Autor Dr. Hernán Rey Ultima actualización: Junio 2010
|
|
- Cristina Herrero Gómez
- hace 7 años
- Vistas:
Transcripción
1 ENSAYO DE HIPOTESIS Generalidades Errores tipo I y II Región de rechazo Curva característica/de potencia de un ensayo Relación entre ensayo de hipótesis e IC Otra forma de reportar un ensayo Ejemplos de distintos ensayos Muestras apareadas Teorema de Slutsky Autor Dr. Hernán Rey Ultima actualización: Junio 1
2 GENERALIDADES Un ensayo de hipótesis se puede utilizar para tomar una decisión respecto a una afirmación hecha sobre el valor de uno o más parámetros poblacionales, sobre la forma específica de la distribución de una determinada característica, sobre la independencia (o correlación) de distintas variables, sobre mejoras introducidas (por ej. en tratamientos o procesos), etc. En principio se establece una hipótesis nula (H ) y se analiza si la información estadística obtenida es suficiente o no para rechazarla. Por otro lado, se define la hipótesis alternativa (H 1 ), que sería la afirmación a aceptar cuando la H es rechazada. El resultado del test puede ser rechazar H en favor de H 1 o no rechazar H (también puede no hacerse nada y pedir más datos antes de decidir) A veces también se dice que hay evidencia estadística significativa en contra de H o que no la hay.
3 Rechazar una hipótesis es más fuerte que no hacerlo. Por ello, suele usarse como H a la hipótesis que uno desea rechazar. Hay también un compromiso respecto a la simplicidad (por ej. es más simple el cálculo asumiendo que dos cosas son iguales a que son distintas) El no rechazo de H no implica que sea cierta. Simplemente no se cuenta con evidencia suficiente para rechazarla a favor de H 1. EN UN TEST NO SE HACE UN JUICIO DE VALOR LOGICO (VERDADERO O FALSO) Para tomar la decisión, se utiliza la información de una muestra de la población. Debido a la naturaleza aleatoria de la muestra, es de esperarse que uno pueda cometer errores al tomar la decisión. El test permite cuantificar dichos errores. Si el test es sobre un parámetro de Error tipo I una VA. rechazar H P H es V Error tipo II no rechazar H P H es F rechazar H P H no rechazar H P H1 NO CONFUNDIRSE CON LA NOTACION ( no es VA)
4 Dado n, ambos errores tienen una relación inversa ( q ) La gravedad de cada error es relativa al problema. H : Cierto producto es bueno Si es bueno y no lo compro () quizás no es tan grave como comprarlo y que sea malo () H : Un misil viene hacia nosotros Si no disparo y el misil existía () es más grave que si disparo y no había nada (). Hay infinitos tests (reglas de decisión) que me dan nivel (distintos estadísticos, distintos intervalos para un mismo estadístico, etc), pero tendrán diferentes niveles. Para un fijo, quisiera el que me da el amás pequeño.
5 1) Se presume inocente hasta que se pruebe lo contrario ) Se presenta evidencia EJEMPLO: SISTEMA LEGAL 3) Las pruebas deben ser más allá de una duda razonable 4) El resultado es culpable o no culpable 5) Los errores que pueden cometerse son: - Declarar culpable a una persona que es inocente (tipo I) - Declarar no culpable a una persona que es culpable (tipo II) Una persona políticamente de derecha no tolera el error tipo II mientras que la de izquierda no tolera el tipo I. Si se analizan las políticas sociales, sucede lo contrario.
6 Para analizar la muestra y tomar una decisión se utiliza un estadístico. Su elección depende de la forma de H y de la información sobre la población que se está estudiando. Notar que los pivotes usados para construir intervalos de confianza pueden usarse aquí para testear hipótesis sobre los respectivos parámetros. En base al estadístico, se puede evaluar los errores cometidos al usar una regla arbitraria, o se construye la región crítica (o de rechazo) para satisfacer cierta condición sobre los errores. La región crítica es un conjunto de valores tales que si el valor del estimador para la muestra tomada pertenece a dicha región, se decide rechazar H. Dicha región está delimitada por el/los valor/es crítico/s. También puede obtenerse a partir de una optimización de una función que evalúe las consecuencias/costos asociados a la aparición de cada uno de los errores. La región crítica y la evaluación de los errores son independientes del resultado de una muestra (forman parte del diseño del test). En varios casos prácticos, si no se rechaza H se rehace el test con una nueva muestra (de ser posible). En general, el aumento del tamaño muestral tiende a mejorar ambos errores.
