Tema 5. Contraste de hipótesis (II)

Documentos relacionados
Análisis Estadístico de Datos Climáticos

Capítulo 12. Introducción a la Termodinámica Estadística.

Prueba de bondad de ajuste Prueba de independencia Prueba de homogeneidad.

Capítulo III. Colectivos estadísticos.

9 Momentos y funciones generatrices de Momentos

10 REGRESIÓN LINEAL SIMPLE

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

FACULTAD DE ECONOMÍA, U.V. PRIMER EXAMEN DE ECONOMETRÍA 1 Profesor: Carlos Pitta Arcos. Grupos 401 y 402

Tema 4 - FUNDAMENTOS DE LA MECÁNICA ESTADÍSTICA CLÁSICA

PRÁCTICA 9: PROPIEDADES DESEABLES DE LOS ESTIMADORES

MODELO DE REGRESIÓN LINEAL MÚLTIPLE

ESTIMADORES DE LA VARIANZA DE LAS PERTURBACIONES ALEATORIAS EN EL MBRL

3. Regresión lineal. Regresión simple consumo y peso de automóviles. Curso Estadística. Regresión Lineal. Consumo (litros/100 Km)

a a lim i) L< 1 absoluta convergencia absoluta convergencia convergencia condicional divergencia > r.

CONTRASTES DE SIGNIFICACIÓN CONJUNTA EN EL MBRL

ANEXO A. Bipuerto libre de. i 1. i 2 V 2 ruido. Figura A.1 Bipuerto libre de ruido con dos fuentes equivalentes de corriente de ruido, configuración π

RIESGO MORAL. Comportamiento (acciones) del A no observable para el P (o, simplemente, no verificable). P. ej.:

La inferencia estadística es primordialmente de naturaleza

al siguiente límite si existe: . Se suele representar por ( x )

Elementos de Probabilidad y Estadística

Procesamiento Digital de Señales de Voz

(tema 13 del libro) 1. PARÁMETROS DE CENTRALIZACIÓN

3. Cálculo y dimensionado

Estadística Teórica II

1.- a) Hallar a y b para que la siguiente función sea continua en x = 1:

Análisis de la Varianza

Análisis del caso promedio El plan:

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Universidad de Puerto Rico Recinto Universitario de Mayagüez Departamento de Ciencias Matemáticas

Universidad de Costa Rica. Instituto Tecnológico de Costa Rica. Determinar si las integrales impropias convergen o divergen.

10 MUESTREO. n 1 9/ / σ σ 1

MECÁNICA ESTADÍSTICA

FUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA

INTEGRAL INDEFINIDA. Derivación. Integración

INFERENCIA ESTADISTICA

Contraste de Hipótesis

Tema 1: Introducción: Generalización y Extensión del Modelo de Regresión

5. Estimación puntual. Curso Estadística

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

INTEGRAL INDEFINIDA. Derivación. Integración

PROBLEMAS TEMA 4 EJERCICIO 1 (Ej 9.15 de Fernández Abascal)

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

DELTA MASTER FORMACIÓN UNIVERSTARIA C/ Gral. Ampudia, 16 Teléf.: MADRID

Aproximación de funciones derivables mediante polinomios: Fórmulas de Taylor y Mac-Laurin

Ampliació de Química-Física Curs Introducció

UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)

LA VARIABLE LATENTE CALIDAD MEDIDA A TRAVÉS DEL MODELO DE RASCH

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

FÓRMULAS DE MATEMÁTICAS FINANCIERAS

Tema 4: Regresiones lineales y no lineales TEMA 4. REGRESIONES LINEALES LINEALES Y NO Introducción 4. Nomenclatura

COLEGIO DE POSTGRADUADOS

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

1 Estadística. Profesora María Durbán

TEMA 3: INFERENCIA ESTADISTICA

Fisicoquímica II-Módulo de Estructura y Propiedades Moleculares.

