A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA
|
|
- Nicolás Cárdenas Quiroga
- hace 7 años
- Vistas:
Transcripción
1 A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov para una muestra Lilliefords Kolmogorov-Smirnov para dos muestras B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística 014 alperin@fcnym.unlp.edu.ar
2 A. PRUEBAS DE BONDAD DE AJUSTE: 1. Chi cuadrado Objetivo Inrir si la población muestreada, cuyos datos se clasifican en una escala nominal o son agrupados en intervalos, se ajusta a una cierta distribución teórica. Hipótesis Hipótesis nula: frecuencias observadas son iguales a las frecuencias esperadas. Hipótesis alternativa: frecuencias observadas son direntes a las frecuencias esperadas. H0: fo= H1: fo Prueba de hipótesis Estadístico de prueba La hipótesis nula se acepta c (, ) k n parámetros estimados k ( fo ) c i1 Tabla Chi cuadrado 1 fo: frecuencia observada : frecuencia esperada k: número de categorías Decisión estadística Cuando se acepta la hipótesis nula, se puede afirmar que la muestra es extraída de una población cuya distribución es la del modelo contrastado con una confianza α.
3
4 Número de parámetros estimados Modelo Binomial, se estima p Modelo Poisson, se estima λ Modelo Normal, se estima μ y σ Modelo Uniforme no se estima ningún parámetro Para evitar errores calcular las frecuencias esperadas con 4 decimales y con 3 decimales. Restricciones: Los datos deben ser frecuencias Las categorías deben ser mutuamente excluyentes El test da resultados falsos si se aplica a datos que son porcentajes o proporciones de ocurrencias de estas categorías mutuamente excluyentes. Las categorías no deben ser muchas. La frecuencia esperada en cada categoría debe ser al menos de 5 (cinco). Si esto no ocurre se deben combinar las frecuencias de dos o mas categorías hasta que la frecuencia esperada se >5.
5 Ejemplo DISTRIBUCIÓN POISSON DISTRIBUCIÓN AL AZAR DISTRIBUCIÓN REGULAR DISTRIBUCIÓN CONTAGIOSA s X 1 s X 1 s X 1
6 Ejemplo: Desde el verano de 1976 se realizaron trabajos de investigacion tendientes a estudiar los meteoritos en la Antártida. Se analizaron los meteoritos caídos en un área de 00 km. El área fue subdividida con una cuadricula de 1 km y se contó el número de meteoritos presentes en cada cuadricula. N meteoritos por cuadricula observada p (Poisson) esperada (pxn) Chi cuadrado ,06 4, , ,9 0, ,1611 3, 16, ,044 40,9 7, , ,9 17, ,1479 9,6 66, , ,8 10, , , 10, ,0406 8,1 8,1000 x e P( x) x! m X n m=n meteoritos=761 n=n cuadriculas=00 X 3,805 s =,17 ((10+14)-(4,4+16,9)) /(4,4+16,9)=0,115 Los meteoritos se distribuyen al azar? H 0 : fo= H 1 : fo =0,05 =8-1-1=6 χ (6; 0,05)=1,59 k ( fo ) c 137, 0 c i1 137,0>1,59; se rechaza H 0 Los meteoritos no se distribuyen al azar Los meteoritos están agrupados o se distribuyen unifomemente? s s H =0,05; /=0,05 0 : 1; H a : 1 s,17 X X 0,57 =n-1=00-1=199 X 3,805 s 1 t (199; 0,05) =-1,960 X t n S est 1 S est n 1,17 1 3,805 t 4,97 S est 0, , ,960>-4,97; se rechaza H 0 La distribución de los meteoritos no es al azar. El signo de t, y el valor de la relación varianza-media permite afirmar que la distribucion es relativamente uniforme.
