TEMA 8. TESTS DE HIPOTESIS Introducción Definiciones Pasos para la realización de un test
|
|
- Catalina Santos San Segundo
- hace 5 años
- Vistas:
Transcripción
1 TEMA 8. TESTS DE IPOTESIS 8.. Itroducció 8... Defiicioes 8... Pasos para la realizació de u test 8.. Tests paramétricos Cotrastes sobre los parámetros de ua distribució Normal 8... Cotrastes sobre los parámetros de dos distribucioes ormales idepedietes Cotrastes para ua proporció p Cotrastes para la comparació de dos proporcioes 8.3. Tests o paramétricos Cotrastes para la bodad de ajuste 8.3. Cotrastes de homogeeidad Cotrastes para la idepedecia de dos caractere Cotraste de aleatoriedad. Test de rachas Test de Kolmogorov-Smirov Test de los ragos sigados de Wilcoxo Test de Ma-Whitey-Wilcoxo 8.4. Aálisis de la variaza 53
2 8.. Itroducció 8... Defiicioes. Test de ipótesis: Procedimieto estadístico mediate el cual se ivestiga la verdad o falsedad de ua hipótesis acerca de ua característica de ua població o u cojuto de poblacioes.. Tests paramétricos: Coocida ua v.a. co ua determiada distribució, se establece afirmacioes sobre los parámetros de dicha distribució.. Tests o paramétricos: Las afirmacioes establecidas o se hace e base a la distribució de las observacioes, que a priori es descoocida. 54
3 Ejemplos: Tests paramétricos: Sea,,..., ua m.a.s. de ua v.a. co distribució Normal, N ( µ; σ ). Establecemos la afirmació: µ Tests o paramétricos: Aálisis de la aleatoriedad de la muestra Ua variable aleatoria tiee ua distribució Normal Dos variables aleatorias e so idepedietes Dos muestras idepedietes procede de la misma població 55
4 . ipótesis del test: ipótesis ula ( ) : ipótesis que se platea e u problema de cotraste ipótesis alterativa ( ) : ipótesis cotraria a la hipótesis ula Ejemplos: Test paramétricos: : µ : µ > Test o paramétricos: : La muestra se ha seleccioado aleatoriamete : La muestra o se ha seleccioado aleatoriamete 56
5 3. Estadístico del test Llamamos Estadístico del Test o Estadístico de Cotraste a ua variable aleatoria co distribució de probabilidad coocida cuyos valores os permite tomar la decisió de aceptar o rechazar la hipótesis ula. : µ = µ : µ µ σ N µ ; Al valor cocreto que toma el estadístico del test para la muestra escogida se llama Valor Experimetal del Estadístico de Cotraste x, x,..., x x xi i = = 57
6 Ejemplo Cotrate de ipótesis Cotrastar si la media de ua població N ( µ ; σ ) co σ coocida, toma u valor µ = µ. Plateamieto del test:. Estadístico del test: : µ = µ : µ µ σ N µ ; Bajo la hipótesis ula: σ N µ ; Se toma ua m.a.s. cocreta: x, x,..., x cuya media valdrá: xi i = x = Si es cierta, la mayoría de los valores de la media muestral debe estar próximos al valor µ. 58
7 4. Criterio de decisió: Comprobar si el valor cocreto de la media muestral calculada, está o o muy alejado de µ Rechazamos si la media muestral o está próxima a µ. No rechazamos si la media muestral está próxima a µ. 5. Determiació de las zoas de rechazo y o rechazo: Zoa de o rechazo: ( α) % de los valores más cercaos a µ. Zoa de rechazo: α % de los valores restates. α / α α / µ. Media muestral Rechazo No Rechazo Rechazo 59
8 6. Tipos de hipótesis. Regió Crítica. Cotrastes uilaterales y bilaterales. P-valor ipótesis simples: La hipótesis asiga u úico valor al parámetro descoocido, : θ = θ ipótesis compuestas: La hipótesis asiga varios valores posibles al parámetro descoocido, : θ ( θ, θ ) : µ = µ : µ µ Simple Compuesta : µ µ : µ > µ Compuesta Compuesta : µ µ : µ < µ Compuesta - Compuesta 6
9 Al aplicar u cotraste de hipótesis, clasificamos los putos del espacio muestral e dos regioes excluyetes y complemetarias: Regió de Rechazo o Regió Crítica: La formada por el cojuto de los valores del estadístico de cotraste que os lleva a rechazar la hipótesis ula, se llama regió crítica (los putos que delimita la regió crítica se llama putos críticos) Regió de Aceptació o Regió de No Rechazo: Es la formada por el cojuto de los valores del estadístico de cotraste que os lleva a aceptar la hipótesis ula Regió de rechazo Regió de o rechazo 6
10 Cotrastes uilaterales y bilaterales: Si la hipótesis alterativa da lugar a ua regió crítica a ambos lados del valor del parámetro, diremos que el test es bilateral o de dos colas Regió crítica Si la hipótesis alterativa da lugar a ua regió crítica a u solo lado del valor del parámetro, diremos que el test es uilateral o de ua sola cola Regió crítica 6
11 p-valor o ivel de sigificació observado: Es el valor de α más pequeño que hace que la muestra observada os idique que se debe rechazar. Elegido u ivel de sigificació α, se rechazará si p α Si α < p-valor No rechazar R.A. No rechazar hipótesis ula p-valor R.C. z exp z α Si α p - valor Rechazar Rechazar hipótesis ula R.A. R.C. p-valor z α z exp 63
12 7. Errores asociados al cotraste Error tipo I: Error que se comete al rechazar la hipótesis ula,, cuado ésta es cierta. P[ Error tipo I ] [ Rechazar / es verdadera ] α = = P Error tipo II: Error que se comete al o rechazar la hipótesis ula,, cuado ésta es falsa P[ Error tipo II ] [ No Rechazar / es falsa] β = = P Verdadera Falsa Rechazo Error tipo I (α) Correcto No rechazo Correcto Error tipo II (β) Potecia del test: Probabilidad que se tiee e el cotraste de detectar que es falsa. [ ] β = P Rechazar / es falsa 64
