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

 

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

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

Una de las opciones que tiene la estadística para realizar inferencia sobre los parámetros de una población es la prueba de hipótesis. Los estadísticos han desarrollado técnicas útiles que no hacen suposiciones restrictivas respecto a la forma de las distribuciones de las poblaciones. 5. El otro método de estimación (además del tradicional) es el método del valor P: En contrastes de hipótesis. Es . convencionalmente 0.4. la decisión se toma en base a la distribución muestral en H0. en consecuencia. Se rechaza la hipótesis nula si el valor P asociado al resultado observado es igual o menor que el nivel de significación establecido. de esta manera. calcular el "valor p" del estadístico (probabilidad de obtener ese valor. se está más seguro cuando se rechaza una hipótesis que cuando no. punto que se llama potencia del contraste. Obsérvese que.05 ó 0. simplemente no se ha podido rechazar. en base a dicha distribución.01. u otro más alejado de la H0. por eso es necesario que tenga la igualdad. se rechazaría H0. Las pruebas de hipótesis hacen inferencias respecto a los parámetros de la población. 6. En los modelos paramétricos las poblaciones no siempre son normales. Calcular el estadístico para una muestra aleatoria y compararlo con la región crítica. o pruebas no paramétricas. en Estadística. 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. el p-valor está definido como la probabilidad de obtener un resultado al menos tan extremo como el que realmente se ha obtenido. la región crítica: región en la que el estadístico tiene una probabilidad menor que a si H0 fuera cierta y. conviene utilizar pruebas no paramétricas. Explique las ventajas y desventajas con respecto al otro método de estimación. si el estadístico cayera en la misma. Establezca las consideraciones que deben hacerse para seleccionar entre un modelo paramértico o su correspondiente No paramétrico. Las hipótesis de una probabilidad no paramétrica se refieren a algo distinto del valor de un parámetro de población. Es fundamental tener en cuenta que el p-valor está basado en la asunción de la hipótesis de partida (o hipótesis nula). como la media. Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la normalidad de los datos. Por otro lado. suponiendo que la hipótesis nula es cierta. Por eso se fija como H0 lo que se quiere rechazar. es que la muestra haya sido seleccionada en forma probabilística 7. En general el único supuesto que se debe cumplir en la mayoría de las pruebas no paramétricas para confiar en ellas. no se ha demostrado nada. al menos para corroborar los resultados obtenidos a partir de la utilización de la teoría basada en la normal. Cuando no se rechaza. Elegir un estadístico de contraste: estadístico cuya distribución muestral se conozca en H0 y que esté relacionado con q y establecer. o equivalentemente. si H0 fuera cierta) y compararlo con a.

es decir. es decir. simplemente es lo más probable que sea cierta que sea falsa) o inverosímil. Su objetivo es señalar si los datos provienen de una población que tiene la distribución teórica especificada.05 es usado en investigaciones habituales sociológicas mientras que p-valores de 0. 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.decir. no indica el porcentaje de influencia de una variable sobre la otra o la variable que causa la influencia. 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 . Es importante recalcar que un contraste de hipótesis nula no permite aceptar una hipótesis. Este tipo de errores se puede subsanar rebajando el p-valor. dicho de forma correcta. De igual manera. simplemente la rechaza o no la rechaza. por lo que se rechaza. 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 . nos permite determinar si existe una relación entre dos variables categóricas. 9. esto reduce la posibilidad de que el dato obtenido sea casualmente raro. El método tradicional Basa su estudio en el estadístico prueba. se suele decir que valores altos de valor P aceptan la H0 o.SMIRNOV La prueba de Kolmogorov-Smirnov para una muestra se considera un procedimiento de "bondad de ajuste". permite medir el grado de concordancia existente entre la distribución de un conjunto de datos y una distribución teórica específica. Valor P es un valor de probabilidad por lo que oscila entre 0 y 1. es decir que la tacha de verosímil (lo que no significa obligatoriamente que sea cierta.Smirnov. los valores críticos y la región crítica. Así. en las que cometer un error puede acarrear consecuencias más graves. el p-valor nos muestra la probabilidad de haber obtenido el resultado que hemos obtenido si suponemos que la hipótesis nula es cierta. 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. pero no indica el grado o el tipo de relación. Sin embargo. Explique en que condiciones debe usarse cada uno de ellos. mientras que el otro método se apoya en el estadístico prueba y el valor P. se encuentra el punto de divergencia máxima y se determina qué probabilidad existe de que una diferencia de esa magnitud se deba al azar. 8. EL DE CHI CUADRADO La prueba de independencia Chi-cuadrado. Es necesario resaltar que esta prueba nos indica si existe o no una relación entre las variables. para lo cual se dibuja una gráfica que incluye el estadístico prueba. Mediante la prueba se compara la distribución acumulada de las frecuencias teóricas (ft) con la distribución acumulada de las frecuencias observadas (f obs). no permiten rechazar la H0. valores bajos de valor P rechazan la H0. un p-valor de 0.01 se utilizan en investigaciones médicas. También se puede tratar de subsanar dicho error aumentando el tamaño de la muestra obtenida. también es posible que estemos ante una observación atípica. EL DE KOLMOGOROV .

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. .  Las observaciones deben ser independientes.realizadas una experimentación. 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. Explique el significado cada uno de ellos en un análisis de varianza. Existen dos tipos de modelo de análisis de varianza: de efectos fijos y de efectos aleatorios.  le respuesta es la misma para todas las poblaciones. Es decir. 10. ANALISIS DE VARIANZA DE EFECTOS ALEATORIOS Es cuando los resultados obtenidos son válidos para cualquier nivel del factor estudiado. 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. cambia en las diferentes categorías del otro factor. 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.