PRUEBA DE BO DAD DE AJUSTE
|
|
- Agustín Juárez Fuentes
- hace 6 años
- Vistas:
Transcripción
1 INTRODUCCION El término estadística no paramétrica se refiere a un conjunto de método, inferenciales válidos para formas muy diversas de distribución de la población La aplicación de estos métodos no requiere modelo de población, en el sentido de un parámetro específico relacionado con la forma de la curva que representa a la población en estudio, como sí es necesario, por ejemplo, en el caso de la distribución normal. En el contraste de hipótesis, las pruebas estadísticas no paramétricas usualmente emplean algunos datos más simples de la muestra, como los signos de las mediciones, las relaciones de orden o las categorías de las frecuencias. Estos rasgos generales no requieren escalas de medición numéricas significativas. Por otra parte, aún más importante es que a estos métodos no los afecta el alargamiento o estrechamiento de la escala. Una aclaración tina, indispensable es que los términos distribución libre y estadística no paramétrica no son sinónimos, aunque en este texto se usarán indistintamente. A estos procedimientos se les llama de distribución libre, por no considerar la forma como se distribuye la población. Tienen ventajas sobre las pruebas paramétricas, algunas de ellas son: 1) implican menos requisitos de uso, 2) son más sencillas de entender y de aplicar, y 3) los procedimientos de cálculo resultan menos laboriosos. Por otra parte, los métodos no paramétricos tienen ciertas desventajas: a) se pierde información, b) la potencia de estas pruebas es menor que la de las pruebas paramétricas, y c) tienden a ser "conservadoras»; es decir, orientan hacia la aceptación de la hipótesis nula con más frecuencia de lo que deberían. En estas circunstancias, las pruebas estadísticas paramétricas son preferibles a las no paramétricas, pero si la población no está normalmente distribuida o las varianzas poblacionales no son homogéneas o iguales, entonces puede utilizarse una prueba de distribución libre o no paramétrica como un buen sustituto de su análoga paramétrica, sobre todo cuando la muestra en estudio es pequeña. 1
2 Se discutirán métodos que únicamente requieren mediciones nomínales, comparando distribuciones enteras. También se considerarán las técnicas que requieren datos ordinales. Cuando los datos son categóricos se hará un análisis estadístico, utilizando el modelo de la X2 (ji cuadrada), que si bien algunos autores la consideran no paramétrica, se ha creído oportuno que forme parte de este capítulo en sus aplicaciones más relevantes, como: a) Independencia b) Homogeneidad o proporción c) Mediana. Para la prueba de bondad de ajuste se emplearán dos técnicas: 1) La X2 (ji cuadrada) y 2) La Kolmogorov-Smirnov. Para el análisis de varianza se utilizarán dos modelos: a) La prueba de Kruskal-Wallis, para muestras independientes. b) La prueba de Friedman, para una sola muestra medida más de dos ocasiones, por último se encuentran los coeficientes de asociación, también llamados de correlación. PRUEBA DE BO DAD DE AJUSTE En esta sección se describirán dos modelos para establecer si una variable, aleatoria determinada se ajusta a una distribución de probabilidad específica, es decir, para saber si la muestra obtenida en forma aleatoria se distribuye como normal, binomial, Poisson u otra. Dichas pruebas son las siguientes: 1) X2 (jí cuadrada). Esta prueba es clásica y se emplea tanto para variables continuas como discretas. 2) K-S (Kolmogorov-Smirnov, para una muestra. Esta prueba se considera como no paramétrica; se utiliza cuando la muestra es pequeña y la variable de interés continua. 2