13 8... Pasos para la realizació de u test. Fijar las hipótesis ula y alterativa : θ = θ Si el cotraste es bilateral : θ θ : θ θ : θ > θ : θ θ : θ < θ Si el cotraste es de ua cola (derecha) Si el cotraste es de ua cola (izquierda). Buscar el estadístico del test que bajo la hipótesis ula tega u comportamieto coocido 3. Determiar la regió crítica 4. Seleccioar ua muestra de tamaño, para la cual el estadístico del test tome u valor umérico (valor experimetal del estadístico de cotraste) 5. Adoptar la decisió sobre el rechazo o o de la hipótesis ula 65
14 8.. Tests Paramétricos 8... Cotrastes sobre los parámetros de ua distribució ormal ( ),,..., m.a.s. de N µ ; σ Cotrastes sobre la media Variaza Coocida ipótesis del test Estadístico de cotraste Criterio de rechazo : µ = µ : µ µ : µ µ : µ > µ Z µ = N(;) σ z z exp z α exp z α zexp z α : µ µ : µ < µ zexp z α 66
15 Variaza Descoocida Estadístico de cotraste T = S µ t ipótesis del test : µ = µ : µ µ : µ > µ : µ µ : µ µ : µ < µ Criterio de rechazo t t α exp ; t t α exp ; t t α exp ; t t α exp ; 67
16 Ejemplo: E u preparado alimeticio ifatil se especifica que el coteido medio de proteías es al meos del 4%. Tratamos de comprobar esta especificació y para ello tomamos preparados que aalizamos para determiar su coteido e proteías, obteiedo ua media del 4% y ua cuasidesviació típica del 3.5%. Es correcta la especificació citada para u ivel de sigificació del.5, supoiedo ormal la distribució de la variable coteido proteico? : Coteido Proteico, N ( µ ; σ ) = ; x = 4; S = 3.5 Cotraste de ipótesis: : µ 4 : µ < 4 68
17 = ; x = 4; S = 3.5 Cotraste de ipótesis: Estadístico de cotraste: x µ t S : µ 4 : µ < 4 α =.5; t = t = ; 9.5; 9 t exp 4 4 = = No rechazamos.5 t.95 ; 9 texp.95 Admitimos como correcta la especificació del preparado acerca del coteido proteico 69
18 7 Cotrastes sobre la variaza Media descoocida Criterio de rechazo ipótesis del test Estadístico de cotraste ( ) S σ χ χ = ; exp ; exp α α χ χ χ χ exp ; α χ χ exp ; α χ χ : : σ σ σ σ = : : σ σ σ σ > : : σ σ σ σ <
19 Ejemplo: La variaza habitual para la altura de los machos de Lhasa Apso es de.5. U criador está itetado reducir esta cifra. Después de u período de criaza selectiva, se seleccioa ua muestra de 5 perros a los que se mide, obteiedo ua cuasivariaza muestral de.. Teemos evidecias que os permita afirmar que ha dismiuído la variabilidad e la altura de esta raza de perros? : Altura de los machos de Lhasa Apso Cotraste de ipótesis: ( ; ) N µ σ S = 5 =. : σ.5 : σ <.5 7
20 Cotraste de ipótesis: Estadístico de cotraste: χ : σ.5 : σ <.5.95;4 α =.5; χ = 6.57 S = 5 =. ( ) S = σ χ χ exp 4. = =.76 No rechazamos χ.95;4 exp χ No teemos suficietes pruebas para sosteer la iformació de que la criaza selectiva haya reducido la variabilidad e las alturas de los machos de Lhasa Apso 7
21 8... Cotrastes sobre los parámetros de dos distribucioes ormales idepedietes ( µ σ ),,..., m.a.s. de N ; ( ),,..., m.a.s. de N µ ; σ Cotrastes sobre la diferecia de medias Variazas coocidas Variazas descoocidas, pero iguales Variazas descoocidas, distitas o o. Muestras grades 73
22 Variazas coocidas Estadístico de cotraste Z = ( ) σ σ + µ N ( ; ) ipótesis del test Criterio de rechazo : µ µ = µ : µ µ µ : µ µ µ : µ µ > µ : µ µ µ : µ µ < µ z z exp z α exp z α z z exp exp z α z α 74
23 Variazas descoocidas, pero iguales Estadístico de cotraste T = S ( ) µ p + t + ipótesis del test : µ µ = µ : µ µ µ : µ µ µ : µ µ > µ : µ µ µ : µ µ < µ Criterio de rechazo t t α + exp ; t t α + exp ; t t α + exp ; exp ; t t α + S p = ( ) ( ) + S S + 75
24 Variazas descoocidas co x, y 3 Estadístico de cotraste Z = ( ) S µ S + N ( ; ) ipótesis del test : µ µ = µ : µ µ µ : µ µ µ : µ µ > µ : µ µ µ : µ µ < µ Criterio de rechazo z z exp z α exp z α z z exp exp z α z α 76
25 Ejemplo: E u estudio sobre agia de pecho e ratas, se dividió aleatoriamete a 8 aimales afectados e dos grupos de 9 idividuos cada uo. A u grupo se le sumiistró u placebo y al otro u fármaco experimetal FL3. Después de u ejercicio cotrolado sobre ua cita si fi, se determió el tiempo de recuperació de cada rata, obteiédose los siguietes resultados: x S Placebo = 9 = 39 seg. = 45 seg. FL3 = 9 y = 83 seg. S = 43 seg. Se puede cocluir que el fármaco experimetal tiede a reducir el tiempo de recuperació? (Se supoe Normalidad e igualdad e las variazas poblacioales) : Tiempo de recuperació de las ratas co placebo : Tiempo de recuperació de las ratas co el fármaco N N ( µ ; σ ) ( µ ; σ ) Idepedietes 77
26 Cotraste de ipótesis: : µ µ : µ > µ : µ µ : µ µ > Estadístico de cotraste: T = S ( ) µ p + t + S p ( ) ( ) S + S = = = t t exp.5;6 =. =.746 Rechazamos.95.5 t.5;6 texp El fármaco experimetal es eficaz e la reducció del tiempo de recuperació e ratas co agia de pecho. 78
27 Cotrastes sobre la igualdad de variazas Medias descoocidas Estadístico de cotraste F S = S ; F ipótesis del test : σ : σ : σ : σ : σ : σ = σ σ σ > σ σ < σ F Criterio de rechazo exp F α ;, F F α exp ;, F F α F exp ;, exp F α ;, 79
28 Ejemplo: Se realiza u estudio de prácticas de prescripció. El propósito es aalizar la prescripció de digoxia, u fármaco importate, potecialmete tóxico y comúmete utilizado. El ivel de dosificació para los mayores de 64 años debe ser meor que el de persoas más jóvees. Se extrae muestras idepedietes de cada grupo y se obtiee el ivel de dosificació para cada paciete seleccioado. Los resultados so: x S Edad > 64 años = 4 =.65 mg./día =. mg./día Edad 64 = 9 y =.68 mg./día S y =.68 mg./día Se puede cosiderar que la dispersió e ambas poblacioes es la misma? : Catidad de digoxia e pacietes co > 64 años : Catidad de digoxia e pacietes co 64 años N N ( µ, σ ) ( µ, ) σ Idepedietes 8