Regresión lineal simple

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

EXPONENTES Y POTENCIAS Muchos números se expresan en forma más conveniente como potencias de 10. Por ejemplo: m n n 0,2 3 3

Q c 0 en V (5.1a) y z k. y n

6.1. Solución. P( de que falle un televisor) = 1/5000 = p X = Número de televisores averiados de entre los asegurados.

SEÑALES Y SISTEMAS. PROBLEMAS RESUELTOS. CAPITULO V PROBLEMA 1: Problema Nº 5.34 Oppenheim

TEMA 1: CALCULO DIRECTO DE LÍMITES

Contraste de Hipótesis

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

FEM-OF: EDP Elíptica de 2 Orden

8 Límites de sucesiones y de funciones

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

1 Ejemplos de Aproximaciones de Integrales con Sumas de Riemman

σ ε Dem: Lo haremos para el caso continuo. La demostración para el caso discreto es similar.

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

Política Fiscal. Gobiernos de coalición o de intereses geográficos dispersos

Solución a la práctica 6 con Eviews

REGRESIÓN LINEAL SIMPLE

TEMA 9. Contrastes no paramétricos y bondad de ajuste

PARÁMETROS ESTADÍSTICOS ... N

TEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA

Dada una sucesión x1, x2, x3,... x n dos a dos independientes, con una misma distribución de probabilidad y con esperanza µ y varianza σ

Contrastes sobre proporciones Tema 9

Evolución buena 0,7 0,3 Evolución mala 0,2 0,8 Cuál es el valor máximo de esta información?

CASO DE ESTUDIO N 8. Análisis de un tornillo de transmisión

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

3. Modelos Univariantes de Probabilidad. Curso Estadística. Modelos Univariantes

1. (RMJ15) a) (1,5 puntos) Discute el siguiente sistema de ecuaciones en función del parámetro a:

Tema 8. Limite de funciones. Continuidad

Contraste de Hipótesis

Qué conclusión extraeremos trabajando con un nivel de significación del 5%?

TEMA 4: REGRESIÓN Y CORRELACIÓN.

Se llama sucesión a un conjunto de números dados ordenadamente de modo que se puedan numerar: primero, segundo, tercero,...

LÍMITE DE FUNCIONES. lim. lim. lim. LÍMITE DE UNA FUNCIÓN CUANDO x + LÍMITE FINITO. DEFINICIÓN

Estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.

CONTRASTES NO PARAMÉTRICOS (I) Antonio Morillas

I. MEDIDAS DE TENDENCIA CENTRAL

Problemas Tema 2: Sistemas

UNIDAD 14.- Distribuciones bidimensionales. Correlación y regresión (tema 14 del libro)

TEMA 4: CONTRASTE DE HIPOTESIS

EJERCICIOS RESUELTOS TEMA 1: PARTE 3

I.T. INDUSTRIAL METODOS ESTADÍSTICOS. FORMULARIO I. ESTADISTICA DESCRIPTIVA Xv.a. Media x = n n i x 2 Varianza poblacional σ 2 i

Transcripción:

Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí" Itroduccó Bvda Objtvos pdagógcos: Aprdr a obtr la fucó d potca d u cotrast y la rprstar la curva d potca d u cotrast. Aprdr a costrur rgos crítcas óptmas para cotrasts d hpótss smpls y compustas hacdo uso dl Lma d Nyma Parso. Itroduccó Comucacó: Ol: Chat d wbcofrca. Offl: Foro dl grupo d tutoría corrspodt. Rfrcas: Casas, J.M. & P. Gutérrz (: Estadístca II: Ifrca Estadístca. Edtoral Uvrstara Ramó Arcs, Madrd. 3-99. Novals (997, Ruz Maya & Martí Plgo (999,...