7 Ejemplo PRUEBA DE NORMALIDAD Para comercializar la merluza se necesita investigar si el largo del cuerpo se ajusta a un modelo normal. Se realiza un lanzamiento de red en la plataforma a la latitud de Mar del Plata y se recuperan 300 peces. Intervalo Marca de clase (x) Observada Intervalo Z sup Area normal p esperada P x n 35,5-40, Menos de 40,5-1,8 0, ,77 40,5-45, ,5-45,5-0,8 0,1760 5,8 45,5-50, ,5-50,5 0, 0, , 50,5-55, ,5-55,5 1, 0, ,68 55,5-60, ,5-60,5, 0,101 30,36 60,5-65, Más de 60,5 infinito 0,0139 4,17 X 49,5 S=5 N=300 Recordemos El área del intervalo (40,5-45,5) viene dada por: p((z Zsup.) - p((z Zinf.) Se desconocen y Se estiman con X y S siendo (Zsup.) = (45,5 49,5) / 5 = -0,8 (Zinf.) = (40,5 49,5) / 5 = -1,8 p(z -0,8) p(z -1,8) = 0,4641 0,881 = 0,1760 Z x i S X El Zsup. de un intervalo será el Zinf. del siguiente intervalo. El primer intervalo tiene siempre como Zinf. menos infinito (- ) El último como Zsup. más infinito (+ ). Para obtener las frecuencias esperadas, las áreas debajo de la curva normal se multiplican por el número total de observaciones (N).
8 H 0 : el largo de la merluza está normalmente distribuido. H 1 : el largo de la merluza no se distribuye normalmente H 0 : fo= H 1 : fo =0,05 k ( fo ) c i1 Intervalo Marca de clase (x) Observada Intervalo Z sup Area normal p esperada P x n 35,5-40, Menos de 40,5-1,8 0, ,77 40,5-45, ,5-45,5-0,8 0,1760 5,8 45,5-50, ,5-50,5 0, 0, , 50,5-55, ,5-55,5 1, 0, ,68 55,5-60, ,5-60,5, 0,101 30,36 60,5-65, Más de 60,5 infinito 0,0139 4,17 Si las son menores que 5 ; se deben sumar las de intervalos contiguos hasta que todos los intervalos tengan 5. c k i1 fo N c ,7 5,8 k n parámetros = = ,53 estimados 1,8645,86 < 5,99 Como el valor de c no supera el crítico de tabla al 5%, no se encuentran evidencias suficientes para rechazar la H 0 (;0,05) =5,99 Se puede afirmar, con un nivel de significación del 5%, que el largo de la merluza sigue una distribución normal.
9 A. PRUEBAS DE BONDAD DE AJUSTE:. Método G de Fisher G k i1 fo ln fo El estadístico G sigue la misma distribución que c No es tan sensible como la prueba de Chi las frecuencias esperadas bajas Ejemplo del largo de la merluza G (7ln 54ln... 4ln 10,77 5,8 4,17 Grados de libertad 6-3 =3 (3; 0,05) = 7,81 3,06 3,06<7,81 Como el valor de G no supera el crítico de tabla al 5%, no se encuentran evidencias suficientes para rechazar la H 0 Se puede afirmar, con un nivel de significación del 5%, que el largo de la merluza sigue una distribución normal.