7 Las hipótesis a testear pueden ser simples o compuestas. En gral., la hipótesis H es que apertenece a A, que es un subconjunto cerrado (contiene a su frontera) de los reales. Si A tiene un sólo elemento, entonces la hipótesis es simple. Si no, es compuesta. En el caso de hipótesis simples, el error tipo I está definido según: rechazar H P Respecto al error, en este caso se obtiene una curva ya que hay una probabilidad de no rechazo para cada valor distinto de. Para calcular o se requiere que la distribución del estadístico esté totalmente especificada. Si la H es compuesta, se calculará un distinto para cada uno de los valores de que se incluyen en H y un para cada uno de los valores de que se incluyen en H 1 Al mayor de todos los se lo llama nivel de significancia (NS) del test y lo notaremos. OBSERVAR QUE EN LA BIBLIOGRAFIA TAMBIEN SE USA PARA REPORTAR ESTE VALOR (esto es estrictamente correcto sólo si H es una hipótesis simple)
8 A la hora de reportar los riesgos de un test se suele presentar la curva de potencia: pot( ) rechazar H P o la curva característica de operación (CCO): no rechazar H CCO( ) P CCO ( ) 1 pot ( ) Si pertenece a H, pot()=() Si pertenece a H 1, pot()=1-() Si pertenece a H, CCO()=1-() Si pertenece a H 1, CCO()=() Un ensayo de buena calidad es aquel cuya CCO toma valores altos si H (lo ideal sería 1) y bajos si H 1 (lo ideal sería ). Un ensayo de buena calidad es aquel cuya pot toma valores bajos si H (lo ideal sería ) y altos si H 1 (lo ideal sería 1). En la práctica, puede que me convenga usar una regla arbitraria (por ej. porque consigo gratis un equipo que la ejecuta) si es que los errores que ella provoca no son críticos para el problema a resolver.
9 Típicamente los ensayos son a dos colas (bilaterales). Se realiza a una cola (unilateral) sólo si hay evidencia clara de que los valores a testear aparecen en una semirecta incluida en el espacio paramétrico (por ej. se quiere que una tasa de defectuosos se encuentre por debajo de un cierto valor; allí puedo testear a una cola). H EJEMPLO (media con varianza conocida) : b 3 X 3 NS =.5 n = 1 X = 1 H 1 : b 3 MZ X / n X 3 zc rechazar H MZ z c b P 1/ 1 H es V P b H P b H.4 Si X raya es.35 aprox. normal X b 3b zc.3 b P1/ 1 1/ 1 b H.5. Z~N(,1) f Z (z).15 Decrece con b para b>3 q q z c z z
10 Otra opción MX X X b xc b Decrece con b para b>3 M x b P 1/ 1 1/ 1 q 3 x c X c P b H b H 3 Z~N(,1) z.5 q x c / / f X raya (x raya) (b b) b x raya Si el valor muestral de M Z es menor a -1.64, rechazo H con NS=.5 o Si el valor muestral de M X es menor a.48, rechazo H con NS=.5
11 X 3 no rechazar s zc b H M s Z z CCO P 1/ 1 b P c b P b X b 3b s zc 3 CCO P 1/ 1 1/ 1 b b 1 z b.5 1/ 1 De la otra forma, X b x b s c b M s X x 1/ 1 1/ 1 x c b b CCO b c 1/ Reemplazando x c raya se llega a la expresión en base a M Z CCO P P 1 CCO(b) b Vemos que en este caso, tanto la regla como la evaluación de los errores pueden hacerse en base a un estadístico que toma valores sobre la Z estándar o la variable X raya b
12 Diferentes posibilidades en el diseño de un test a) Definir una región crítica arbitraria, fijar un n y evaluar la pot o CCO. b) Fijar n y, hallar una región crítica que me garantice el nivel y evaluar la pot o CCO. c) Fijar y para determinado/s valores de y luego hallar una región crítica y un tamaño muestral n que satisfagan lo pedido y evaluar la pot o CCO. d) Fijar n y para determinado/s valores de y luego hallar una región crítica que satisfaga lo pedido y evaluar la pot o CCO. Luego de diseñado el test se toma una muestra y se evalúa el valor del estadístico en la regla de decisión. Si pertenece a la región de rechazo, se rechaza H con nivel. Si no se rechaza, se deben evaluar los errores para ver qué decisión conviene tomar (si los son muy altos quizás no me conviene aceptar la hipótesis) Cuando se tienen los valores muestrales, estos deben ser examinados en busca de posibles outliers (datos atípicos ), que pueden aparecer por diferentes procesos presentes durante el muestreo. La alternativa es el uso de estadísticos robustos frente a la presencia de outliers.