Itroduccó Atcdts: Cotrast d hpótss paramétrco. Es l procdmto por l qu s vrfca ua hpótss stadístca rlacó co l valor qu toma u parámtro poblacoal mdat l mplo d ua mustra. Errors tpo I y II: So los rrors qu s comt al adoptar d dcsos rroas al llvar a cabo u cotrast d hpótss stadístca, sto s rchazar H sdo crta (α o acptarla sdo falsa (β. Potca d u cotrast: Es la probabldad d rchazar la H sdo crta la H. Nvl d cofaza: Es la probabldad d acptar la H sdo crta. Itroduccó Atcdts:( Fass d u cotrast d hpótss: Formulacó d las hpótss d u cotrast. Dtrmacó dl stadístco d pruba o cotrast apropado. Slccoar l vl d sgfcacó (α. Dtrmar la rgó crítca. Etrar u mustra alatora y calcular l valor dl stadístco d pruba para ésta. Dar la rgla d dcsó y su trprtacó. Fucó d potca dl cotrast Potca d u cotrast: Es la probabldad d rchazar la hpótss ula sdo crta la hpótss altratva. P(Rchazar la H /H s falsa + P(acptar H /H s falsa Potca + β( Potca -β( PROBLEMA: Cuado las hpótss ula y/o altratva so compustas s complca l cálculo d los rrors tpo I [α(] y tpo II [β(]. Fucó d potca d u cotrast: Es ua fucó qu rsum los rrors comtdos u cotrast d hpótss a través dl cocpto d potca d u cotrast. P c ( α ( sí Ω β ( sí Ω

Fucó d potca dl cotrast Fucó d potca dal: La fucó d potca d u cotrast s dal cuado s vrfca lo sgt: P c ( α( β ( s Ω s Ω Parc razoabl psar qu al dsñar u cotrast d hpótss s dbría prsgur l dobl objtvo d mmzar las probabldads d los rrors d tpo I y II. No obstat, o s pud alcazar smultáamt: la probabldad dl rror d tpo I sólo pud rducrs aumtado la probabldad dl rror d tpo II, y vcvrsa. La solucó d compromso cosst fjar la probabldad dl rror d tpo I u vl α y tratar d mmzar la probabldad dl rror d tpo II. Fucó d potca dl cotrast fucó d potca dl cotrast H : µ frt a la altratva H : µ (cotrast blatral, bajo la hpótss d ormaldad, co α, y. Fucó d potca dl cotrast fucó d potca dl cotrast H : µ frt a la altratva H : µ > (cotrast ulatral, bajo la hpótss d ormaldad, co α, y. 3

Fucó d potca dl cotrast Notas plcatvas: Al grafo d la potca s l doma curva d potca. Cuato más ljaa s cutra la altratva H d H mor s la probabldad d currr u rror tpo II [β(] y, por cosgut, la potca tomará valors más prómos a. Cuato mayor s l vl d sgfcacó, mayor s la potca dl cotrast. Dado u tamaño o talla α d u cotrast, su potca -β s crmta coform l tamaño mustral s hac más grad. Fucó d potca dl cotrast Notas plcatvas: ( S la potca la hpótss altratva s smpr muy próma a tocs s dc qu l stadístco d cotrast s muy pott para cotrastar H ya qu s caso las mustras srá, co alta probabldad, compatbls co H cuado H sa crta. Por tato pud trprtars la potca d u cotrast como su ssbldad o capacdad para dtctar ua hpótss altratva. Drmos qu u cotrast s más pott o d máma potca s tr la clas d los cotrasts cuyos rrors α o so mayors qu l suyo, guo t u rror β más pquño qu l suyo, s dcr guo t ua potca - β mayor qu la suya. Fucó d potca dl cotrast Ejmplo: Los rrors d fabrcacó d u crto procso s dstrbuy d acurdo co la fucó d dsdad f(; -, para y >. Sobr l parámtro d sta fucó d dsdad s dsa cotrastar la hpótss ula H : frt a la altratva H : >, mdat ua mustra alatora d tamaño, sdo la rgó crítca {,53}. Dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Calculo dl rror tpo I (α: α P,53.53 [,53 H( ] d, 5 Calculo d la potca dl cotrast (-β,53,53 β P[,53 H( > ] d 4

