Conceptos del contraste de hipótesis
|
|
- Pascual Reyes Ramírez
- hace 7 años
- Vistas:
Transcripción
1 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 hipótesis N =???? = millones de votantes estimadores o intervalos de confianza n = 1. votantes Inferencias. Generalizaciones a partir de la muestra a la población. estadísticos 1
2 Conceptos del contraste de hipótesis Contraste de hipótesis. Verificación de la validez de una hipótesis planteada sobre una población a partir de la información muestral. N =???? = millones de votantes n = 1. votantes Verificación de la validez de la hipótesis ipótesis o conjetura Conceptos del contraste de hipótesis Un veterinario quiere saber si la esperanza de vida de los gatos es la misma que la de las gatas. 2
3 Conceptos del contraste de hipótesis Un veterinario quiere saber si la esperanza de vida de los gatos es la misma que la de las gatas. Una clínica veterinaria recibe un envío de material clínico. Sólo aceptará el envío si no hay más de un 1% de materiales defectuosos. Conceptos del contraste de hipótesis Un veterinario quiere saber si la esperanza de vida de los gatos es la misma que la de las gatas. Una clínica veterinaria recibe un envío de material clínico. Sólo aceptará el envío si no hay más de un 1% de materiales defectuosos. Una fábrica de piensos afirma que produce sacos de 5 kg. 3
4 Conceptos del contraste de hipótesis Una fábrica de piensos afirma que produce sacos de 5 kg. o: los sacos de pienso pesan 5 kg ipótesis nula: se formula la conjetura sobre el parámetro y se acepta siempre que no se produzca suficiente evidencia en contra. : θ = θ Conceptos del contraste de hipótesis Una fábrica de piensos afirma que produce sacos de 5 kg. 1: los sacos de pienso no pesan 5 kg ipótesis alternativa: se contrasta la validez de la hipótesis nula frente a su alternativa con información muestral. Se considera cierta si la nula resulta falsa. : θ θ 1 4
5 Conceptos del contraste de hipótesis ipótesis nula simple : θ = θ compuesta : θ θ ipótesis alternativa unilateral 1 : θ θ bilateral 1 : θ θ Conceptos del contraste de hipótesis Una fábrica de piensos afirma que produce sacos de 5 kg. n = 1 sacos Se rechaza : θ θ 1 Regla de decisión Se acepta : θ = θ 5
6 Conceptos del contraste de hipótesis 1 : θ θ Se rechaza Regla de decisión θ θ : = Se acepta Si o es cierta y la regla la rechaza, se comete el error Tipo I α es la probabilidad de rechazar o siendo cierta 1-α es la probabilidad de aceptar o siendo cierta Si o es falsa y la regla no la rechaza, se comete el error Tipo II β es la probabilidad de aceptar o siendo falsa 1-β es la probabilidad de rechazar o siendo falsa Conceptos del contraste de hipótesis Regla de decisión Realidad aceptar o cierta Decisión correcta p = 1 α o falsa Error Tipo II p = β rechazar Error Tipo I p = α Decisión correcta p = 1 β α = nivel de significación de la prueba 1 β = potencia de la prueba 6
7 Conceptos del contraste de hipótesis Robustez. abilidad del Potencia. abilidad para Realidad contraste Regla de decisión para no detectar señalar diferencias, cuando erróneamente diferencias, efectivamente las hay. cuando no realmente no las o cierta o falsa hay. Decisión correcta Error Tipo II aceptar p = 1 α p = β rechazar Error Tipo I p = α Decisión correcta p = 1 β α = nivel de significación de la prueba 1 β = potencia de la prueba Conceptos del contraste de hipótesis Una fábrica de piensos afirma que produce sacos de 5 kg. n = 1 sacos α =,5 Se rechaza : θ θ 1 Regla de decisión Se acepta : θ = θ 7
8 Contrastes para la media no requiere no requiere n>3 contraste d. normal conocer σ 2 basado en Z n? n<3 requiere d. normal σ 2 conocida? contraste basado en t Contrastes para la media contraste basado en Z n<3 requiere d. normal σ 2 conocida? 8
9 Contrastes para la media de una distribución normal con varianza conocida n = X1, X2,, Xn µ desconocida σ 2 conocida : µ = µ : µ > µ 1 X µ Z = σ / n Si o es cierta X µ Z = σ / n Si 1 es cierta X µ Z = σ / n Contrastes para la media de una distribución normal con varianza conocida X n = 16 = 5,38 g µ = 5 g? σ 2 =,256 5,38 5 Z = = 1,52,1/ 16 1 : µ = µ = 5 : µ > 5 puedo considerar que 1,52 es muy grande para aceptar o? 9
10 Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5,4,3 5,38 5 Z = = 1,52,1/ 16 fz(z),2, Z Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5 5,38 5 Z = = 1,52,1/ 16 puedo considerar que 1,52 es muy grande para aceptar o? Depende del riesgo a asumir. o será rechazada cuando, siendo cierta, la probabilidad de que la media muestral tome el valor observado sea menor al 5% (α=,5): P(Z>zα)=α; α =,5; Z=1,645 1