3 (X 2 ) (jí cuadrada) Este modelo, obtenido por K. Pearson en 1900, mide la discrepancia entre la frecuencia observada y la esperada teóricamente, con base en una distribución hipotética. La prueba de bondad de ajuste ayuda a decidir si los resultados de un experimento concuerdan con los esperados de acuerdo con alguna ley, modelo o teoría científica. Esto se lleva a cabo de la siguiente manera: 1) Se obtienen las frecuencias observadas y se ubican en un cuadro de contingencias (también llamada tabla de doble entrada) 2. Se construye un cuadro de frecuencias esperadas que concuerden con la distribución teórica o el modelo científico. 3. Según el número de variables de criterio que se consideren, será el cuadro de contingencia (l x c) o (r x 1): la prueba de bondad de ajuste se empleará para una muestra y una o más variables de criterio. Existe una familia de curvas X 2, derivadas de una variable normalmente distribuida, cuya forma depende del tamaño de la muestra. Para muestras pequeñas (que tienen pocos grados de libertad), esta distribución se halla fuertemente sesgada en dirección positiva (todos sus valores son positivos y varían de cero a infinito). Cuando la muestra es grande (n ), la X 2 se aproxima a la distribución normal. El modelo que se utilizará en esta sección es el siguiente: Donde: X 2 = Ʃ (fo-fe) 2 fe 3
4 fo = frecuencia observada fe = frecuencia esperada. Para cada clase o categoría se obtiene el cuadrado de la diferencia entre la frecuencia observada y la esperada, y este resultado se divide por la misma frecuencia esperada de dicha categoría. La suma total de cada categoría proporciona el valor de X 2. A continuación se enumeran los requisitos de uso de la prueba de X 2 para bondad de ajuste: 1. Se requiere un mínimo de 50 observaciones (mediciones) para que la distribución X 2 sea una aproximación razonable de la distribución muestral esperada. 2. La frecuencia esperada para cada categoría debe ser por lo menos de 5; a fin de cumplir este requisito, combinar las categorías. 3. En el caso de la bondad de ajuste para la distribución normal, deben conocerse µ y σx o sus estimadas X y s, a fin de poder calcular las frecuencias esperadas. Procedimiento Paso 1. Identifique la variable de interés. Paso 2. Establezca las hipótesis estadísticas. Ho: las observaciones muestrales han sido extraídas de una distribución normal, o bien Ho: fo = fe o (fo - fe = 0). No existe diferencia entre la frecuencia esperada y la observada. HI: fo # fe o (fo -fe o). 4
5 Paso 3. Proponga el valor de a. Paso 4. Determine el modelo estadístico que se utilizará. En este caso X 2 = Ʃ (fo-fe) 2 fe Paso 5. Obtenga mediante la tabla de X 2 (ji cuadrada) del Anexo el valor crítico de X 2 (σ, gl) y ubique la región de rechazo en una gráfica. Paso 6. Especifique la regla de decisión (RD) para rechazar Ho. 5
6 Paso 7. Calcule X 2, por medio de X 2 = Ʃ (fo-fe) 2 habiendo calculando previamente fe, Fe= np Donde n= tamaño de la muestra p= probabilidad de ocurrencia en cada categoría. Paso 8. Obtenga las conclusiones considerando el rechazo de Ho o de H1. (La distribución muestral se ajusta a la distribución normal o no se ajusta a ella) Una variable de criterio. Cuando las categorías de la distribución de frecuencias se basan en una sola variable, constituyen un análisis de frecuencias de una variable de criterio, no obstante que existan varios resultados: lanzar una moneda (cara, cruz), tirar un dado (1, 2, 3, 4, 5 o 6). Ejemplo Si se lanza una moneda al aire, únicamente caerá cara o cruz-, pero si se lanzan 1000 monedas, la única variable que se tomará en cuenta será la cara de la moneda que aparecerá, pero se contarán cuántas caras y cruces caerán. Después de determinar el muestreo, las monedas se lanzan al aire y se registra la frecuencia de caras y cruces en un cuadro de frecuencias observadas. A continuación, se construye el cuadro de frecuencias esperadas, previstas por los resultados más simples de probabilidad elemental. Para una muestra de monedas, la hipótesis nula (H0 implica que deben obtenerse 500 caras y 500 cruces. En este caso, la prueba de ji cuadrada ayudará a decidir si la discrepancia entre los resultados observados y los esperados corresponde simplemente a la fluctuación del muestreo o indica el sesgo de la población. 6
