidad por efecto del azar de que dicha hipótei no e verifique. En ete capítulo e dearrollarán lo fundamento báico para la contrucción de contrate de hipótei: método que, teniendo en cuenta la preencia de la variabilidad y del azar, permitan etablecer regla para decidir i, dentro de cierto márgene de error, lo dato obtenido por muetreo o experimentación contienen evidencia uficiente para rechazar la hipótei de partida o i éta puede eguir aceptándoe como válida. Una vez etablecido lo fundamento de lo contrate de hipótei, e etudiarán en particular alguno contrate de uo frecuente en la práctica, referido a hipótei obre lo parámetro de ditribucione de probabilidad conocida. 1
2 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 2 Objetivo. Al finalizar ete capítulo el alumno deberá: 1. Conocer y comprender el concepto de contrate de hipótei. 2. Conocer y comprender lo do tipo de error poible en un contrate de hipótei y por tanto lo concepto de nivel de ignificación y potencia. 3. Conocer, comprender y er capaz de calcular en alguno cao el p-valor de un contrate. 4. Conocer y er capaz de aplicar contrate de hipótei frecuente en la práctica, en particular lo relativo a media, varianza y proporcione. 5. Ser capaz de ditinguir la condicione necearia para la aplicación de cada contrate de hipótei. 6. Ser capaz de calcular el tamaño de muetra neceario para la realización de un contrate con ignificación y potencia predeterminado. 7. Ser capaz de reolver problema práctico de contrate de hipótei utilizando el programa R. 2. Concepto báico. En la actividad científico-técnica práctica, el objetivo que e perigue en mucha ocaione con la realización de un muetreo o de un experimento e poner a prueba alguna hipótei concebida previamente. Por ejemplo: Se ha dieñado un nuevo método de depuración de agua, cuya caracterítica fíicoquímica inducen a uponer que reducirán la concentración de cierto contaminante biológico con mayor eficiencia que el método que e venía uando hata ahora. Será verdad eta upoición? Se cree que cierto compueto químico actúa obre lo pece que e crían en tanque de cultivo, reduciendo lo nivele de etré que preentan eto animale al tener que compartir un epacio reducido con un elevado número de congénere. E cierta eta conjetura?
3 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 3 Un método de análii químico A e mucho má caro que otro método B, pero e realmente mucho má precio? La taa de mortalidad en cultivo marino realizado en tanque cerrado e uperior a la que e produce en cultivo en mar abierto? Todo lo ejemplo que hemo citado e caracterizan por decribir ituacione en la que e impoible realizar un experimento u obervación que no confirme o demienta de una manera abolutamente egura la hipótei planteada. De ahí que lo procedimiento para tomar deciione obre la veracidad o faledad de eta hipótei hayan de er neceariamente procedimiento etadítico, con lo que e pretende mantener bajo control el riego de tomar deciione errónea. Una hipótei etadítica e una afirmación o conjetura con repecto a alguna caracterítica de interé de la ditribución de una variable aleatoria. Llamaremo hipótei nula H 0 ) a la hipótei de partida, que erá aceptada como válida i la evidencia en u contra e débil o inexitente. La hipótei alternativa H 1 ) erá la hipótei que erá aceptada en cao de que e rechace H 0. Un contrate de hipótei etadítico e una regla de deciión que permita elegir entre la do hipótei, H 0 y H 1, en función de la evidencia aportada por lo dato diponible y del riego de error que etemo dipueto a aumir. La hipótei etadítica pueden planteare de muy divera forma: En función de lo parámetro de la ditribución de probabilidad. Por ejemplo, el valor medio de cierta variable en una población e cero?, on iguale la media de do poblacione?, la proporción de ujeto con cierta caracterítica upera el 70 % de la población? En término de la forma de la ditribución de la variable de interé: e ditribuye una variable de igual forma en do poblacione?, e normal la ditribución de una variable?. En término de caracterítica de aociación: on do variable independiente?, la relación entre do variable e lineal? 3. Tipo de Error en lo contrate de hipótei. En un contrate de hipótei e poible cometer do tipo de error: Error tipo I: Rechazar la hipótei nula cuando e verdadera
4 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 4 Error tipo II: Aceptar la hipótei nula cuando e fala. En general, llamaremo: α = P Error Tipo I) = P Rechazar H 0 H 0 e cierta) β = P Error Tipo II) = P Aceptar H 0 H 0 e fala) De eta forma, al realizar un contrate de hipótei on poible la iguiente ituacione: Realidad H 0 cierta H 0 fala Deciión Aceptar H 0 Deciión correcta 1-α) Error II β) Rechazar H 0 Error I α) Deciión Correcta 1-β) La probabilidad α de cometer un error tipo I e conoce como Nivel de ignificación del contrate. Aimimo, la probabilidad de no cometer un error tipo II: 1 β = P Rechazar H 0 H 0 e fala) e conoce como Potencia del contrate. Amba probabilidade, pue, miden la probabilidad de rechazar la hipótei nula: α cuando e cierta y 1 β cuando e fala. La ituación ideal e que α ea lo má pequeña poible y 1 β lo má grande poible. Ello en la práctica e traduce en tener mucha información mucho dato). Cuando no e poible diponer de toda la información que ería deeable ituación muy frecuente en lo etudio reale) en general e procurará que α ea pequeña, aún a cota de que β pueda er grande y por ende 1 β pequeña). 4. Contrate de Significación. Supongamo que e deea decidir i el valor deconocido) de cierto parámetro θ pertenece o no a un conjunto Θ 0. Ete parámetro etá aociado a la ditribución de probabilidad de cierta variable aleatoria X, de la que e poible extraer una muetra aleatoria X 1, X 2,..., X n ) que contiene información obre θ. El procedimiento general de lo contrate o prueba de ignificación e el iguiente:
5 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 5 1. Fijar la hipótei nula H 0 :θ Θ 0 ) y alternativa H 1 : θ / Θ 0 ). 2. Determinar un etadítico de contrate dependiente de lo dato, T X 1, X 2,..., X n ), cuya ditribución de probabilidad ea conocida cuando H 0 e cierta. 3. Fijar la probabilidad α de error de tipo I nivel de ignificación del contrate), y determinar una región crítica R C de tal manera que: P T X 1, X 2,..., X n ) R C H o e cierta) = α 4. Obtener una muetra aleatoria X 1, X 2,..., X n ) y utilizar la iguiente regla de deciión: Si T X 1, X 2,..., X n ) R C rechazar H 0. En cao contrario aceptar H 0. Obervacione: 1. Con eta regla de deciión e tiene que la probabilidad de error tipo I e: P Error Tipo I) = P Rechazar H 0 H 0 e cierta) = = P T X 1, X 2,..., X n ) R C H o e cierta) = α 2. Al mimo tiempo, la probabilidad de error tipo II queda, en principio, indeterminada: P Error Tipo II) = P Aceptar H 0 H 0 e fala) = = P T X 1, X 2,..., X n ) / R C H o e fala) i bien, como veremo, puede calculare para la alternativa de interé, e incluo prefijare de antemano, fijando un tamaño de muetra adecuado. 3. Para entender el fundamento de lo contrate de ignificación tengamo en cuenta que, una vez tomado lo dato, ólo pueden ocurrir do coa: que T caiga en R C o que no lo haga. Entonce:
6 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 6 a) Si T / R C etaría ocurriendo algo que era muy probable que ocurriee i H 0 fuera cierta ya que, tal como e ha definido R C, e tiene que: P T X 1, X 2,..., X n ) / R C H o e cierta) = 1 α Por tanto, el reultado del tet en ete cao e el eperado i H 0 e cierta, por lo que nada e opone a aceptar dicha hipótei. Nótee, no obtante, que aceptar H 0 no ignifica que hayamo demotrado que H 0 ea cierta, ino ólo que lo dato no la contradicen. Dicho de otra forma aceptamo H 0 no porque hayamo podido probar que e cierta, ino porque no hemo podido probar que e fala. b) Si T R C etaría ocurriendo algo que, de er H 0 cierta, muy difícilmente podía haber ocurrido. Pero como de hecho ha ocurrido, ello no indica que lo dato contienen una fuerte evidencia de que H 0 e poiblemente fala o, lo que e lo mimo, una fuerte evidencia de que H 1 e poiblemente cierta. 4. Nótee la no imetría de la do poible concluione del contrate: a) Cuando e acepta H 0 e porque la evidencia en u contra e débil. b) Cuando e acepta H 1 e porque la evidencia a u favor e fuerte. Por eta razón, cuando planteamo un contrate de hipótei e debe colocar como hipótei alternativa aquella de la que queramo tener fuerte evidencia a u favor en cao de que finalmente ea aceptada. La hipótei nula, en cambio, e la que e aceptará por defecto i no hay fuerte evidencia en u contra e incluo i no hay fuerte evidencia a u favor). Por todo ello, cuando un tet concluye con la aceptación de H 0 e dice que ha reultado no ignificativo, y cuando concluye con u rechazo e dice que ha reultado ignificativo. 5. La región crítica R C uele denominare también región de rechazo de H 0 ). La región complementaria e denomina Región de Aceptación, R A. Obviamente P T X 1, X 2,..., X n ) R A H o e cierta) = 1 α La región de aceptación contiene, pue, lo valore del etadítico T X 1, X 2,..., X n ) que, con mucha probabilidad, podrían obervare por puro azar i H 0 fuee cierta.
