TRABAJO COLABORATIVO 2

1. Establezca la diferencia entre: Nivel de significación y potencia de una prueba; pruebas parametricas y pruebas No parametricas. En la práctica, es frecuente un nivel de significación de 0,05 ó 95% de nivel de confianza, si se escoge el nivel de significación 0,05 (ó 5%), entonces hay unas cinco oportunidades entre 100 de rechazar la hipótesis cuando debiera haberse aceptado, en este caso tenemos un 95% de confianza de que la decisión es correcta, lo cual quiere decir que tal hipótesis tiene una probabilidad 0,05 de ser falsa. La prueba de hipótesis es un procedimiento de toma de decisiones, relacionada principalmente con la elección de una acción entre dos conjuntos posibles de valores del parámetro, es decir, en dos hipótesis estadísticas, que son la Hipótesis nula H0 y la Hipótesis alternativa H1 Se denominan pruebas parametricas se basan en distribución de probabilidad normal, del modelo probabilístico depende la elección del estimador y el calculo de la estimación. Se denominan pruebas no parametricas aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también como de distribución libre.

2. El tamaño de una muestra para realizar inferencia estadística depende de unos factores, (la confiabilidad, la varianza y el error de estimación), Explique los criterios que tiene un investigador para la determinación de estos factores. Siempre que tomamos una muestra, perdemos algo de información útil con respecto a la población. El error de muestreo se puede controlar si seleccionamos una muestra cuyo tamaño sea el adecuado. En general, cuanta más precisión se quiera, más grande será el tamaño de la muestra necesaria. Para determinar la confiabilidad, la varianza y el error de estimación se debe tener en cuenta:  Un estimador es una variable aleatoria, y por lo tanto es posible asociarle probabilidades, lo que resulta de suma utilidad como herramienta auxiliar para la toma de decisiones bajo condiciones de incertidumbre.  Una estimación, en cambio, es un valor particular del estimador, calculado en base a una muestra dada. Por tanto, constituye un valor fijo (no aleatorio) que caracteriza a esa muestra en particular, pero que se usa para inferir el valor de un parámetro desconocido. Entre un estimador puntual y uno por intervalos, es preferible usar este último porque tiene asociado una probabilidad que contempla el error que se puede cometer en la aproximación. Es indispensable entender que es el objetivo de la propuesta de investigación quién guiará los supuestos para determinar el tamaño de muestra, así como lo hace con otros aspectos metodológicos, entre ellos el tipo de estudio. Además es importante asegurarse de que el estudio tendrá suficiente tamaño de muestra para responder a la pregunta de investigación

 

pues. con el propósito de definir las pruebas o medidas que se utilizarán. como ejemplifica en el siguiente cuadro. porque ellas serán indispensables en la determinación de la muestra. existen factores específicos que intervienen en el cálculo del tamaño muestral: 3. Rechazar una hipótesis no significa que ésta sea falsa. La decisión tomada no esta libre de error. Error I: Rechazar una hipótesis que es verdadera. Igualmente importante es prever un plan de análisis estadístico. . como tampoco el no rechazarla significa que sea verdadera.α ) Probabilidad de acertar el Ho cuando es verdadera. (1 . (Rechazamos una hipótesis cuando debiera ser aceptada). Explique su interpretación con un ejemplo. Probabilidad de cometer el error tipo I α Probabilidad de rechazar Ho cuando es verdadera. Qué significan el error tipo I y el error tipo II.