29 Cotraste de ipótesis: Estadístico de cotraste:.5 F.95 S = S : σ : σ.5 = σ σ ; F = 4; S =. mg./ día = 9; S =.68 mg./ día. Fexp = =.5.68 F.5; 4, 8 =.5 F.975; 4, 8 Rechazamos = = =.55 F.5; 8, 4.94 Las variazas poblacioales so diferetes F.975; 4, 8 F.5; 4, 8 Fexp 8
30 8..3. Cotrastes para ua proporció Z Estadístico de cotraste pˆ p = N p ( p ) ( ; ) ipótesis del test Criterio de rechazo : p = : p p p z z exp z α exp z α : p : p > p p z exp z α : p : p < p p z exp z α 8
31 Ejemplo: Etre los pacietes co cácer de pulmó, el 9% o más muere geeralmete e el espacio de tres años. Como resultado de uevas formas de tratamieto, se cree que esta tasa se ha reducido. E u reciete estudio sobre 5 pacietes diagosticados de cácer de pulmó, 8 muriero e el espacio de tres años. Se puede afirmar que realmete ha dismiuido la tasa de mortalidad al ivel α =.? Cotraste de ipótesis: : p.9 : p <.9 Estadístico de cotraste: Z = p pˆ ( ) Estimació muestral del parámetro: p p N ; ( ) Nº éxitos 8 p ˆ = = =.853 Nº observacioes 5 83
32 Cotraste de ipótesis: : p.9 : p <.9 Z ˆ.853 p = exp p p = = =.95 p p.9.9 ( ) ( ) z.9. 5 α =.; = =, 85 z Rechazamos..9 z exp z. 84
33 8..3. Cotrastes para la comparació de dos proporcioes Estadístico de cotraste Z ( pˆ ˆ ) ( ) p p p = pˆ ( pˆ ) pˆ ( ˆ ) p + N ; ( ) ipótesis del test Criterio de rechazo : : : : p p p p p p p p = > ( p p ) ( p p ) ( p p ) ( p p ) z z exp z α exp z α z exp z α : : p p p p < ( p p ) ( p p ) z exp z α 85
34 Ejemplo: Se quiere comprobar la teoría de que la vitamia C es ua ayuda e el tratamieto del cácer. Se examiaro dos grupos de 75 pacietes cada uo. Al primero de ellos se le dio gr. de vitamia C diariamete y se observó que 47 pacietes presetaro mejoría. A los pacietes del segudo grupo se les sumiistró u placebo y 43 experimetaro mejoría. Cotrastar las hipótesis: Estadístico de cotraste: Z : p p.4 : p p >.4 ( pˆ ˆ ) ( ) p p p = pˆ ( pˆ ) pˆ ( ˆ ) p + Estimació muestral de los parámetros: 47 pˆ = = pˆ = = N ( ; ) 86
35 : p p.4 : p p >.4 Z exp = ( ) ( ) ( ) =.75 z.5 =.645 zexp z α No rechazamos.95.5 z exp z.5 87
36 8.3. Tests No Paramétricos Cotrastes para la bodad de ajuste. El problema de bodad de ajuste cosiste e determiar a partir de u cojuto de datos muestrales si estos so cosistetes co ua distribució de Probabilidad teórica. Partiedo de ua muestra de valores observados x, x,..., x de ua v.a.. co distribució supuesta F ( x ), se platea el siguiete cotraste de hipótesis: : F ( x) : sigue otra distribució 88
37 Plateamieto Cosideremos ua v.a., discreta o cotiua, y ua muestra aleatoria de tamaño de la distribució de dicha variable agrupada e k clases exhaustivas y mutuamete excluyetes. Sea i, i =,,..., k, la frecuecia absoluta de la i-ésima clase Supogamos ua cierta distribució teórica para cuyos parámetros poblacioales los estimamos a partir de los datos muestrales. Si deotamos por p i la probabilidad asociada a la clase i, los valores p i será los valores esperados asociados a cada clase i. 89
38 Clases Marcas de clase Fr. Absolutas empíricas Prob. Teóricas Valores esperados x p p x p p i x i i p i p i k x k k p k p k Si algú valor esperado es meor que 5, p i < 5, dicha clase se agrupará co otras cotiguas, de maera que e todas ellas dichos valores sea mayores o iguales a 5, reduciédose el úmero de clases. 9
39 Solució del test ipótesis ula : ( ) F x Estadístico de cotraste k i= ( ) i pi i = p χ ( k ) r Criterio de rechazo exp χ α ; ( k ) r r es el úmero de parámetros estimados de los que depede la distribució teórica k es el úmero de clases 9
40 Ejemplo: Se mide el úmero de partículas que llega a ua determiada zoa procedetes de ua sustacia radioactiva e u corto espacio de tiempo siempre igual, aotádose los resultados e la siguiete tabla: Nº de partículas Nº de períodos de tiempo a) Ajustar ua distribució de Poisso b) Calcular la probabilidad de que llegue a dicha superficie,,,..., 6 partículas c) Verificar la bodad del ajuste mediate u cotraste de la χ = Nº de Partículas Radioactivas Determiació de los parámetros de la distribució. Dado que o los coocemos, los estimamos: ˆ λ = x = i xi = = i= P( λ =.4) 9
41 Cálculo de probabilidades P( = ) =.898 ; P( = ) =.3586 ; P( = ) =. ; P( = 3) =.99 P( = 4) =.85 ; P( = 5) =.7 P( = 6) =.4 Cotraste de bodad de ajuste o : : ( λ =.4) P sigue otra distribució 93
42 Nº de Partíc Fr. Ab. i Prob. p i Val. Esp. p i = 9 Como el último valor esperado es iferior a 5, uimos las dos clases cotiguas Nº de Partíc Fr. Ab. i Prob. p i Val. Esp. p i ( i -p i ) /p i y =
43 Estadístico de cotraste: k i= ( ) i pi Nº de Gr. de Libertad, (k-) - r = (6-) - = 4; r = Nº de Parámetros estimados = Criterio de rechazo: χ.5;4 exp = i= i = p = 9.49 k χ ( k ) exp χ α ; =.5335 ( k ) r r No rechazamos ( p ) i p i i.95.5 exp χ.5;4 Los datos proviee de ua distribució de Poisso 95
44 8.3.. Cotrastes para la idepedecia de dos caracteres Se quiere determiar si existe relació etre dos características diferetes de ua població, dode cada característica se ecuetra subdividida e u cierto úmero de categorías B A A Total TABLA DE CONTINGENCIA B B... j... s. A A i i A r r i r B j j ij rj.j B s s is rs.s Total. i. r... 96