7 Frecuencias observadas Frecuencias esperadas Cara Cruz Total Cara Cruz Total (a) (b) (a) (b) Paso 1. Como la variable de criterio es la posición de la cara de la moneda al caer, entonces se establece la hipótesis nula y la alternativa de la siguiente manera: Ho: cara y cruz ocurren con igual frecuencia. HI: cara y cruz no ocurren con igual frecuencia. Paso 2. Como g1 = 1 y a = 0.01 = 1%, entonces: X 2 crítica = X 2 (1, 0.01) = 6.64 donde fo1 es la frecuencia observada i, i = 1, 2..n y fe1 es la frecuencia esperada i, i = 1, 2,..., n Paso 3. Se define la población de estudio como: todas las monedas de cierto valor y con características determinadas. 7
8 Paso 4. La muestra n son monedas seleccionadas al azar de la población anterior. Paso 5. El modelo estadístico por aplicar es: X 2 = Ʃ (fo-fe) 2 fe Paso 6. Al sustituir los datos concentrados en los cuadros anteriores y efectuar las operaciones resulta: Paso 7. Regla de decisión (RD): si X 2 X 2 σ gl 2, se rechaza Ho. Como 3.60 < 6..64, entonces no se rechaza Ho. Paso 8. Conclusión Los resultados no son significativos. En este estudio de las monedas no se encontró indicación alguna de sesgo, debido a que no se predice respuesta (salida) específica alguna; por ejemplo, las caras ocurrirán con mayor frecuencia. Por ello, el nivel de significancia se establece relativamente bajo (0.01) por dos razones: 1) el tamaño de la muestra es grande y se minimiza β (error tipo II) y 2) el error más grave sería decidir que las monedas tienen un sesgo, cuando en realidad no es así. 8
9 La regla de decisión (RD) establece que Ho se rechazará si la ji cuadrada (X 2 es mayor que el valor crítico de 6.64 (los procedimientos para determinar los valores críticos se estudiarán después). Pudo cometerse un error del tipo II; sin embargo, el interés en un posible sesgo de las monedas disminuye en gran escala, si no es que desaparece por completo. DOS VARIABLES DE CRITERIO. En algunos problemas de bondad de ajuste se obtienen medidas de dos o más variables no controladas. Las frecuencias esperadas en cada combinación de categorías se generan a partir de algunas distribuciones teóricas; para evitar confusiones en este tipo de estudios es recomendable colocar los datos en una tabla de contingencia de doble entrada. Ejemplo: Aplicación de una prueba de bondad de ajuste para una sola muestra y dos variables de criterio. Un genetista efectúa la cruza de una muestra de chícharos con las siguientes variables de criterio: color (verde o amarillo) y textura (liso o rugoso). Existen cuatro combinaciones posibles como resultados de las cruzas: amarillo-liso (AL), amarillo-rugoso (AR), verde- 9
10 liso (VL) y verde-rugoso (VR); de acuerdo con las leyes de Mendel, la combinación AL deberá ocurrir nueve veces más, frecuentemente que la VR, mientras que las mezclas AR y VL ocurrirán tres veces, con mayor frecuencia que la VR. Esta distribución teórica se utiliza para construir una tabla de frecuencias esperadas de (2 x 2). Debido a que en nuestro ejemplo la muestra consta de 960 elementos (chicharos), el investigador podrá esperar que las combinaciones posibles ocurrirán, aproximadamente con las siguientes frecuencias: VR= 60 VL= 180 AR= 180 AL = 540 Las frecuencias observadas son las siguientes: VR 50 VL= 200 AR = 160 AL = 550 Por tanto, las frecuencias observadas y esperadas se mostrarán en las siguientes tablas de contingencia: 10
11 Los grados de libertad para estas tablas de contingencia son: g1 = (r - 1) (c - 1) donde: r = número de renglones. e = número de columnas. o sea gl = (2-1) (2-1) = 1 Aplicando el modelo: X 2 = Ʃ (fo-fe) 2 fe Se tiene: También puede utilizarse la formula siguiente: 11
12 Supóngase que el genetista decide tomar un nivel de confianza de 10%, o sea, a = (0.10), y el valor crítico de X 2, determinado en la tabla X 2, es de En ese caso la hipótesis nula de la distribución observada, al igual que la distribución esperada por la ley de Mendel, se rechazaría, ya que la X 2 = 6.30 es mayor 2 que el valor crítico de x 0 = Sin embargo, considérese que las probabilidades de cometer un error del tipo I son de 1 en 10, por el nivel de confianza a = Las conclusiones se dejan al lector. Ejemplo 1 Se realiza una investigación con el fin de producir un nuevo tipo de insulina, la hormona que se utiliza para controlar enfermos de diabetes mellitus. Los siguientes criterios de inclusión se consideran en la muestra de estudio: n = 400 pacientes del mismo sexo. Mismo grado de evolución de la enfermedad. Dieta controlada. Supervisión médica. En este experimento se medirá la respuesta de los pacientes a la insulina convencional, así como el porcentaje de ellos en cada una de las siguientes categorías estandarizadas: Categoría 1. Decremento intenso en la glucosa. Categoría 2. Decremento moderado en la glucosa. Categoría 3. Decremento ligero en la glucosa. 12