Los contrastes para detectar la dependencia se pueden clasificar en dos tipos: los basados en rachas que se utilizan básicamente cuando se dispone de pocas observaciones y los basados en los coeficientes de auto correlación.análisis de varianza. 4. La falta de homocedasticidad se denomina heterocedasticidad. que puede hacerse de tres maneras. se produce fundamentalmente cuando se trabaja con variables aleatorias que se observan a lo largo del tiempo y tiene una gran influencia en las conclusiones del estudio. la opinión de acuerdo o desacuerdo con algún tema de su interés. y en los otros dos de lateral (derecho en el 2º caso. La homocedasticidad es que la varianza de los residuos es constante y no varía en los diferentes niveles del factor. invalidándolas en la mayoría de los casos. Comprueben a partir de dos muestras independientes de igual tamaño de hombres y mujeres.Error II: No rechazar una hipótesis que es falsa (Aceptamos una hipótesis que debiera ser rechazada). (1 . dependiendo del interés del investigador en el primer caso se habla de contraste bilateral o de dos colas. pero si afecta a la estimación de 2. Elegir un nivel de significación: nivel crítico para a .β ) Probabilidad de rechazar Ho cuando es falsa. Establecer la hipótesis alternativa. homocedasticidad. La falta de independencia. en la se establezca si existen diferencias de opinión entre los hombres y mujeres sobre el tema de interés consultado. 3. o izquierdo en el 3º) o una cola. independencia y Normalidad. se procede a determinar la variabilidad entre esas medias. Explique cuales son los supuestos de homogeneidad. técnica que se conoce como . Establecer la hipótesis nula en términos de igualdad 2. La falta de normalidad afecta poco a la tabla ANOVA y a los contrastes de igualdad de medias. Cuando se desea conocer la homogeneidad que existe entre tres o más medias muéstrales. Probabilidad de cometer el error tipo II β Probabilidad de aceptar Ho cuando es falsa. Interprete los resultados a que diere lugar este caso. que deben cumplirse para validar un análisis de varianzas. 5. a través del contraste de una hipótesis. Para dar respuesta a este caso utilice los pasos para el contraste de una hipótesis. Los pasos necesarios para realizar un contraste relativo a un parámetro q son: 1.

si el estadístico cayera en la misma. simplemente no se ha podido rechazar. suponiendo que la hipótesis nula es cierta. por eso es necesario que tenga la igualdad. Una de las opciones que tiene la estadística para realizar inferencia sobre los parámetros de una población es la prueba de hipótesis. si H0 fuera cierta) y compararlo con a. Por otro lado. En general el único supuesto que se debe cumplir en la mayoría de las pruebas no paramétricas para confiar en ellas.01. 6. calcular el "valor p" del estadístico (probabilidad de obtener ese valor. la región crítica: región en la que el estadístico tiene una probabilidad menor que a si H0 fuera cierta y. Se rechaza la hipótesis nula si el valor P asociado al resultado observado es igual o menor que el nivel de significación establecido.05 ó 0. El otro método de estimación (además del tradicional) es el método del valor P: En contrastes de hipótesis. Explique las ventajas y desventajas con respecto al otro método de estimación. Elegir un estadístico de contraste: estadístico cuya distribución muestral se conozca en H0 y que esté relacionado con q y establecer. la decisión se toma en base a la distribución muestral en H0. el p-valor está definido como la probabilidad de obtener un resultado al menos tan extremo como el que realmente se ha obtenido. Obsérvese que. Establezca las consideraciones que deben hacerse para seleccionar entre un modelo paramértico o su correspondiente No paramétrico. en consecuencia. de esta manera. en Estadística. Es . o equivalentemente. en base a dicha distribución. al menos para corroborar los resultados obtenidos a partir de la utilización de la teoría basada en la normal. u otro más alejado de la H0. Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la normalidad de los datos. Es fundamental tener en cuenta que el p-valor está basado en la asunción de la hipótesis de partida (o hipótesis nula). no se ha demostrado nada. Estas pruebas paramétricas utilizan la estadística paramétrica de muestras que provinieron de la población que se está probando. Éstas se conocen como pruebas sin distribución.4. se rechazaría H0. Por eso se fija como H0 lo que se quiere rechazar. o pruebas no paramétricas. Las pruebas de hipótesis hacen inferencias respecto a los parámetros de la población. convencionalmente 0. 5. Los estadísticos han desarrollado técnicas útiles que no hacen suposiciones restrictivas respecto a la forma de las distribuciones de las poblaciones. Calcular el estadístico para una muestra aleatoria y compararlo con la región crítica. como la media. punto que se llama potencia del contraste. se está más seguro cuando se rechaza una hipótesis que cuando no. es que la muestra haya sido seleccionada en forma probabilística 7. En los modelos paramétricos las poblaciones no siempre son normales. Las hipótesis de una probabilidad no paramétrica se refieren a algo distinto del valor de un parámetro de población. conviene utilizar pruebas no paramétricas. Cuando no se rechaza.