7 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 7 Ejemplo 6.1. La alga de cierta epecie que e cultivan con fine farmacológico on muy enible al ph del agua. Se ha obervado que el dearrollo de eta alga e óptimo cuando el ph promedio e 1, y diariamente e realizan controle con el objetivo de aplicar medida correctora añadir aditivo químico al agua) i el ph e aparta de ete valor. Eto controle coniten en tomar 5 muetra de agua y evaluar el ph medio. En un día en que el ph medio de la cinco muetra e de 1.2 con una deviación típica de 0.4. ería precio aplicar alguna medida correctora? e upone que la ditribución del ph e normal) 1. Si llamamo µ al ph medio real del agua, el problema puede planteare como el contrate de hipótei: { H 0 : µ = 1 H 1 : µ 1 iendo la información diponible la aportada por una muetra de cinco valore de ph, {X 1, X 2, X 3, X 4, X 5 }. 2. Como no conocemo el valor de µ, podemo etimarlo mediante la media muetral X. Si H 0 fuera verdad, entonce el valor de X debería parecere a 1. Ello ignifica que la hipótei nula H 0 debería rechazare i X e aleja de 1, eto e, i X 1 e un valor grande. Como de grande? Para reponder a eta pregunta obervemo que i H 0 e cierta e tiene que: T X 1,..., X 5 ) = X 1 / 5 t 4 3. Podemo uar ahora la tabla de la t de Student para encontrar el valor t 4,α/2 tal que: ) X 1 P / 5 > t 4,α/2 H 0 cierta = α De eta forma, la región crítica e R C =, t 4,α/2 ] [ t4,α/2, ). 4. El contrate conite entonce en rechazar H 0 i / R 5 C y aceptar H 0 en cao contrario. Con lo dato de ete ejemplo e obtiene X 1 / = 1, ,4/ = 1,11. Aimimo, i elegimo 5 α = 0,05 reulta t 4,0,025 = 2,776. Como el valor 1.11 no etá en la región de rechazo X 1 / 5 concluimo que puede aceptare H 0. Dicho de otra forma, i H 0 fuera cierta, ería muy improbable que X 1 / > 2,776; o de manera 5 equivalente, lo ma probable ería que 2,776. Como el valor obervado, 1.11, etá dentro de lo que e muy probable obervar cuando H 0 e cierta, concluimo que no exite evidencia uficiente para rechazar H 0. X 1
8 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 8 Ejemplo 6.2. Supongamo ahora que la alga de nuetro ejemplo e dearrollan bien i µ 1, pero mueren i µ > 1, iendo µ el ph medio del agua del tanque de cultivo. Si en 7 análii de agua hemo obtenido un ph medio de 1.1, con deviación típica 0.3, hay evidencia uficiente para rechazar H 0? En ete cao, el contrate que e plantea e de la forma: H 0 : µ 1 H 1 : µ > 1 Obviamente, aún iendo cierta H 0 podría ocurrir por azar que la media muetral X fuee algo mayor que 1, pero no mucho mayor. Por tanto la hipótei nula H 0 debería rechazare i el valor de X 1 e má grande de lo que cabría eperar por azar cuando µ 1. Para determinar como de grande debe er X 1 para rechazar H 0 podemo utilizar como etadítico de contrate: T X 1,..., X 7 ) = X 1 S/ 7 Cuando H 0 e cierta, el valor de µ para el que cabría eperar valore má alto de X por azar e µ = 1, en cuyo cao el etadítico T X 1,..., X 7 ) igue una ditribución t de Student con 6 grado de libertad. Por tanto tenemo que: ) X 1 P S/ 7 > t 6,α µ = 1 = α Ademá, i µ < 1 eta probabilidad erá má pequeña y por tanto: ) ) X 1 P S/ 7 > t X 1 6,α H 0 cierta = P S/ 7 > t 6,α µ 1 α De eta forma, i H 0 e cierta, e muy difícil que T X 1,..., X 7 ) ea mayor que t 6,α, por lo que la región crítica o de rechazo para ete tet e R C = [t 6,α, ). Si T X 1,..., X 7 ) cayera en ete intervalo etaría ocurriendo algo muy difícil de er H 0 cierta, por lo que H 0 debe rechazare. Con lo dato aportado en el ejemplo e obtiene X 1 S/ = 1, ,3/ = 0,882. Aimimo, i elegimo 7 α = 0,05 reulta t 6,0,05 = 1,943 y la región crítica e R C = [1,943, ). Como el valor no etá en eta región concluimo que puede aceptare H 0.
