TESTS DE BONDAD DE AJUSTE: CRITERIOS DE DECISIÓN EN BASE AL P-VALOR Y SU APLICACIÓN A LAS MEDICIONES DE AUDIENCIA.
|
|
- Laura Godoy Robles
- hace 6 años
- Vistas:
Transcripción
1 TESTS DE BONDAD DE AJUSTE: CRITERIOS DE DECISIÓN EN BASE AL P-VALOR Y SU APLICACIÓN A LAS MEDICIONES DE AUDIENCIA. Claudia Castro-Kuriss 1,2 1 Cámara de Control de Medición de Audiencia, CCMA. ckcastro@ccma.org.ar 2 Departamento de Matemáticas, Instituto Tecnológico de Buenos Aires, Buenos Aires, Argentina. ccastro@itba.edu.ar ; ccastrok@gmail.com RESUMEN El conocido test de bondad del ajuste de Pearson se denomina test chi-cuadrado por la distribución del estadístico en el cual se basa. Este trabajo consiste específicamente en establecer criterios en base al p-valor que se obtiene al aplicar el test, que permitan concluir que una muestra panel se encuentra adecuadamente balanceada respecto de una variable de estudio con distribución binomial o multinomial. En el ámbito de las mediciones de audiencia se desea controlar la representatividad del panel respecto a variables tales como, por ejemplo, Nivel socio-económico, Tenencia de Cable y Zona Geográfica del panelista. Los criterios de aceptación buscan controlar la probabilidad de error de tipo II que se podría cometer, es decir, la probabilidad de no rechazar Ho siendo falsa, teniendo un nivel de significación y un tamaño de muestra fijo. Para ello, se debe tener en cuenta la distribución del estadístico bajo la hipótesis alternativa que es chi-cuadrado no central. El parámetro de no centralidad depende del tamaño muestral, de los estimadores de los parámetros de la variable en estudio y de los supuestos bajo Ho. En este trabajo se obtienen, en primer lugar, los gráficos de la probabilidad de cometer error de tipo II en función de los parámetros de no centralidad fijando diferentes niveles de significación. Para variables binomiales, mediante simulaciones de valores de un parámetro en la hipótesis nula, se hallan los parámetros de no centralidad y los errores de tipo II asociados para niveles de significación fijos. En el caso de una variable con más de dos categorías se utilizaron datos reales de medición de audiencia durante dos años para encontrar los parámetros de no centralidad y los errores de tipo II. Como conclusión de este trabajo, se sugieren criterios en base al p-valor para considerar al panel equilibrado. PALABRAS CLAVE: test de Pearson, p-valor, parámetro de no centralidad. 1
2 1. INTRODUCCIÓN XLI COLOQUIO ARGENTINO DE ESTADÍSTICA Un test de hipótesis es una regla de decisión basada en una función de los datos recogidos en una muestra aleatoria (estadístico). La decisión debe realizarse entre dos hipótesis opuestas: la hipótesis nula (Ho) y la alternativa (H1). Debido a la variabilidad muestral, la decisión tomada al aplicar un test puede ser errónea cometiéndose dos tipos de errores (I y II). Lo ideal sería seleccionar un test para el cual ambas probabilidades de cometer un error fuesen bajas. Al construir un test, se considera más grave un error tipo I y se fija un criterio que asegure que la probabilidad de cometer este tipo de error sea baja, usualmente menor que 0.05 o 0.01 (a este valor se lo denomina nivel de significación del test). En base a la información muestral se calcula la probabilidad de rechazar la hipótesis nula suponiendo que sea cierta, denominada p-valor. Si la hipótesis nula no se rechaza, podría ser muy alta la probabilidad de no rechazar Ho siendo falsa (probabilidad de cometer error de tipo II o ). La única manera de disminuir, una vez fijado el nivel, es aumentando el tamaño de la muestra, cosa que no siempre es posible. La forma de determinar el p-valor para cada test depende de la distribución de su estadístico y de las hipótesis Ho y H1. Más precisamente, luego de obtener el estadístico observado y contrastarlo con los cuantiles de su distribución bajo la hipótesis nula, se obtiene el p-valor que indica la fuerza de la decisión. En la mayoría de los trabajos de aplicación estadística se trata de rechazar la hipótesis nula ya que el objetivo suele ser, por ejemplo, el de establecer si un nuevo