Fucó d potca dl cotrast Solucó: ( Fucó d potca dl cotrast: P c ( α ( β (,5 s,53 s > Curva d potca dl cotrast (Graph 4.4. - http://www.padowa.d/: Fucó d potca dl cotrast Ejmplo: El úmro d alumas matrculadas las ttulacos d grado coomía s dstrbuy d acurdo co famla Broull B(,. U vstgador prtd cotrastar la H : /3 frt a la altratva H : </3. Para llo trá ua MAS d tamaño 5. S s sab qu la rgó crítca s T, sdotσ, dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Sabdo qu TΣB(,, tocs l rror tpo I (α s: Calculo d la potca dl cotrast (-β 5 [ ( T 5T 5 4 β P T H < 3 ] ( ( + 5 ( T [ H ( 3 ], 5 α P T [ ] Fucó d potca dl cotrast Solucó: ( Fucó d potca dl cotrast: P c ( α(,5 s 3 5 4 β ( ( + 5 ( Curva d potca dl cotrast: [ ] s < 3 5

Fucó d potca dl cotrast Ejmplo: Sa ua famla d dstrbucos N (µ, σ. U vstgador prtd cotrastar la H : µ frt a la altratva H : µ. Para llo trá ua MAS d tamaño 5. S s sab qu la rgó crítca s Mda(>,784 y Mda(<,6. Dtrm la fucó d potca dl cotrast y rprst gráfcamt la curva d potca. Solucó: Calculo dl rror tpo I (α: Calculo d la potca dl cotrast (-β [,784 H ( µ ] + P[,6 H ( ],5, 5 α P µ β P,784 µ 5 [ H ( ],6,784 µ d,6 π 5 Fucó d potca dl cotrast Solucó: ( Fucó d potca: P ( c α ( µ,5 s µ,784 µ β ( 5 d s µ,6 π 5 Fucó d potca dl cotrast Solucó: ( Valors d β(µ y d la potca -β(µ para µ y 5: µ β(µ Pc(µ-β(µ -.9.. -.3..9..48.5.7.88..9.94.6.95.5.3.88..8.48.5.3..9.9.. 6

Fucó d potca dl cotrast Solucó: ( Curva d potca dl cotrast (Ecl:...8.6.4.. -.9 -.4..6..6..6 Hpótss smpls y l Lma d Nyma-Parso Sa (X,, X ua mustra alatora smpl obtda d ua poblacó co fucó d dsdad f(x;, ϵ Ω {, }, sdo la fucó d vrosmltud d ua mustra: S qurmos cotrastar las hpótss smpls H : H : sdo u úmro postvo fjado y C u subcojuto dl spaco mustral R tal qu: ;. ;. ; ; ;,..., ; f ( ; s (,..., C s (,..., C Hpótss smpls y l Lma d Nyma-Parso 3. P [(,..., ] α C Etocs podmos asgurar qu C s la mjor rgó crítca d talla o tamaño α para cotrastar la hpótss ula H : frt a la hpótss altratva H :. Es dcr st cotrast, d vl d sgfcacó α,sría l más pott. 7

Hpótss smpls y l Lma d Nyma-Parso Ejmplo: S ha obtdo ua mustra alatora d tamaño 6 para cotrastar qu la mda dl cotdo d u crto compot u mdcamto s d 4 mg. frt a la hpótss d qu fus 9 mg. Supodo qu la poblacó d procdca d la mustra sa N(µ, σ5, qu l vl d sgfcacó fus dl 5% y qu l valor d la mda mustral s 7 mg. Rsulva l cotrast usado la mjor rgó crítca dl cotrast obtda mdat l Lma d Nyma-Parso. Solucó: Sa las hpótss stadístcas: H : µ µ H : µ µ Tal qu µ >µ. Sa la fucó d vrosmltud d ua MAS d tamaño : ( µ σ ; µ σ π Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Lma d Nyma-Parso: ; µ ; µ µ µ µ µ µ > µ + l ( µ µ σ σ σ ( µ µ l +, σ ( µ µ Rgó crítca dl cotrast para α,5 y 6. Itrprtacó. P H µ 4 α,5 P Z Z H µ 4,5 σ ( ( ( ( ( µ ( µ µ µ µ µ + σ σ [ ( ] [,5 ( ] Z,5,64 lugo 6,5 Como 7 mg.s rchaza H. Hpótss smpls y l Lma d Nyma-Parso Ejmplo: El tmpo qu trascurr tr dos fallos d u procso d produccíó s dstrbuy d acurdo co la fucó d dsdad f(; -, para y >. Sobr l parámtro d sta fucó d dsdad s dsa cotrastar la hpótss ula H : frt a la altratva H : 5, mdat ua mustra alatora d tamaño, co u vl d sgfcacó α%. Rsulva l cotrast usado la mjor rgó crítca dl cotrast obtda mdat l Lma d Nyma-Parso supodo u valor mustral,5. Solucó: Sa las hpótss stadístcas: H : H : Tal qu >. Sa la fucó d vrosmltud d ua MAS d tamaño : ; 8