10 A. PRUEBAS DE BONDAD DE AJUSTE:. Método de Kolmogorov Smirnov para una muestra con datos agrupados d max O max E N Se necesita conocer la media y el desvío estándar poblacional. El valor critico se busca en la Tabla Kolmogorv-Smirnov. 4. Método de Lilliefords (1967) No es necesario conocer la media y el desvío estándar poblacional. Las estandarizaciones se calculan con los estimadores muestrales. El valor crítico se busca en la Tabla Lilliefords Intervalo Ejemplo del largo de la merluza Observada ,79 d 300 acumulada observada 7, ,04 esperada Direncia máxima max O: frecuencia acumulada observada max E: frecuencia acumulada esperada N: numero total de datos acumulada esperada 35,5-40, ,77 10,77 3,77 40,5-45, ,8 63,57,57 45,5-50, , 173,79 7,1 50,5-55, ,68 65,47 0,47 55,5-60, ,36 89,83 6,17 60,5-65, ,17 300,00 0 Valor crítico al 5% d de Lillifords d 0,04<0,051 Como el valor de d no supera el d crítico de tabla al 5%, no se encuentran evidencias suficientes para rechazar la H 0. Se puede afirmar, con un nivel de significación del 5%, que el largo de la merluza sigue una distribución normal. 0,890 0,
11 A. PRUEBA DE Kolmogorov Smirnov para dos muestras Se usa para comparar dos distribuciones muestrales. Las variables pueden estar expresadas en cualquier escala: nominal, ordinal, de razón, continua o discreta. No se asume ningún tipo de distribución de la población de donde se extraen las muestras. Las hipótesis de la prueba son: H0: Las muestras provienen de poblaciones que tienen idéntica distribución. H1: Las muestras provienen de poblaciones que tienen distribuciones direntes. H0: faa = fab H1: fab faa Estadístico de prueba d max faa La hipótesis nula se rechaza cuando d D. fab Direncia máxima faa: máxima frecuencia relativa acumulada en A. fab: máxima frecuencia acumulada relativa en B. n A : N datos muestra A. n B : N datos muestra B. Valores críticos D = 0,05 = 0,01 1 cola 1, N 1,51 N na nb N' na nb colas 1,36 N 1,63 N
12 Ejemplo: Los procesos de desecación de suelos arcillosos son similares a los que forman la disyunción columnar de los basaltos y el número de lados de los barquillos de fango (F) y de las columnas de basalto (B) serán iguales pues la contracción por desecación o por enfriamiento es equidistante desde un punto y tiende a formar estructuras hexagonales. H 0 : Las dos muestras son tomadas de poblaciones con igual número de lados de los polígonos. H 1 : Las dos muestras son tomadas de poblaciones con dirente número de lados de los polígonos. H 0 : fab = faf H 1 : fab faf Nivel de significación, = 0,05 D (0,05) = 0,41 d max fab faf 0,1364 Suelo arcilloso Basalto X=N lados f(b) f(f) fr(b) fr(f) fa (B) fa (F) d n B = 33; n F = 36 Debido a que d < D (0,05) (0,1364 < 0,41), no existen evidencias para rechazar la hipótesis nula. Los procesos que originan las grietas de desecación y la disyunción columnar son similares.
13 B.TABLAS DE CONTINGENCIA Objetivo Inrir si en la población de la que es extraída la muestra, existe alguna relación entre las frecuencias de ocurrencia simultanea entre dos variables aleatorias. Las variables son atributos categóricos, codificados o en escalas nominales. Cada individuo se clasifica teniendo en cuenta simultáneamente las dos variables. Se registra la frecuencia de ocurrencia en cada individuo que forma parte de la muestra. Hipótesis Hipótesis nula: las variables son independientes. Hipótesis alternativa: las variables no son independientes. H 0 : fo= H 1 : fo V V n 1 x... m Tabla de contingencia Estadístico de prueba TF TC TT Prueba de hipótesis La hipótesis nula se rechaza c (, ) ( numero de filas 1)( numero de columnas 1) k ( fo ) c i1 fo: frecuencia observada en 1 celda : frecuencia esperada en 1 celda k: número de celdas de la tabla TF: total de fila TC: total de columna TT=N= N de datos Decisión estadística Cuando se acepta la hipótesis nula, se puede afirmar que la muestra es extraída de una población en donde las variables son independientes, con una confianza α.