tratamiento es mejor que el que se emplea en forma habitual o comparar distintos tratamientos para establecer cual es más eficaz. En estos casos es habitual emplear el criterio de contrastar el p-valor obtenido con un nivel de significación igual a 0.05, de esta forma se está controlando el error de Tipo I. Los tests de bondad de ajuste están diseñados para determinar cuan bien ajusta un conjunto de datos a una distribución elegida indicada en la hipótesis nula. El problema entonces es determinar qué tan bueno es este ajuste para poder afirmar que la distribución subyacente es la hipotetizada. Algo similar ocurre cuando se desea establecer si una muestra proviene de determinada población o que una variable de la misma se ajusta a las proporciones poblacionales. En este tipo de problemas se suele emplear el popular test de bondad de ajuste de Karl Pearson (1900) o test chi cuadrado. Cuando se habla de mediciones de audiencia, se tiene una muestra que consiste en un panel y por lo tanto su tamaño está fijo en el tiempo (salvo fluctuaciones naturales) y se desea contar con un criterio que permita establecer cuan bien balanceado se encuentra con respecto a variables que inciden en forma directa en el 2
3 visionado de los integrantes de un hogar, como por ejemplo, el número de televisores o el nivel socio-económico, o se desea controlar su representatividad específicamente ( tal es el caso de la variable zona geográfica) Los parámetros poblacionales se obtienen a partir de estimaciones oficiales o a partir de encuestas propias. Si el p-valor del test resulta menor que el nivel seleccionado, Ho se rechaza, es decir se concluye que el panel no está balanceado respecto a esa variable. Como el objetivo es controlar si la muestra tiene las mismas proporciones que la población total, se trata entonces de poder controlar el error tipo II para que su probabilidad resulte baja y la forma de hacerlo, teniendo un tamaño de muestra fijo, es aumentando el nivel de significación. Es claro que un valor de 0.05 no servirá como parámetro de comparación pues seguramente la probabilidad de tener un error de tipo II resultará elevada. Si bien elevar el nivel llevará a que Ho se rechace más fácilmente, Ho no será rechazada solamente cuando las proporciones de la muestra estén muy cerca de las poblacionales (Gingrich, 1993). El test de bondad de ajuste aplicado para controlar el balance del panel es el test de Pearson, la distribución exacta y asintótica del estadístico de este test, bajo Ho, están estudiadas. En el caso de estudio el interés radica, debido al tamaño de la muestra panel que es grande, en la distribución asintótica del estadístico que es chi cuadrado central con m-1 grados de libertad, siendo m el número de categorías de la variable en estudio. La hipótesis nula plantea que la distribución de la muestra sigue un modelo multinomial (o binomial si m=2) con parámetros conocidos. Por lo tanto, se trata de buscar un test de bondad de ajuste a una distribución multinomial. Las hipótesis a plantear son, Ho:,,.., y H1: existe por lo menos un i,, tal que p i p i0 (1) Siendo p i0,, las proporciones poblacionales. El estadístico que propuso K. Pearson para resolver este problema es el siguiente, siendo n el tamaño de la muestra y m el número de categorías establecidas en Ho, (2) El estadístico trata de establecer las diferencias entre las proporciones estimadas y las que se consideran verdaderas bajo Ho. Como estimadores de los parámetros se consideran los de máxima verosimilitud dados por la siguiente expresión para cada :,donde 3
