TRABAJO COLABORATIVO No.

2

Presentado por: EDUARDO AGUDELO OROZCO 4514673 JUAN CARLOS VARON QUIROGA MARIO VEGA ARCE. OMAR ANDRES SIERRA CASTRO CODIGO: 7170198

TUTOR: DANYS BRITO GRUPO: 100403_2

CURSO INFERENCIA ESTADISTICA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD FACULTDAD DE INGENIERIA Y CIENCIAS BASICAS SEPTIEMBRE DE 2011

INTRODUCCION Este trabajo es elaborado para afianzar los conceptos manejados en el curso de Inferencia Estadística de la UNAD. . la elaboración del trabajo es de forma colaborativa. participando activamente en el foro. y desarrollando los ejercicios para resolver de la guía.

OBJETIVOS • Aplicar los fundamentos teóricos en los que se basa la prueba de hipótesis estadística. • Aprender a solucionar problemas de inferencia estadística. • Explicar los elementos conceptuales esenciales que tiene la inferencia estadística en las pruebas de hipótesis. considerada como alternativa para toma de decisiones. .

En estas pruebas no se presupone una distribución de probabilidad para los datos. Establezca la diferencia entre: Nivel de significación y potencia de una prueba. mas fuerte será la evidencia de que un hecho no se debe a una mera coincidencia ( al Azar) Test de significación estadística que cuantifican hasta qué punto la variabilidad de la muestra puede ser responsable de los resultados de un estudio en particular Cuando más grande sea la diferencia entre las dos variables . mas fácil es demostrar que la diferencia es significativa Cuando más grande sea el tamaño de la muestral mas fácil es detectar diferencias entre las mismas La potencia de una prueba aumenta cuando el tamaño del efecto aumenta Un aumento del tamaño en la muestra escogida tendría como resultado un aumento en la potencia de la prueba .1. pruebas paramétricas y pruebas No paramétricas NIVEL DE SIGNIFICACION Es la máxima probabilidad de error que estamos dispuestos aceptar para dar como válida nuestra hipótesis del investigador POTENCIA DE UNA PRUEBA Es una medida muy descriptiva y concisa de la sensibilidad de una prueba estadística. por ello se conocen también como de distribución libre En la mayor parte PRUEBAS PARAMENTRICAS Requieren de variables medidas en la escala de razón o intercalar y de análisis de un parámetro de la población y otros requisitos que dependen de la prueba en específico. una disminución en el tamaño de la muestra seleccionada tendría como resultado una disminución en la potencia PRUEBAS NO PARAMENTRICAS Requieren que los datos estén en escala nominal u ordinal. donde se entiende por sensibilidad a la capacidad de una prueba para detectar diferencias. Puede interpretarse como la probabilidad de rechazar de manera correcta una hipótesis nula falsa Probabilidad de una hipótesis Nula no sea rechazada cuando de hecho es falsa y debería rechazársela. es decir una medida de que tan bien funciona la prueba de hipótesis Depende de que tan diferente en realidad es la media verdadera de la población del valor supuesto La potencia de prueba estadística depende de que tan diferente en realidad es la media verdadera de la verdadera de la población del valor supuesto Depende de la diferencia entre los valores supuestos y real del real de la población Probabilidad de tomar la decisión de rechazar la hipótesis nula cuando esta es verdadera La decisión de toma a menudo utilizando el valor P ( p_valor) Cuando menor sea el valor de significativita. .