45 . =, i =,,..., r. i. s j= r =, j =,,..., s. j i= ij ij Total de la i-ésima fila Total de la j-ésima columa La decisió de rechazar o o rechazar la hipótesis ula de idepedecia de los dos caracteres, se basa e el mal o bue ajuste etre las frecuecias observadas y las frecuecias que se esperaría para cada celda si fuese cierta.. i Valores esperados: e = ij j 97
46 Solució del test ipótesis ula : A y B so idepedietes U r Estadístico de cotraste s i= j= ( ) ij eij = e ij χ ( r )( s ) U Criterio de rechazo exp χ α ; ( r )( s ) Correcció de ates para cotiuidad Si algú valor e ij es meor que 5, se aplica la siguiete correcció por cotiuidad al estadístico del test Estadístico de cotraste U r s i= j= (.5 ) ij eij = e ij χ ( r )( s ) 98
47 Ejemplo: U psicólogo realiza ua ivestigació para determiar si existe asociació aparete etre el peso de u muchacho y u éxito precoz e la escuela. Se seleccioa ua m.a.s. de 5. Se clasifica a cada uo de acuerdo a dos criterios: el peso y el éxito e la escuela, obteiédose los siguietes resultados: Éxito Sí No Sobrepeso Sí No A la vista de los datos, qué se puede decir sobre la afirmació del psicólogo? Cotraste de ipótesis: : Los caracteres peso y éxito so idepedietes : Los caracteres peso y éxito o so idepedietes 99
48 Cálculo de los valores esperados, e ij e ij =.. i j e.. = = 45 5 = 7 Sobrepeso Éxito Sí No Total Sí (7) (55) No (3) (45) Total 3 5 3
49 Estadístico de cotraste: U r s i= j= ( ) ij eij = e ij χ ( r )( s ) U U exp exp ( 6 7) ( 63 55) = ( 38 3) ( 37 45) + + = 3 45 = ( r )( s ) = Rechazamos o χ.5; = χ.5; U exp La obesidad y la precocidad e la escuela o so idepedietes 3
50 Cotrastes de homogeeidad El problema geeral es determiar si varias muestras se puede cosiderar procedetes de ua misma població, e cuyo caso decimos que las muestras so homogéeas. TABLA DE CONTINGENCIA Modalidades Muestras A B B... j... p. A A i i A r r i r... B j j ij rj... B p p Total. ip i. rp r. Total......j....p.. 3
51 Solució del test ipótesis ula : Las muestras so homogéeas Estadístico de cotraste U r p i= j= ( ) ij eij = e ij χ ( r )( p ) U Criterio de rechazo exp χ α ; ( r )( p ) 33
52 Ejemplo: U grupo de persoas ha sido expuesto a la radiactividad de u vertedero co desechos atómicos. Se realiza ua ivestigació para descubrir si hay algua asociació etre la exposició y el desarrollo de ua efermedad e la sagre. Se elige 3 persoas expuestas al peligro y 3 o expuestas y se estudia a cada sujeto para determiar si tiee o o la efermedad. Qué se puede cocluir a la vista de los resultados? Tiee la efermedad Radioactividad Sí No Sí 5 48 No 48 7 Cotraste de ipótesis: : ay omogeeidad : No ay omogeeidad 34
53 Cálculo de los valores esperados, e ij e ij =.. i j e.. = = = 5.6 Tiee la efermedad Radioactividad Sí No Total Sí (48.39) (5.6) No (5.6) (68.39) Total
54 Estadístico de cotraste: U r p i= j= ( ) ij eij = e ij χ ( r )( p ) U U exp exp ( ) (48 5.6) = (48 5.6) ( ) + + = =.6 ( r )( p ) = No rechazamos o χ.5; = U exp χ.5; No hay evidecia de asociació etre efermedad saguíea y exposició a esta fuete de radioactividad 36
55 37
Tema 8. Sesiones 15 y 16 Guía de clase 8. CONTRASTE DE HIPOTESIS
UNIVERSIDAD DE LOS ANDES NUCLEO UNIVERSITARIO RAFAEL RANGEL DEPTO DE CIENCIAS ECONOMOMICAS Y ADMIMISTRATIVAS AREA DE ESTADÍSTICA ESTADÍSTICA BASICA CONTADURÍA PÚBLICA Tema 8. Sesioes 5 y 6 Guía de clase
Más detallesUniversidad Nacional del Litoral Facultad de Ingeniería y Ciencias Hídricas ESTADÍSTICA. Ingenierías RH-Amb-Ag TEORÍA
Uiversidad Nacioal del Litoral Facultad de Igeiería Ciecias Hídricas ESTADÍSTICA Igeierías RH-Amb-Ag TEORÍA Mg. Susaa Valesberg Profesor Titular INFERENCIA ESTADÍSTICA TEST DE HIPÓTESIS INTRODUCCIÓN Geeralmete
Más detalles9.3. Contrastes de una proporción
9.3. CONTRASTES DE UNA PROPORCIÓN 219 y el criterio que sumiistra el cotraste es si a teo χ 2 exp b teo = o rechazamos H 0 ; si χ 2 exp < a teo ó χ 2 exp > b teo = rechazamos H 0 y aceptamos H 1. Cotrastes
Más detalles1 x 1 0,1666. sabiendo que 506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496.
GRADO GESTIÓN AERONÁUTICA: EXAMEN ESTADÍSTICA TEÓRICA 9 de Eero de 015. E-7. Aula 104 1.- La fució de desidad de ua variable aleatoria es: a b 0 f() 0 e el resto sabiedo que 1 P 1 0,1666. Determiar a y
Más detallesTest de Hipótesis. Material Preparado por Hugo Delfino
Test de Hipótesis Material Preparado por Hugo Delfio 8-3 Qué es ua Hipótesis? Hipótesis: Es u suposició acerca del valor de u parámetro de ua població co el propósito de discutir su validez. Ejemplo de
Más detallesPRUEBAS DE HIPÓTESIS.
PRUEBAS DE HIPÓTESIS. HIPÓTESIS ESTADÍSTICA Paramétrica : No Paramétrica Es ua afirmació sobre los valores de los parámetros poblacioales descoocidos. Es ua afirmació sobre algua característica Simple
Más detallesEstimación por intervalos
Estimació por itervalos Estimació por itervalos para la media poblacioal co (variaza poblacioal) coocida P( x z/ x z/ ) 1 co (variaza poblacioal) descoocida Si 30 se reemplaza por S y usamos el itervalo
Más detallesTEMA 4: CONTRASTE DE HIPOTESIS
ESTADÍSTICA, CURSO 2008 2009 TEMA 4: CONTRASTE DE HIPOTESIS HIPOTESIS ESTADISTICAS ENSAYOS DE HIPOTESIS Cocepto de hipótesis estadística Esayos de hipótesis Hipótesis ula (H 0 ) y alterativa (H ) Diferecias
Más detallesEJERCICIO 1. , a partir de las frecuencias observadas, nij. , que se dan en la tabla del ejercicio.