4 indica la cantidad observada en la i-esima celda. El p-valor representa la probabilidad bajo Ho que una distribución chi-cuadrado con m-1 grados de libertad tome valores mayores o iguales que el estadístico observado en la muestra. Para poder establecer un criterio para determinar cuán bien ajusta el panel a la población según las distintas variables de estudio, se consideraron dos casos: cuando la variable bajo estudio tiene cinco categorías (tal es el caso de la Zona Geográfica) y cuando tiene dos categorías como Posesión de Cable. La distribución del estadístico (2) bajo H1 es asintóticamente chi cuadrado no central con parámetro de no centralidad y m-1 grados de libertad. Cuando se aplica el test, es necesario conocer o estimar los valores posibles de este parámetro de no centralidad para poder estimar la probabilidad de cometer error de tipo II. De acuerdo a Cohen (1988) y Agresti (1990), el parámetro de no centralidad (1). se puede escribir de la siguiente forma en el caso analizado en (3) donde representa la proporción en la categoría i según la hipótesis alternativa y las proporciones conocidas establecidas en Ho. Resulta claro que y si y solo si, para todo i, es decir, bajo Ho. El objetivo del presente trabajo es el de tratar de establecer un criterio para afirmar que una muestra está balanceada habiendo obtenido el p-valor asociado al test de Pearson, fijando un nivel de significación de modo tal que pueda controlarse el error de tipo II. En los trabajos de bondad de ajuste no se refieren los criterios utilizados en el caso del no rechazo de Ho, por lo que este trabajo desea aportar un criterio también para situaciones más generales que las aquí planteadas. 2. METODOLOGÍA El valor del parámetro de no centralidad (3) depende de la muestra obtenida y será más pequeño o cercano al cero cuanto más cerca estén las proporciones muestrales de la variable en estudio de las poblacionales. Por supuesto cuanto más cerca esté el parámetro de no centralidad de cero, más alta es la probabilidad de no rechazar Ho siendo falsa y cuanto más alejado esta probabilidad es casi nula. Se procedió a simular distintos valores para este parámetro y se calculó para cada uno el valor, es decir, se trazó lo que se conoce como curva de operación característica (OC). A partir de los gráficos obtenidos puede observarse que cuando la variable tiene más categorías, las curvas decrecen a cero más lentamente, 4
5 prácticamente luego de 10 ambas curvas están muy cerca de cero disminuye a medida que aumenta). Tanto para m=2 como para m=5, para valores de inferiores o iguales a 0.2, sería necesario tener parámetros de no centralidad mayores a 5, es decir, alejados del cero. Para obtener un inferior a 0.2 y parámetros de no centralidad a lo sumo 5 se necesitaría un por lo menos de 0.4 en el primer caso, mientras que para el segundo para obtener inferior a 0.2 y parámetros de no centralidad por debajo de 3 se necesitaría un alfa por lo menos de 0.4. Para cada valor supuesto del parámetro de no centralidad desde 0 hasta 30, se obtuvo la probabilidad de obtener error de tipo II para distintos valores de nivel de significación: 0.05, 0.1, 0.2, 0.3, 0.4 y 0.5 para 1 y 4 grados de libertad (g.l.) (Simulación 1). Se estudió cuáles serían los posibles valores de los parámetros de no centralidad cuando se consideran distintos valores en la alternativa para 1 g.l. Para ello, se simularon valores de desde 0 a 0.9 con paso 0.02, y a partir de estos a su vez se generaron sucesiones de tamaño 1000 de para los niveles de significación 0.1, 0.3 y 0.4 y un tamaño de muestra fijo en 170 que corresponde al tamaño muestral del panel en el nivel alto. De esta forma se obtuvo para cada como alternativa el correspondiente valor del parámetro de no centralidad con el asociado y su p-valor. Se pudo establecer que valores de entre 0.7 y 1.1 corresponden a p- valores entre 0.29 y 0.39 cuyas probabilidades de error tipo II son muy elevadas: para un nivel 0.1 resultan superiores a 0.68 y para un nivel 0.3 mayores que 0.43, descendiendo a una cota inferior de 0.34 para un nivel de 0.4. Considerando p-valores por debajo de 0.29, los valores simulados del parámetro se encuentran alejados del verdadero valor, con un error relativo superior al 24,4% en el caso de 0.1, 12.4% para 0.3, decreciendo hasta 2.7% cuando 0.9. Cuando se consideran p-valores mayores que 0.39, los errores de tipo II aumentan pues los valores observados simulados se acercan cada vez más al valor verdadero y por ende los errores relativos disminuyen progresivamente. Para el caso de una distribución con varias categorías es más difícil obtener su simulación ya que las discrepancias con valores en Ho