9 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 9 H 0 : θ = θ 0 Nota: Lo contrate de la forma reciben el nombre de contrate bilaterale o H 1 : θ θ 0 H 0 : θ θ 0 de do cola u región crítica e bilateral). Lo contrate de la forma ó H 1 : θ < θ 0 H 0 : θ θ 0 e denominan contrate unilaterale o de una cola. H 1 : θ > θ P-valor de un contrate. Tal como hemo vito, en la contrucción del contrate de hipótei juega un papel importante el nivel de ignificación α. Ete valor repreenta la probabilidad que conideramo aceptable de cometer un error tipo I: rechazar la hipótei nula cuando e cierta. En ete entido, el valor de α e arbitrario. En el ámbito científico e habitual utilizar lo valore 0.05, 0.01 e incluo Pero cualquier otro valor podría er igualmente válido en la práctica hay coneno en que, en cualquier cao, α nunca debe er mayor que 0.1). Obviamente, cuanto má pequeño ea el valor de α, má difícil e rechazar H 0 cuando e cierta. Una vez obtenida una muetra X 1, X 2,... X n, e define el p-valor del contrate como el valor mínimo de α para el cual e poible rechazar H 0 con eo dato. Aí, por ejemplo: Si con lo dato diponible, el valor má pequeño de α que permite el rechazo de H 0 e 0.4, ello querría decir que ólo ería poible rechazar H 0 i etuviéramo dipueto a aceptar una probabilidad del 40 % de rechazarla iendo cierta lo que obviamente no reultaría razonable). Si con lo dato diponible, el valor mínimo de α que conduce al rechazo de H 0 e 0.02, ello ignifica que ería poible rechazar eta hipótei incluo i exigimo un riego del 2 % de rechazarla iendo cierta; pero no podríamo rechazarla i el riego aumible fuee del 1 %. De eta forma, una vez obtenida la muetra, podríamo baar nuetra deciión en la iguiente regla baada en el p-valor: Si p valor α aceptar H 0. Si p valor < α rechazar H 0
10 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 10 Ejemplo 6.3. La región crítica para el rechazo de H 0 en el ejemplo 6.1 era de la forma R C =, t4,α/2 ] [ t4,α/2, ). Con lo dato del ejemplo, el valor del etadítico de contrate fue X 1 / 5 = 1,11. El valor má pequeño de α que permitiría entonce el rechazo de H 0 ería el que produjee t 4,α/2 = 1,11 para que la región de rechazo contenga al valor del etadítico de contrate). Para hallar ete valor de α bata tener en cuenta que, por definición: Por tanto P t 4 t 4,α/2 ) = α 2 P t 4 1,11) = α 2 La tabla de la t de Student no permite calcular eta probabilidad de forma encilla, pero podemo calcularla con R : P t 4 1,11) = 1 P t 4 < 1,11) = 1-pt1.11,4) = 0,1646 Aí pue: de donde: α 2 = 0,1646 α = 0,3292 De eta forma, para lo dato del ejemplo, el p-valor valor mínimo de α que conduce al rechazo de H 0 ) e Siguiendo la regla del p-valor, ólo rechazaríamo H 0 i etuviéemo dipueto a aumir una probabilidad de rechazar dicha hipótei iendo cierta. Como no e el cao habíamo elegido α = 0,05), aceptamo H Potencia de un contrate. Tal como hemo eñalado, cuando e realiza un contrate de ignificación, la regla de deciión e etablece de tal forma que el riego de cometer un error tipo I rechazar la hipótei nula cuando e cierta e como mucho α, el nivel de ignificación del tet. De eta forma, i e rechaza la hipótei nula, abemo a priori que exite muy poco riego de equivocarno. Pero qué ocurre i e acepta la hipótei nula? cuál e el riego de aceptar una hipótei nula fala? La probabilidad de cometer ete error error tipo II) e la que hemo denotado como β. Su valor complementario 1 β recibe el nombre de potencia del contrate y repreenta la probabilidad de
11 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 11 rechazar H 0 cuando e fala. Tal como hemo definido lo contrate de ignificación: 1 β = P T X 1, X 2,..., X n ) R C H o e fala) Ejemplo 6.4. Con lo dato del ejemplo 6.1 en el contrate: { H 0 : µ = 1 H 1 : µ 1 hemo aceptado la hipótei nula µ = 1) aún cuando la media muetral era 1.2. Cuál e la probabilidad de que etemo cometiendo un error de tipo II en ete contrate? Para reponder a eta pregunta obervemo que eta probabilidad e: P Error Tipo II) = P Aceptar H 0 H 0 e fala) = = P T X 1, X 2,..., X n ) / R C H o e fala) = / ) X 1 = P / 5 t 4,α/2 µ 1 = P t 4,α/2 X / ) 1 / 5 t 4,α/2 µ 1 Para calcular eta probabilidad hemo de tener en cuenta que realizamo el contrate bajo el upueto de que la variable X que e mide en ete cao el ph) e N µ, σ), por lo que el etadítico X µ / 5 igue una ditribución t de Student con 4 grado de libertad. Cuando H 0 e fala e tiene que µ 1 y por tanto: β µ) =P P P P P t 4,α/2 X 1 / 5 t 4,α/2 t 4,α/2 X µ + µ 1 / 5 t 4,α/2 X µ t 4,α/2 µ 1 / ) µ 1 = / ) t 4,α/2 µ 1 = / 5 + µ 1 / / 5 t 4,α/2 ) µ 1 = / 5 X µ / 5 t 4,α/2 µ 1 / 5 t 4,α/2 µ 1 / 5 t 4 t 4,α/2 µ 1 / 5 / µ 1 / ) µ 1 = Aí pue, la probabilidad de error tipo II correponde, geométricamente, al área bajo la función de denidad de una t 4 entre lo valore t 4,α/2 µ 1 / y t 5 4,α/2 µ 1 /. La figura 1 muetra 5 )
12 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 12 gráficamente eta área para divero valore de µ. Tal como puede apreciare en eta figura, a medida que el valor [ de µ e aleja de 1, el término ] µ 1 / e hace mayor en valor aboluto, por lo que el intervalo t 5 4,α/2 µ 1 /, t 5 4,α/2 µ 1 / e 5 va deplazando hacia la izquierda i µ > 1, o hacia la derecha i µ < 1). Como conecuencia de ete deplazamiento, el área que comprende la función de denidad obre ete intervalo eto e, el valor de la probabilidad de error II, β e va haciendo cada vez menor. La interpretación de ete comportamiento de β e batante intuitiva: en nuetro contrate etamo tratando de decidir i la verdadera media de la población e 1; erá má fácil equivocare aceptando que e 1 cuando realmente e 0.9 ó 1.1 el verdadero valor µ etá cerca de 1) que cuando la verdadera media e un valor má alejado de 1, como el 0.2 ó el 1.8. Podemo también calcular numéricamente lo valore de β para divero valore alternativo de µ. Para el contrate del ejemplo 6.1 habíamo elegido α = 0,05, reultando t 4,0,025 = 2,776; aimimo, teníamo que = 0,4. Por tanto, la probabilidad de error tipo II en ete cao e, dependiendo del valor de µ: β µ) =P P 0,4/ 5 t 4 2,776 µ 1 ) 0,4/ = 5 2,776 µ 1 t 4 2,776 µ 1 ) 0,4/ 5 P t 4 2,776 µ 1 0,4/ 5 La tabla de la t de Student no e preta a calcular eta probabilidade, pero podemo utilizar R : ) β µ)=pt2.776-mu-1)/0.4/qrt5)),4)-pt2.776-mu-1)/0.4/qrt5)),4) La iguiente tabla muetra lo valore de la probabilidad de error tipo II, aí como la potencia que e alcanza para divero valore de µ:
13 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 13 µ β µ) Potencia = 1 β µ) Aimimo, la figura 2 repreenta gráficamente eto valore, motrando la funcione de error tipo II y potencia para ete contrate. En eta figura vemo nuevamente que la probabilidad de error tipo II, β µ), e tanto mayor cuanto má próximo eté µ a 1, alcanzando u máximo cuando µ coincide con el valor epecificado en la hipótei nula µ = 1). El comportamiento de la función de potencia probabilidad de rechazar H 0 cuando e fala e, como cabe eperar, juto en invero: i el verdadero valor de µ etá cerca de 1, el contrate apena tiene potencia para ditinguir ambo valore; cuánto má lejo eté µ de 1, mayor e la potencia del contrate. 6. Tamaño de muetra para una ignificación y potencia preepecificada. El contrate de hipótei que hemo planteado en el 6.1 e un cao particular de contrate de la forma: { H 0 : µ = µ 0 H 1 : µ µ 0 en el que la hipótei nula que e pone a prueba e i puede aceptare que el valor de la eperanza µ de una variable X con ditribución normal e µ 0. Si e dipone de una muetra aleatoria de n obervacione de eta variable, iendo X u media y S u deviación típica, la regla de deciión para ete contrate, fijado un nivel de ignificación α e, generalizando el procedimiento que hemo vito en el ejemplo 6.1: Rechazar H 0 i X µ 0 / n > t n 1,α/2 y aceptar H 0 en cao contrario.