13 Si H no puede ser rechazada, tampoco puede concluirse que es cierta. Supongamos que la H es b=, y los datos muestrales son consistentes con la hipótesis. Entonces casi seguro también lo serán con la hipótesis b=.1 o b=-.1. Hay que ser cuidadosos en ensayos de igual contra distinto Si ensayamos b= contra b, cuanto más grande sea el tamaño muestral, si se usa un NS fijo, la región crítica es cada vez más angosta (y centrada respecto a ). Si bien el lugar común es que un ensayo mejora al aumentar n,, esto puede no ser cierto desde un punto de vista ingenieril (podría rechazar la hipótesis si se desvía sólo un 1% del valor real) RELACION ENTRE ENSAYO DE HIPOTESIS E IC Si el IC con 1- de confianza NO está incluido en la H 1, la hipótesis nula NO puede ser rechazada con NS =. Si el IC con 1- de confianza ESTA incluido en la H 1, la hipótesis nula PUEDE ser rechazada con NS =. El ensayo e IC deben hacerse de manera congruente (a 1 ó colas)
14 OTRA FORMA DE REPORTAR UN ENSAYO DE HIPOTESIS Una vez que se ha tomado la muestra y evaluado el estadístico (arrojando un valor pico muestral), calcular el valor p, que representa la probabilidad de que la VA pico tome un valor más alejado del valor pico muestral (en la dirección consistente con H 1 ). El p valor es entonces el menor para el que se hubiese rechazado H (en base a la muestra que se observó). Si el test es bilateral, el p valor surge de plantear que pico supere en módulo a pico muestral. Si p ans, se rechaza H y el resultado es estadísticamente significativo. Como p es tan chico, ocurrió un suceso muy improbable (con H verdadera) o H es falsa. Si p > NS, no se rechaza H y el resultado no es estadísticamente significativo. En estos casos puede buscarse nueva evidencia que permita rechazar H En general es mejor reportar el p obtenido y no sólo si fue mayor o menor a NS (si NS=.5, no es lo mismo p=.49 que p=.1; cuanto menor sea p es más difícil cometer un error tipo I)
15 EJEMPLO (media con varianza desconocida) H : b 3 X 3 H 1 : b 3 Mt S X / n NS =.5 n = 1 Se asume que la población es normal X 3 tc rechazar H Mt tc SX / 1 b P P P H es V b H b H Z~N(,1) n X b n b b n X b n X b n b b M t SX S n X b b n 1 SX 1 m n-1 n 1 N(m,1) t-student no central de parámetro m n X b t La acumulada hasta t n1, m decrece cuando crece maes SX decir, cuando crece b, Pero si m=, la t no central es igual a la t común.5 q tc tn m 1, 1.83 Regla: Si el valor muestral de M t es menor a -1.83, Si se usara como valor crítico a z =.5 = rechazo H con NS= , el NS sería de.67 (34% más)
16 Error tipo 1 ((m)) m (proporcional a b, con m= sii b=b ) CCO(m) m b H 1 b H X 3 M t st CCO m P c c m s t SX / 1 P m En este caso, tanto la regla como la evaluación de los errores DEBE hacerse sólo a partir del estadístico con distribución t-student. Esto pasa porque X raya no puede desacoplarse de la VA S X.
17 Cálculo de n para y dados H : b 3 NS =.5 X 4.8 H 1 : b s3 (31) =.5 X x P c NS b 3.5 x c 3 z / n X x c P 31.5 b 31 x c 31 z / n x 3.5 n q n 5 c q NS
18 EJEMPLO El tiempo (en hrs.) T de duración de un tubo de luz es exponencial de parámetro. Debido a la naturaleza destructiva del ensayo, se decide tomar un único valor muestral (n=1). Según las especificaciones, la producción es correcta si 1/4. Como tampoco se puede esperar demasiado tiempo para tomar una decisión, el jefe de planta dice: Se elige un tubo al azar, se lo enciende y si luego de 1 hora de funcionamiento aun no se rompe, entonces se continua la producción; si no, se para la producción para recalibrar las máquinas. Evaluar las consecuencias de usar esta regla. H H 1 : 1/ 4 : s 1/ 4 Mt T no rechazar s1 CCO P H P M t e M t Exp
19 1 1 CCO() CCO() H H 1 Vemos que con 1/4, la probabilidad de parar la producción cuando se hallaba dentro de las especificaciones es muy baja. Sin embargo, hay alta probabilidad de no detenerla cuando se halla fuera de norma (>1/4)