EJERCICIO () Es u problema de idepedecia de criterios y se tedrá que costruir la tabla de cotigecia de frecuecias teóricas (esperadas), t ij, a partir de las frecuecias o observadas, ij, que se da e la
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesPaso 2: Elegir un estadístico de contraste. Como queremos hacer un contraste de hipótesis para la media, el estadístico de contraste adecuado es:
Hoja 6: Cotraste de hipótesis 1. U laboratorio farmacéutico ha elaborado u fármaco e forma de comprimidos cuyo peso sigue ua distribució Normal co ua desviació típica de 0.12 mg. Se sabe que ua dosis de
Más detallesT5. Contrastes para los parámetros de una población Normal
Estadística :: T5. Cotrastes para los parámetros de ua població Normal Estadística T5. Cotrastes para los parámetros de ua població Normal Departameto de Ciecias del Mar y Biología Aplicada Estadística
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2010 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Opció B Reserva, Ejercicio 4, Opció B Reserva 2, Ejercicio 4,
Más detallesPráctica 7 CONTRASTES DE HIPÓTESIS
Práctica 7. Cotrastes de hipótesis Práctica 7 CONTRATE DE IPÓTEI Objetivos Utilizar los cotrastes de hipótesis para decidir si u parámetro de la distribució de uos datos objeto de estudio cumple o o ua
Más detallesCONTRASTE DE HIPÓTESIS
Estadística: Cotraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Cotraste de hipótesis sobre la media poblacioal Se parte de ua població supuestamete ormal de media y desviació típica N(, ); se tipifica
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS El cotraste de hipótesis es el procedimieto mediate el cual tratamos de cuatificar las diferecias o discrepacias etre ua hipótesis estadística y ua realidad de la que poseemos ua
Más detallesOperario A B C D Total Obstrucciones
Ua empresa de imprimir, alimetada a mao, estaba sujeta a lo que parecía ser u úmero irrazoable de obstruccioes causadas por iterferecias de las hojas de papel a la presa. Se hizo ua prueba para ver si
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detalles) se obtiene un valor específico del estimador que recibe el nombre de estimación del parámetro poblacional θ y lo notaremos por = g ( x 1
ESTIMACIÓN PUNTUAL. ESTIMACIÓN POR INTERVALOS DE CONFIANZA. 1. INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA El objetivo básico de la iferecia estadística es hacer iferecias o sacar coclusioes sobre la població
Más detalles3. Igualdad de proporciones
1 La prueba de Pearso Tema 10 1. Bodad de ajuste. Idepedecia 3. Igualdad de proporcioes 4. Medidas de asociació 5. Errores tipificados 1. Bodad de ajuste Objetivo: Comprobar si ua distribució teórica de
Más detallesTEST DE HIPÓTESIS. a la hipótesis que se formula y que se quiere contrastar o rechazar. Llamamos hipótesis alternativa, H
TEST DE IPÓTESIS INTRODUCCIÓN E el tema aterior vimos cómo, a partir de los datos de ua muestra, podíamos estimar u parámetro de la població (media o proporció) mediate u itervalo E este tema platearemos
Más detallesBloque 3 Tema 12 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS
Bloque 3 Tema 1 PRUEBAS ESTADÍSTICAS PARA EL CONTRASTE DE HIPÓTESIS: PRUEBAS PARAMÉTRICAS Hay ocasioes e las que teemos que tomar decisioes relativas a ua població sobre la base de los coocimietos que
Más detallesINFERENCIA ESTADÍSTICA
X INFERENCIA ESTADÍSTICA Sea ua característica o variable aleatoria de la població objeto de estudio y sea ( X, X, X,..., X ) ua muestra aleatoria de dicha població. 1 3 U parámetro poblacioal es ua caracterizació
Más detallesObjetivo. 1. Intervalos y test (una sola muestra) Práctica 7: Intervalos de conanza y contrastes de hipótesis I. M. Iniesta Universidad de Murcia
Práctica 7: Itervalos de coaza y cotrastes de hipótesis I Objetivo E esta práctica y e la siguiete apredemos a aplicar e iterpretar las técicas de itervalos de coaza y test de hipótesis, seleccioado la
Más detallesINTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO
INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA DISTRIBUCIÓN EN EL MUESTREO Objetivos geerales del tema E este tema se itroducirá el cocepto de estadístico como medio para extraer iformació acerca de la ley de
Más detallesESTADÍSTICA. n i Se pide:
ESTDÍSTIC Tercera Prueba de Evaluació cotiua 1 de diciembre de 16 1.- l calcular cico veces la distacia etre dos putos, obteemos los siguietes valores: 17,13m; 17,1m; 17,m; 17,65m; 17,4 a) Itervalo de
Más detallesIntroducciónalaInferencia Estadística
Capítulo 6 ItroduccióalaIferecia Estadística 6.1. Itroducció El pricipal objetivo de la Estadística es iferir o estimar características de ua població que o es completamete observable (o o iteresa observarla
Más detallesPasos básicos para docimar una hipótesis:
Pasos básicos para docimar ua hipótesis:. Defiir cual es la població y el o los parámetro de iterés.. Establecer la hipótesis (ula y alterativa). 3. Establecer el ivel de sigificació α. 4. Recoger los
Más detallesEjemplo Solución. 2) Datos p 1 =253/300 p 2 =196/300 n 1 =n 2 =300 α= ) Ensayo de hipótesis
Ejemplo Solució ) Se trata de ua distribució muestral de diferecia de proporcioes. Se evalúa dos tipos diferetes de solucioes para pulir, para su posible uso e ua operació de pulido e la fabricació de
Más detallesDistribuciones en el muestreo, EMV
Distribucioes e el muestreo, E Tema 6 Descripció breve del tema. Itroducció y coceptos básicos. Propiedades de los estimadores Sesgo, Variaza, Error Cuadrático Medio y Cosistecia 3. Distribució de u estimador
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detalles1. Intervalos de Conanza
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.: Itervalos de coaza Objetivos Costruir itervalos de coaza para los parámetros más importates. Aplicar coveietemete los IC atediedo a cada situació
Más detalles12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS)
12 I N F E R E N C I A E S T A D Í S T I C A II (CONTRASTE DE HIPÓTESIS) 1 Supogamos que ua variable aleatoria X sigue ua ley N(µ; =,9). A partir de ua muestra de tamaño = 1, se obtiee ua media muestral
Más detallesPRUEBAS DE HIPOTESIS
PRUEBAS DE HIPOTESIS Es posible estimar u parámetro a partir de datos muestrales, bie sea ua estimació putual o u itervalo de cofiaza. Pero: Si mi objetivo o es estimar u parámetro, sio determiar el cumplimieto