14 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 14 Aimimo, generalizando el reultado obtenido en el ejemplo 6.4, la probabilidad de error tipo II para ete contrate viene dada por: β µ) = P t n 1,α/2 µ µ 0 / n t n 1 t n 1,α/2 µ µ / ) 0 / µ µ 0 n que, como ya hemo vito, repreenta el área [ comprendida por la denidad t ] de Student con n 1 grado de libertad obre el intervalo t n 1,α/2 µ µ 0 /, t n n 1,α/2 µ µ 0 / ver figura 1). n Obérvee que ete intervalo puede expreare también de la forma: [ t n 1,α/2 µ µ 0) n, t n 1,α/2 µ µ 0) ] n lo que hace evidente el hecho de que aún cuando µ µ 0) tomae un valor pequeño, eligiendo un valor adecuado de n tamaño de la muetra) podemo hacer el término µ µ 0) n todo lo grande que queramo. Ello ignifica que, tal como vimo en nuetro análii de la figura 1, podemo deplazar el intervalo anterior hacia la izquierda o la derecha, egún el igno de µ µ 0 ) hata que el área comprendida obre el mimo eto e, la probabilidad de error II ea tan pequeña como e quiera. Eto no permite reponder a la cuetión iguiente: cuál debe er el tamaño n de la muetra i e deea que cuando µ = µ 0 + la probabilidad de error tipo II en el contrate anterior ea un valor prefijado β o, de modo equivalente, que la potencia ea 1-β, manteniendo al mimo tiempo un nivel de ignificación preepecificado α? Para ello, utilizando la ecuación 6.1, y teniendo en cuenta que µ µ 0 =, debemo encontrar el valor de n tal que: β =P t n 1,α/2 n t n 1 t n 1,α/2 ) n = =P t n 1 > t n 1,α/2 ) n P t n 1 > t n 1,α/2 ) n = =P Z > z α/2 ) n P Z > z α/2 ) n = =1 P Z > z α/2 ) n P Z > z α/2 ) n = 1 β aquí hemo hecho do aproximacione; en primer lugar hemo upueto que n va a reultar tan grande que la ditribución t n puede aproximare por la normal etándar Z; y en egundo lugar hemo upueto que el valor z α/2 n e tan grande en valor aboluto que el área a u S derecha e prácticamente uno). Utilizando la notación habitual z β para el percentil de la normal 6.1)
15 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 15 etándar tal que P Z > z 1 β ) = 1 β tenemo que: z α/2 n = z 1 β = z β de donde, depejando n, reulta: Obérvee que el valor de n: n = zα/2 + z β ) E proporcional al cuadrado de la uma z α/2 + z β. Como eto valore on má grande a medida que α y β on má pequeño, el tamaño de la muetra e incrementa cuando e deea que la probabilidade de lo errore I y II diminuyan. E proporcional a la varianza 2, por lo que cuanto mayor ea la variabilidad en la variable que e mide mayor habrá de er el tamaño de la muetra. E intuitivamente claro que debe er aí. Si lo valore de X fueen muy homogéneo poca variabilidad), una muetra pequeña podría repreentar bien el comportamiento de la variable; a medida que lo valore de X on má heterogéneo erá precia má información má dato para repreentarla. E inveramente proporcional al cuadrado de la diferencia que e pretende detectar entre el verdadero valor medio µ y el valor µ 0 que e pone a prueba. Ello ignifica que cuanto menor ea la diferencia que e pretende detectar, mayor habrá de er el tamaño de muetra. El valor de 2 no e conoce habitualmente ante de realizar el muetreo, por lo que para planificar el tamaño adecuado de muetra, habrá que utilizar un valor de 2 obtenido en una muetra piloto o publicado en la literatura en etudio imilare. Señalemo por último que en eta ección hemo dearrollado el cálculo del tamaño de la muetra ólo para contratar i el valor eperado µ de una variable e igual a un valor preepecificado µ 0. No obtante, el mimo patrón de idea e aplica para el cálculo del tamaño muetral en otro contrate de hipótei, con la lógica modificacione derivada del tipo de dato y de la forma de la regla de deciión. Aimimo, la obervacione que e acaban de realizar obre la relación del tamaño de muetra con la magnitude de α, β, y la variabilidad reultan de aplicación general en todo lo contrate de hipótei. Ejemplo 6.5. Volviendo al ejemplo 6.1, recordemo que el crecimiento de la alga allí decrita requiere que el ph medio del agua ea 1. Supongamo ademá que la alga tienen cierta tolerancia a variacione en el ph y que u dearrollo en cualquier cao e óptimo i el ph medio
16 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 16 e mantiene entre 0.8 y 1.2. Se deea planificar el número de muetra de agua diaria que deben tomare i e deea realizar el contrate { H 0 : µ = 1 H 1 : µ 1 con un nivel de ignificación 0.05, y garantizando una potencia 0.9 de que e rechazará H 0 i µ cae por debajo de 0.8 o por encima de 1.2. Uando la información aportada por la muetra del ejemplo 6.1, uaremo como etimador piloto de la varianza el valor 2 = 0,4 2 = 0,16. La diferencia mínima que interea detectar en ete cao e = 0,2, ya que e no dice que la alga muetran tolerancia con valore de ph que difieran de 1 en 0.2 unidade entre 0.8 y 1.2). Dado que e deea detectar eta diferencia con potencia 1 β = 0,9, e tiene β = 0,1 y z β = z 0,1 = 1,28. Para el nivel de ignificación α = 0,05 e tiene z α/2 = 1,96, y por tanto: n = zα/2 + z β ) = 1,96 + 1,28)2 0,16 0,2 2 = Significación etadítica y relevancia práctica. Ya hemo eñalado má arriba que cuando en un contrate e rechaza la hipótei nula, tal reultado e uele exprear diciendo que el contrate ha reultado ignificativo. E neceario tener aquí cierta precaución con la terminología, ya que la palabra ignificativo en ete contexto uele er mal interpretada. La definición que proporciona el diccionario del adjetivo ignificativo e que tiene importancia por repreentar o ignificar algo. Por ello, el hablante habitual cuando emplea eta palabra la entiende normalmente como referida a algo importante. Sin embargo, en el contexto de un contrate de hipótei etadítico, el que un reultado haya ido ignificativo indica implemente que dicho reultado no puede explicare como efecto del azar. Que ea importante o no, e algo que habrá de er valorado en función de la implicacione práctica que pueda tener dicho reultado. Aí, en el ejemplo 6.5 hemo vito que con una muetra de 42 obervacione del ph del agua hay una probabilidad del 90 % de detectar i el ph medio difiere en má de 0.2 unidade del valor medio deeado µ = 1. El lector puede utilizar la mima fórmula para comprobar que, con la mima potencia, i la muetra fuee de tamaño 672 e podría detectar una diferencia de 0.05 unidade,
17 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 17 y con una muetra de 1867 obervacione e podría detectar una diferencia de 0.03 unidade. Ello ignifica que, i e hacen lo correpondiente contrate de hipótei con eo tamaño muetrale, la diferencia citada, en cao de encontrare, erían declarada ignificativa. Pero dede luego no erían importante: i la alga e dearrollan bien cuando el ph medio e aparta hata 0.2 unidade de 1, qué importancia tendría haber encontrado que el ph medio e ignificativamente ditinto de 1 porque e aparta de ee valor en 0.03 unidade? Aí pue, en general con una muetra lo uficientemente grande cualquier diferencia puede reultar etadíticamente ignificativa, por muy irrelevante que u valor reulte en la práctica. Obviamente también e cierto lo contrario: i la muetra e demaiado pequeña, diferencia importante pueden reultar no ignificativa recuérdee: aceptar la hipótei nula no ignifica que ea cierta). E reponabilidad del invetigador, por tanto, fijar la diferencia mínima que e conidera relevante o importante y determinar el tamaño de muetra para que e pueda detectar dicha diferencia con una ignificación y potencia adecuado. Sólo en eta condicione podrá er el reultado de un contrate ignificativo y relevante a la vez. 8. Relación entre intervalo de confianza y contrate de hipótei. En el capítulo anterior hemo etudiado la contrucción de intervalo de confianza para lo parámetro de cierta ditribucione de probabilidad. Recordemo que [θ 1 X), θ 2 X)], donde θ 1 X) y θ 2 X) on variable aleatoria que dependen de una muetra X = {X 1, X 2,..., X n }, e un intervalo de confianza a nivel 1 α para el parámetro θ i la probabilidad de que el intervalo contenga a dicho parámetro e 1 α, eto e: P θ [θ 1 X), θ 2 X)]) = 1 α Entonce, i e dipone de un intervalo de confianza para θ, para reolver el contrate de hipótei: H 0 : θ = θ 0 H 1 : θ θ 0 puede utilizare como regla de deciión: Si θ 0 [θ 1 X), θ 2 X)] aceptar H 0 ; en cao contrario, rechazar H 0.