Este tipo de errores se puede subsanar rebajando el p-valor. mientras que el otro método se apoya en el estadístico prueba y el valor P. el p-valor nos muestra la probabilidad de haber obtenido el resultado que hemos obtenido si suponemos que la hipótesis nula es cierta. los valores críticos y la región crítica. Mediante la prueba se compara la distribución acumulada de las frecuencias teóricas (ft) con la distribución acumulada de las frecuencias observadas (f obs).decir.SMIRNOV La prueba de Kolmogorov-Smirnov para una muestra se considera un procedimiento de "bondad de ajuste". simplemente es lo más probable que sea cierta que sea falsa) o inverosímil. pero no indica el grado o el tipo de relación. valores bajos de valor P rechazan la H0. Es importante recalcar que un contraste de hipótesis nula no permite aceptar una hipótesis. Es necesario resaltar que esta prueba nos indica si existe o no una relación entre las variables. EL DE CHI CUADRADO La prueba de independencia Chi-cuadrado. Su objetivo es señalar si los datos provienen de una población que tiene la distribución teórica especificada. Si el p-valor es inferior a la potencia del contraste nos indica que lo más probable es que la hipótesis de partida sea falsa. Valor P es un valor de probabilidad por lo que oscila entre 0 y 1. por lo que se rechaza. también es posible que estemos ante una observación atípica. se suele decir que valores altos de valor P aceptan la H0 o. nos permite determinar si existe una relación entre dos variables categóricas. es decir. 9. 8. no permiten rechazar la H0. También se puede tratar de subsanar dicho error aumentando el tamaño de la muestra obtenida.05 es usado en investigaciones habituales sociológicas mientras que p-valores de 0. EL DE KOLMOGOROV . Los dos métodos No paramértico para realizar una bondad de ajuste de los datos de una variable con respecto a una distribución de probabilidad son: El de Chi-cuadrado y el de Kolmogorov . simplemente la rechaza o no la rechaza. un p-valor de 0. es decir. El análisis de varianza es una técnica estadística utilizada para medir el efecto que tiene cada uno de los niveles en que se clasifica una variable sobre otra variable que representa las repuestas a las mediciones . Sin embargo. no indica el porcentaje de influencia de una variable sobre la otra o la variable que causa la influencia. El método tradicional Basa su estudio en el estadístico prueba. se encuentra el punto de divergencia máxima y se determina qué probabilidad existe de que una diferencia de esa magnitud se deba al azar. esto reduce la posibilidad de que el dato obtenido sea casualmente raro. Explique en que condiciones debe usarse cada uno de ellos. en las que cometer un error puede acarrear consecuencias más graves. es decir que la tacha de verosímil (lo que no significa obligatoriamente que sea cierta. permite medir el grado de concordancia existente entre la distribución de un conjunto de datos y una distribución teórica específica. por lo que estaríamos cometiendo el error estadístico de rechazar la hipótesis nula cuando ésta es cierta basándonos en que hemos tenido la mala suerte de encontrar una observación atípica.Smirnov. De igual manera. dicho de forma correcta.01 se utilizan en investigaciones médicas. para lo cual se dibuja una gráfica que incluye el estadístico prueba. Así.

10. ANALISIS DE VARIANZA DE EFECTOS ALEATORIOS Es cuando los resultados obtenidos son válidos para cualquier nivel del factor estudiado. Existen dos tipos de modelo de análisis de varianza: de efectos fijos y de efectos aleatorios. Es decir.  le respuesta es la misma para todas las poblaciones. ANALISIS DE VARIANZA DE EFECTOS FIJOS Es cuando los resultados obtenidos sólo son válidos para esos determinados niveles del factor estudiado y lo que ocurra a otros niveles del factor puede ser diferente.realizadas una experimentación. cambia en las diferentes categorías del otro factor.  Las observaciones deben ser independientes. Explique el significado cada uno de ellos en un análisis de varianza. El análisis de varianza admite las siguientes suposiciones:  Para cada población la variable de respuesta está normalmente distribuida. no es correcto realizar las dos pruebas ANOVA a los factores por separado. Hay interacción entre dos factores si el efecto de uno de los factores. . pues se desperdicia información importante que tiene que ver con la interacción entre las dos variables. Una de las principales condiciones que se deben imponer a las variables tiene que ver con interacción entre los dos factores. Explique las condiciones que se deben imponer a las dos variables y los supuestos que deben cumplirse para que tenga validez el uso de esta técnica.

Sign up to vote on this title
UsefulNot useful