por lo que su base lógica es de fácil comprensión 2. (LA CONFIABILIDAD. Bugeda (1974) recoge tablas que permiten determinar el volumen de la muestra y el nivel de estimación para los niveles de confianza del 99. Hemos de indicar el máximo error tolerable.5% de la población. que suele establecerse en el 5%. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra Para determinar el volumen de la muestra. La variancia y la desviación estándar te dan una idea de tu muestra y de su distribución (teniendo en cuenta que sea normal) (en caso de no ser normal estaríamos hablando de Mediana y Espacio intercuartil IQR).. Para tomar la decisión en un contraste de hipótesis se puede comparar el P-Valor con el nivel de significación. EXPLIQUE LOS CRITERIOS QUE TIENE UN INVESTIGADOR PARA LA DETERMINACIÓN DE ESTOS FACTORES. un valor que sea mayor a la Media + 3 SD ya empieza a considerase un outlier. Esto quiere decir que tenemos una probabilidad de que 955/1000 coincidan con los de la población total. Error de estimación. EL TAMAÑO DE UNA MUESTRA PARA REALIZAR INFERENCIA ESTADÍSTICA DEPENDE DE UNOS FACTORES. Explique cuáles son las condiciones en términos de magnitud de estos factores para rechazar una hipótesis unilateral derecha o unilateral izquierda.  Tomar la decisión de aceptar la hipótesis nula Ho si el valor experimental cae en la región de aceptación y rechazarla si dicho valor cae en la región crítica o de rechazo. tu muestra raramente tendrá una distribución normal. se puede hallar un intervalo de confianza para el parámetro de interés. El nivel de confianza que queramos que alcancen nuestros resultados también influye en el tamaño que debamos dar a la muestra.Estas pruebas comparan los grupos a través de una medida de tendencia central (parámetro): la media aritmética. Es lógico pensar que no haya una coincidencia total entre los datos de la población y los de la muestra. existen tablas. Lo puedes usar para detectar outliers (valores fuera de lo normal). La varianza es la desviación estándar al cuadrado. La . Opcional: Si se rechaza la hipótesis nula H0. Para determinar el volumen de la muestra. existen tablas. de acuerdo con el nivel de confianza. Si queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3 sigmas. en cuyo caso el riesgo de que exista diferencia entre los estadísticos de la muestra y los parámetros de la población sean distintos será de 997/100.  2. Bugeda (1974) recoge tablas que permiten determinar el volumen de la muestra y el nivel de estimación para los niveles de confianza del 99. Por ejemplo. de acuerdo con el nivel de confianza. a partir de la media. pero naturalmente tendremos que elevar el número de elementos de la muestra. está incluido el 95.7% y del 95%.7% y del 95%. Entre +2 y -2 sigmas de la curva de distribución normal de Gauss. LA VARIANZA Y EL ERROR DE ESTIMACIÓN). QUE LA DETERMINAN.. La varianza es la desviación estándar al cuadrado. Cuando la varianza es muy grande. de ellas los resultados estadísticos se derivan únicamente a partir de procedimientos de ordenación y recuento.

tu muestra raramente tendrá una distribución normal. se comete cuando el investigador no rechaza la hipótesis nula siendo ésta falsa en la población. FICHAS # DE FICHAS EN LA CAJA A 40 50 10 # DE FICHAS EN LA CAJA B 10 50 40 1 10 100 ¿Cuál es la probabilidad de cometer el error tipo I? La probabilidad de cometer el error tipo I es el nivel de significación α: α = P (rechazar Ho/Ho es verdadera) α = P (sacar una ficha de 100 de la caja A) α = 10/100 α = 0. caja A y caja B. y de ella se saca una ficha.. ya que el investigador llega a la conclusión de que ha sido incapaz de encontrar una diferencia que existe en la realidad. un valor que sea mayor a la Media + 3 SD ya empieza a considerase un outlier. Lo puedes usar para detectar outliers (valores fuera de lo normal). porque el investigador llega a la conclusión de que existe una diferencia entre las hipótesis cuando en realidad no existe. es el error que se comete cuando el investigador rechaza la hipótesis nula (Ho) siendo ésta verdadera en la población. La caja A tiene 40 fichas con el número 1. 50 fichas con el número 10 y 10 fichas con el número 1.10 Cual es la probabilidad de cometer el error tipo II? La probabilidad de cometer el error tipo II es β: β = P (aceptar Ho/H1 es verdadera) β = P (sacar una ficha de 1 o de 10 de la caja B) β = 60/100} β = 0. Es lógico pensar que no haya una coincidencia total entre los datos de la población y los de la muestra. Hemos de indicar el máximo error tolerable. Error de tipo II: también llamado error de tipo beta (aunque beta es la probabilidad de que exista éste error). Error de estimación. Es equivalente a la probabilidad de un resultado falso negativo.60 . QUÉ SIGNIFICAN EL ERROR TIPO I Y EL ERROR TIPO II. 50 fichas con el número 10 y 10 fichas con el número 100.variancia y la desviación estándar te dan una idea de tu muestra y de su distribución (teniendo en cuenta que sea normal) (en caso de no ser normal estaríamos hablando de Mediana y Espacio intercuartil IQR). Se tiene las hipótesis: ü Ho: la caja es la A ü H1: la caja es la B Se establece la regla de decisión: rechazar la hipótesis nula si la ficha es de 100. Por ejemplo. Usted no sabe si es la caja A o la caja B. Cuando la varianza es muy grande. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra 3. Ejemplo: se tienen dos cajas. EXPLIQUE SU INTERPRETACIÓN CON UN EJEMPLO Error de tipo I: también llamado error de tipo alfa. Se elige una caja al azar. que suele establecerse en el 5%. Es equivalente a encontrar un resultado falso positivo. que es la probabilidad de que ocurra este error. La caja B tiene 40 fichas con el número 100..