11 Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5 fz(z),4 5,38 5 Z = =,3 1,52,1/ 16,2, Z α Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5 5,38 5 Z = = 1,52,1/ 16 puedo considerar que 1,52 es muy grande para aceptar o? Depende Dado quedel 1,52 riesgo< a asumir. 1,645; Si nosehay quiere suficiente asumir un evidencia 5% depara probabilidad rechazar o de (con rechazo unade probabilidad o, si es cierta de rechazar (α=,5): o, si fuera cierta, del 5%). P(Z>zα)=α; α =,5; Z=1,645 11
12 Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5 5,38 5 Z = = 1,52,1/ 16 puedo considerar que 1,52 es muy grande para aceptar o? Si α=,1: P(Z>zα)=α; α =,1; Z=1,28 Contrastes para la media de una distribución normal con varianza conocida n = 16 = 5,38 g µ = 5 g? σ 2 =,256 X 1 : µ = µ = 5 : µ > 5 5,38 5 Z = = 1,52,1/ 16 puedo considerar que 1,52 es muy grande para aceptar o? Si Dado α=,1): que 1,52 > 1,28; hay suficiente evidencia para rechazar P(Z>zα)=α; o (con α =,1; una Z=1,28 probabilidad de rechazar o, si fuera cierta, del 1%). 12
13 Contrastes para la media de una distribución normal con varianza conocida Mientras menor sea el nivel de significación, mayor será la duda sobre su veracidad.,4 fz(z),3,2,1 α =,1 α =, Z Contrastes para la media de una distribución normal con varianza conocida n = X1, X2,, Xn µ desconocida σ 2 conocida : µ = µ : µ > µ 1 X µ Z = σ / n Rechazar o si: Z X µ = > σ / n z α P( Z > z ) = α α siendo Z una variable aleatoria normal estándar 13
14 Contrastes para la media de una distribución normal con varianza conocida n = X1, X2,, Xn µ desconocida σ 2 conocida : µ = µ : µ < µ 1 X µ Z = σ / n Rechazar o si: Z X µ = < zα σ / n P( Z > z ) = α siendo Z una variable aleatoria normal estándar α Contrastes para la media de una distribución normal con varianza conocida n = X1, X2,, Xn µ desconocida σ 2 conocida : µ = µ : µ µ 1 X µ Z = σ / n Rechazar o si: X µ X µ Z = < z o Z = > z σ / n σ / n α /2 α /2 P( Z < z ) = α / 2 P( Z > z ) = α / 2 α /2 α /2 siendo Z una variable aleatoria normal estándar 14
15 Contrastes para la media de una distribución normal con varianza conocida Valor crítico (p-value). El menor nivel de significación al cual puede rechazarse una hipótesis. Si o fuera cierta, la probabilidad de encontrar un 5,38 5 Z = = 1,52 valor igual o superior a 1,52,1/ 16 es del 6,43% z α = 1, 52; α =, 643 La hipótesis nula puede ser rechazada para todos los niveles de significación mayores que 6,43% Contrastes para la media de una distribución normal con varianza conocida Cuando una máquina de ordeño funciona bien, la presión es de 2 atm con d.t.,6 atm. Periódicamente se comprueba que funciona bien en una muestra aleatoria de 9 vacas. El último control reportó una media de 1,95 atm. Contraste que la media poblacional sigue siendo de 2 atm con un nivel de significación del 5% y halle el p-valor. 1 : µ = µ = 2 : µ 2 Rechazar si: X µ X µ Z = < z o Z = > z σ / n σ / n α /2 α /2 1,95 2 Z = = 2,5,6 / 9 z = z = 1,96 α /2,25 z = z = 1,96 α /2,25 15
16 Contrastes para la media contraste basado en Z n<3 requiere d. normal σ 2 conocida? Contrastes para la media no requiere no requiere n>3 contraste d. normal conocer σ 2 basado en Z n? n<3 requiere d. normal σ 2 conocida? 16
17 Contrastes para la media si n>3 Los mismos planteamientos desarrollados anteriormente son válidos. Teorema central del límite Si no se conoce σ 2, se usa s 2 Contrastes para la media no requiere no requiere n>3 contraste d. normal conocer σ 2 basado en Z n? n<3 requiere d. normal σ 2 conocida? contraste basado en t 17
18 Contrastes para la media de una distribución normal: varianza poblacional desconocida n = X1, X2,, Xn µ desconocida σ 2 desconocida : µ = µ : µ > µ 1 Rechazar o si: X µ S / n x > t n 1, α Pt ( > t ) = α n 1 n 1, α Donde tn-1 sigue una distribución t de Student con n-1 grados de libertad Contrastes para la media de una distribución normal: varianza poblacional desconocida n = X1, X2,, Xn µ desconocida σ 2 desconocida : µ = µ : µ < µ 1 Rechazar o si: X µ S / n x < t n 1, α Pt ( < t ) = α n 1 n 1, α Donde tn-1 sigue una distribución t de Student con n-1 grados de libertad 18