20 H : 5 M X H 1 : n 1 X EJEMPLO Se tiene una población U[a,a+1]. Se quiere testear si a5 contra su complemento. Se toman n muestras. Elija un estadístico, fije el NS y evalúe la CCO. q M X a U a, a 1 Q NS.5 x s a 1 c rechazar H M X s xc D a H ah c c D c 1 xc 5 xc x c q x c 5.95 a P P a 1x a x a 1 q :5 1.5 a Decrece con a para a<5 Si el valor muestral de M X es mayor a 5.95, rechazo H con NS=.5 no rechazar H M X 5.95 CCO a P P a a la a l4.95 a
21 Si aumento el n, con n>5 puedo aproximar X raya por una normal. q M X N a.5,1/ 1n q 5 x 5.5 Z~N(,1) c z.95 1/ 1n q x 1.64 / 1 n a X a xc a s M s x a P P 1/ 1n 1/ 1n X c a H a H c Crece cuando a disminuye desde 5 Si el valor muestral de M X es mayor a x c, rechazo H con NS= X a xc a no rechazar H CCO a P P 1/ 1n 1/ 1n a a xc a.5 q CCO a 1/ 1n
22 CCO(a) M X (n = 1) M X (n = 1) M X (n = 1) El incremento de n mejora los errores para un mismo NS n = 5 a = 4 a = 4.5 a = a Si ahora se propone como estadístico el mínimo de los n valores muestrales, M min X m a n M s m m P c a H n1 1l q fm ; 1 1 m a x n x a a x a 5 f Xm ;a (x) q x 6 f m M q c ; 5.5 m a x dx
23 q 6.5 m c n Si el valor muestral de M m es mayor a m c, rechazo H con NS=.5 CCO(a) no rechazar H Mm m CCO a P P c a a 1 q 6.5 n m c c l 11 a m c m n1 c 1 1 c 1 a c l 1 a m n x a dx 1 m a m M m (n = 1) M m (n = 1) M m (n = 1) M X (n = 1) M X (n = 1) El estadístico del mínimo es similar al de X raya con n moderado y mejora aun más los errores cuando n es grande n a
24 EJEMPLO H : p.5 M 1 n H 1 : p.5 p X i 1 X i n X i ~ Ber(p) NS =.5 n = 5 rechazar H ˆ M p pc p P P H es V ph M p p pˆ 5 c p p1 p / 5 p1p p P p H q.5 Si n es grande tal que Z~N(,1) min(np,n(1-p)) >5 1 1 q pˆ c z Teorema: 5 pˆ ˆ c p pc,1 Q, h( p) es una función decreciente de p,1 p 1p (derivar h(p) respecto de p y verificar que es negativa) Por otro lado, como M p converge a p: M p M p n p1 p, P 1 M p pˆ c M p pˆ c p1 p q P P p 1 p
25 M p p pˆ 5 c p s M p s pˆ c p1 p / 5 p1p pˆ 5 c p CCO p P P p p p1p H EJEMPLO : p 1/ 3 n H 1 : p 1/ 3 M R Xi X i ~ Ber(p) NS =.5 n = 1 i1 rechazar H m 1 1 MR m p P P H es V p 1/ 3 q 1/ 3 Si bien puede haber varios pares m 1,m, buscaremos m 1 como el mayor fractil que acumula a lo sumo.5 en una binomial(n,p=1/3) y m como el menor que acumula al menos 1-NS+F MR (m 1 ). FM ; p1/3.173 FM ; p1/ q m 1 R q 1NS FM.9673 R Si R ; p 1/3 FM ; p1/ Q M 7,1, rechazo H con NS.37 R R R FM ; p1/ m M m CCO p P F m F m p R R q m 6 1 R M ; p M ; p 1
26 CCO(p).5.5 1/6 1/3 p 1/ /3 5/6 1 Si bien no se nota bien en la figura, para p entre.314 y 1/3 hay (ligeramente) menos potencia que en 1/3. Para mejorar el test, se requiere mayor n o empeorar el
27 Test de diferencia de b s asumiendo s iguales desconocidos Asumiendo poblaciones normales, se puede usar el estadístico: Mt t M n 1 n t X 1 1 P X b b S 1 n 1 n 1 S P n S n S n n 1 Test de de una población normal con media desconocida Se puede plantear el estadístico S n 1 S q n 1 Test de cociente de de normales independientes Se puede plantear el estadístico S S 1 q S 1 S 1 F, 1 1 n 1 1 n 1
28 q Test de diferencia de p de poblaciones independientes H : p1 p H1 : p1 p min n1 p1; n1 1 p1 5 Pˆ p1 1p 1 1 N p1, p1 n1 min n p; n 1 p 5 Pˆ p 1p N p, p Pˆ ˆ n M 1 P p1 p N,1 p 1, p p1 1p 1 p 1p ˆ ˆ ˆ R R n P n P P n1 n p 1 =p n 1 n n 1 n Pˆ 1 P ˆ q M N,1 ˆ ˆ 1 1 P 1P n 1 n Con M~N(,1) puede definirse una regla que tenga el NS deseado Si quisiera testear p 1 -p =. hay muchos pares (p 1,p ) que lo cumplen y no puedo simplificar a M Tampoco puedo plantear una CCO para distintos valores de p 1 -p. Sin embargo, definida ya una regla, si podría calcular la probabilidad de aceptar la H para dos valores de p 1 y p particulares.