18 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 18 En efecto, la probabilidad de error tipo I cuando e utiliza eta regla e: P error I) = P rechazar H 0 H 0 cierta) = θ 0 / [θ 1 X), θ 2 X)] θ = θ 0 ) = = P θ / [θ 1 X), θ 2 X)]) = α Ejemplo 6.6. En el ejemplo 6.1 debíamo decidir, a partir de 5 muetra de ph de un tanque de agua, i podía aceptare que el ph medio era 1. Para ello planteábamo el contrate: H 0 : µ = 1 H 1 : µ 1 partiendo del upueto adicional de que el ph igue una ditribución normal. El intervalo de confianza para la media µ de una ditribución normal con varianza σ 2 deconocida e, tal como vimo en el capítulo anterior: [ X n t n 1,α/2, X + ] t n 1,α/2 n Por tanto, podríamo utilizar como regla de deciión para el contrate: Si 1 [ X n t n 1,α/2, X + n t n 1,α/2 ], aceptar H 0 y en cao contrario rechazar H 0. E fácil comprobar que: X 1 [ 1 X n t n 1,α/2, X + ] t n 1,α/2 X n n t n 1,α/2 1 X + t n 1,α/2 0 X 1 + t n 1,α/2 t n 1,α/2 X 1 n n n t n 1,α/2 X 1 / n t n 1,α/2 X 1 / n t n 1,α/2 n t n 1,α/2 n t n 1,α/2 Por tanto la regla de deciión baada en el intervalo de confianza e exactamente la mima que ya habíamo obtenido en el ejemplo 6.1 por otro procedimiento.
19 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 19 μ=0.9 μ=1.1 β β t α 2 + μ 1 5 t α 2 + μ 1 5 t α 2 + μ 1 5 t α 2 + μ 1 5 μ=0.6 μ=1.4 β β t α 2 + μ 1 5 t α 2 + μ 1 5 μ=0.3 μ=1.7 β t α 2 + μ 1 5 β t α 2 + μ 1 5 Figura 1: Probabilidad de error tipo II para divero valore de µ en el contrate de hipótei del ejemplo 6.1.
20 CAPÍTULO 6. CONTRASTES DE HIPÓTESIS 20 Perror II) Potencia µ µ Figura 2: Funcione de error tipo II izquierda) y potencia derecha) para el contrate de hipótei del ejemplo 6.1
Medidas de Variación o Dispersión. Dra. Noemí L. Ruiz 2007 Derechos de Autor Reservados Revisada 2010
Medida de Variación o Diperión Dra. Noemí L. Ruiz 007 Derecho de Autor Reervado Reviada 010 Objetivo de la lección Conocer cuále on la medida de variación y cómo e calculan o e determinan Conocer el ignificado
Más detallesESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL VARIABLES BIDIMENSIONALES
ESTADÍSTICA DESCRIPTIVA BIDIMENSIONAL VARIABLES BIDIMENSIONALES Hata ahora la erie etadítica etudiada etaban aociada a variable etadítica unidimenionale, e decir e etudiaba un olo carácter de la población.
Más detallesDISEÑO ECONÓMICO DE CARTAS DE CONTROL X ASUMIENDO DISTRIBUCIÓN GAMMA
DISEÑO ECONÓMICO DE CARTAS DE CONTROL X ASUMIENDO DISTRIBUCIÓN GAMMA I.M. González and E. Vile Ecuela Superior de Ingeniero, Univeridad de Navarra, P. Manuel de Lardizábal, 8 San Sebatián, Epaña. E-mail:
Más detallesCAPÍTULO 8 INFERENCIA SOBRE UNA POBLACIÓN NORMAL
CAPÍTULO 8 IFERECIA SOBRE UA POBLACIÓ ORMAL 8.1 ITRODUCCIÓ En el preente capítulo e introducen la técnica báica de inferencia obre una población normal, obre cuya media y deviación típica e deea obtener
Más detallesNúmero Reynolds. Laboratorio de Operaciones Unitarias Equipo 4 Primavera México D.F., 12 de marzo de 2008
Número Reynold Laboratorio de Operacione Unitaria Equipo 4 Primavera 2008 México D.F., 12 de marzo de 2008 Alumno: Arlette Mayela Canut Noval arlettecanut@hotmail.com Francico Joé Guerra Millán fjguerra@prodigy.net.mx
Más detallesMEDIDAS DE DISPERSION
MEDIDAS DE DISPERSION Un promedio puede er engañoo a meno que ea identicado y vaya acompañado por otra información que informe la deviacione de lo dato repecto a la medida de tendencia central eleccionada.
Más detallesQUÍMICA COMÚN NÚMEROS CUÁNTICOS Y CONFIGURACIÓN ELECTRÓNICA
QUÍMICA COMÚN QC- NÚMEROS CUÁNTICOS Y CONFIGURACIÓN ELECTRÓNICA REPRESENTACIÓN DE LOS ELECTRONES MEDIANTE LOS NÚMEROS CUÁNTICOS Como conecuencia del principio de indeterminación e deduce que no e puede
Más detalless s El radio de curvatura se calcula con la ecuación fundamental de los espejos esféricos.
