INFERENCIA ESTADISTICA -100403

TRABAJO COLABORATIVO 2


PRESENTADO POR.
SILVIO RIVER LEYTON SEPULVEDA
COD: 98381329
ANDERSSON RODRIGUEZ ORTIZ
COD: 94542774
HECTOR HUGO VALENCIA
COD: 98385304
LUIS IGNACIO ORTIZ ARTEAGA


GRUPO 105

PRESENTADO A:
SANDRA QUIONEZ


UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD}
ESCUELA DE CIENCIAS BASICAS, TECNOLOGIAS E INGENIERIA
INGENIERIA DE SISTEMAS
CEAD PASTO
2012

INTRODUCCION
En unidades anteriores hemos vistos la forma adecuada de distribuir los datos
atreves de una muestra y con ella llegar a conocer las caractersticas reales de
una poblacin. Pero en todo este proceso no estamos eximidos de cometer
algn error, es por esto que nos apyanos en una herramienta de la inferencia
estadstica como es la prueba de hiptesis, Anlisis de varianza, y pruebas no
paramtricas, con el fin de tomar decisiones adecuadas





















OBJETIVOS

OBJETIVO GENERAL
Comprender y aplicar los conceptos bsicos de los diferentes tipo de pruebas de
hiptesis, anlisis de varianza y pruebas no paramtricas.
OBJETIVOS ESPECIFICOS
Comprender los conceptos generales de prueba de hiptesis y los
diferentes tipos de pruebas.

Desarrollar ejercicios de aplicacin en base a los tipos de pruebas, con
diferente nivel de significancia


Identificar y aplicar las pruebas paramtricas para cada situacin
planteada.



















1. Realizar un mapa conceptual de pruebas de hiptesis.














2. Qu significa el error tipo I y el error tipo II. Explique su interpretacin
con un ejemplo.

Error tipo I: Rechazar la hiptesis nula cuando en realidad es cierta;
representado por alfa ( ).

Error tipo II: Aceptar la hiptesis nula cuando en realidad es falso; representado
por beta ( ).

Por ejemplo: Tomamos una muestra de una poblacin y para llevar a cabo un
experimento, primero postulamos la Ho.
Ho: El promedio de la muestra es igual al promedio de la poblacin.
Esta Ho puede ser verdadera o falsa; llevamos a cabo el experimento y ese
experimento nos puede hacer rechazar o aceptar la hiptesis.
Si el promedio de la muestra y el promedio de la poblacin son iguales, o sea la
Ho es verdadera, llevamos a cabo el experimento y rechazamos la Ho; en este
caso estamos cometiendo el error tipo I
Si sabemos que ambos promedios son distintos o sea que la Ho es falsa,
llevamos a cabo el experimento y no rechazamos la Ho; estamos cometiendo el
error tipo II.
Ejemplo:
Ho: El nuevo tratamiento no es mejor que el tradicional
Ha: El nuevo tratamiento es mejor que el tradicional

En este caso tenemos tres opciones:
1. Adoptar el nuevo tratamiento cuando en realidad no es ms efectivo que el
tradicional: En este caso se estara cometiendo el error tipo I (rechazar la Ho
cuando es verdadera).
2. Continuar con el tratamiento tradicional cuando el nuevo tratamiento es mejor:
En este caso se est cometiendo el error tipo II (no rechazar la Ho cuando es
falsa).
3. Continuar con el tratamiento tradicional cuando el nuevo tratamiento en
realidad no es mejor: En este caso se est tomando la decisin correcta (no se
est cometiendo ningn tipo de error).








3. Mediante un diagrama muestre los pasos para realizar el Contraste de
una hiptesis.


















NO




Si






4. Explique la relacin que existe entre el p-valor y el estadstico de prueba
y la relacin que existe entre el nivel de significancia alfa con el estadstico
terico.El p-valor

El mnimo nivel de significancia en el cual Ho sera rechazado cuando seutiliza
como procedimiento de prueba especfico con un conjunto dado de Informacin.
Si el p-valor es menor que el nivel de significancia, la hiptesis nula
Se rechaza.

La relacin que existe entre el P-valor y el estadstico de prueba es que el P-
valor es una probabilidad relacionada con el estadstico de prueba.

El nivel de significancia es la zona de riesgo, donde de mide el P-valor


de riesgo, y es el riesgo de rechazar un planteamiento cuando en realidad es
cierto.
CONTRASTE DE HIPOTESIS

hhipohipotesois hipo
DEFINIMOS EL NIVEL DE
SIGNIFICANCIA
Ho es falsa
ffalsa
La hiptesis nula es
aceptada
La hiptesis
alternativa es
aceptada
PLANTEAR LA HIPOTESIS NULA H
0

Y ALTERNATIVA H
1


5. El laboratorio de investigacin de una compaa ha desarrollado una nueva
forma para producir pintura para muros que permitir que un galn pueda cubrir
250 pies cuadrados. De acuerdo a esto, se prueban la hiptesis Ho: u=250 pies
cuadrados, contra la hiptesis alternativa H1: u<250 pies cuadrados. El
experimento comprende 20 latas de la nueva frmula y esta muestra tiene una
cobertura de 237 pies cuadrados con una desviacin estndar de 25 pies
cuadrados. Mediante los pasos del punto anterior pruebe
la hiptesis nula a un nivel de significancia del 5%.