se pueden deber a diferencias en distintas celdas lo que da como resultado muchas posibilidades. Por lo tanto se emplearon los datos de audiencia reales correspondientes a la variable Zona Geográfica para los años 2011 y 2012, cruzada a su vez con la variable Nivel Socio-económico (CCMA 2006), es decir, cruzada en tres niveles: alto, medio y bajo. Para cada mes del año, se calcularon los p-valores correspondientes a los valores observados de los estadísticos en cada nivel y el valor del parámetro de no centralidad. Los valores obtenidos del parámetro se ubican entre 5.1 y 6.2 cuando el p-valor se encuentra entre 0.29 y 0.39 y 5
6 entre 5 y 9 cuando el p-valor se encuentra entre 0.19 y 0.29 y, desde luego, para p-valores menores los parámetros de no centralidad resultan muy alejados de 0. Con los valores de consultaron las tablas obtenidas en la Simulación 1 con 4 g.l. para determinar los se asociados con cada uno según los niveles de significación fijados. Como en el caso anterior de dos categorías, se observa que los elevados comparados con los niveles 0.3 y 0.4. Para correspondientes a un nivel de significación 0.1 son muy entre 5 y 6.2, los errores de tipo II con nivel 0.3 toman como máximo un valor 0.23 y 0.17 para un nivel 0.4. Valores de superiores a 6 se consideran provenientes de valores observados muy alejados de los valores establecidos en la hipótesis nula. 3. RESULTADOS Tratar de encontrar un criterio basado en p-valores, es equivalente a tratar de establecer niveles de significación adecuados para estudiar el problema del balanceo del panel, de esta forma valores de no resultan adecuados para los tamaños de muestra considerados ya que las probabilidades de tipo II asociados resultarían muy elevados, en particular para grados de libertad entre 1 y 4, como se utilizan en las variables de interés en las mediciones de audiencia. Para las hipótesis estudiadas, los valores más adecuados de niveles de significación serían 0.3 o 0.4. Como conclusión general, se sugiere emplear como criterio un p-valor de comparación de por lo menos 0.4, considerando entonces al panel razonablemente balanceado cuando el p-valor obtenido es mayor o igual a dicho valor. Si resulta menor que 0.4 no se lo considerará balanceado y será necesario ajustarlo. En el caso de una variable con 5 categorías, se lo puede considerar relativamente balanceado si el p-valor está entre 0.3 y REFERENCIAS (Principales) - AGRESTI A. (1990) Categorical Data Analysis. Wiley, New York. - CÁMARA DE CONTROL DE MEDICIÓN DE AUDIENCIA, CCMA (2006). Nueva Clasificación Del Nivel Socio-Económico Argentino Buenos Aires. - COHEN J. (1988). Statistical Power Analysis for the Behavioral Sciences (Second Edition). Lawrence Elrbaum Assoc. Inc. Publishers, New Jersey. - CONOVER W. J. (1999) Practical Nonparametric Statistics. John Wiley, New York. - GINGRICH P. (unplubhished) Chi-Squared Tests, Chapter 10. University of Regina, Department of Sociology and Social Studies. - HUBER-CAROL C., BALAKHIRSHAN N., NIKULIN M. and MESBHA M. (2002) Goodness-of-fit tests and Model Validity. Birkhauser, Boston. AGRADECIMIENTOS La autora del trabajo desea agradecer a la empresa IBOPE Arg. S.A. por facilitarle los datos que permitieron realizar esta investigación. 6
Ejemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más 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 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 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 detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesTema 8: 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 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 detallesDIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
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 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 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 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 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 detallesContraste de hipótesis paramétricas
Contraste de hipótesis paramétricas Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Proceso de la investigación estadística Etapas PROBLEMA HIPÓTESIS DISEÑO RECOLECCIÓN