19 Contrastes para la media de una distribución normal: varianza poblacional desconocida n = X1, X2,, Xn µ desconocida σ 2 desconocida : µ = µ : µ µ 1 Rechazar o si: X µ X µ < t o > t S / n S / n x n 1, α /2 n 1, α /2 x Pt ( < t ) = α / 2 Pt ( > t ) = α / 2 n 1 n 1, α /2 n 1 n 1, α /2 Donde tn-1 sigue una distribución t de Student con n-1 grados de libertad Contrastes para la varianza de una distribución normal Se apoya de modo crucial en la distribución normal Se basa en que la variable aleatoria: χ ( n ) s x n 1 = 2 σ sigue una distribución chi-cuadrado con (n 1) grados de libertad. 19
20 Contrastes para la varianza de una distribución normal n = X1, X2,, Xn µ desconocida σ 2 desconocida : σ = σ 2 2 Si o es cierta, la variable aleatoria: ( ) 2 2 n 1 s χ x n 1 = 2 σ sigue una distribución normal con (n 1) grados de libertad P ( n 1 n 1, α) P( n 1 n 1, α) χ > χ = α χ < χ = α Contrastes para la varianza de una distribución normal Intervalo de confianza del 1(1 α)%,8 α 2 2 ( n 1) s 2,6x 2 ( n 1) sx < σ < 2 2 χn,4 1, α /2 χn 1,1 α /2 α,2 2 1 α 2 2 α 2 2 α P( χn 1> χn 2 1, α /2) = P2 ( χn 1< χn 1,1 α /2) = χ v,1 α /2 2 χ vα, /2 2 chi-cuadrado f(chi-cuadrado),1 2
21 Contrastes para la varianza de una distribución normal n = X1, X2,, Xn µ desconocida σ 2 desconocida : σ = σ 2 2 : σ σ Rechazar o si: ( n 1) s ( 1) σ n s 2 2 x 2 x 2 < χ 2 n 1,1 α /2 o > χ 2 n 1, α /2 σ P( χ < χ ) = α / 2 P( χ > χ ) = α / n 1 n 1,1 α /2 n 1 n 1,1 α /2 Donde la variable aleatoria chi-cuadrado sigue una distribución chi-cuadrado con (n-1) grados de libertad Rechazar o si: Contrastes para la proporción poblacional : p= p : p p 1 pˆ ˆ x p p p > z o < z p 1 p / n p 1 p / n x /2 α /2 α ( ) ( ) P( Z > z ) = α / 2 P( Z < z ) = α / 2 α /2 α /2 Donde la variable aleatoria Z sigue una distribución normal estándar 21
22 Contrastes para la proporción poblacional De una muestra de 82 clientes de clínicas veterinarias, 378 fueron capaces de recordar el precio del servicio un año después del mismo. Contrastar con un nivel de significación del 1% que al menos la mitad de los clientes de clínicas veterinarias son capaces de recordar el precio un año después del servicio. : p p =,5 : p<,5 1 Rechazar si: pˆ x p < zα p 1 p / n ( ), 471,5,5,5 / 82 = 1,64 z = z = 1,28 α,1 Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes Se estudia la diferencia de medias de dos muestras independientes extraídas aleatoriamente de poblaciones normales. Diferencia de medias con datos pareados Se estudia la diferencia de medias antes y después del tratamiento en los mismos sujetos que constituyen una muestra, extraída aleatoriamente de la población normal. 22
23 Contrastes para la diferencia entre dos medias Diferencia de medias con datos pareados Se estudia la diferencia de medias antes y después del tratamiento en los mismos sujetos que constituyen una muestra, extraída aleatoriamente de la población normal. Contrastes para la diferencia entre dos medias Diferencia de medias con datos pareados : µ µ = D x y : µ µ D 1 x y Rechazar o si: d D d D < t o > t s / n s / n d n 1, α /2 n 1, α /2 d Pt ( < t ) = α / 2 Pt ( > t ) = α / 2 n 1 n 1, α /2 n 1 n 1, α /2 donde la variable aleatoria tn-1 sigue una distribución t de Student con (n 1) grados de libertad. 23
24 Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes Se estudia la diferencia de medias de dos muestras independientes extraídas aleatoriamente de poblaciones normales. Diferencia de medias con datos pareados Se estudia la diferencia de medias antes y después del tratamiento en los mismos sujetos que constituyen una muestra, extraída aleatoriamente de la población normal. Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes Se estudia la diferencia de medias de dos muestras independientes extraídas aleatoriamente de poblaciones normales. varianza conocida o tamaño muestral grande varianzas poblacionales son iguales 24
25 Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes Se estudia la diferencia de medias de dos muestras independientes extraídas aleatoriamente de poblaciones normales. varianza conocida o tamaño muestral grande 3 observaciones en cada muestra son, en general, suficientes si la varianza poblacional no se conoce, se utiliza la varianza muestral Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes con varianza conocida o tamaño muestral grande : µ µ = D : µ µ D x y 1 x y Rechazar o si: x y D < z o x y D > z σ + + n n n n 2 α /2 2 α /2 2 2 σ x y σ σ x y x y x y P( Z < zα /2) = α / 2 P( Z > zα /2) = α / 2 donde la variable aleatoria Z sigue una distribución normal estándar. 25