13 Categoría 4. Decremento nulo o ligero incremento en la glucosa. Con base en un estudio de nivel nacional, se determinó que los porcentajes por categoría son, respectivamente: 50%, 25%, 15% y 10%. Por otra parte, los resultados de las pruebas clínicas con el nuevo tipo de insulina aplicadas en 400 pacientes son: 240, 120, 30 y 10. Paso 1. La variable de interés es la respuesta a cada categoría. Paso 2. Ho: P1 = 50%, P2 = 25%, P3 = 15%, P4 = 10%. H1: al menos una probabilidad de una categoría es diferente del valor esperado. Paso 3. α = Paso 4. X 2 = Ʃ (fo-fe) 2 fe Paso 5. Obtener gl. Como Ʃ fo = Ʃ fe (o su equivalente n es la única restricción). Entonces g1= k- 1= 4-1= 3 gl = 3 13
14 Paso 6. Paso 7. Para emplear X 2 = Ʃ (fo-fe) 2 fe Se calcula primero fe para cada una de las cuatro categorías. Al utilizar fe = np. 14
15 Paso 8. Conclusiones La proporción es la misma tanto para pacientes en la fe (usuarios del nuevo tipo de insulina) en las categorías 3 y 4, 50 y 75%, respectivamente como en las fo, (usuarios de insulina convencional). Por consiguiente la nueva insulina no es más efectiva que la convencional. 15
Estimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más 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 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 detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más 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 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 detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesCAPITULO 8 MUESTRAS ALEATORIAS Y NUMEROS ALEATORIOS
Teoría elemental de muestreo CAPITULO 8 TEORIA DE MUESTREO La teoría de muestreo es el estudio de las relaciones existentes entre una población y las muestras extraídas de ella. Es de gran utilidad en
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 6 (A partir de tema 5.9)
PROBABILIDAD Y ESTADÍSTICA Sesión 6 (A partir de tema 5.9) 5.9 Muestreo: 5.9.1 Introducción al muestreo 5.9.2 Tipos de muestreo 5.10 Teorema del límite central 5.11 Distribución muestral de la media 5.12
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesTema 13: Contrastes No Paramétricos
Tema 13: Contrastes No Paramétricos Presentación y Objetivos. La validez de los métodos paramétricos depende de la validez de las suposiciones que se hacen sobre la naturaleza de los datos recogidos. La
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
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 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 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 detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detalles1. La Distribución Normal
1. La Distribución Normal Los espacios muestrales continuos y las variables aleatorias continuas se presentan siempre que se manejan cantidades que se miden en una escala continua; por ejemplo, cuando
Más detallesPRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO
O PRUEBA CHI - CUADRADO Hasta ahora se han mencionado formas de probar lo que se puede llamar hipótesis paramétricas con relación a una variable aleatoria, o sea que se ha supuesto que se conoce la ley
Más 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 detallesDISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X 2 CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo):
DISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo): son aquellas que representan los valores muestrales observados
Más detallesVerificación de una hipótesis sobre una media
Sesión 14 Verificación de una hipótesis sobre una media Verificación de una hipótesis sobre una media Procedimiento de verificación de una hipótesis si el parámetro de interés es una media poblacional.