Más detallesSesión 13. Introducción a la Prueba de Hipótesis. Estadística II Equipo Docente: Iris Gallardo - Andrés Antivilo Francisco Marro
Sesión 13 Introducción a la Prueba de Hipótesis Introducción ( Porqué debemos realizar pruebas de hipótesis?) El objetivo último del análisis de datos es el de extraer conclusiones de tipo general a partir
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 detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
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 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 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 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 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 detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
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 detallesMETODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010
METODOLOGÍA DE MUESTREO PARA REPORTE DE TENDENCIAS 4o BÁSICO Y 2o MEDIO SIMCE 2010 SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 2011 Índice 1. Antecedentes Generales 1 2. Metodología
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 detallesEjercicio para detectar ligamiento y frecuencias de recombinación:
Ejercicio para detectar ligamiento y frecuencias de recombinación: Considere un cruce entre los genotipos hipotéticos AABB x aabb a la F1, AaBb, se le hace un cruce de prueba, suponiendo que los fenotipos
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 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 detallesTeoría de la decisión Estadística
Pruebas de hìpótesis Unidad 8. Pruebas de hipótesis. Formulación general. Distribución de varianza conocida. Prueba para la bondad del ajuste. Validación de modelos 1 Formulación Una Hipótesis es una proposición
Más detallesCONTRASTE SOBRE UN COEFICIENTE DE LA REGRESIÓN
Modelo: Y =! 1 +! 2 X + u Hipótesis nula: Hipótesis alternativa H 1 :!!! 2 2 Ejemplo de modelo: p =! 1 +! 2 w + u Hipótesis nula: Hipótesis alternativa: H :!! 1 2 1. Como ilustración, consideremos un modelo
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 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 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 detallesEjercicio 1(10 puntos)
ESTADISTICA Y SUS APLICACIONES EN CIENCIAS SOCIALES. Segundo Parcial Montevideo, 4 de julio de 2015. Nombre: Horario del grupo: C.I.: Profesor: Ejercicio 1(10 puntos) La tasa de desperdicio en una empresa
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 detallesObjetivo: Comprender cómo se calculan los intervalos de confianza y determinar el tamaño ideal de una muetra
PROBABILIDAD Y ESTADÍSTICA SESIÓN 9 7.6 Prueba de hipótesis para la proporción 7.7 Prueba de hipótesis para la diferencia de proporciones 7.8 Prueba de hipótesis para la varianza 7.9 Prueba de hipótesis
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
Más detallesPrueba de Hipótesis. Tipos de inferencias (2)
Prueba de Hipótesis Tipos de inferencias (2) PRUEBA DE HIPOTESIS: busca responder a una pregunta sobre el valor de un parámetro en la población (siempre utilizando los resultados de la muestra) Esta pregunta
Más detallesDepartamento Administrativo Nacional de Estadística
Departamento Administrativo Nacional de Estadística Dirección de Regulación, Planeación, Estandarización y Normalización -DIRPEN- Metodología Diseño Muestral Encuesta de Consumo Cultural Julio 2008 ELABORÓ:
Más detallesMétodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B
Métodos Estadísticos de la Ingeniería Tema 11: Contrastes de Hipótesis Grupo B Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Abril 2010 Contenidos...............................................................
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesEJERCICIOS DE SELECTIVIDAD
EJERCICIOS DE SELECTIVIDAD INFERENCIA 1998 JUNIO OPCIÓN A Un fabricante de electrodomésticos sabe que la vida media de éstos sigue una distribución normal con media μ = 100 meses y desviación típica σ
Más detallesINTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M.