Modelo 04. Pregunta 4B.- Un objeto etá ituado a una ditancia de 0 cm del vértice de un epejo cóncavo. Se forma una imagen real, invertida y tre vece mayor que el objeto. a) Calcule el radio de curvatura
Más detallesTema 3 ANOVA y tablas de contingencia (Comparación de poblaciones)
ECOLOGÍA METODOLÓGICA Y CUANTITATIVA Departamento de Ecología e Hidrología. Univeridad de Murcia Curo 008/009 Tema 3 ANOVA y tabla de contingencia (Comparación de poblacione). Introducción La Ecología
Más detallesTEST. Cinemática 129. a) 8 b) 1 / 2 c) 10 d) 1 e) 3. a) d) 2.- De las gráficas: b) e) N.A.
Cinemática 9 TEST.- La velocidade v de tre partícula:, y 3 en función del tiempo t, on motrada en la figura. La razón entre la aceleracione mayor y menor e: a) 8 b) / c) 0 d) e) 3.- De la gráfica: a) d)
Más detallesG= llevar gafas, H= relevancia en Habilidades D=relevancia en Destrezas C=relevancia en Capacidades 0, 4 = 0,08 + 0,03 + PG ( / D) 0, 3
Examen probabilidad 009-0 reuelto Etadítica Empreariale Junio 00 P Apellido.... Nombre grupo...- Como todo el mundo abe, la nueva pedagogía otiene que para etar bien formado en competencia hay que tener
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 detallesTema 6. Empréstitos de obligaciones
Tema 6. Emprétito de obligacione. Concepto y clae. Concepto Lo emprétito on operacione de amortización en la que el capital pretado e divide en un número generalmente muy elevado de operacione de prétamo
Más detallesÓPTICA GEOMÉTRICA. ; 2s s 40 + =
ÓPTICA GEOMÉTRICA Modelo 06. Pregunta 4a.- Se deea obtener una imagen virtual de doble tamaño que un objeto. Si e utiliza: a) Un epejo cóncavo de 40 cm de ditancia focal, determine la poicione del objeto
Más detallesPráctica Tiro Parabólico
página 1/5 Práctica Tiro Parabólico Planteamiento Deeamo etimar la velocidad en un intante determinado de un ólido que cae por una pendiente, bajo la hipótei de movimiento uniformemente acelerado (m.u.a.)
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 detallesDISTRIBUCIONES BIDIMENSIONALES. PRIMERO DE BACHILLERATO. TEORÍA Y EJERCICIOS DISTRIBUCIONES BIDIMENSIONALES
DISTRIBUCIOES BIDIMESIOALES. PRIMERO DE BACHILLERATO. TEORÍA Y EJERCICIOS DISTRIBUCIOES BIDIMESIOALES RESULTA DE ESTUDIAR FEÓMEOS E LOS QUE PARA CADA OBSERVACIÓ SE OBTIEE U PAR DE MEDIDAS Y, E COSECUECIA,
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
Prueba de Hipótei (Do Muetra) Ete procedimieto prueba hipótei acerca de cualquiera de lo iguiete parámetro:. la diferecia etre la media μ y μ de do ditribucioe ormale.. el radio de la deviació etádar σ
Más detalles05/04/2011 Diana Cobos
Diana Cobo a cola on frecuente en nuetra vida cotidiana: En un banco En un retaurante de comida rápida Al matricular en la univeridad o auto en un autolavado 2 En general, a nadie le guta eperar. Cuando
Más detallesC U R S O: FÍSICA COMÚN MATERIAL: FC-02 CINEMÁTICA I
C U R S O: FÍSICA COMÚN MATERIAL: FC-2 CINEMÁTICA I La Cinemática etudia el movimiento de lo cuerpo, in preocupare de la caua que lo generan. Por ejemplo, al analizar el deplazamiento de un automóvil,
Más detallesCINEMÁTICA II. ) cuerpos de diferentes masas desde la misma altura, llegarán al suelo con la misma velocidad y en el mismo instante de tiempo.
C U R S O: FÍSICA MENCIÓN MATERIAL: FM-3 CINEMÁTICA II CAIDA LIBRE En cinemática, la caída libre e un movimiento dónde olamente influye la gravedad. En ete movimiento e deprecia el rozamiento del cuerpo
Más detallesTEMA N 4.- TEORÍA DE DECISIONES
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI 4.1 Análii de deciione TEMA N 4.- TEORÍA DE DECISIONES Aignatura: Invetigación Operativa I Docente: Ing.
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 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 detallesANÁLISIS DEL LUGAR GEOMÉTRICO DE LAS RAÍCES
CAPITULO 3 ANÁLISIS DEL LUGAR GEOMÉTRICO DE LAS RAÍCES 3. INTRODUCCIÓN La etabilidad relativa y la repueta tranitoria de un itema de control en lazo cerrado etán directamente relacionada con la localización
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 detallesPráctica 5: Control de Calidad
Práctica 5: Control de Calidad Objetivo epecífico Al finalizar eta práctica deberá er capaz de: Contruir lo gráfico de control para la media, la deviación típica y el rango (gráfico de control por variable).
Más detallesEstudio Estadístico Comparativo de dos Métodos Analíticos para la Determinación de Magnesio
Etudio Etadítico Comparativo de do Método Analítico para la Determinación de Magneio Adriana Sale; Pilar Balverdi; Cecilia Balverdi; Leopoldo Sale Int. de Qca. Analítica, Fac. Bioqca, Qca. y Fcia. Univeridad
Más detallesREGRESIÓN Y CORRELACIÓN Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
REGRESIÓN CORRELACIÓN Método Etadítico Aplicado a la Auditoría Sociolaborale Francico Álvarez González http://www.uca.e/erv/fag/fct/ francico.alvarez@uca.e DISTRIBUCIONES BIVARIANTES El etudio de la relación
Más detalles1. Cómo sabemos que un cuerpo se está moviendo?