26 Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes Se estudia la diferencia de medias de dos muestras independientes extraídas aleatoriamente de poblaciones normales. varianza conocida o tamaño muestral grande varianzas poblacionales son iguales Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes con varianzas poblacionales iguales En primer lugar, contrastar la igualdad de varianzas. A continuación, estimar la varianza común. ( ) + ( ) n 1 s n 1 s 2 s = n + n x x y y x y Finalmente, contrastar la diferencia de medias. 26
27 Contrastes para la diferencia entre dos medias Diferencia de medias en muestras independientes con varianzas poblacionales iguales : µ µ = D : µ µ D x y 1 x y Rechazar o si: x y D x y D < tn o x n t y α > nx+ ny nx+ ny s s nn nn x y + 2, /2 n + n 2, α /2 x y x y Pt ( < t ) = α / 2 Pt ( > t ) = α / 2 n + n 2 n + n 2, α /2 n + n 2 n + n 2, α /2 x y x y x y x y donde la variable aleatoria tnx+ny-2 sigue una distribución t de Student con (nx+ny-2) grados de libertad. Contrastes para la diferencia entre dos medias Una muestra aleatoria de 4 perros tratados con un fármaco tuvo una media de 78, + 24,4 latidos cardíacos por minuto, mientras que otra muestra independiente de 4 perros sin tratar, tuvo una media de 63,5 + 2,2 latidos. Asumiendo igualdad de varianzas, contrastar con el 1% de significación que ambas medias son iguales frente a la alternativa que la media es mayor en el grupo con tratamiento. 1 : µ µ = x : µ µ > x y y ( ) ( ) 2 2 n x sx + ny sy 3 24, , 2 s= = = 22, 4 n + n x y 27
28 Contrastes para la diferencia entre dos medias Una muestra aleatoria de 4 perros tratados con un fármaco tuvo una media de 78, + 24,4 latidos cardíacos por minuto, mientras que otra muestra independiente de 4 perros sin tratar, tuvo una media de 63,5 + 2,2 latidos. Asumiendo igualdad de varianzas, contrastar con el 1% de significación que ambas medias son iguales frente a la alternativa que la media es mayor en el grupo con tratamiento. 1 : µ µ = x : µ µ > x y y t + 2,,1 = t6,,1 = 1, 44 nx ny x y D t nx+ ny 2, α nx+ ny s nn x y 78 63,5 > =, , 4 16 Contrastes para la diferencia entre dos proporciones 4 observaciones en cada muestra son, en general, suficientes : p = p : p p x y 1 x y Rechazar o si: pˆ ˆ ˆ ˆ x py px py < zα o > z nx+ n y nx+ n y pˆ ( 1 pˆ ) pˆ ( 1 pˆ ) nn x y nn x y /2 α /2 P( Z < z ) = α / 2 P( Z > z ) = α / 2 α /2 α /2 Donde la variable aleatoria Z sigue una distribución normal estándar 28
29 Contrastes para la igualdad de varianzas Se toman dos muestras aleatorias e independientes: nx, ny De dos poblaciones normales con varianzas: σ 2 x, σ 2 y Con varianzas muestrales: s 2 x, s 2 y s / σ F = s 2 2 x x 2 2 y / σy,8 F con (nx-1) g.l. en el numerador y (ny-1) g.l. en el denominador f(f),6,4, F Contrastes para la igualdad de varianzas : σ = σ : σ σ x y 1 x y Rechazar o si: s s 2 x 2 y > F n 1, n 1, α x y ( n 1, 1 1, 1, ) x ny Fnx ny α P F > = α Donde la variable aleatoria F sigue una distribución F con (nx 1) g.l. en el numerador y (ny 1) g.l. en el denominador 29
30 contrastes basados en el supuesto de normalidad (también válidos si se aplican en muestras grandes aunque la población no sea normal) Cómo contrastamos dos - No requieren d. normal en las poblaciones. medias si la distribución de la - Es poco sensible a valores extremos. población difiere - Requieren muestras independientes. - Requieren considerablemente distribuciones poblacionales de la similares. - Si la población normal, eso normal, n es pequeño? son menos poderosos que los paramétricos. Contraste de signos Contraste de Wilcoxon Contraste de Mann-Whitney Cómo contrastamos dos - No requieren d. normal en las poblaciones. medias si la distribución de la - Es poco sensible a valores extremos. población difiere - Requieren muestras independientes. - Requieren considerablemente distribuciones poblacionales de la similares. - Si la población normal, eso normal, n es pequeño? son menos poderosos que los paramétricos. 3
31 Contraste de signos A 8 personas elegidas aleatoriamente van a catar ambos platos y a puntuarlos de 1 a 1 B Contraste de signos A B Si se descartan los ceros, los signos pueden considerarse como una muestra aleatoria de una población con distribución binomial. Individuo Valoración Diferencia Signo Jamón A Jamón B María Pedro Alejandro Sonia Ana Raquel Andrés 7 7 José Se usa como alternativa no paramétrica a la comparación de dos medias con datos pareados 31