14 Ejemplo: El objetivo del trabajo es investigar si en los humanos el color del pelo es independiente del sexo. H 0 : El color del pelo es independiente del sexo. H 1 : El color del pelo no es independiente del sexo. = 0,05 Sexo Color del pelo Negro Castaño Rubio Pelirrojo Total Fila Hombres , ,0000 6,6667 8, Mujeres ,0000 7, , , Total columna Sexo Color del pelo Chi cuadrado Negro Castaño Rubio Pelirrojo Total Fila Hombres 0,3103 1,3611 4,667 0,0533 Mujeres 0,155 0,6806,1444 0,067 Total columna 8,987 c 6 ( fo i1 0,05;(41) (1) ) 7,81 8,987 H 0 : fo= H 1 : fo TF TC TT MR) 300 ( 53,3333 8,987 > 7,81 El valor de c es menor al crítico de tabla. No se encuentran evidencias suficientes para aceptar la H 0 de independencia entre el color del pelo y el sexo trabajando con un nivel de significación de 5%.
15 CORRECCIÓN POR CONTINUIDAD Cuando los grados de libertad =1 y n<00, el estadístico de contraste de la prueba de hipótesis se debe corregir. La corrección por continuidad de Yates k ( fo 0,5) c i1
16 Ejemplo. El sentido de enroscamiento de los caparazones del foraminíro Globorotalia truncatulinoides, se usa para estimar la paleotemperatura del agua de mar. Las valvas dextrógiras ocurren en una relación 9:1 sobre las levógiras en aguas cálidas. El objetivo del estudio es determinar la paleotemperatura del agua en un nivel de un testigo recogido a la latitud de Buenos Aires en la plataforma. H 0 : Los datos provienen de una población con relación 9:1 de G. truncatulinoides dextrógiras-levógiras. H A : Los datos provienen de una población donde la relación G. truncatulinoides dextrógiras-levógiras no es 9:1. N = 100 valvas dextrógiras = (0,9) 100 = 90 valvas levógiras = (0,1) 100 = 10 Grados de libertad = k 1 = 1 = 1 Nivel de significación = 0,05 fo Dextrógiras Levógiras c = 3,84 k ( fo ) i1 (84 90) 90 (16 10) 10 0,4000 3,6000 4,000 Utilizando la corrección por continuidad de Yates se obtiene c k ( i1 fo 0,5) ( ,5) 90 ( ,5) 10 0,3361 3,050 3,3611 Si no se utiliza la corrección de Yates se rechaza la hipótesis nula dado que 4,00 > 3,84. Si se utiliza la corrección de Yates que no existen evidencias para rechazar la hipótesis nula puesto que 3,36 < 3,84. Se puede concluir que los ejemplares provienen de una población donde la relación de G. truncatulinoides dextrógiras-levógiras es 9:1 lo que indicaría que se trata de aguas cálidas.
17 GRACIAS
A. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 28 de mayo, 2013 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesTécnicas de validación estadística Bondad de ajuste
Técnicas de validación estadística Bondad de ajuste Georgina Flesia FaMAF 31 de mayo, 2011 Pruebas de bondad de ajuste Dado un conjunto de observaciones, de qué distribución provienen o cuál es la distribución
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesTest de Kolmogorov-Smirnov
Test de Kolmogorov-Smirnov Georgina Flesia FaMAF 2 de junio, 2011 Test de Kolmogorov-Smirnov El test chi-cuadrado en el caso continuo H 0 : Las v.a. Y 1, Y 2,..., Y n tienen distribución continua F. Particionar
Más detallesProblemas resueltos. Tema 12. 2º La hipótesis alternativa será que la distribución no es uniforme.