Entonces

Ho: u=250
H1: u<250

Z = X - = 237250 = 2.36
o 25/20




Como Z= -2.36 est en la regin de rechazo, La hiptesis nula H
0
es chazada,
por lo tanto la hiptesis alternativa es aceptada.

6. Al realizar el control de calidad del contenido de las bolsas de arroz
producidas de 500 gramos, con una muestra de tamao 50, Ho: u=500 gramos y
H1:u500 gramos y se obtuvo un estadstico de prueba de 2.2, indicar la decisin
para los siguientes niveles de significancia: 1%, 5% y 10% respectivamente.
Representar grficamente mediante con la
distribucin normal estndar.

Ho: u=500
H1:u500

Con nivel de significancia 1% 0.01

Esta es una prueba de dos colas, debido a que la hiptesis alternativa ( H
0
) es
planteada en palabras de diferencia, es decir, la hiptesis no indica si la media
es mayor o menor que 500



Como Z=2.2 y est en la zona de aceptacin la hiptesis H
0
es Aceptada


Con nivel de significancia 5% 0.05


Como Z=2.2 est en la regin de rechazo, y fuera de la zona de aceptacin la
hiptesis H
0
se
rechaza y se acepta la hiptesis alternativa H
1.
Con nivel de significancia 10% 0.1



Como Z esta dentro de la zona de aceptacin aunque muy cerca del lmite del
valor crtico la hiptesis nula H
0
se acepta.






7. Explique la diferencia entre pruebas paramtricas y no paramtricas.


Para usar pruebas Paramtricas se debe cumplir supuestos:
- Las variables tienen que ser cuantitativas y estar medidas en escalas de
intervalo o razn.
- Los datos siguen una distribucin normal.
- Las varianzas son iguales.
- Muestras grandes (n>30)



Para usar pruebas No Paramtricas se debe usar con:
- Datos de distribucin libre (No necesariamente normal) si el uno la tiene el
otro no.
- Si se trata de datos cuantitativos, ordinales o nominales con varianza
grande, un grupo con varianza (cero) 0 y el otro no.
- Al trabajar con muestras pequeas.
- Si la distribucin es ms apuntada que la normal (mayor parte de los
valores agrupados en torno de la media y colas ms largas en los
extremos), se debe investigar la presencia de heterogeneidad en los datos
y de posibles valores atpicos o errores en los datos. La solucin puede
ser emplear pruebas no paramtricas.
- Cuando trabajamos con muestras pequeas (n < 10) en las que se
desconoce si es vlido suponer la normalidad de los datos, conviene
utilizar pruebas no paramtricas, al menos para corroborar los resultados
obtenidos a partir de la utilizacin de la teora basada en la normal.

8. De acuerdo a los siguientes casos determinar que prueba no paramtrica
sirve para llevar a cabo la investigacin.
CASO Prueba que se debe
Aplicar
Se requiere saber si las observaciones de las tallas de 100
nios de 5 aos provienen de una poblacin normal.
Kolmpogorov-Smirnov

Dada una muestra aleatoria de 40 bateras de la que se
han registrado su duracin en aos, al tratar de determinar
si esta duracin proviene de una distribucin normal
Pruebas para muestras
Grandes
Se desea determinar si el nmero de defectos en las
tarjetas de un circuito impreso sigue una distribucin de
Poisson.
Chi- Cuadrado
Cierta maquina lleva a cabo la elaboracin de cierto tipo
de lmina metlica, existen 4 canales de distribucin del
producto. Se est interesado en averiguar si la eleccin de
cualquiera de estos canales se hace de forma aleatoria o
por el contrario existe algn tipo de preferencia en la



Chi- Cuadrado
seleccin de alguno de ellos por los consumidores.
Contrastar la hiptesis de que los canales son
seleccionados al azar
Se est interesado en saber si una muestra de cajas de
tornillos, provienen de una muestra aleatoria
muestra aleatoria
Pruebas a posteriori o
la de Kruskal- Wallis

Se est interesado en comprobar la perfeccin de un dado
cbico
Chi- Cuadrado
Al determinar si el nmero de trabajadores que solicitan
permiso en una fbrica est distribuido uniformemente
durante la semana
Kruskal- Wallis
Determinar la asociacin a una distribucin terica la vida
en aos de una vida en aos de una clase de bacteria
Distribucin de Poisson

















CONCLUSIONES
Es de gran importancia distribuir y comprender en una forma adecuada
los datos, para tomar decisiones adecuadas a una situacin.
Las pruebas de hiptesis nos ayudan a establecer cual es la deduccin
valida, para La posible toma de una decisin.




















REFERENCIAS BIBLIOGRAFICAS

- RONDON Jorge, BRITO Danis. Mdulo Inferencia Estadstica, UNAD, Bogot
D.C. Mayo de 2008.

- RONDON Jorge, BRITO Danis. Gua didctica Inferencia Estadstica, UNAD,
Bogot D.C. Marzo de 2008.