1 Introducción INTERVALOS DE CONFIANZA Julián de la Horra Departamento de Matemáticas U.A.M. En este capítulo, vamos a abordar la estimación mediante Intervalos de Confianza, que es otro de los tres grandes
Más 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 detallesPATRONES DE DISTRIBUCIÓN ESPACIAL
PATRONES DE DISTRIBUCIÓN ESPACIAL Tipos de arreglos espaciales Al azar Regular o Uniforme Agrupada Hipótesis Ecológicas Disposición al Azar Todos los puntos en el espacio tienen la misma posibilidad de
Más 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 detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
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 detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA II CÓDIGO ASIGNATURA: 1215-22 PRE-REQUISITO: 1215-311 SEMESTRE: CUARTO UNIDADES DE
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más 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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 7)
TEMA Nº 7 DISTRIBUCIONES CONTINUAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Conocer las características de la distribución normal como distribución de probabilidad de una variable y la aproximación de
Más detallesPreparación de los datos de entrada
Preparación de los datos de entrada Clase nro. 6 CURSO 2010 Objetivo Modelado de las características estocásticas de los sistemas. Variables aleatorias con su distribución de probabilidad. Por ejemplo:
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
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 detallesPROGRAMA DE ESTUDIO : UN SEMESTRE ACADÉMICO : TERCER AÑO, PRIMER SEMESTRE
PROGRAMA DE ESTUDIO A. Antecedentes Generales ASIGNATURA : Estadística CÓDIGO : IIM313A DURACIÓN : UN SEMESTRE ACADÉMICO PRE - REQUISITO : PROBABILIDADES CO REQUISITO : NO TIENE UBICACIÓN : TERCER AÑO,
Más detallesPROGRAMA ACADEMICO Ingeniería Industrial
1. IDENTIFICACIÓN DIVISION ACADEMICA Ingenierías DEPARTAMENTO Ingeniería Industrial PROGRAMA ACADEMICO Ingeniería Industrial NOMBRE DEL CURSO Análisis de datos en Ingeniería COMPONENTE CURRICULAR Profesional
Más detallesEL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD)
EL PRINCIPIO DE MÁXIMA VEROSIMILITUD (LIKELIHOOD) Fortino Vela Peón fvela@correo.xoc.uam.mx FVela-0 Objetivo Introducir las ideas básicas del principio de máxima verosimilitud. Problema Considere el experimento
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 13 Inferencia en una población Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar el procedimiento de pruebas en la inferencia estadística. Aplicar
Más detallesTEMA 3 : PRUEBA CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA
TEMA 3 : PRUEBA CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA PRUEBAS CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA Como ya se ha visto varias veces, los resultados obtenidos de muestras no siempre concuerdan
Más detallesAlgunas Distribuciones Discretas de Probabilidad. UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Algunas Distribuciones Discretas de Probabilidad UCR ECCI CI-1352 Investigación de Operaciones I Prof. M.Sc. Kryscia Daviana Ramírez Benavides Introducción El comportamiento de una variable aleatoria queda
Más detallesAnálisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina.
Análisis de Estructuras Espaciales Persistentes. Desempleo Departamental en Argentina. Marcos Herrera 1 1 CONICET IELDE - Universidad Nacional de Salta (Argentina) Seminario de Investigación Nº 27 8 de
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 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 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 detallesIntroducción a pruebas de hipótesis
Introducción a pruebas de hipótesis ESTA 3042 enero 2013 (ESTA 3042) Tests of Significance enero 2013 1 / 18 Testing de Hipótesis Hemos visto como estimar un parámetro de una población. Ahora pasamos a
Más detallesAsignaturas antecedentes y subsecuentes Probabilidad y Estadística Matemática
PROGRAMA DE ESTUDIOS MUESTREO Área a la que pertenece: ÁREA DE FORMACION INTEGRAL PROFESIONAL Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0082 Asignaturas antecedentes y subsecuentes Probabilidad
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 detallesPrueba de Hipótesis: Una muestra para la Media. Dra. Noemí L. Ruiz Limardo 2010
Prueba de Hipótesis: Una muestra para la Media Dra. Noemí L. Ruiz Limardo 2010 Objetivos de la Lección Conocer el signficado de una prueba de hipótesis Conocer y aplicar los pasos para realizar una prueba
Más detallesCómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase.