32 Contraste de signos : p =,5 + La regla de decisión se basa en la probabilidad de que, si o Afuese cierta, B que probabilidad habría de tener un resultado Individuo muestral como Valoración el obtenido p ˆ + =,28 Individuo Diferencia Signo Jamón A Jamón B María Pedro Alejandro Sonia Ana Raquel Andrés 7 7 José Contraste de signos : p =,5 + A f(x),3,25,2,15,1,5 B 1 α α / 2 α / 2 x : p,5 1 + p ˆ + =,
33 Contraste de signos : p =,5 + : p,5 1 + P() + P(1) + P(2) + P(5) + P(6) + P(7) =,4532 p ˆ + =,28 A f(x),3,25,2,15,1,5 B 1 α α / 2 α / x Contraste de signos : p =,5 + : p,5 1 + A f(x) P() + BP (1) + P(6) + P(7) =,125,3,25,2,15,1,5 1 α α / 2 α / 2 x p ˆ + =,
34 Contraste de signos A B Si n>2, el contraste de signos se basa en la aproximación binomial de la normal,8,6 f(x),4, x Contraste de signos Rechazar o si: : p=,5 : p,5 1 pˆ,5 ˆ x p,5 < z o > z,5,5 / n,5,5 / n x α /2 α /2 Donde la variable aleatoria Z sigue una distribución normal estándar 34
35 Contraste de signos Se usa como alternativa no paramétrica al contraste de medias con datos pareados. Sólo indica diferencias, no informa de la magnitud de la diferencia. n>2 Contraste de Wilcoxon A 8 personas elegidas aleatoriamente van a catar ambos platos y a puntuarlos de 1 a 1 B 35
36 Contraste de Wilcoxon A B Individuo Valoración Diferencia Rango(+) Signo Rango(-) Jamón A Jamón B María Pedro Alejandro ,5 Sonia ,5 Ana Raquel Andrés 7 7 José Suma Contraste de Wilcoxon A B observación Rango(+) 1,5 1,5 Rango(-) Suma Si no hay diferencias, la distribución de los rangos estará centrada en. rango 36
37 Contraste de Wilcoxon Rango(+) Rango(-) Si no hay diferencias, la suma 1,5 1,5 de rango(+) debe ser 7 A B 4 aproximadamente observación la misma 5 que la suma de rango (-), que 3 25 Suma para n=7, sería entorno a 14. Si o (no hay diferencias) es cierta, qué probabilidad habría de obtener un resultado muestral como el obtenido? rango 3 6 Contraste de Wilcoxon A B Rango(+) 1,5 1,5 Rango(-) Suma La más pequeña de las sumas de rangos es el estadístico T. En este caso, T=3; que para n=7, α =,25 37
38 Contraste de Wilcoxon A B ( + 1) n n ET ( ) = µ T = 4 2 n( n+ 1 )(2n+ 1) VarT ( ) = σt = 24 T µ T Z = σ T Si n>2, la distribución normal es una buena aproximación al estadístico T Contraste de Wilcoxon A Rechazar o si: B Si n>2, la distribución normal es una buena aproximación al estadístico T T µ T σ T < z α /2 Donde la variable aleatoria Z sigue una distribución normal estándar 38
39 Contraste de Wilcoxon Se usa como alternativa no paramétrica al contraste de medias con datos pareados. Además de los signos utiliza la magnitud, por lo que o será rechazada con un nivel de significación menor que utilizando el contraste de signos. Se compara el rendimiento quesero de 31 cabras con dos alimentos diferentes, ensilado de maíz frente a heno de alfalfa. Se calcularon los rangos y el más pequeño correspondió al heno de alfalfa (189). Contrastar la hipótesis se que ambos alimentos producen el mismo rendimiento quesero. 1 : µ µ = x : µ µ x y y ( + ) n n µ T = = = n( n+ 1 )(2n+ 1) σt = = = T µ T Z = = = 1,16 σ 51,3 T α zα /2 = 1 zα /2 = 1 = 1, 4385=,
40 Contraste de Mann-Whitney Se usa como alternativa no paramétrica al contraste de medias con muestras aleatorias independientes. nx análisis de datos = 1 alumnos ny embriología = 12 alumnos son diferentes las horas semanales de estudio de Análisis de Datos y de Embriología? Contraste de Mann-Whitney Análisis de datos Embriología rango análisis datos rango embriología , , , , , , ,5 159,5 Suma de rangos Se desarrolla de modo similar al contraste de Wilcoxon 4
41 Contraste de Mann-Whitney ( + 1) n n U = nn + R x x Análisis de datos x y Embriología x rango 2 análisis datos rango embriología , nn x y EU ( ) = 14µ U = 4, , , nn 17,5 7 2 x y( nx+ ny+ 1) 11 VarU ( 15 ) = σu = U 8 µ U 13 4,5 Z = σu 3 93,5 159,5 Suma de rangos nx>1 y ny>1 Contraste de Mann-Whitney Rechazar o si: U µ U U µ < z o > z σ U U α /2 α /2 σu Donde la variable aleatoria Z sigue una distribución normal estándar 41
42 Contraste de Mann-Whitney ( + ) nx nx U = nn x y + Rx = ,5= 81, Análisis de datos Embriología rango análisis datos rango embriología 1 nn 13 x y ,5 6 EU ( ) = µ U = 17 = = , , nn 15,5 1 2 x y( nx+ ny+ 1) VarU ( ) = σ 9 17,5 7 U = = = U µ U 81, = 8 = 1, ,5 σu ,5 159,5 Suma de rangos z α α /2 = 1, 42 =, 778 α =,