Tema 12. Contrastes No Paramétricos. 1 Problemas resueltos. Tema 12 1.- En una partida de Rol se lanza 200 veces un dado de cuatro caras obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detallesINTERVALO DE CONFIANZA PARA LA PROPORCIÓN
INTERVALO DE CONFIANZA PARA LA PROPORCIÓN Si deseamos estimar la proporción p con que una determinada característica se da en una población, a partir de la proporción p' observada en una muestra de tamaño
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesDISTRIBUCIONES DE PROBABILIDAD (RESUMEN)
DISTRIBUCIONES DE PROBABILIDAD (RESUMEN) VARIABLE ALEATORIA: un experimento produce observaciones numéricas que varían de muestra a muestra. Una VARIABLE ALEATORIA se define como una función con valores
Más detallesValidación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS. Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO
Validación de los métodos microbiológicos HERRAMIENTAS ESTADISTICAS Bqca. QM Alicia I. Cuesta, Consultora Internacional de la FAO Objetivos de la clase Objetivos de la estadística. Concepto y parámetros
Más detallesUnidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones
Unidad Temática 5 Estimación de parámetros: medias, varianzas y proporciones Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una
Más detallesAnálisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears
Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears CONTENIDOS Introducción a la inferencia estadística. Muestreo. Estimación
Más detallesCONCEPTOS FUNDAMENTALES
TEMA 8: CONTRASTES DE HIPÓTESIS PARAMÉTRICAS PRIMERA PARTE: Conceptos fundamentales 8.1. Hipótesis estadística. Tipos de hipótesis 8.2. Región crítica y región de aceptación 8.3. Errores tipo I y tipo
Más detallesPruebas de Bondad de Ajuste
1 Facultad de Ingeniería IMERL PROBABILIDAD Y ESTADÍSTICA Curso 2008 Pruebas de Bondad de Ajuste En esta sección estudiaremos el problema de ajuste a una distribución. Dada una muestra X 1, X 2,, X n de
Más detallesEstadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza.
Estadística Inferencial. Sesión No. 8 Pruebas de hipótesis para varianza. Contextualización. En las dos sesiones anteriores se vieron métodos de inferencia estadística para medias y proporciones poblacionales.
Más detallesDiferencia de medias. Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 15 Prueba de Hipótesis para la Diferencia de medias En qué contexto es útil una prueba de hipótesis i para la diferencia i de medias? 1. Cuando se trabaja simultáneamente con una variable categórica
Más detalles7. Distribución normal
7. Distribución normal Sin duda, la distribución continua de probabilidad más importante, por la frecuencia con que se encuentra y por sus aplicaciones teóricas, es la distribución normal, gaussiana o
Más detalles1) Características del diseño en un estudio de casos y controles.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de casos y controles CONCEPTOS CLAVE 1) Características del diseño en un estudio de casos y controles. )
Más detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesTema 5: Principales Distribuciones de Probabilidad
Tema 5: Principales Distribuciones de Probabilidad Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 5: Principales Distribuciones de Probabilidad
Más detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
Más detallesEconometria. 4. Modelo de Regresión Lineal Simple: Inferencia. Prof. Ma. Isabel Santana
Econometria 4. Modelo de Regresión Lineal Simple: Inferencia Prof. Ma. Isabel Santana MRLS: Inferencia Hasta ahora nos hemos ocupado solamente de la estimación de los parámetros del modelo de regresión
Más detallesPrueba de hipótesis. 1. Considerando lo anterior específica: a. La variable de estudio: b. La población: c. El parámetro. d. Estimador puntual:
Prueba de hipótesis Problema Un grupo de profesores, de cierto estado de la república, plantea una investigación acerca del aprendizaje de las ciencias naturales en la escuela primaria. Uno de los objetivos
Más detallesTema II. Las muestras y la teoría paramétrica
2.1. Muestras y muestreos: - La muestra:. Subconjunto de elementos de la población. Necesidad práctica:. Motivos económicos. Imposibilidad (práctica/teórica) de estudiar TODA la población. Inconveniencia
Más detalles8.2.5. Intervalos para la diferencia de medias de dos poblaciones
8.. INTERVALOS DE CONFIANZA PARA LA DISTRIBUCIÓN NORMAL 89 distribuye de modo gaussiana. Para ello se tomó una muestra de 5 individuos (que podemos considerar piloto), que ofreció los siguientes resultados:
Más detalles6. ESTIMACIÓN DE PARÁMETROS
PROBABILIDAD Y ESTADÍSTICA Sesión 7 6. ESTIMACIÓN DE PARÁMETROS 6.1 Características el estimador 6. Estimación puntual 6..1 Métodos 6..1.1 Máxima verosimilitud 6..1. Momentos 6.3 Intervalo de confianza
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 9 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Los métodos estadísticos y las técnicas de
Más detallesPRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesTests de hipótesis. Técnicas de validación estadística Bondad de ajuste. Pruebas de bondad de ajuste. Procedimiento en una prueba de hipótesis
Tests de hipótesis Técnicas de validación estadística Bondad de ajuste Patricia Kisbye FaMAF 27 de mayo, 2008 Test - Prueba - Contraste. Se utilizan para contrastar el valor de un parámetro. Ejemplo: la
Más detallesValidación de hipótesis de un proceso de Poisson no homogéneo
Validación de hipótesis de un proceso de Poisson no homogéneo Georgina Flesia FaMAF 9 de junio, 2011 Proceso de Poisson no homogéneo H 0 ) Las llegadas diarias a un sistema ocurren de acuerdo a un Proceso
Más detallesDISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X 2 CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo):
DISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo): son aquellas que representan los valores muestrales observados
Más detallesTEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS
ASIGNATURA: ESTADÍSTICA II (Grado ADE,MIM,FBS) TEMA 4: CONTRASTES DE HIPÓTESIS. CONCEPTOS BÁSICOS 4.1. Hipótesis estadística. Tipos de hipótesis 4.2. Región crítica y región de aceptación 4.3. Errores
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 detallesDistribución muestral de proporciones. Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua
Distribución muestral de proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Distribución muestral de Proporciones Existen ocasiones
Más detallesIntervalos de Confianza para dos muestras
Intervalos de Confianza para dos muestras Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Comparación de dos poblaciones La comparación
Más detallesEstadística II Tema 3. Comparación de dos poblaciones. Curso 2010/11
Estadística II Tema 3. Comparación de dos poblaciones Curso 2010/11 Tema 3. Comparación de dos poblaciones Contenidos Comparación de dos poblaciones: ejemplos, datos apareados para la reducción de la variabilidad
Más detallesEstadística inferencial. Aplicación con el SPSS
Estadística inferencial. Aplicación con el SPSS Sabina Pérez Vicente Unidad de Calidad APES Hospital Costa del Sol sabina.perez.exts@juntadeandalucia.es Comparabilidad inicial de los grupos Se debe realizar
Más detallesEstadística Inferencial 3.7. Prueba de hipótesis para la varianza. σ gl = n -1. Es decir: Ho: σ 2 15 Ha: σ 2 > 15 (prueba de una cola)
UNIDAD III. PRUEBAS DE HIPÓTESIS 3.7 Prueba de hipótesis para la varianza La varianza como medida de dispersión es importante dado que nos ofrece una mejor visión de dispersión de datos. Por ejemplo: si
Más detallesTEMA 5 Inferencia no paramétrica. Guía docente:
TEMA 5 Inferencia no paramétrica Guía docente: Pruebas estadísticas unidireccionales (una cola) y pruebas estadísticas bidireccionales (dos colas) Antes de continuar con el tema nos vamos a detener en
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallesProblemas resueltos. Temas 10 y 11 11, 9, 12, 17, 8, 11, 9, 4, 5, 9, 14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.
Temas 10 y 11. Contrastes paramétricos de hipótesis. 1 Problemas resueltos. Temas 10 y 11 1- las puntuaciones en un test que mide la variable creatividad siguen, en la población general de adolescentes,
Más detallesPRUEBAS DE BONDAD DE AJUSTE y DE INDEPENDENCIA
PRUEBAS DE BONDAD DE AJUSTE y DE INDEPENDENCIA Quien hace puede equivocarse, quien no hace ya está equivocado. DANIEL KON Ji CUADRADA Material preparado por: Profesor León Darío Bello Parias Ji CUADRADA-
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
Más detallesweb: http://www.uv.es/friasnav/
LAS PRUEBAS PARAMÉTRICAS 1. Se conoce el modelo de distribución de la población objeto de estudio y se desconoce un número finito de parámetros de dicha distribución que hay que estimar con los datos de
Más detalles9. EL VALOR-P. Para esta hipótesis alternativa, el valor-p es la probabilidad que queda a la derecha del valor Tobs. bajo la curva de densidad.