La distribución de los residuales debe ser normal. mostramos el modelo para un ANOVA simplificado con un tipo de factores en diferentes niveles. Se pueden usar con muestras pequeñas. Eliminan la necesidad de suposiciones restrictivas de las pruebas paramétricas. Se pueden usar con datos cualitativos. son fáciles de usar y entender. 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. INDEPENDENCIA Y NORMALIDAD. QUE DEBEN CUMPLIRSE PARA VALIDAR UN ANÁLISIS DE VARIANZAS. El ANOVA parte de algunos supuestos que han de cumplirse: • • • • La variable dependiente debe medirse al menos a nivel de intervalo. La técnica fundamental consiste en la separación de la suma de cuadrados (SS. . puede resultar apropiado un análisis de regresión lineal) SSTotal = SSError + SSFactores El número de grados de libertad (gl) puede separarse de forma similar y se corresponde con la forma en que la distribución chi-cuadrado describe la suma de cuadrados asociada. Consideraciones de las pruebas paramétricas sobre las pruebas no paramétricas: A veces. Como ejemplo. ignoran. (Si los niveles son cuantitativos y los efectos son lineales. Consideraciones de las pruebas no paramétricas sobre las pruebas paramétricas: Por lo general. Independencia de las observaciones. En el campo no paramétrico se evita este problema al permitir una forma funcional flexible. glTotal = glError + glFactores 6 ESTABLEZCA LAS CONSIDERACIONES QUE DEBEN HACERSE PARA SELECCIONAR ENTRE UN MODELO PARAMÉTRICO O SU CORRESPONDIENTE NO PARAMÉTRICO. HOMOCEDASTICIDAD. Homocedasticidad: homogeneidad de las varianzas. LOS MÉTODOS NO PARAMÉTRICOS TIENEN VENTAJAS SOBRE LOS PARAMÉTRICO. desperdician o pierden información. y no un conjunto pequeño de modelos rígidos como lo hacen los paramétricos. No son tan eficientes como las paramétricas. 'sum of squares') en componentes relativos a los factores contemplados en el modelo. produciendo así modelos no muy confiables que generan sesgos y deterioran la calidad de los pronósticos.4 EXPLIQUE CUÁLES SON LOS SUPUESTOS DE HOMOGENEIDAD.

EXPLIQUE LAS VENTAJAS Y DESVENTAJAS CON RESPECTO AL OTRO MÉTODO DE ESTIMACIÓN. en promedio. Las características que hacen de un estimador un buen método 1. a las cuales llamaremos: Hipótesis nula H0 Corresponde a la ausencia de una modificación en la variable investigada. y por lo tanto se especifica de una forma exacta: H0 : θ = θ 0 Hipótesis alternativa H1 Se especifica de manera más general H1: θ ≠ θ H1: θ > θ 0 0 H1: θ < θ 0. porque la media de distribución de muestreo de las medias de muestras tomadas de la misma población es igual a la media de la población misma. muchas veces se apoyan en distribuciones muéstrales como la normal o la ji cuadrada. tiende a tomar valores que están por encima del parámetro de la población y la misma extensión con la que tiende a asumir valores por debajo del parámetro de población que se está estimando. Si comparamos dos estadísticas de una muestra del mismo tamaño y tratamos de decidir cuál de ellas es un estimador más eficiente. Por lo general. Se refiere al hecho de que una media de muestra es un estimador no sesgado de una media de población. Es importante observar. 7. Podemos decir que una estadística es un estimador imparcial (o no sesgado) si. Imparcialidad. que aunque las pruebas no paramétricas no hacen suposiciones sobre la distribución de la población que se muestrea. es decir. 2. relacionada principalmente con la elección de una acción entre dos conjuntos posibles de valores del parámetro. Tiene sentido pensar que un estimador con un error estándar menor (con . en dos hipótesis estadísticas. La prueba de hipótesis es un procedimiento de toma de decisiones. las pruebas paramétricas son más poderosas que las pruebas no paramétricas y deben usarse siempre que sea posible. UNA DE LAS OPCIONES QUE TIENE LA ESTADÍSTICA PARA REALIZAR INFERENCIA SOBRE LOS PARÁMETROS DE UNA POBLACIÓN ES LA PRUEBA DE HIPÓTESIS.Llevan a una mayor probabilidad de no rechazar una hipótesis nula falsa (incurriendo en un error de tipo II). Se refiere al tamaño del error estándar de la estadística. Eficiencia. escogeríamos la estadística que tuviera el menor error estándar o la menor desviación estándar de la distribución de muestreo.