EL MOVIMIENTO. CONCEPTOS INICIALES I.E.S. La Magdalena. Avilé. Aturia A la hora de etudiar el movimiento de un cuerpo el primer problema con que no encontramo etá en determinar, preciamente, i e etá moviendo
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 detallesResolución de problemas de equilibrio
Reolución de problema de equilibrio Conideramo olamente fuerza actuando en un plano La condicione de equilibrio on: (1) F = 0, F = 0 τ = i 0 j. 1 Ditribución de peo de un auto Nian 40SX 53% de u peo obre
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 detalles6 La transformada de Laplace
CAPÍTULO 6 La tranformada de Laplace 6. efinición de la tranformada de Laplace 6.. efinición y primera obervacione En la gran mayoría de lo itema de interé para la fíica y la ingeniería e poible (al meno
Más detallesf s1 Para no entrar en ninguna banda prohibida, las nuevas especificaciones que tendremos en cuenta serán y. (+1p)
. Obtenga la función de tranferencia de un filtro pao de banda que cumpla la iguiente epecificacione: a) Banda paante máximamente plana en f 45, khz con atenuación A p db. b) Banda de rechazo máximamente
Más detallesModelos de generadores asíncronos para la evaluación de perturbaciones emitidas por parques eólicos
eunión de Grupo de Invetigación en Ingeniería Eléctrica. Santander Modelo de generadore aíncrono para la evaluación de perturbacione emitida por parque eólico A. Feijóo, J. Cidrá y C. Carrillo Univeridade
Más detalles! y teniendo en cuenta que el movimiento se reduce a una dimensión
Examen de Fíica-1, 1 Ingeniería Química Examen final Septiembre de 2011 Problema (Do punto por problema) Problema 1 (Primer parcial): Una lancha de maa m navega en un lago con velocidad En el intante t
Más detallesUNIVERSIDAD DE SEVILLA
UNIVERSIDAD DE SEVILLA Ecuela Técnica Superior de Ingeniería Informática PRÁCTICA 4: MUESTREO DE SEÑALES Y DIGITALIZACIÓN Tecnología Báica de la Comunicacione (Ingeniería Técnica Informática de Sitema
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 detallescapítulo 10 expectativas, contratos laborales y oferta agregada de corto PlaZo
Capítulo 1 EXECTATIVAS, CONTRATOS LABORALES OFERTA AGREGA DE CORTO LAZO 1. Comente uponiendo que a corto plazo lo precio etán fijo: a) Cuál e la diferencia entre la determinación del ingreo en el corto
Más detalless 4 1,65 8 f 4 = +20 cm = 50,8 cm 1,65 1,00 1,00 8 f = 20 cm = 30,8 cm 1,65 1,00
TEMA 0: ÓPTICA GEOMÉTRICA NOMBRE DEL ALUMNO: CURSO: ºBach GRUPO: ACTIVIDADES PARES DE LAS PAGINAS 320-322 2. Qué ignificado tiene la aproximación de rao paraxiale? Conite en uponer que lo rao inciden obre
Más detallesLugar Geométrico de las Raíces
Lugar Geométrico de la Raíce N de práctica: 9 Tema Correpondiente: Lugar geométrico de la raíce Nombre completo del alumno Firma N de brigada: Fecha de elaboración: Grupo: Elaborado por: Reviado por: Autorizado
Más detallesCapítulo VI FRICCIÓN. s (max) f en el instante que el movimiento del cuerpo es inminente. En esa 6.1 INTRODUCCIÓN 6.2 FRICCIÓN ESTÁTICA
RICCIÓ Capítulo VI 6.1 ITRODUCCIÓ La ricción e un enómeno que e preenta entre la upericie rugoa de do cuerpo ólido en contacto, o entre la upericie rugoa de un cuerpo ólido un luido en contacto, cuando
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 detallesTítulo de la ponencia: PARA QUÉ SE LEE EN LAS UNIVERSIDADES DE COLOMBIA? 1
Título de la ponencia: PARA QUÉ SE LEE EN LAS UNIVERSIDADES DE COLOMBIA? 1 Autora: Violeta Molina Natera Pontificia Univeridad Javeriana, Cali, Colombia RESUMEN Eta ponencia muetra lo reultado de encueta
Más detallesCaracterización de la oferta turística de la Reserva de la Biosfera de Monfragüe.
Caracterización de la oferta turítica de la Reerva de la Biofera de Monfragüe. Elaborado en febrero de 2013 por el Departamento de Análii Territorial El ector turítico e configura como una de la actividade
Más detalles1. Breves Apuntes de la Transformada de Laplace
Ingeniería de Sitema. Breve Apunte de la Tranformada de Laplace Nota: Eto apunte tomado de diferente bibliografía y apunte de clae, no utituyen la diapoitiva ni la explicación del profeor, ino que complementan
Más detallesEjercicios T.5 CONTRASTES PARAMÉTRICOS
Ejercicios T.5 CONTRASTES PARAMÉTRICOS 1. Un fabricante de perfume asegura que los frascos que produce contienen por término medio 100 ml. distribuyéndose el contenido de dichos frascos según una distribución
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 detalles. (3.6) 20r log j 20 log j / p log j / p Obtener la expresión del ángulo de fase :
Aj j... j z z zm G( j). (3.6) r ( j) j j... j p p p n G( j) 0log G( j) db 0 log A 0 log j/ z 0 log j/ z... 0 log j/ zm 0r log j 0 log j/ p... 0 log j/ p. 4. Obtener expreión del ángulo de fae : G( j) A(
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 detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más 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 detallesCOMPROBACIÓN DE HIPÓTESIS
COMPROBACIÓN DE HIPÓTESIS TAMBIÉN LLAMADO PRUEBA DE HIPÓTESIS MIC-FCA-UCE DR. DAVID ECHE, PH.D. 1 PRUEBAS ESTADISTICAS Ha Ho MIC-FCA-UCE DR. DAVID ECHE, PH.D. 2 MIC-FCA-UCE DR. DAVID ECHE, PH.D. 3 VALIDEZ
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 detallesENERGÍA (I) CONCEPTOS FUNDAMENTALES
NRGÍA (I) CONCPTOS UNDAMNTALS IS La Magdalena. Avilé. Aturia La energía e una magnitud de difícil definición, pero de gran utilidad. Para er exacto, podríamo decir que má que de energía (en entido general),
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detallesACTIVIDADES RESUELTAS T 3 MCU Ley de Gravitación Universal. Actividad 1.- Define movimiento circular uniforme, radio vector y desplazamiento angular.
ACTIVIDADES RESUELTAS T 3 MCU Ley de Gravitación Univeral Actividad 1.- Define movimiento circular uniforme, radio vector y deplazamiento angular. Movimiento circular uniforme (MCU) e el movimiento de
Más detallesCHOQUES, EXPLOSIONES Y DEFORMACIONES EN SÓLIDOS
CHOQUES, EXPLOSIONES Y DEFORMACIONES EN SÓLIDOS En tipo de problema, y de forma general, aplicaremo la conervación del momento angular repecto al eje fijo i lo hay (la reacción del eje, por muy grande
Más detallesLíneas de Espera: Teoría de Colas. Curso Métodos Cuantitativos Prof. Lic. Gabriel Leandro
ínea de Epera: Teoría de Cola Curo Método Cuantitativo Prof. ic. Gabriel eandro a cola a cola on frecuente en nuetra vida cotidiana: En un banco En un retaurante de comida rápida Al matricular en la univeridad
Más detallesLENTE CONVERGENTE 2: Imágenes en una lente convergente
LENTE CONVERGENTE : Imágene en una lente convergente Fundamento En una lente convergente delgada e conidera el eje principal como la recta perpendicular a la lente y que paa por u centro. El corte de eta
Más detallesFísica P.A.U. ÓPTICA GEOMÉTRICA 1 ÓPTICA GEOMÉTRICA
íica P.A.U. ÓPTICA GEOMÉTRICA ÓPTICA GEOMÉTRICA INTRODUCCIÓN MÉTODO. En general: Se dibuja un equema con lo rayo. Se compara el reultado del cálculo con el equema. 2. En lo problema de lente: Se traza
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 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 detallesCAPÍTULO 4. INTEGRACIÓN DE FUNCIONES RACIONALES 4.1. Introducción 4.2. Raíces comunes 4.3. División entera de polinomios 4.4. Descomposición de un
CAPÍTULO. INTEGRACIÓN DE FUNCIONES RACIONALES.. Introducción.. Raíce comune.. Diviión entera de polinomio.. Decompoición de un polinomio en producto de factore.5. Método de fraccione imple.6. Método de
Más detallesTema 1. La negociación de las operaciones financieras.
OPERACIONES Y MERCADOS DE RENTA FIJA. Tema. La negociación de la operacione financiera.. Operación financiera... Concepto y reerva matemática..2. Operación de prétamo..3. Tanto efectivo y caracterítica
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 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 detallesIntroducción. Acciones básicas de control. Sistemas de control versión 2003 Página 1 de 9
Introducción Sitema de control 67-22 verión 2003 Página 1 de 9 Según vimo en el capítulo I, al controlador ingrean la eñale R() (et-point) y B() (medición de la variable controlada ), e comparan generando
Más detalles1,567 f 4 = R 8 f 4 = 15 cm = 41,5 cm. 1,000 f = R 8 f = 15 cm = 26,5 cm. El dioptrio esférico es, por tanto, como el que se muestra en la imagen:
0 Óptica geométrica Actividade del interior de la unidad. Tenemo un dioptrio eférico convexo de 5 cm de radio que epara el aire de un vidrio de índice de refracción,567. Calcula la ditancia focal e imagen.