29 Cuando se comparan medias o proporciones y se obtiene un p valor muy pequeño esto indica fuerte evidencia de que los parámetros no son iguales, pero no indica qué tan diferentes son. Para ver qué tan diferentes son habría que mirar por ej., el IC. MUESTRAS APAREADAS En este caso se desea comparar la media de dos poblaciones DEPENDIENTES. En particular, se asume que los valores muestrales se obtienen de a pares y las diferencias entre pares siguen una distribución normal. Luego, puede usarse un estadístico t-student para testear si dichas diferencias son significativas (la idea principal es que si hay covarianza positiva entre los valores del par, la diferencia verá su varianza disminuida, mejorando la potencia del test) Los casos típicos involucran apareamientos temporales (antes vs. después), espaciales (lugar 1 vs. lugar ). En cada condición se toma un valor muestral apareado (si se tomaran más valores, se usa un enfoque del tipo ANOVA (analysis of variance)). Si las diferencias no fueran normales, puede usarse el Wilcoxon signed-rank test (test no paramétrico). Hablando de tests no paramétricos, el test de Kolmogorov-Smirnov puede usarse para evaluar si un conjunto de datos proviene de una distribución normal.
30 Paciente Horas adicionales de sueño Droga A (X) Droga B (Y) EJEMPLO Diferencia (W=X-Y) sx x.33. sy y w 1.58 s W 1.3 Se quiere testear ( =.1) si hay diferencia significativa entre los efectos de ambas drogas. a) Se asume que los datos de cada columna tienen distribución normal La ultima columna es entonces una muestra de 1 valores de una población normal. t H : b W w sw / 1 t 9,1 / P T 9 s 4.6 p.8
31 Se concluye que hay diferencias significativas entre ambas drogas ya que si fueran iguales, el evento observado es de muy baja probabilidad. Si se usara un estadístico Z en vez de t, el valor de p que se obtendría sería.5. Se ve que se exagera la significancia y la aproximación no es buena con n=1
32 Horas adicionales de sueño Paciente Droga A (X) Droga B (Y) EJEMPLO Diferencia (W=X-Y) sx x.33. sy y w 1.58 s W 1.3 b) Se toman las columnas X e Y como independientes y normales con igual. En este caso testeamos si hay diferencia entre b X y b Y. T H : bx b Y 18 X S Y X SY t t 18,1 / P T 18 s
33 En este caso, con nivel de significancia.1, se debe concluir que no hay diferencias significativas entre ambas drogas; al revés que en el caso a). EN REALIDAD EL ESQUEMA b) NO ESTA BIEN!! LOS DATOS DE X E Y SON DE LOS MISMOS 1 PACIENTES, VIOLANDO SEGURO LA HIPOTESIS DE INDEPENDENCIA. Se trata de un claro caso de muestras apareadas Si se cumplen las hipótesis de b), se cumplen las de a). Sin embargo, esto no implica que ambos tests arrojen siempre los mismos resultados. Si alguno de ellos da diferencias significativas, entonces se rechaza H.
34 H : 1 : n 1 S H M f M ( ) EJEMPLO Si la población NS =.5 n = 1 es normal n 1 S rechazar H M c c P P P H es V H H n 1 S c decrece para >, entonces se P calcula con = H q c n 1, Si el valor muestral de M es menor a 3.33, rechazo H con NS=
35 Opción Ms S n 1 S n 1 s c M s s P c P.74 H H n 1 decrece para >, entonces Si el valor muestral de M se calcula con S es menor = a.74, rechazo H con NS=.5 n 1 S n 1 s c s M s s s CCO P c P s c n 1,.5 q Error tipo 1 (( )) CCO( )
36 Teorema de SLUTSKY (caso particular) Si la VA W n converge a una VA W con distribución normal (por TCL), y la VA Y n converge en probabilidad a una constante c,, entonces W n Y n converge a cw y W n /Y n converge a W/c (esto último, con c ), ambas con distribución aproximadamente normal. Este teorema nos interesa porque permite mostrar que la mayoría de los estadísticos que hemos visto aquí tendrán asintóticamente una distribución normal aun cuando la población no sea normal. Ejemplo: X i es una VA con cierta distribución, con media b X y desvío estándar X 1 n converge en distribución X b M X q Wn Xi b D X X n n Wn W N, S X / n i1 n p X SX Yn c q Yn n n Wn D q Mn M N Y n converge en probabilidad,1
37 H : H : 1 1 Clasificación (evaluación de errores con regla fija) Se conoce la distribución paramétrica de la población X, dependiente del valor desconocido Si se conoce una regla de decisión, basada en un estadístico del cual se conoce (o deduce) su distribución paramétrica (dependiente del valor de ), pueden entonces evaluarse los errores. EJEMPLO Se cuenta con una moneda. A dice que es legal. B la sostiene y afirma que la probabilidad de cara debe ser.7. Si se decide tirar la moneda 1 veces y darle la razón a B si se observan más de 6 caras, evalúe los errores asociados a dicha regla. H H A B : p.5 : p.7 darle la razon a A R 6 ;.7 6 P P F B tiene razon p.7 R p darle la razon a B R s 6 1 ;.5 6 P P F A tiene razon p.5 R p
Teorema 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 CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA ANOTACIONES SOBRE CONSTRASTE DE Prof. Simón Cabrera
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 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 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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesJuan Carlos Colonia PRUEBA DE HIPÓTESIS
Juan Carlos Colonia PRUEBA DE HIPÓTESIS HIPÓTESIS ESTADÍSTICA Una hipótesis estadística es un supuesto acerca de la distribución de probabilidad de una o mas variables aleatorias o de los parámetros de
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 detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesTema 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 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 detalles10.3. Sec. Prueba de hipótesis para la media poblacional. Copyright 2013, 2010 and 2007 Pearson Education, Inc.