menos desviación) tendrá una mayor oportunidad de producir una estimación más cercana al parámetro de población que se está considerando. EXPLIQUE EN QUÉ CONDICIONES DEBE USARSE CADA UNO DE ELLOS. 4. 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. usada en aquellos casos en que se asume que la distribución de datos no se ajusta a la distribución normal. Cada conjunto de datos debe ser independiente del resto. Una estadística es un estimador coherente de un parámetro de población si al aumentar el tamaño de la muestra. 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. se tiene casi la certeza de que el valor de la estadística se aproxima bastante al valor del parámetro de la población. o mejor se aproxima el comportamiento de una sola muestra al valor hipotético de la media asumido para la población.Smirnov debe usarse cuando la variable de análisis es continua. aunque se aceptan ligeras desviaciones de las condiciones ideales: 1. si la prueba se usa cuando la distribución de la población no es continua. cuando se rechaza la hipótesis nula. 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. Es decir. se vuelve más confiable si tenemos tamaños de muestras más grandes. Si un estimador es coherente. el error que ocurre en la probabilidad resultante está en la dirección segura. a prueba Kolmogorov . . Para utilizar el ANOVA de forma satisfactoria deben cumplirse tres tipos de hipótesis. La prueba Chi-cuadrado es otro tipo de prueba que se utiliza para contrastar hipótesis. 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). y por lo tanto no es significativo usar t de Student. Sin embargo. 9. lo que no sucede con la chi cuadrado. También puede aplicarse para tamaños de muestra pequeños. Un estimador es suficiente si utiliza una cantidad de la información contenida en la muestra que ningún otro estimador podría extraer información adicional de la muestra sobre el parámetro de la población. 8. 3. Suficiencia. Coherencia. tenemos verdadera confianza en la decisión.

Las varianzas de cada conjunto de datos no deben diferir de forma significativa. a partir de poblaciones normalmente distribuidas. la probabilidad de que alguno lo supere es 1 . y como se realizarían simultánea e independientemente varios contrastes de E hipótesis. para cada comparación. En cada contraste se rechaza la H0 si la t supera el nivel crítico. por lo tanto. la hipótesis nula es que todas las muestras provienen de la misma población y. hay una probabilidad. los niveles de cada efecto son resultado de una selección al azar. 10. realizan distintas hipótesis sobre el comportamiento de los residuos. y que por lo tanto. consiste en bajar el valor /m. en la  ipótesis nula. la razón de las varianzas inter e intra no adoptará la distribución F. la estimación de la varianza necesaria para el contraste es distinta. generen estimaciones de varianza independientes. A menos de que las muestras sean independientes. que para valores m. EXPLIQUE EL SIGNIFICADO CADA UNO DE ELLOS EN UN ANÁLISIS DE VARIANZA. ningún estadístico h supere el valor) crítico es (1 . Una primera solución. que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student por dos motivos:  n primer lugar.(1 m. Los modelos de regresión de datos anidados. por lo tanto. EXISTEN DOS TIPOS DE MODELO DE ANÁLISIS DE VARIANZA: DE EFECTOS FIJOS Y DE EFECTOS ALEATORIOS. 3.. aunque resulta un método muy conservador. para lo que. Las personas de los diversos subgrupos deben seleccionarse mediante el muestreo aleatorio. La varianza de los subgrupos debe ser homogénea. la probabilidad de encontrar alguno significativo por azar aumentaría. denominadapróximos a 0 es aproximadamente igual a de método de Bonferroni. Cuando se utiliza la técnica anova se deben cumplir los siguientes supuestos: a. sin embargo. en la hipótesis nula. cuando se hayan realizado todas las comparaciones.m) . en cada comparación la hipótesis nula es que las dos muestras provienen de la misma población. Este modelo es el que implica menos suposiciones sobre el comportamiento de los residuos. la probabilidad de que. Los niveles de estos efectos (fijos) incluyen la totalidad de las posibilidades y se definen por el experimentador (que es quien decide.2. b. Por ejemplo. El análisis de la varianza es un método para comparar dos o más medias. En los modelos de efectos aleatorios. c. CONCLUSIONES . usando en su lugar de. qué tratamientos se comparan. pues se ha hecho en base a muestras distintas. Si se realizan m contrastes independientes. el más elemental y el más consistente es el de Efectos Fijos. Las muestras que constituyen los grupos deben ser independientes. En segundo lugar. Los resultados obtenidos para cada conjunto deben seguir una distribución normal. el efecto Hospital en la evaluación de un tratamiento puede incluir tres hospitales seleccionados al azar entre los hospitales de una determinada comunidad.

BIBLIOGRAFIA .Gracias a la lectura del Modulo de inferencia estadística. Este trabajo es la aplicación de los conceptos obtenidos y se formo un aprendizaje sobre cómo resolver problemas de inferencia estadística. al obtener los conceptos básicos. logramos el desarrollo de la actividad No 2. en el cual con la integración de los compañeros logramos entregar terminado este trabajo. en el foro participativo.

Modulo Inferencia Estadística. Jorge Eliecer Rondon Duran. Danis Brito Rosado .