9 Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Lma d Nyma-Parso: Rgó crítca dl cotrast para α, y. Itrprtacó. ( ( ( (, l ; ( ; ( > L L ( [ ].,5s acpta H Como,54,54 lugo,, d H P α Hpótss smpls y l Lma d Nyma-Parso Ejmplo: El úmro d tsuams qu t lugar l ára d fluca dl Golfo d Cádz cada años s dstrbuy d acurdo co la fucó d cuatía d Posso co parámtro. S prtd cotrastar la hpótss ula H : frt a la altratva H :, mdat ua mustra alatora d tamaño,co u vl d sgfcacó α%. Obtga la mjor rgó crítca dl cotrast mdat l Lma d Nyma-Parso y rsulvalo supodo qu l valor mustral Σ 3. Solucó: Sa las hpótss stadístcas: H : H : Tal qu <. Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Sa la fucó d vrosmltud d ua MAS d tamaño : Lma d Nyma-Parso: L! ; ( ( ( ( ( l l, l l l ; ( ; ( + < < L L

Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Rgó crítca dl cotrast para α,, y aplcado la propdad rproductva d la Posso [Σ P(]. Itrprtacó. P H lugo ( α, Como 3s rchaza H. Hpótss compustas y cotrasts uformmt más potts Cotrasts uformmt más potts: E u cotrast d hpótss smpl H frt a ua hpótss altratva compusta H, drmos qu la rgó crítca C s la rgó crítca uformmt más pott d tamaño α s s la mjor rgó crítca d talla o tamaño α para cotrastar la hpótss ula H frt a cada ua d las hpótss smpls qu tgra H. Al cotrast basado la rgó crítca uformmt más pott s l doma cotrast uformmt más pott d talla α. Hpótss compustas y cotrasts uformmt más potts Ejmplo: Las vtas d u stablcmto autorzado d ua dtrmada marca d rlojs s dstrbuy coform a ua famla N(µ, σ. Para coocr la volucó d las vtas, l dpartamto d martg trá ua MAS d 5 stablcmtos qu faclta la cfra d vtas dl últmo ms rlojs d sta marca. A partr d sta mustra s obt qu Σ 597 y Σ 59473. Obtga la rgó crítca uformt más pott d talla α5% para cotrastar la H : σ 4 frt a la altratva H :σ>4 y rsulva l cotrast co los datos d la mustra. Solucó: Sa las hpótss stadístcas: H : σ σ H : σ σ

Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Sa la fucó d vrosmltud d ua MAS d tamaño : Lma d Nyma-Parso: ( µ σ σ π ; µ L ; σ σ ; σ σ S ( σ σ σ l + l σ, S σ σ σ σ σ > σ S Hpótss smpls y l Lma d Nyma-Parso Solucó: ( Dado qu la poblacó s ormal y µ coocda s sab qu: S σ χ Rgó crítca dl cotrast para α,5 y 5. Itrprtacó. [ H( σ 4 ] P S α,5 5 P χ5 H( σ 4,5 4 5 67,548 7,8 4 lugo S 7,8 Como S 56,49s acpta H. Sumaro S ha dfdo curva y fucó d potca d u cotrast. S ha vsto u par d jmplos lustratvos. S ha plcado como obtr cotrasts d máma potca cotrasts d hpótss smpls hacdo uso dl Lma d Nyma-Parso. S ha mostrado su aplcacó mdat u par d jmplos. S ha dfdo cotrasts uformmt más potts y s ha jmplfcado su obtcó u caso d hpótss compustas d tpo ulatral.

Tma 5. Cotrast d hpótss (II CA UNED d Hulva, "Profsor Dr. José Carlos Vílchz Martí"