Sec. 10.3 Prueba de hipótesis para la media poblacional (μ) Para probar una hipótesis con respecto a la media poblacional, cuando la desviación estándar poblaciónal es desconocida, usamos una distribución-t
Más detallesEsta proposición recibe el nombre de hipótesis
Pruebas de hipótesis tesis. Refs: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua, Apuntes de Estadística, Dr. Pedro Juan Rodríguez Esquerdo, Departamento de Matemáticas,
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 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 detallesEl primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis:
El primer paso en la realización de una investigación es planear las hipótesis de investigación. Definamos el concepto de hipótesis Definición 1.- Una hipótesis es una afirmación que está sujeta a verificación
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 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 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 detallesTest de hipótesis. En términos estadísticos una hipótesis es un supuesto acerca de un parámetro poblacional. Ejemplos
Test de hipótesis Test de hipótesis En términos estadísticos una hipótesis es un supuesto acerca de un parámetro poblacional. Ejemplos El porcentaje medio de fumadores en Argentina es 38%. No más del %
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más 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 detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesESTADISTICA INFERENCIAL DR. JORGE ACUÑA A.
ESTADISTICA INFERENCIAL DR. JORGE ACUÑA A. 1 PROBABILIDAD Probabilidad de un evento es la posibilidad relativa de que este ocurra al realizar el experimento Es la frecuencia de que algo ocurra dividido
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 detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesTema 5. Contraste de hipótesis (I)
Tema 5. Contraste de hipótesis (I) CA UNED de Huelva, "Profesor Dr. José Carlos Vílchez Martín" Introducción Bienvenida Objetivos pedagógicos: Conocer el concepto de hipótesis estadística Conocer y estimar
Más detalles2. Plantear hipótesis considerando que: Hipótesis: Siendo una prueba no direccionada, el planteamiento de hipótesis, señalará que:
Análisis de varianza El análisis de la varianza, conocida también como ANVAR o ANOVA, por sus siglas en inglés (ANalysis Of VAriance) es un método que permite comparar dos o más grupos de datos a través
Más detallesDEFINICIONES BÁSICAS
1 CLASES DE ESTADÍSTICA II CLASE 14) INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS. A menudo el analista debe tomar decisiones acerca de la investigación que se está desarrollando. En ese proceso de toma de
Más detallesTécnicas de Inferencia Estadística II. Tema 2. Contrastes de hipótesis en poblaciones normales
Técnicas de Inferencia Estadística II Tema 2. Contrastes de hipótesis en poblaciones normales M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 2. Contrastes
Más detallesINFERENCIA ESTADÍSTICA MUESTRAL TEMA 3: PRUEBAS DE HIPÓTESIS
UNIDAD 2 INFERENCIA ESTADÍSTICA MUESTRAL TEMA 3: PRUEBAS DE HIPÓTESIS Probar una afirmación acerca del valor de un parámetro poblacional 1 Probar una afirmación acerca del valor de un parámetro poblacional
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más 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 detallesTabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ 2 conocida: Suponga que X 1, X 2,, X n, es una m.a.(n) desde N( µ, σ 2 )
Test de Hipótesis II Tabla de Test de Hipótesis ( Caso: Una muestra ) A. Test para µ con σ conocida: Suponga que X, X,, X n, es una m.a.(n) desde N( µ, σ ) Estadística de Prueba X - μ Z 0 = σ / n ~ N(0,)
Más 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 detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua En muchas situaciones cuando queremos sacar conclusiones sobre una muestra,
Más detallesTema 8: Contraste de hipótesis
Tema 8: Contraste de hipótesis 1 En este tema: Conceptos fundamentales: hipótesis nula y alternativa, nivel de significación, error de tipo I y tipo II, p-valor. Contraste de hipótesis e IC. Contraste
Más detallesEstadística Inferencial
Estadística Inferencial 1 Sesión No. 5 Nombre: Prueba de hipótesis Contextualización En la práctica, es frecuente tener que tomar decisiones acerca de poblaciones con base en información de muestreo. Tales
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesESTADISTICA Estimación puntual
Resumen estadístico Describir y sintetizar Tablas de frecuencias y Gráficos ESTADISTICA Estimación puntual Analizar e inferir Intervalos de confianza Contrastes de hipótesis Qué es una hipótesis? Una creencia
Más detallesUnidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis
Unidad 15 Estadística inferencial. Estimación por intervalos. Pruebas de hipótesis PÁGINA 353 SOLUCIONES 1. El peso de azúcar por confitura se distribuye según la normal N (465;30). Veamos el porcentaje