Más detallesEstimación de Parámetros
Igacio Cascos Ferádez Departameto de Estadística Uiversidad Carlos III de Madrid Estimació de Parámetros Estadística I curso 008 009 Veremos cómo costruir valores aproximados de los parámetros de los modelos
Más detallesObjetivos. 1. Inferencia Estadística. INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo. M. Iniesta Universidad de Murcia
M. Iiesta Uiversidad de Murcia INFERENCIA ESTADÍSTICA Tema 3.1: Muestreo Objetivos Tratar co muestras aleatorias y su distribució muestral e ejemplos de tamaño reducido. Tratar co la distribució de la
Más detallesEstadística II. 5. Contraste de Hipótesis ADMINISTRACIÓ I DIRECCIÓ D'EMPRESES
Estadística II 5. Cotraste de iótes ADMINISTRACIÓ I DIRECCIÓ D'EMPRESES Cocetos revios Cocetos revios Prueba uilateral a ua cola suerior ϑ versus A ϑ ϑ > ϑ Prueba uilateral a ua cola iferior ϑ ϑ < ϑ ϑ
Más detallesContrastes de hipótesis
Cotrastes de hipótesis Ejercicio º 1.- E u determiado istituto asegura que las otas obteidas por sus alumos e las pruebas de acceso a la Uiversidad tiee ua media igual o superior a 7 putos. Pero la media
Más detallesTEMA 8. Tests de hipótesis. 8.1. Introducción 8.1.1. Definiciones 8.1.2. Pasos para la realización de un test
TEMA 8. Tests de hipótesis 8.. Itroducció 8... Defiicioes 8... Pasos para la realizació de u test 8.. Tests paramétricos. 8... Cotrastes clásicos sobre los parámetros de ua distribució Normal 8... Cotrastes
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 1999-.000 - CONVOCATORIA: SEPTIEMBRE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de
Más detallesθˆ = h(x 1,X 2,...,X n ) θˆ es un estimador puntual de θ
Iferecia Estadística 95 Capitulo VIII INFERENCIA ETADITICA Es ua rama de de la Estadística que se ocupa de los procedimietos que os permite aalizar y etraer coclusioes de ua població a partir de los datos
Más detallesINFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS
INFERENCIA ESTADÍSTICA CONCEPTOS BÁSICOS Població E el cotexto de la estadística, ua població es el cojuto de todos los valores que puede tomar ua característica medible e particular, de u cojuto correspodiete
Más detallesINTRODUCCION Teoría de la Estimación
INTRODUCCION La Teoría de la Estimació es la parte de la Iferecia Estadística que sirve para coocer o acercarse al valor de los parámetros, características poblacioales, geeralmete descoocidos e puede
Más detallesContrastes sobre proporciones Tema 9
Cotrastes sobre proporcioes Tema 9. Ua proporció. Dos proporcioes. Dos proporcioes idepedietes. Dos proporcioes relacioadas (Prueba de McNemar) 3. Más de dos proporcioes relacioadas (Prueba de Cochra)
Más detallesEstadística Teórica II
tervalos de cofiaza Estadística Teórica NTERVALOS DE CONFANZA Satiago de la Fuete Ferádez 77 tervalos de cofiaza CÁLCULO DE NTERVALOS DE CONFANZA PARA LA MEDA CON DESVACÓN TÍPCA POBLACONAL CONOCDA Y DESCONOCDA.
Más detallesProblemas de Estimación de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Problemas de Estimació de Ua y Dos Muestras UCR ECCI CI-35 Probabilidad y Esradística Prof. M.Sc. Kryscia Daviaa Ramírez Beavides Iferecia Estadística La teoría de la iferecia estadística cosiste e aquellos
Más detallesTema 4. Estimación de parámetros
Estadística y metodología de la ivestigació Curso 2012-2013 Pedro Faraldo, Beatriz Pateiro Tema 4. Estimació de parámetros 1. Estimació putual 1 1.1. Estimació de la proporció e la distribució Bi(m, p).......................
Más detallesINFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES
1 INFERENCIA ESTADÍSTICA. TEST DE HIPÓTESIS. TIPOS DE ERRORES 001. PAU SELECTIVIDAD Uiversidad de Oviedo Juio 1996 La empresa de trasportes urgetes El Rápido asegura que etrega el 80% de sus evíos ates
Más detallesa) ( ) ( ) Supóngase que se toma una muestra en una población con distribución N ( ;1. Qué tamaño debe tener esta para que P X µ SOLUCIÓN:
..- Supógase que se toma ua muestra e ua població co distribució N ( ;. Qué tamaño debe teer esta para que P X µ 0. 0.95? µ ) ( ) 384.3.- Si se toma ua muestra e ua població co distribució B p, para que
Más detallesPRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA. Esquema del procedimiento de Prueba de Hipótesis
PRUEBA DE HIPOTESIS BASADA EN UNA SOLA MUESTRA Pruebas de hipótesis es ua parte de la ESTADISTICA INFERENCIAL y tiee su aalogía co los pasos que se realiza e u JUICIO. Objetivo: Aquí o se busca Estimar
Más detallesINTERVALOS DE CONFIANZA
Gestió Aeroáutica: Estadística Teórica Facultad Ciecias Ecoómicas y Empresariales Departameto de Ecoomía Aplicada Profesor: Satiago de la Fuete Ferádez NTERVALOS DE CONFANZA Gestió Aeroáutica: Estadística
Más detallesCapítulo 3. El modelo de regresión múltiple. Jorge Feregrino Feregrino. Econometría Aplicada Utilizando R
Capítulo 3. El modelo de regresió múltiple. Jorge Feregrio Feregrio Idetificació del modelo La idetificació del objeto de ivestigació permitirá realizar ua búsqueda exhaustiva de los datos para llevar
Más detallesTEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Introducción a la Inferencia Estadística Método de los momentos
TEMA 5.-ESTIMACIÓN PUNTUAL.- (16/17) 5.1. Itroducció a la Iferecia Estadística. Método Estadístico. Defiicioes previas. 5.2. Estimació putual 5.3. Métodos de obteció de estimadores: 5.3.1. Método de los
Más detallesEn el tema anterior se estudió que muchas decisiones se toman a partir de resultados muestrales. Por ejemplo:
TEMA 6. Estimació putual. E muchos casos o será posible determiar el valor de u parámetro poblacioal descoocido, aalizado todos los valores poblacioales, pues el proceso a seguir puede ser destructivo,
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA PROPORCIÓN POBLACIONAL. U itervalo de cofiaza, para u parámetro poblacioal θ, a u ivel de cofiaza (1 ) 100 %, o es más que u itervalo (L i, L s
Más detallesTema 14: Inferencia estadística
Tema 14: Iferecia estadística La iferecia estadística es el proceso de sacar coclusioes de la població basados e la iformació de ua muestra de esa població. 1. Estimació de parámetros Cuado descoocemos
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es coocer acerca del comportamieto de parámetros poblacioales tales como: la media ( μ ), la variaza ( ) o la proporció ( p ).