Contraste 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 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 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 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 detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesESTADÍSTICA. 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 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 detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesA. 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 detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE II POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más 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 detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detallesConceptos Básicos de Inferencia
Conceptos Básicos de Inferencia Álvaro José Flórez 1 Escuela de Ingeniería Industrial y Estadística Facultad de Ingenierías Febrero - Junio 2012 Inferencia Estadística Cuando obtenemos una muestra, conocemos
Más detallesTema 4: Probabilidad y Teoría de Muestras
Tema 4: Probabilidad y Teoría de Muestras Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Probabilidad y Teoría de Muestras Curso 2008-2009
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más 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 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 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 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 detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más 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 detallesproporciones y para la Estadística II Equipo Docente: Iris Gallardo Andrés Antivilo Francisco Marro
Sesión 12 Intervalo de confianza para proporciones y para la razón de varianzas. IC para a una proporción poblacional o a Qué proporción de adolescentes presenta problemas de delincuencia en una comunidad
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesESTADISTICA GENERAL. INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales
ESTADISTICA GENERAL INFERENCIA ESTADISTICA Profesor: Celso Celso Gonzales Objetivos Entender los conceptos de estimación puntual y estimación por intervalos. Calcular e interpretar intervalos de confianza
Más detallesEjercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL
Ejercicios T2 y T3.- DISTRIBUCIONES MUESTRALES Y ESTIMACIÓN PUNTUAL 1. Se ha realizado una muestra aleatoria simple (m.a.s) de tamaño 10 a una población considerada normal. Llegando a la conclusión que
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 detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesINTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS
INTRODUCCIÓN A LA ECONOMETRÍA (LE Y LADE, mañana) Prof. Magdalena Cladera APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL Y SPSS CONTENIDOS APLICACIONES DE INFERENCIA ESTADÍSTICA DE EXCEL... 2 1. Probabilidad...
Más detallesEstadística II Tema 2. Conceptos básicos en el contraste de. Curso 2010/11
Estadística II Tema 2. Conceptos básicos en el contraste de hipótesis Curso 2010/11 Tema 2. Conceptos básicos en el contraste de hipótesis Contenidos Definición de contraste e hipótesis estadística. Hipótesis
Más detallesDistribución Chi (o Ji) cuadrada (χ( 2 )
Distribución Chi (o Ji) cuadrada (χ( 2 ) PEARSON, KARL. On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is such that it Can Reasonably
Más detallesa. N(19 5, 1 2) P(19 X 21) = P( Z ) = = P = P P = = P P = P = = = El 55 72% no son adecuados.
El diámetro de los tubos de cartón para un envase ha de estar entre 19 y 21mm. La maquina prepara tubos cuyos diámetros están distribuidos como una manual de media 19 5mm y desviación típica 1 2mm. Qué
Más detallesEJERCICIOS RESUELTOS DE ESTADÍSTICA II
EJERCICIOS RESUELTOS DE ESTADÍSTICA II RESUMEN DE EJERCICIOS DADOS EN CLASES PARTE I POR: EILEEN JOHANA ARAGONES GENEY DISTRIBUCIONES DOCENTE: JUAN CARLOS V ERGARA SCHMALBACH ESTIMACIÓN PRUEBAS DE HIPÓTESIS
Más detallesCAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS
CAPÍTULO IV TRABAJO DE CAMPO Y PROCESO DE CONTRASTE DE LAS HIPÓTESIS 1. HIPÓTESIS ALTERNA E HIPÓTESIS NULA Para someter a contraste una hipótesis es necesario formular las Hipótesis Alternas ( H1 ) y formular
Más detallesCONTENIDO. Prólogo a la 3. a edición en español ampliada... Prólogo...
CONTENIDO Prólogo a la 3. a edición en español ampliada.................................. Prólogo.................................................................. vii xvii 1. Métodos descriptivos................................................