VALOR-P 9. EL VALOR-P. Hemos visto que para realizar una prueba de hipótesis se necesita el valor del correspondiente estadístico de prueba P. El valor de P se calcula en base a los datos muestrales. Por
Más detallesFolleto de Estadísticas. Teoría del 2do Parcial
Folleto de Estadísticas Teoría del 2do Parcial 2012 Variables aleatorias conjuntas continuas: Sean X y Y dos variables aleatorias continuas con ellas se asocia una función denominada función de densidad
Más detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN FACULTAD DE ENFERMERÍA Dr. Abner A. Fonseca Livias 3/21/2015 6:17 AM Dr. Abner Fonseca Livias 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 5 Análisis de datos categóricos 3 51 Tablas de contingencia 3 52 Distribuciones marginales y condicionadas 4 53 Independencia Test Chi-cuadrado Tablas 2 2 6 531 Independencia 6 532 Test
Más detallesMuestreo y estimación: problemas resueltos
Muestreo y estimación: problemas resueltos BENITO J. GONZÁLEZ RODRÍGUEZ (bjglez@ull.es) DOMINGO HERNÁNDEZ ABREU (dhabreu@ull.es) MATEO M. JIMÉNEZ PAIZ (mjimenez@ull.es) M. ISABEL MARRERO RODRÍGUEZ (imarrero@ull.es)
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 3. Contrastes de bondad
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesUniversidad de Managua
Universidad de Managua UdeM Simulación de Sistemas Guía #2 Tema: Determinar si el conjunto de números Pseudoaleatorios dados, cumplen las pruebas estadísticas de uniformidad e independencia; para ser considerados
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesEstadística Inferencial. Sesión 5. Prueba de hipótesis
Estadística Inferencial. Sesión 5. Prueba de hipótesis Contextualización. En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales decisiones
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Las pruebas de bondad de ajuste son pruebas de hipótesis para verificar si los datos observados en una muestra aleatoria se ajustan con algún nivel de significancia a determinada
Más detallesDistribuciones de probabilidad. El teorema central del límite
8 Distribuciones de probabilidad. El teorema central del límite Neus Canal Díaz 8.1. Introducción La distribución de frecuencias es uno de los primeros pasos que debemos realizar al inicio del análisis
Más detallesJulia García Salinero. Departamento de Investigación FUDEN. Introducción
1 Análisis de datos en los estudios epidemiológicos V Prueba de Chi cuadrado y Análisis de la varianza. Departamento de Investigación FUDEN. Introducción Continuamos el análisis de los estudios epidemiológicos,
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesMétodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B
Métodos Estadísticos de la Ingeniería Tema 10: Inferencia Estadística, Intervalos de Confianza Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 010 Contenidos...............................................................
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detalles3. Análisis univariable y bivariable
FUOC P01/71039/00748 36 Investigación descriptiva: análisis de información 3. Análisis univariable y bivariable 3.1. Análisis univariable Como se ha visto, los métodos de análisis univariable se utilizan
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesMuestreo y Distribuciones muestrales. 51 SOLUCIONES
Muestreo y Distribuciones muestrales. 51 Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Métodos estadísticos de la ingeniería Soluciones de la hoja de problemas 5. Muestreo
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO -.1 - CONVOCATORIA: Junio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesTEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL
ESTADÍSTICA II TEMA II: DISTRIBUCIONES RELACIONADAS CON LA NORMAL II.1.- Distribución chi-cuadrado. II.1.1.- Definición. II.1..- Función de densidad. Representación gráfica. II.1.3.- Media y varianza.