Más detallesCONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN
CONTRASTES NO PARAMÉTRICOS: ALEATORIEDAD Y LOCALIZACIÓN Antonio Morillas A. Morillas: C. no paramétricos (II) 1 1. Contrastes de aleatoriedad. Contraste de rachas. 2. Contrastes de localización 2.1 Contraste
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 detallesPruebas Paramétricas y No paramétricas. Para la comprobación de hipótesis
Pruebas Paramétricas y No paramétricas Para la comprobación de hipótesis Pruebas Paramétricas Se busca estimar los parámetros de una población en base a una muestra. Se conoce el modelo de distribución
Más detallesPrueba de Hipótesis. Bondad de Ajuste. Tuesday, August 5, 14
Prueba de Hipótesis Bondad de Ajuste Conceptos Generales Hipótesis: Enunciado que se quiere demostrar. Prueba de Hipótesis: Procedimiento para determinar si se debe rechazar o no una afirmación acerca
Más detallesEstadística 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 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 detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesEstadística Clase 2. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 010 Clase Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 1. La distribución de Bernoulli. La distribución binomial 3. La distribución de
Más detallesDiseño de experimentos Hugo Alexer Pérez Vicente
Diseño de experimentos Hugo Alexer Pérez Vicente Recuerdo que Conceptos estadísticos Población y muestra Población es una colección de posibles individuos, especímenes, objetos o medidas de interés sobre
Más detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más 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 detallesANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS
ANÁLISIS ESTADÍSTICO PRUEBA DE HIPOTESIS Jorge Fallas jfallas56@gmail.com 2010 1 Temario Datos experimentales y distribuciones de referencia Una media poblacional Hipótesis nula, alternativa y nivel de
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 detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Mag. María del Carmen Romero 2014 romero@econ.unicen.edu.ar Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo
Más detallesTécnicas de Muestreo Métodos
Muestreo aleatorio: Técnicas de Muestreo Métodos a) unidad muestral elemental: a.1) muestreo aleatorio simple a.2) muestreo (seudo)aleatorio sistemático a.3) muestreo aleatorio estratificado b) unidad
Más 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 detallesPruebas para dos muestras independientes
Pruebas para dos muestras independientes Los contrastes que se presentan a continuación permiten comprobar si dos muestras aleatorias e independientes proceden de una misma población. El único requisito
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 15 Análisis de datos discretos Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Explicar la prueba de hipótesis Chi-Cuadrada para datos agrupados. Aplicar
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 detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 6)
TEMA Nº 6 DISTRIBUCIONES DISCRETAS DE PROBABILIDAD OBJETIVOS DE APRENDIZAJE: Ser capaz de definir correctamente una o más variables aleatorias sobre los resultados de un experimento aleatorio y determinar
Más detallesPruebas para evaluar diferencias
Pruebas para evaluar diferencias Métodos paramétricos vs no paramétricos Mayoría se basaban en el conocimiento de las distribuciones muestrales (t- student, Normal, F): EsFman los parámetros de las poblaciones
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 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 detallesPRUEBAS DE BONDAD DE AJUSTE
PRUEBAS DE BONDAD DE AJUSTE Pruebas de bondad de ajuste xi cuadrada y Kolmogorov-Smirnov Facultad de Ciencias Químicas e Ingeniería, UAEM Simulación de Procesos Contenido Prueba de bondad de ajuste χ2...
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 detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesJuan José Hernández Ocaña
Juan José Hernández Ocaña L A e s t a d í s t i c a i n fe r e n c i a l n o s permite estimar los p a r á me t r o s de l a p o b l a c ió n a partir d e l a n á l i s i s d e datos de u n a mu e s t
Más detallesDISTRIBUCIÓN N BINOMIAL
DISTRIBUCIÓN N BINOMIAL COMBINACIONES En muchos problemas de probabilidad es necesario conocer el número de maneras en que r objetos pueden seleccionarse de un conjunto de n objetos. A esto se le denomina
Más detallesContar con información
Jorge Matute I. Contar con información.de calidad Conocer el diseño del estudio / muestreo Conocer cómo se expresan las variables o indicadores Conocer qué preguntas se desean contestar Conocer cómo construir
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 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 detallesParte de las notas tomadas de: Prof. Edgar Acuña UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ
Estadística stica No Paramétrica Parte de las notas tomadas de: Prof. Edgar Acuña http://math.uprm math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ METODOS ESTADISTICOS
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 detallesIntroducción a la Inferencia Estadística
Introducción a la Inferencia Estadística Prof. Jose Jacobo Zubcoff Universidad de Alicante 2008 1 Introducción En este tema explicaremos los contrastes para la media de una población normal. e estudiarán
Más 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 detallesDefinición de probabilidad
Tema 5: LA DISTRIBUCIÓN NORMAL 1. INTRODUCCIÓN A LA PROBABILIDAD: Definición de probabilidad Repaso de propiedades de conjuntos (Leyes de Morgan) Probabilidad condicionada Teorema de la probabilidad total
Más detallesCONTRASTES DE HIPÓTESIS
Estadística.FBA I. Curso 2011-2012 CONTRASTES DE HIPÓTESIS M.Carmen Carollo Contrastes de hipótesis 1 Estadística.FBA I. Curso 2011-2012 CONTRASTES DE HIPÓTESIS A partir de una o varias muestras nos proponemos
Más detallesCONCEPTOS BASICOS DE MUESTREO VARIABLE ALEATORIA. (Concepto no matemático)
CAPITULO 8 CONCEPTOS BASICOS DE MUESTREO En la aplicación de los métodos de muestreo es importante recordar los siguientes conceptos básicos: 8.1. VARIABLE ALEATORIA. (Concepto no matemático) Es aquella
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 detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesEstudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos
Contrastes 2 χ Estudiaremos tres tipos de contrastes, cada uno de los cuales trata de responder a la pregunta correspondiente: Bondad del ajuste Proceden los datos de una determinada distribución? Homogeneidad
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 detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más 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 detallesMODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.
UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía
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 detallesPROGRAMA DE ESTADÍSTICA DESCRIPTIVA
PROGRAMA DE ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS DE ESTADÍSTICA Definición de Estadística Origen del concepto. Evolución histórica de la Estadística Estadística Descriptiva y Estadística Inferencial
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
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 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 detallesDiseño o de un estudio epidemiológico
Diseño o de un estudio epidemiológico Dr. José Luis Hernández Hernández Unidad de Metabolismo Óseo Departamento de Medicina Interna Hospital Marqués de Valdecilla Diseño del estudio: definición Un diseño
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesObjetivo: Comprender la diferencia entre valor esperado, varianza y desviación estándar. Poner en práctica el teorema de Chebyshev
PROBABILIDAD Y ESTADÍSTICA Sesión MODELOS ANALÍTICOS DE FENÓMENOS ALEATORIOS CONTINUOS. Definición de variable aleatoria continua. Función de densidad y acumulatíva. Valor esperado, varianza y desviación
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detallesCurso de nivelación Estadística y Matemática
Curso de nivelación Estadística y Matemática Sexta clase: Programa Técnico en Riesgo, 2016 Agenda 1 2 de una vía 3 Pasos para realizar una prueba de hipótesis Prueba de hipotesis Enuncia la H 0 ylah 1,ademásdelniveldesignificancia(a).
Más detallesModelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:
Modelos de probabilidad Modelos de probabilidad Distribución de Bernoulli Distribución Binomial Distribución de Poisson Distribución Exponencial Objetivos del tema: Al final del tema el alumno será capaz
Más detallesEjemplos Resueltos Tema 4
Ejemplos Resueltos Tema 4 2012 1. Contraste de Hipótesis para la Media µ (con σ conocida) Dada una muestra de tamaño n y conocida la desviación típica de la población σ, se desea contrastar la hipótesis
Más detalles1. Ejercicios. 2 a parte
1. Ejercicios. 2 a parte Ejercicio 1 Calcule 1. P (χ 2 9 3 33) 2. P (χ 2 15 7 26). 3. P (15 51 χ 2 8 22). 4. P (χ 2 70 82). Ejercicio 2 Si X χ 2 26, obtenga un intervalo [a, b] que contenga un 95 % de
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 detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesFLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social
FLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social Unidad 3 - Clase 7 y 8 Concepto de covarianza, relaciones bivariadas
Más detallesESTADÍSTICA INFERENCIAL
ESTADÍSTICA INFERENCIAL ESTADÍSTICA INFERENCIAL 1 Sesión No. 6 Nombre: Distribuciones de probabilidad para variables aleatorias continuas Contextualización Las variables aleatorias discretas son aquellas
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 3. Contrastes de bondad
Más 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 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 detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesINDICE Prefacio 1. Introducción 2. Distribuciones de frecuencia: tablas estadísticas y graficas
INDICE Prefacio XIII 1. Introducción 1.1. la imagen de la estadística 1 1.2. dos tipos de estadísticas 1.3. estadística descriptiva 2 1.4. estadística inferencial 1.5. naturaleza interdisciplinaria de
Más detallesPresentación de la Asignatura. Estadística II. Prof. Sergio Jurado Chamorro
Presentación de la Asignatura Estadística II Prof. Sergio Jurado Chamorro Estadística II: La asignatura Contexto Enfoque Nivel matemático Conocimientos básicos Otro requerimientos Herramienta de apoyo
Más detallesTODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis
TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:
Más detallesTema 4: Variables Aleatorias
Tema 4: Variables Aleatorias Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 4: Variables Aleatorias Curso 2009-2010 1 / 10 Índice 1 Concepto
Más detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detalles