Más detallesJuan Carlos Colonia INTERVALOS DE CONFIANZA
Juan Carlos Colonia INTERVALOS DE CONFIANZA INTERVALOS DE CONFIANZA PARA LOS PARÁMETROS DE DOS POBLACIONES I.C. PARA EL COCIENTE DE VARIANZAS Sean X y dos muestras aleatorias,..., Xn Y,..., Yn independientes
Más detalles6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE
6. Estimación, DISTRIBUCIONES MUESTREO, Y PRUEBA DE HIPÓTESIS. 6.1 INFERENCIA ESTADISTICA La estadística está dividida en descriptiva e inferencial donde La estadística Descriptiva se relaciona principalmente
Más detallesDistribuciones de probabilidad
Distribuciones de probabilidad Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir
Más detallesCAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA
CAPÍTULO 10 ESTIMACIÓN POR PUNTO Y POR INTERVALO 1.- ESTIMACIÓN PUNTUAL DE LA MEDIA Y DE LA VARIANZA 2.- INTERVALO DE CONFIANZA PARA LA MEDIA 3.- INTERVALO DE CONFIANZA PARA LA VARIANZA 4.- INTERVALO DE
Más detalles1.- Test de hipótesis de normalidad. 2.- Test de hipótesis para una proporción 6-1
Estadística º curso l Grado en Ciencias la Actividad Física y el Deporte Estadística º Curso l Grado en Ciencias la Actividad Física y el Deporte ---o0o--- Tests hipótesis con una y dos muestras Bioestadística
Más detallesOTRAS HERRAMIETAS ESTADISTICAS UTILES. Dra. ALBA CECILIA GARZON
OTRAS HERRAMIETAS ESTADISTICAS UTILES Dra. ALBA CECILIA GARZON Que es un Test de Significancia estadística? El término "estadísticamente significativo" invade la literatura y se percibe como una etiqueta
Más detallesMatemáticas 2.º Bachillerato. Intervalos de confianza. Contraste de hipótesis
Matemáticas 2.º Bachillerato Intervalos de confianza. Contraste de hipótesis Depto. Matemáticas IES Elaios Tema: Estadística Inferencial 1. MUESTREO ALEATORIO Presentación elaborada por el profesor José
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesTablas de estadística
Tablas de estadística FUOC 3 Tablas de estadística Tabla 1. Probabilidades de la distribución binomial (n; p) FUOC 4 Tablas de estadística Tabla 1 (Continuación). Probabilidades de la distribución binomial
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 detallesOtra característica poblacional de interés es la varianza de la población, 2, y su raíz cuadrada, la desviación estándar de la población,. La varianza
CARACTERÍSTICAS DE LA POBLACIÓN. Una pregunta práctica en gran parte de la investigación de mercado tiene que ver con el tamaño de la muestra. La encuesta, en principio, no puede ser aplicada sin conocer
Más detallesANEXO I. ANÁLISIS DE LA VARIANZA.
ANEXO I. ANÁLISIS DE LA VARIANZA. El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más medias. Cuando se quiere comparar más de dos medias es incorrecto utilizar
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detalles2. Análisis de varianza
1. Análisis de varianza Introducción La estadística inferencial no solo realiza estudios con una muestra, también es necesario trabajar con más de una muestra; las que pueden ser dos o más. Para cada una
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesContenido. 2 Probabilidad 9. Prefacio. 1 Introducci6n a la estadfstica y al an;!llisis de datos
Contenido Prefacio ix 1 Introducci6n a la estadfstica y al an;!llisis de datos 1 1.1 1.2 1.3 1.4 1.5 1.6 Repaso 1 EI papel de la probabilidad 2 Medidas de posici6n: media de una muestra 4 Medidas de variabilidad
Más detallesTema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística
Tema 6. Estadística Descriptiva e Introducción a la Inferencia Estadística Fuente de los comics: La Estadística en Comic. LarryGonicky Woollcatt Smith. Ed. ZendreraZariquiey, 1999 ESTADÍSTICA ESTADÍSTICA
Más detallesIntervalos de Confianza basados en una muestra. Instituto de Cálculo
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky Hay dos razoes por las cuales el itervalo (6.63,.37) tiee mayor logitud que el obteido ateriormete (7.69, 0.3). la variaza
Más detallesIntervalos de confianza
Capítulo 5 Intervalos de confianza Como su nombre indica, el objetivo de un estadístico puntual para un parámetro desconocido de una población, es acercarnos al verdadero valor del mismo dando un valor
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 detallesb) dado que es en valor absoluto será el área entre -1,071 y 1,071 luego el resultado será F(1,071)-(1-F(1,071)=0,85-(1-0,85)=0,7
EJERCICIOS T12-MODELOS MULTIVARIANTES ESPECÍFICOS 1. Un determinado estadístico J se distribuye según un modelo jhi-dos de parámetro (grados de libertad) 14. Deseamos saber la probabilidad con la que dicho
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 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 detallesFacultad de Ciencias Sociales - Universidad de la República
Facultad de Ciencias Sociales - Universidad de la República Estadística y sus aplicaciones en Ciencias Sociales Edición 2016 Ciclo Avanzado 3er. Semestre (Licenciatura en Ciencia Política/ Licenciatura
Más detalles= -6 0 A-1 A -1 = 1 A A = A d t Ad A-1 = X = A d = -5 2 A-1 =
www.clasesalacarta.com.- Universidad de Castilla la Mancha PAU/LOGSE Reserva-2 2.0 Opción A RESERVA _ 2 _ 20 a) Despeja la matriz X en la siguiente ecuación matricial: I - 2X + XA = B, suponiendo que todas
Más detallesESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción ESTIMACIÓN PUNTUAL Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la Estimación Puntual, que es uno de los tres grandes conjuntos de técnicas que
Más detallesVariable Aleatoria Continua. Principales Distribuciones
Variable Aleatoria Continua. Definición de v. a. continua Función de Densidad Función de Distribución Características de las v.a. continuas continuas Ejercicios Definición de v. a. continua Las variables
Más detalles1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL. 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado.