Más detallesCONTROL ESTADISTICO DE LA CALIDAD
CICLO 2012-I Módulo:2 Unidad:2 Semana: 2 CONTROL ESTADISTICO DE LA CALIDAD ING. ENRIQUE MONTENEGRO MARCELO PRUEBAS DE HIPOTESIS CONTENIDOS TEMÁTICOS 1. DEFINICIÓN DE HIPOTESIS 2. PROCEDIMIENTO DE UNA PRUEBA
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesEstadísticas y distribuciones de muestreo
Estadísticas y distribuciones de muestreo D I A N A D E L P I L A R C O B O S D E L A N G E L 7/11/011 Estadísticas Una estadística es cualquier función de las observaciones en una muestra aleatoria que
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallespara una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua
Pruebas de hipótesis para una muestra Ref: Apuntes de Estadística, Mtra Leticia de la Torre Instituto Tecnológico de Chiuhuahua Las secciones anteriores han mostrado cómo puede estimarse un parámetro de
Más detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detallesTema 5.5: Contrastes de hipótesis
Tema 5.5: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesPruebas de hipótesis
Pruebas de hipótesis Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Prueba de hipótesis Uno de los objetivos de la estadística es hacer
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
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 detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesTestear la Hipótesis de Media Poblacional
Testear la Hipótesis de Media Poblacional Suponemos que tenemos observaciones de una variable aleatoria con distribución normal y media desconocida, y queremos testear si la media es igual a un valor especifico
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesTema 3: Estimación estadística de modelos probabilistas. (primera parte)
Tema 3: Estimación estadística de modelos probabilistas. (primera parte) Estructura de este tema: 1. 2 Estimación por intervalos de confianza. 3 Contrastes de hipótesis. Planteamiento del problema Inconveniente:
Más detallesDefinición Una hipótesis es una afirmación acerca de un parámetro.
Capítulo 8 Prueba de hipótesis Existen dos áreas de interés en el proceso de inferencia estadística: la estimación puntual y las pruebas de hipótesis. En este capítulo se presentan algunos métodos para
Más detallesPodemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad para
VII. Pruebas de Hipótesis VII. Concepto de contraste de hipótesis Podemos definir un contraste de hipótesis como un procedimiento que se basa en lo observado en las muestras y en la teoría de la probabilidad
Más detallesEstadística II / PRUEBAS DE HIPOTESIS. Una hipótesis estadística es una afirmación o conjetura acerca de una o mas poblaciones.
PRUEBAS DE HIPOTESIS La prueba de hipótesis es un procedimiento estadístico que comienza con una suposición que se hace con respecto a un parámetro de población, luego se recolectan datos de muestra, se
Más detallesEJERCICIOS DE PRUEBA DE HIPOTESIS
EJERCICIOS DE PRUEBA DE HIPOTESIS Protocolo 1. Identifique la aseveración original que se probará y exprésela en forma simbólica 1. 2. Dar la forma simbólica que debe ser verdad si la aseveración original
Más detallesPruebas de Hipótesis. Diseño Estadístico y Herramientas para la Calidad. Pruebas de Hipótesis. Hipótesis
Diseño Estadístico y Herramientas para la Calidad Pruebas de Hipótesis Expositor: Dr. Juan José Flores Romero juanf@umich.mx http://lsc.fie.umich.mx/~juan M. en Calidad Total y Competitividad Pruebas de
Más detallesContraste de Hipótesis
Contraste de Hipótesis Introducción Ejemplo El peso de plantines de un arbusto forrajero, almacenado a temperatura y humedad relativa ambientes, obtenido a los 20 días desde la germinación es en promedio
Más detallesMódulo de Estadística
Módulo de Estadística Tema 8: Introducción a los contrastes de hipótesis Tema 6: Contrastes de hipótesis 1 Objetivos del tema Introducir el concepto de contraste de hipótesis Diferenciar entre hipótesis
Más 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 detallesPrueba de Hipótesis 1
Prueba de Hipótesis 1 Pruebas de hipótesis para una muestra Objetivos: Al terminar este material podrá: 1. Definir hipótesis y prueba de hipótesis. 2. Describir el procedimiento de cinco pasos para realizar
Más detallesCurso de Estadística Aplicada a las Ciencias Sociales. Tema 12. Contraste de hipótesis. Introducción. Introducción
Curso de Estadística Aplicada a las Ciencias Sociales Tema 12. Contraste de (Cap. 22 del libro) Tema 12. Contraste de 1. Tipos de 2. La nula y la Ejercicios Tema 12, Contraste de 2 En muchas investigaciones
Más 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 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 detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesEstadística II / PRUEBAS DE HIPOTESIS. Una hipótesis estadística es una afirmación o conjetura acerca de una o mas poblaciones.