Más detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más detallesLA DISTRIBUCIÓN NORMAL
LA DISTRIBUCIÓN NORMAL En estadística y probabilidad se llama distribución normal, distribución de Gauss o distribución gaussiana, a una de las distribuciones de probabilidad que con más frecuencia aparece
Más detallesEJERCICIOS RESUELTOS TEMA 7
EJERCICIOS RESUELTOS TEMA 7 7.1. Seleccione la opción correcta: A) Hay toda una familia de distribuciones normales, cada una con su media y su desviación típica ; B) La media y la desviaciones típica de
Más detallesEn las tablas 2x2 se emplea la prueba Ji-cuadrado Corrección de Yates siempre.
Prueba Ji-cuadrado de Independencia: Objetivo de la prueba: se utiliza cuando se tiene una muestra de n individuos que se clasifican respecto a dos variables, preferentemente cualitativas (nominales dicotómicas
Más detallesMULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL
MULTICOLINEALIDAD EN LAS REGRESORAS Y NORMALIDAD DEL TÉRMINO DE ERROR EN LOS MODELOS DE REGRESIÓN LINEAL Noviembre, 2011 Multicolinealidad El termino multicolinealidad se le atribuye originalmente a Frisch
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores
Más detallesTema 13: Contrastes No Paramétricos
Tema 13: Contrastes No Paramétricos Presentación y Objetivos. La validez de los métodos paramétricos depende de la validez de las suposiciones que se hacen sobre la naturaleza de los datos recogidos. La
Más detallesMedidas de Dispersión
Medidas de Dispersión Revisamos la tarea de la clase pasada Distribución de Frecuencias de las distancias alcanzadas por las pelotas de golf nuevas: Dato Frecuencia 3.7 1 4.4 1 6.9 1 3.3 1 3.7 1 33.5 1
Más detallesConceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste.
Conceptos básicos de inferencia estadística (III): Inferencia no paramétrica: Contrastes de bondad de ajuste. Tema 1 (III) Estadística 2 Curso 08/09 Tema 1 (III) (Estadística 2) Contrastes de bondad de
Más detallesFORMULARIO. Rango intercuartílico: Diferencia entre el tercer y primer cuartil
FORMULARIO Dato: x 1, x 2,..., x N } Media: x = N i=1 x i N Rango intercuartílico: Diferencia entre el tercer y primer cuartil Varianza: 2 = N i=1 (x i x) 2 = N i=1 x2 i N x2 Deviación típica: = N i=1
Más detallesESTADISTICA INFERENCIAL
ESTADISTICA INFERENCIAL PROFESOR: DR. JORGE ACUÑA A. 1 LA ESTADISTICA Estadística descriptiva Método científico Muestreo Información de entrada y de salida Estadística inferencial Inferencias Intervalos
Más detallesPrueba Ji-cuadrado de Independencia cuando solo tengo datos en tabla (datos tabulados):
Prueba Ji-cuadrado de Independencia cuando solo tengo datos en tabla (datos tabulados): Objetivo de la prueba: se utiliza cuando se tiene una muestra de n individuos que se clasifican respecto a dos variables,
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesMedia de los números aleatorios entre cero y uno
Qué propiedades deben cumplir los números pseudoaleatorios entre cero y uno? En gran medida, conocer las propiedades que deben tener los números aleatorios garantiza una buena simulación, por ello se enumeran
Más detallesDISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIONES DE PROBABILIDAD Se llama variable aleatoria a toda función que asocia a cada elemento del espacio muestral E un número real. Una variable aleatoria discreta es aquella que sólo puede tomar
Más detallesProbabilidades y la curva normal
Probabilidades y la curva normal Las distribuciones reales y las distribuciones teóricas Por Tevni Grajales Guerra Tal cual estudiamos en nuestro tercer tema. Cuando registramos los valores de una variable
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detalles