Más detallesIntervalos de Confianza para la diferencia de medias
Itervalo de Cofiaza para la diferecia de media INTERVALO DE CONFIANZA PARA LA DIFERENCIA DE MEDIAS Sea,,..., ua muetra aleatoria de obervacioe tomada de ua primera població co valor eperado μ, y variaza
Más detallesRiesgo Moral Dinámico con Agentes cuyas Preferencias tienen un Punto de Referencia
Riego Moral Dinámico con Agente cuya Preferencia tienen un Punto de Referencia Alejandro Jofré * Sofía Moroni ** Andrea Repetto *** July, 2008 Reumen Hay coniderable evidencia empírica que indica que la
Más detalles2.7 Problemas resueltos
.6 Reumen 45 Lo modelo matemático on fundamentale en lo itema de control porque no permiten hallar la repueta del itema para determinada entrada al mimo y de eta forma, predecir el comportamiento de dicho
Más detallesNORMAL SUPERIOR LA HACIENDA
NORMAL SUPERIOR LA HACIENDA DPTO. DE CIENCIAS NATURALES ASIGNATURA: FISICA NIVEL 10 o GRADO DOCENTE: MATÍAS ENRIQUE PUELLO CHAMORRO 1 1. Impulo y Cantidad de movimiento Eta expreión (llamada también ímpetu
Más detallesUNIDAD III UNIDAD IV
UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS Ditribución t de tudent. Intervalo de confianza para una media con varianza deconocida. Prueba de hipótei obre la media de una ditribución normal, varianza deconocida.
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 detallesCOLEGIO LA PROVIDENCIA
COLEGIO LA PROVIDENCIA Hna de la Providencia y de la Inmaculada Concepción 2013 ALLER MOVIMIENO CIRCULAR UNIFORME DOCENE: Edier Saavedra Urrego Grado: décimo fecha: 16/04/2013 Realice un reumen de la lectura
Más detallesEstudio de las propiedades de un cristal piezoeléctrico. Analogía con circuitos resonantes.
Etudio de la propiedade de un crital piezoeléctrico Analogía con circuito reonante Juto, Dalmacio Balpardo, hritian aboratorio Dpto de Fíica FEyNUBA 9998 ( da entrega: de Noviembre) En eta práctica e etudió
Más detallesActividades del final de la unidad
Actividade del final de la unidad. Explica brevemente qué entiende por foco ditancia focal para un dioptrio eférico. Razona cómo erá el igno de la ditancia focal objeto la ditancia focal imagen egún que
Más detallesTema03: Circunferencia 1
Tema03: Circunferencia 1 3.0 Introducción 3 Circunferencia La definición de circunferencia e clara para todo el mundo. El uo de la circunferencia en la práctica y la generación de uperficie de revolución,
Más detallesSEÑALIZAN LAS COMISIONES LAS HABILIDADES DE GESTIÓN? RESULTADOS PARA LOS FIAMM ESPAÑOLES
SEÑALIZAN LAS COMISIONES LAS HABILIDADES DE GESTIÓN? RESULTADOS PARA LOS FIAMM ESPAÑOLES Lui Muga y Rafael Santamaría Departamento de Getión de Emprea Univeridad Pública de Navarra. Reumen El preente trabajo
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
Más detalles2.1. Introducción. y para aproximar la probabilidad de pérdida de celdas, CLR (Cell Loss Ratio).
Capítulo 2. Modelo analítico baado en el itema de cola M/D/ para caracterizar parámetro de calidad en nodo ATM. Tiempo de ervicio continuo 2.1. Introducción En ete capítulo e modela el comportamiento del
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 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 detallesFunciones continuas. Capítulo Continuidad. Figura Figura 11.2
Capítulo Funcione continua. Continuidad La funcione continua contituyen una clae fundamental para la operacione del análii matemático. Una idea intuitiva de función continua e tiene al coniderar que u
Más detallesEl estudio teórico de la práctica se realiza en el problema PTC
PRÁCTICA LTC-1: REFLEXIONES EN UN PAR TRENZADO 1.- Decripción de la práctica a) Excitar un cable de pare de 50 metro de longitud con un pulo de tenión de 0 a 10 voltio, 100 Khz frecuencia y un duty cycle
Más detallesCapítulo 3: Algoritmos Usados por el Generador de Autómatas Finitos Determinísticos
Capítulo 3: Algoritmo Uado por el Generador de Autómata Finito Determinítico 3.1 Introducción En ete capítulo e preentan lo algoritmo uado por el generador de autómata finito determinítico que irve como
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 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 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 detallesLupa. [b] Vamos a suponer que el objeto se encuentra a 18 cm de la lupa (véase la ilustración anterior).
íica de 2º Bachillerato Actividad Para ver un objeto con mayor detalle, utilizamo un dipoitivo compueto de una única lente, llamado corrientemente lupa. [a] Indica el tipo de lente que debemo utilizar
Más detalles7.2. FUNCIONAMIENTO DE UNA INSTALACIÓN DE BOMBEO ELEMENTAL
7. FUCIOAMIETO DE OMAS ROTODIÁMICAS 87 7. FUCIOAMIETO DE OMAS ROTODIÁMICAS 7.. ITRODUCCIÓ Dada la organización de lo tema que conforman ete libro, hata ete punto e han etudiado la morfología y la caracterítica
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesFísica P.A.U. ÓPTICA GEOMÉTRICA 1 ÓPTICA GEOMÉTRICA
íica P.A.U. ÓPTICA GEOMÉTRICA ÓPTICA GEOMÉTRICA INTRODUCCIÓN MÉTODO. En general: Se dibuja un equema con lo rayo. Se compara el reultado del cálculo con el equema. 2. En lo problema de lente: Se traza
Más detallesSECO 2014-II. Félix Monasterio-Huelin y Álvaro Gutiérrez. 6 de marzo de 2014. Índice 33. Índice de Figuras. Índice de Tablas 34
SECO 2014-II Félix Monaterio-Huelin y Álvaro Gutiérre 6 de maro de 2014 Índice Índice 33 Índice de Figura 33 Índice de Tabla 34 12.Muetreador ideal y relación entre y 35 13.Muetreo de Sitema en erie 38
Más detallesValores especiales de la función zeta
Valore epeciale de la función zeta Alexey Behenov cadadr@gmail.com de Marzo de 7 La función zeta de Riemann Definición. La función zeta de Riemann etá definida por la erie infinita ζ := n n = + + 3 + 4
Más detallesrespecto del eje de las x: 30º 45º a) 6.00 unidades y 90º b) 2.16 unidades y 80º x c) 2.65 unidades y 70º d) 2.37 unidades y 52º C r
Guía de Fíica I. Vectore. 1. Conidere lo vectore A ByC r r r,. Su valore y aboluto, en unidade arbitraria, on de 3, 2 y 1 repectivamente. Entonce el vector reultante r r r r D = A + B + C erá de valor
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesTEMA 4: El movimiento circular uniforme
TEMA 4: El moimiento circular uniforme Tema 4: El moimiento circular uniforme 1 ESQUEMA DE LA UNIDAD 1.- Caracterítica del moimiento circular uniforme. 2.- Epacio recorrido y ángulo barrido. 2.1.- Epacio
Más detalles