1. CURSO: ESTADÍSTICA DESCRIPTIVA Y NOCIONES DE ESTADÍSTICA INFERENCIAL 2. EN EL MARCO DE ACTIVIDADES DE POSGRADO: Acreditado para Doctorado. 3. PERIODICIDAD: Anual 4. DIRECTORAS: Dra. Teresita Terán CODIRECTORA:
Más detallesGermán Jesús Rubio Luna Catedrático de Matemáticas del IES Francisco Ayala
Decisión estadística. Contraste de hipótesis Nota.- Cuando tratábamos la estimación de parámetros, intentábamos obtener un valor o un intervalo de valores que constituyesen la mejor estimación del parámetro
Más detallesPropuesta A B = M = (
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (016) Materia: MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II El alumno deberá contestar a una de las dos opciones propuestas A ó B. Se
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detalles5 DISTRIBUCIONES BINOMIAL Y DE POISSON
5 DISTRIBUCIONES BINOMIAL Y DE POISSON La repetición sucesiva de n pruebas (ensayos) de BERNOUILLI de modo independiente y manteniendo constante la probabilidad de éxito p da lugar a la variable aleatoria
Más detallesOPCIÓN A. La empresa A (x) tiene 30 trabajadores, la B (y) 20 trabajadores y la C (z) 13 trabajadores.
PRUEBAS DE ACCESO A LA UNIVERSIDAD PARA EL ALUMNADO DE BACHILLERATO. 159 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES. JUNIO 16 EXAMEN RESUELTO POR JAVIER SUÁREZ CABALLERO (@javiersc9) OBSERVACIONES IMPORTANTES:
Más detallesProbabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid
Probabilidad II Algunas distribuciones notables Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid La distribución normal f (x; µ, σ) = 1 σ 2π e 1 2( x µ σ ) 2, x R, µ R, σ > 0 E(X
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ
ANALISIS DE FRECUENCIA EN HIDROLOGIA JULIAN DAVID ROJO HERNANDEZ Probabilidad - Período de retorno y riesgo La probabilidad de ocurrencia de un fenómeno en hidrología puede citarse de varias Formas: El
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 detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesExamen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos
Examen de Matemáticas Aplicadas a las CC. Sociales II (Junio 2015) Selectividad-Opción A Tiempo: 90 minutos Problema 1 (2 puntos) Se considera el sistema de ecuaciones dependiente del parámetro real a:
Más detallesTEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN
TEMA 4 ELABORACIÓN Y COMPROBACIÓN DE LAS HIPÓTESIS DE INVESTIGACIÓN 1 MODELO LINEAL GENERAL applemodelo estadístico appledescribe una combinación lineal de los efectos aditivos que forman la puntuación
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesAlgunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Continuas de Probabilidad UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesA qué nos referimos con medidas de dispersión?
Estadística 1 Sesión No. 4 Nombre: Medidas de dispersión. Contextualización A qué nos referimos con medidas de dispersión? En esta sesión aprenderás a calcular las medidas estadísticas de dispersión, tal
Más detallesPRÁCTICA 3: Ejercicios del capítulo 5
PRÁCICA 3: Eercicios del capítulo 5 1. Una empresa bancaria a contratado a un equipo de expertos en investigación de mercados para que les asesoren sobre el tipo de campaña publicitaria más recomendable
Más detallesMulticolinealidad. Universidad de Granada. RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17
Román Salmerón Gómez Universidad de Granada RSG Incumplimiento de las hipótesis básicas en el modelo lineal uniecuacional múltiple 1 / 17 exacta: aproximada: exacta: aproximada: RSG Incumplimiento de las
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 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 detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesAnálisis de datos Categóricos
Introducción a los Modelos Lineales Generalizados Universidad Nacional Agraria La Molina 2016-1 Introducción Modelos Lineales Generalizados Introducción Componentes Estimación En los capítulos anteriores
Más detallesUNIDAD 6. Estadística
Matemática UNIDAD 6. Estadística 2 Medio GUÍA N 1 MEDIDAS DE DISPERSIÓN PARA DATOS NO AGRUPADOS ACTIVIDAD Consideremos los siguientes conjuntos de valores referidos a las edades de los jugadores de dos
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 detallesEJERCICIOS DE ESTADÍSTICA:
EJERCICIOS DE ESTADÍSTICA: 1º/ Una biblioteca desea estimar el porcentaje de libros infantiles que posee. La biblioteca está compuesta de 4 salas (orte, Sur, Este y Oeste) con 2500, 2740, 4000 y 6900 libros,
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 detallesCAPÍTULO 7 INFERENCIA ESTADÍSTICA
CAPÍTULO 7 INFERENCIA ESTADÍSTICA La Inferencia Estadística comprende los métodos que son usados para obtener conclusiones de la población en base a una muestra tomada de ella. Incluye los métodos de estimación
Más detallesIntervalos de confianza y contrastes de hipótesis. Intervalo de confianza de la media.
R PRÁCTICA IV Intervalos de confianza y contrastes de hipótesis Sección IV.1 Intervalo de confianza de la media. 44. Cargar (abrir) el conjunto de Datos Pulso.rda. Se pide: a) Calcular el de confianza
Más detallesVARIABLES ALEATORIAS DISCRETAS
VARIABLES ALEATORIAS DISCRETAS M. en C. Juan Carlos Gutiérrez Matus Instituto Politécnico Nacional Primavera 2004 IPN UPIICSA c 2004 Juan C. Gutiérrez Matus Variables Aleatorias Variables Aleatorias Definición:
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 detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribuciones de probabilidad discretas Departamento de Ciencias del Mar y Biología Aplicada Inferencia estadística: Parte de la estadística que estudia grandes colectivos a partir de
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 detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detalles