Cómo introducir Prueba de Hipótesis para una media, utilizando experimentos en el salón de clase. M. C. Blanca Evelia Flores Soto. Dpto. de Matemáticas Universidad de Sonora Introducción. Actividad desarrollada
Más detallesUnidad VI Pruebas de Hipótesis Dos Muestras
Ahora el análisis se hará extensivo a dos muestras, se verá la similitud que existe con la construcción de intervalos de confianza para dos muestras. En el material adjunto se detalla el procedimiento,
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 detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2014/15 Contenidos 1. Introducción
Más 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 detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
Más detallesEstadística 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 detallesAnálisis Estadístico de Datos Climáticos. Pruebas de Hipótesis (Wilks, cap. 5)
Análisis Estadístico de Datos Climáticos Pruebas de Hipótesis (Wilks, cap. 5) 2015 PRUEBAS DE HIPÓTESIS (o pruebas de significación) Objetivo: A partir del análisis de una muestra de datos, decidir si
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 detallesMETODOLOGIA CIENTIFICA
AREA: CIENCIAS DE LA CONDUCTA METODOLOGIA CIENTIFICA OBJETIVOS GENERALES: Al concluir el período lectivo, el estudiante: Profesores Carlos Marxo Mujica Eli Saúl Calderón Ángel Aquino Leonarda Casanova
Más detallesOPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA. Tema 5 Simulación
OPTIMIZACIÓN Y SIMULACIÓN PARA LA EMPRESA Tema 5 Simulación ORGANIZACIÓN DEL TEMA Sesiones: Introducción Ejemplos prácticos Procedimiento y evaluación de resultados INTRODUCCIÓN Simulación: Procedimiento
Más detallesen Enfermería del Trabajo
revista noviembre:maquetación 1 16/11/2011 6:27 Página 30. 203 Metodología de la investigación Metodología de Investigación en Enfermería del Trabajo Autor Romero Saldaña M Enfermero Especialista en Enfermería
Más detallesTest ANOVA. Prof. Jose Jacobo Zubcoff 1 ANOVA ANOVA. H 0 : No existen diferencias entre los k niveles H 1 : La hipótesis nula no es cierta
Test Compara la distribución de una variable continua normal en mas de dos poblaciones (niveles o categorías) H 0 : No existen diferencias entre los k niveles H : La hipótesis nula no es cierta Parte de
Más detallesESTADÍSTICA INFERENCIAL
1 Sesión No. 8 Nombre: Pruebas de hipótesis referentes al valor de la media de la población Contextualización Las pruebas de hipótesis son uno de los métodos generales que se emplean para llevar a cabo
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 detalles2 Pruebas de hipótesis paramétricas
Pruebas de hipótesis paramétricas. La hipótesis nula y la hipótesis alterna Al intentar alcanzar una decisión, es útil hacer hipótesis (o conjeturas) sobre la población aplicada. Tales hipótesis, que pueden
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesT2. El modelo lineal simple
T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de
Más 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 detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesCómo se hace la Prueba t a mano?
Cómo se hace la Prueba t a mano? Sujeto Grupo Grupo Grupo Grupo 33 089 74 5476 84 7056 75 565 3 94 8836 75 565 4 5 704 76 5776 5 4 6 76 5776 6 9 8 76 5776 7 4 78 6084 8 65 45 79 64 9 86 7396 80 6400 0
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 detallesGuía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA
1. Introducción Guía docente MÉTODOS ESTADÍSTICOS PARA LA EMPRESA Los análisis económicos y empresariales se efectúan sobre la base de la toma de decisiones, las cuales se toman a partir de la información
Más detallesDESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II
DESARROLLO DE LAS UNIDADES DIDÁCTICAS MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II Según REAL DECRETO 1467/2007, de 2 de noviembre, por el que se establece la estructura del bachillerato y se fijan
Más detallesPRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI
PRUEBA DE HIPÓTESIS BENJAMIN MAMANI CONDORI 2014 Para qué es útil la estadística inferencial? Se utiliza para probar hipótesis y generalizar los resultados obtenidos en la muestra a la población o universo.
Más detallesNivel socioeconómico medio. Nivel socioeconómico alto SI 8 15 28 51 NO 13 16 14 43 TOTAL 21 31 42 94
6. La prueba de ji-cuadrado Del mismo modo que los estadísticos z, con su distribución normal y t, con su distribución t de Student, nos han servido para someter a prueba hipótesis que involucran a promedios
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
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 detalles