Más detallesUNIDAD 4.- INFERENCIA ESTADÍSTICA II
UNIDAD 4.- INFERENCIA ESTADÍSTICA II. ESTIMACIÓN POR INTERVALOS DE CONFIANZA Cosideraremos ua variable aleatoria X co ua media µ descoocida y ua desviació típica coocida (parámetros poblacioales). Lo que
Más detallesPrueba A = , = [ 7.853, 8.147]
PRUEBAS DE ACCESO A LA UNIVERSIDAD CURSO 5-6 - CONVOCATORIA: Septiembre MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella, sólo debe
Más detallesEJERCICIOS TEMA 8. INFERENCIA ESTADISTICA
º BACHILLERATO. CIENCIAS SOCIALES 1. Ua variable aleatoria tiee ua distribució ormal de media m y desviació típica s. Si se extrae muestras aleatorias de tamaño : a) Qué distribució tiee la variable aleatoria
Más detallesCAPÍTULO 6 DISTRIBUCIONES MUESTRALES
CAPÍTULO 6 DISTRIBUCIONES MUESTRALES Uo de los objetivos de la estadística es saber acerca del comportamieto de parámetros poblacioales tales como: la media ( ), la variaza ( ) o la proporció ( p ). Para
Más detallesAnálisis de resultados. Independencia de las muestras
Aálisis de resultados Clase ro. 8 Curso 00 Idepedecia de las muestras Los resultados de ua corrida de simulació, so muestras de algua distribució. Esos resultados los llamamos "respuestas". Las respuestas
Más detallesDistribuciones Muestrales
10/08/007 Diseño Estadístico y Herramietas para la Calidad Distribucioes Muestrales Epositor: Dr. Jua José Flores Romero juaf@umich.m http://lsc.fie.umich.m/~jua M. e Calidad Total y Competitividad Distribucioes
Más detallesExplicación de la tarea 10 Felipe Guerra. Para la explicación de esta tarea veamos primeramente que es lo que nos están pidiendo.
Explicació de la tarea 0 Felipe Guerra Para la explicació de esta tarea veamos primeramete que es lo que os está pidiedo. Ya hemos visto a lo largo del curso que la variaza es el error cuadrado medio de
Más detallesEjemplo Solución. μ 1 =121 μ 2 =112 σ 1 =σ 2 =8.0 α=0.05 n 1 =n 2 =10. 2) Datos. 3) Ensayo de hipótesis
Ejemplo Solució ) Datos μ = μ = σ =σ =8.0 = =0 3) Esayo de hipótesis ; μ -μ = 0.0 H ; μ -μ >0.0 Se está iteresado e reducir el tiempo de secado de ua pitura. Probamos dos fórmulas; la fórmula tiee el coteido
Más detallesANEXO B. Se define como Regresión al estudio de la fuerza, consistencia o grado de asociación de la
ANEXO B B.. Regresió Se defie como Regresió al estudio de la fuerza, cosistecia o grado de asociació de la correlació de variables idepedietes [6]. B... Regresió Lieal Simple El objeto de u aálisis de
Más detallesTEMA 3: INFERENCIA ESTADISTICA
ESTADÍSTICA, CURSO 008 009 TEMA 3: INFERENCIA ESTADISTICA INTRODUCCION oblació. Muestra, muestreo. Objetivos de la iferecia estadística. Métodos paramétricos y o paramétricos. TEORIA ELEMENTAL DEL MUESTREO.
Más detallesESTADISTICA EMPRESARIAL - Segundo Curso Curso Convocatoria de Febrero INSTRUCCIONES
ESTADISTICA EMPRESARIAL - Segudo Curso Curso.006-07 Covocatoria de Febrero. 6-1-07 INSTRUCCIONES 1. El exame costa de cuestioes, que se respode sobre la hoja de codificació proporcioada, y problemas, que
Más detallesResumen Tema 2: Muestreo aleatorio simple. Muestreo con probabilidades desiguales.
Resume Tema 2: Muestreo aleatorio simple. Muestreo co probabilidades desiguales. M.A.S.: Muestreo aleatorio simple co probabilidades iguales si reemplazo. Hipótesis: Marco perfecto, si omisioes i duplicados
Más detallesTema 2. Medidas descriptivas de los datos
Tema 2. Medidas descriptivas de los datos Resume del tema 2.1. Medidas de posició So valores que os sirve para idicar la posició alrededor de la cual se distribuye las observacioes. 2.1.1. Mediaa La mediaa
Más detallesINFERENCIA ESTADÍSTICA Y ESTIMACIÓN
INFERENCIA ESTADÍSTICA Y ESTIMACIÓN La estadística iferecial se ocupa de exteder o extrapolar a toda ua població, iformacioes obteidas a partir de ua muestra, así como de tomar de decisioes. El muestreo
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERIA INDUSTRIAL Revisió, Cambios y Ampliació: Ig. José Alejadro Marí Fuete Primaria: Ig. César Augusto Zapata Urquijo 1. M U E S T R E O S I S T E M
Más detallesEJERCICIO 1 EJERCICIO 2
EJERCICIO 1 U sociólogo ha proosticado, que e ua determiada ciudad, el ivel de absteció e las próximas eleccioes será del 40% como míimo. Se elige al aar ua muestra aleatoria de 00 idividuos, co derecho
Más detallesPRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E
PRUEBAS DE ACCESO A LA UNIVERSIDAD L.O.G.S.E CURSO 2.001-2.002 - CONVOCATORIA: Juio MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES - Cada alumo debe elegir sólo ua de las pruebas (A o B) y, detro de ella,
Más detallesProbabilidad y Estadística 2003 Intervalos de Confianza y Test de Hipótesis paramétricos
Probabilidad y Estadística 3 Itervalos de Cofiaza y Test de Hipótesis paramétricos Itervalos de Cofiaza Defiició Dada ua muestra aleatoria simple es decir, u vector de variables aleatorias X co compoetes
Más detalles8.1 Al finalizar el tema el alumno debe conocer Características de la estimación utilizando los contrastes o test de hipótesis.
TEMA 8. Cotrastes de hipótesis. E este capítulo se epodrá el cotraste o test de hipótesis estadísticas, que está muy relacioado co la «estimació por itervalos» del capítulo aterior. Va a defiirse importates
Más detallesIntervalos de Confianza basados en una sola muestra. Denotaremos al parámetro de interés con la letra θ y con θ un estimador para θ.
Itervalos de Cofiaza basados e ua sola muestra Ua estimació putual sólo os proporcioa u valor umérico, pero NO proporcioa iformació sobre la precisió y cofiabilidad de la estimació del parámetro. Etoces
Más detallesEjercicio 1: Un embalaje contiene 9 cajas de CDs. Las 9 cajas tienen la siguiente composición:
Parcial de Probabilidad y Estadística : parte A Ejercicio 1: U embalaje cotiee 9 cajas de CDs. Las 9 cajas tiee la siguiete composició: 6 cajas cotiee 5 discos de música rock y 15 discos de música clásica
Más detallesQué es la estadística?