La prueba de hipótesis es un procedimiento estadístico que comienza con una suposición que se hace con respecto a un parámetro de población, luego se recolectan datos de muestra, se producen estadísticas
Más detallesFundamentos para la inferencia. Unidad 3 Parte II Estadísca Prof. Tamara Burdisso
Fundamentos para la inferencia Estadísca 017 - Prof. Tamara Burdisso 1 Distribución muestral de la varianza muestral Hasta aquí nos ocupamos de hacer inferencia sobre la media y/o la proporción de una
Más detallesTema 7 Intervalos de confianza Hugo S. Salinas
Intervalos de confianza Hugo S. Salinas 1 Introducción Hemos definido la inferencia estadística como un proceso que usa información proveniente de la muestra para generalizar y tomar decisiones acerca
Más detallesIntroducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 (ESTA 3042) Tests of Significance 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. (ESTA 3042) Tests of Significance 2 /
Más detallesIntervalos de Confianza
Intervalos de Confianza Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Intervalo de Confianza Se puede hacer una estimación puntual de
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 detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
Más detallesESTADÍSTICA APLICADA. Tema 3: Contrastes de hipótesis
ESTADÍSTICA APLICADA Grado en Nutrición Humana y Dietética Tema 3: Contrastes de hipótesis Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación,
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detalles6. Inferencia con muestras grandes. Informática. Universidad Carlos III de Madrid
6. Inferencia con muestras grandes 1 Tema 6: Inferencia con muestras grandes 1. Intervalos de confianza para μ con muestras grandes 2. Determinación del tamaño muestral 3. Introducción al contraste de
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 detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 00-.003 - CONVOCATORIA: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumno debe elegir sólo una de las pruebas (A o B) y, dentro de ella, sólo
Más detallesINTERVALOS DE CONFIANZA. La estadística en cómic (L. Gonick y W. Smith)
INTERVALOS DE CONFIANZA La estadística en cómic (L. Gonick y W. Smith) EJEMPLO: Será elegido el senador Astuto? 2 tamaño muestral Estimador de p variable aleatoria poblacional? proporción de personas que
Más detallesde Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3)
Variabilidad Muestral, Distribuciones de Muestreo de Medias, Inferencia Estadística (Naturaleza de las Pruebas ) (Cap. 7 y Sec. 8.3) Distribución muestral de un estadístico Es la distribución de valores
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 detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más 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 detallesObjetivos del tema. Qué es una hipótesis? Test de Hipótesis Introducción a la Probabilidad y Estadística. Contrastando una hipótesis
Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa Nivel de significación Test de Hipótesis Introducción
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesCONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES
CONTRASTE DE HIPÓTESIS TEMA 4.1 CONTRASTES BILATERALES INTRODUCCIÓN Un fabricante de pilas afirma que la duración media de sus pilas, funcionando ininterrumpidamente, es de 53 horas como mínimo y su desviación
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesBioestadística. Conocer el proceso para contrastar hipótesis y su relación con el método científico. Diferenciar entre hipótesis nula y alternativa
Bioestadística Tema 7: Introducción a los contrastes de hipótesis Tema 7: Contrastes de hipótesis 1 Objetivos del tema Conocer el proceso para contrastar hipótesis y su relación con el método científico.
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesEstadística II Tema 4. Regresión lineal simple. Curso 2009/10
Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesImprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA << Contenido >> UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > UNIDAD III TEORIA DE PEQUEÑAS MUESTRAS O TEORIA EXACTA DEL MUESTREO En las unidades anteriores se manejó el uso de la distribución z, la cual
Más detalles1. Muestreo e Inferencia Estadística
Tema 6: Introducción a la Inferencia Estadística Objetivos Introducir los conceptos elementales en esta parte de la asignatura. Tratar con muestras aleatorias y su distribución muestral en ejemplos de
Más detallesMantenimiento Eléctrico
Universidad Tecnológica de Pereira - 1/27 Mantenimiento Eléctrico Intervalos estadísticos, pruebas de hipótesis Mauricio Holguín Londoño Programa de Ingeniería Eléctrica 2016 Universidad Tecnológica de
Más detalles