6.

Establezca las consideraciones que deben hacerse para seleccionar entre

un modelo paramétrico o su correspondiente No paramétrico. Los métodos no
paramétricos tienen ventajas sobre los paramétrico.

R//. Los métodos paramétricos en muchas ocasiones no cumplen con los

supuestos acerca de la forma funcional del conjunto de variables aleatorias de
las cuales provienen los datos, produciendo así modelos no muy confiables que
generan sesgos y deterioran la calidad de los pronósticos. En el campo no
paramétrico se evita este problema al permitir una forma funcional flexible, y no
un conjunto pequeño de modelos rígidos como lo hacen los paramétricos.

Consideraciones de las pruebas no parametricas sobre las pruebas

parametricas: Por lo general, son fáciles de usar y entender. Eliminan la
necesidad de suposiciones restrictivas de las pruebas paramétricas. Se pueden
usar con muestras pequeñas. Se pueden usar con datos cualitativos.

Consideraciones de las pruebas parametricas sobre las pruebas no

parametricas: A veces, ignoran, desperdician o pierden información. No son tan
eficientes como las paramétricas.

Llevan a una mayor probabilidad de no rechazar una hipótesis nula falsa

(incurriendo en un error de tipo II).

Por lo general, las pruebas paramétricas son más poderosas que las pruebas
no paramétricas y deben usarse siempre que sea posible. Es importante
observar, que aunque las pruebas no paramétricas no hacen suposiciones
sobre la distribución de la población que se muestrea, muchas veces se
apoyan en distribuciones muestrales como la normal o la ji cuadrada.

7. Una de las opciones que tiene la estadística para realizar inferencia sobre
los parámetros de una población es la prueba de hipótesis. Explique las
ventajas y desventajas con respecto al otro método de estimación.

R//. La prueba de hipótesis es planear una hipótesis y saber si la hipótesis nula

es verdadera o no, como también si se acepta mejor la hipótesis alternativa. En
otras palabras es verificar el proceso y ver si está la bien. También que la
prueba de hipótesis que vimos hoy es que se tomaba 2 observaciones para ver
si son las mismas.

8. Los dos métodos No paramétrico 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 - Smirnov . Explique en qué condiciones
debe usarse cada uno de ellos.

R//. La prueba Chi-cuadrado es otro tipo de prueba que se utiliza para

contrastar hipótesis, usada en aquellos casos en que se asume que la
distribución de datos no se ajusta a la distribución normal, y por lo tanto no es
significativo usar t de Student. Se asume que cuanto menor sea el valor de chi-
cuadrado calculado más se aproximan entre si los comportamientos de las dos
muestras (cuando son dos), o mejor se aproxima el comportamiento de una
sola muestra al valor hipotético de la media asumido para la población. La
prueba Kolmogorov - Smirnov debe usarse cuando la variable de análisis es
continua. Sin embargo, si la prueba se usa cuando la distribución de la
población no es continua, el error que ocurre en la probabilidad resultante está
en la dirección segura. Es decir, cuando se rechaza la hipótesis nula, tenemos
verdadera confianza en la decisión. También puede aplicarse para tamaños de
muestra pequeños, lo que no sucede con la chi cuadrado.

9. 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 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.

R//. Para utilizar el ANOVA de forma satisfactoria deben cumplirse tres tipos de
hipótesis, aunque se aceptan ligeras desviaciones de las condiciones ideales:
1. Cada conjunto de datos debe ser independiente del resto. 2. Los resultados
obtenidos para cada conjunto deben seguir una distribución normal. 3. Las
varianzas de cada conjunto de datos no deben diferir de forma significativa.
Cuando se utiliza la técnica anova se deben cumplir los siguientes supuestos:
1. Las personas de los diversos subgrupos deben seleccionarse mediante el
muestreo aleatorio, a partir de poblaciones normalmente distribuidas. 2. La
varianza de los subgrupos debe ser homogénea. 3. Las muestras que
constituyen los grupos deben ser independientes. Amenos de que las muestras
sean independientes, y que por lo tanto, generen estimaciones de varianza
independientes, la razón de las varianzas inter e intra no adoptará la
distribución F.