Qué es la estadística? La estadística tiee que ver co la recopilació, presetació, aálisis y uso de datos para tomar decisioes y resolver problemas. Qué es la estadística? U agete recibe iformació e forma
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 detallesTEMA 1. ESTADÍSTICA DESCRIPTIVA
TEMA. ESTADÍSTICA DESCRIPTIVA. Itroducció: coceptos básicos. Tablas estadísticas y represetacioes gráficas. Características de variables estadísticas uidimesioales.. Características de posició.. Características
Más detallesMAS obtenidas de una población N, son por naturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño n, tomadas de la misma
MAS obteidas de ua població N, so por aturaleza propia impredecibles. No esperamos que dos muestras aleatorias de tamaño, tomadas de la misma població N, tega la misma media muestral o que sea completamete
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA CONVOCATORIA DE MAYO (011) EJERCICIO 1 El director de publicacioes de ua editorial trata de decidir si debe publicar u uevo texto de estadística. Los ateriores libros
Más detallesPara estimar su media poblacional (µ) se toma una muestra de 20 cigarrillos, las medias de la. σ 20
Modelo 04. Problema 5A.- (Calificació máxima: putos) El coteido e alquitrá de ua determiada marca de cigarrillos se puede aproximar por ua variable aleatoria co distribució ormal de media µ descoocida
Más detallesContraste de Hipótesis
CONTRASTE DE HIPÓTESIS. Itroducció. Cotraste de ua hipótesis estadística 3. Test uilateral y bilateral 4. Test relacioados co ua sola media (variaza coocida) 5. Relació co la estimació del itervalo de
Más detallesESTIMACIÓN. TEMA 5: Estimación puntual I. Propiedades de los estimadores. TEMA 6: Estimación puntual II. Métodos de estimación puntual
ETIMACIÓN TEMA 5: Estimació putual I. Propiedades de los estimadores TEMA 6: Estimació putual II. Métodos de estimació putual TEMA 7: Estimació por itervalos CONTRATE DE HIPÓTEI TEMA 8: Cotrastes paramétricos
Más detallesEstimadores Puntuales: Propiedades de estimadores Sebastián Court
Estadística Estimadores Putuales: Propiedades de estimadores Sebastiá Court 1.Motivació Cosideremos ua variable aleatoria X co ciertas características, como por ejemplo, u parámetro θ, y ua muestra aleatoria
Más detallesLECTURA 07: PRUEBA DE HIPOTESIS PARA LA PROPORCIÓN POBLACIONAL. PRUEBA DE HIPOTÉSIS PARA LA DIFERENCIA ENTRE DOS PROPORCIONES POBLACIONALES.
Uiversidad Los Ágeles de Chimbote LECTURA 7: PRUEBA DE HIPOTESIS PARA LA PROPORCIÓN POBLACIONAL PRUEBA DE HIPOTÉSIS PARA LA DIFERENCIA ENTRE DOS PROPORCIONES POBLACIONALES TEMA 16: PRUEBA DE HIPOTESIS
Más detallesDISEÑO Y ANÁLISIS DE DATOS I
DIEÑO Y ANÁLII DE DATO I EGUNDO PARCIAL. JUNIO 014 Problema 1.- E ua determiada empresa de psicología especializada e técicas de modificació de coducta, se asegura dispoer de u aparato para combatir la
Más detallesTAMAÑO DE MUESTRA. 5.1 Coeficiente de homogeneidad al interior de las escuelas
TAMAÑO DE MUETRA Ua de las etapas del diseño muestral es el cálculo del tamaño de la muestra (Cocra, 977, p. 7-88; Médez, 004, p. 45-47; y aro, 999, p. 39-4), ésta se lleva a cabo cosiderado el objetivo
Más detallesCalificación= (0,4 x Aciertos) - (0,2 x Errores) No debe entregar los enunciados. Sexo
EAMEN MODELO B ág. 1 INTRODUCCIÓN AL ANÁLII DE DATO FEBRERO 018 Código asigatura: 6011037 EAMEN TIO TET MODELO B DURACION: HORA Material: Addeda (Formulario y Tablas) y calculadora (cualquier modelo) Calificació
Más detallesT1. Distribuciones de probabilidad discretas
Estadística T1. Distribucioes de probabilidad discretas Departameto de Ciecias del Mar y Biología Aplicada Itroducció Iferecia estadística: Parte de la estadística que estudia grades colectivos a partir
Más detallesPROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 2015 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS
PROBLEMAS RESUELTOS SELECTIVIDAD ANDALUCÍA 215 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES TEMA 7: CONTRASTE DE HIPÓTESIS Juio, Ejercicio 4, Opció A Reserva 1, Ejercicio 4, Opció A Reserva 2, Ejercicio
Más detalles2 Algunos conceptos de convergencia de sucesiones de variables aleatorias
INTRODUCCIÓN A LA CONVERGENCIA DE SUCESIONES DE VARIABLES ALEATORIAS Juliá de la Horra Departameto de Matemáticas U.A.M. 1 Itroducció Se puede utilizar diferetes coceptos de covergecia para las sucesioes
Más detallesI.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i
I.T. INDUSTRIAL METODOS ESTADÍSTICOS FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a k modalidades x 1,x,..., x k ; datos i x i Media x = i x Variaza poblacioal σ i = x i (x i x) Variaza muestral S = 1 (x i
Más detalles1.1 INTERVALOS DEL 95% DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL VARIANZA CONOCIDA
Itervalos de Cofiaza basados e ua muestra. Istituto de Cálculo Dra. Diaa Kelmasky 106 1. INTERVALO DE CONFIANZA PARA LA MEDIA DE UNA POBLACIÓN NORMAL upogamos que X1,...,X es ua muestra aleatoria de ua
Más detallesCAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS
Págia 1 de 11 CAPÍTULO 8: INTERVALOS DE CONFIANZA PARA PROPORCIONES Y MEDIAS Itervalos de Cofiaza para ua proporció Cuado hacemos u test de hipótesis decidimos sobre u valor hipotético del parámetro. Qué
Más detallesTEORÍA DE LA ESTIMACIÓN
TEORÍA DE LA ESTIMACIÓN Objetivo: El objetivo de la estimació putual es usar ua muestra para obteer úmeros (estimacioes putuales) que sea la mejor represetació de los verdaderos parámetros de la població.
Más detallesEstimación de Parámetros. Estimación de Parámetros
Uiversidad Técica Federico Sata María Capítulo 7 Estimació de Parámetros Estadística Computacioal II Semestre 007 Prof. Carlos Valle Págia : www.if.utfsm.cl/~cvalle e-mail : cvalle@if.utfsm.cl C.Valle
Más detalles