ANÁLISIS Y DISEÑO DE EXPERIMENTOS

TALLER

REALIZADO POR:

JUAN PABLO MAESTRE CARRILLO

PROGRAMA DE INGENIERIA INDUTRIAL

FACULTA DE INGENIERIAS

2020
1. En un estudio estadistico, ¿Qué es una poblacion y para que se toma una
muestra?

Un poblacion es un grupo el cual sera objeto de una investigacion o de una

prueba y la muestra es un pequeño grupo al cual se le aplicaran las
pruebas de la investigacion.

2. ¿Qué es probar una hipotesis?

Es una suposicion la cual sera objeto de estudio para comprobar o negar su

existencia.

3. ¿Qué es hacer una estimacion puntual y en que consiste hacer una

estimacion por intervalo para la media, por ejemplo?

La estimacion puntual es la toma de un punto especifico para estimar el

valor esperado de la muestra.

La estimación por intervalos consiste en establecer el intervalo de valores

donde es más probable se encuentre el parámetro.

Ejemplo
Se generan 100000 muestras aleatorias (n=25) de una población que sigue
la distribución Normal, y resulta:

La distribución de las Medias muestrales aproxima al modelo Normal:

En consecuencia, el intervalo dentro del cual se halla el 95% de las Medias

muestrales es

(Nota: Los valores +-1.96 que multiplican la Desviación Típica de la

distribución muestral son los valores cuya función de distribución es igual a
0.975 y 0.025 respectivamente y se pueden obtener en las tablas de la
distribución Normal estandarizada o de funciones en aplicaciones
informáticas como Excel). Seguidamente generamos una muestra de la
población y obtenemos su Media, que es igual a 4.5. Si establecemos el
 intervalo alrededor de la Media muestral, el parámetro poblacional (5.1)
está incluido dentro de sus límites:

Ahora bien, la distancia de un punto A a un punto B es la misma que de B a

A. Por esa razón, la distancia desde m a la Media muestral es la misma que
va de la Media muestral a m. En consecuencia, si hacemos un muestreo
con un número grande de muestras observamos que el 95% de las veces
(aproximadamente) el valor de la Media de la población (m) se encuentra
dentro del intervalo definido alrededor de cada uno de los valores de la
Media muestral. El porcentaje de veces que el valor de m se halla dentro
de alguno de los intervalos de confianza es del 95%, y es denominado nivel
de confianza.
Si queremos establecer un intervalo de confianza en que el % de veces que
m se halle dentro del intervalo sea igual al 99%, la expresión anterior es:

(Obtenemos el valor +-2.58 que multiplica la Desviación Típica de la

distribución muestral en las tablas de la distribución Normal estandarizada o
de funciones en aplicaciones informáticas como Excel), y son los valores
cuya función de probabilidad es igual a 0.995 y 0.005 respectivamente).

4. ¿Por qué no es suficiente la estimación puntual y por que se tiene que recurrir a la
estimación por intervalo?
 Porque la estimación puntual dira poco sobre el parámetro cuando la
varianza entre una estimación y la otra es muy grande .
 Por que dicho intervalo de confianza indicara un rango donde puede estar
el parámetro con cierto nivel de seguridad o confianza [CITATION htt \l
3082 ]

5. Explique el papel que desempeña las distribuciones de probabilidades en la

inferencia estadística.

La distribución de probabilidad del estadístico permitirá hacer estimaciones

acerca de cuál es el valor del parámetro poblacional y también se podrá
probar o verificar la validez de hipótesis que se tengan sobre la población o
proceso.[ CITATION scr \l 3082 ]

6. En el contexto de estimación por intervalo, señale en forma específica para

estimar qué parámetro utiliza cada una de las siguientes distribuciones: T
de Student, Normal y ji-cuadrada.

T de Student utiliza el miu

Ji-cuadrado utiliza la varianza (sigma al cuadrado)
7. Explique qué es un estadístico de prueba y señale su relación con los
intervalos de aceptación y rechazo.

Es un numero que esta conformado por dos propiedades, primera contiene

la información de la muestra con relación al parámetro de interés y segundo
bajo el supuesto de una hipótesis nula es verdadera y sigue una
distribución de probabilidad conocida .

La relación que existe es que se debe calcular el estadístico de purbas para

después cambia si caen en la región de rechazo o aceptación.

8. ¿Qué son los errores tipo I y II en pruebas de hipótesis?

Tipo I es cuando se rechaza Ho (hipótesis nula) siendo esta verdadera;

error de tipo II es cuando se acepta Ho (hipótesis nula) siendo esta falsa
• Error tipo I: es cuando la hipotesi se rechaza creyendo que es falsa cuando es
cierta
• Error tipo II: es cuando la hipotesis se acepta siendo falsa.
• Estadístico: me dida deriva de un grupo de datos especificos.
• Estadístico de prueba: es una variable que se da en base a datos de muestras
• Estimador puntual: es darle un valor puntual a un parametro, logrando asi saber
su valor
• Grados de libertad: son valores que pueden ser asignados de manera libre y
aleatoria.
• Hipótesis estadística: es una afirmacion sobre una poblacion o dos
• Inferencia estadística serie de metodos por medio de observacion que nos
permite obtener infomacion on un margen de error medible
• Intervalo de confianza: son los limintes superio e inferior donde se estuma que
estara un valor desconocido con cierto nivel de confianza
• Muestras pareadas: significa que la muestras estan relacionadas una con la otra,
informacion que tenemos de antemano
• Orden completamente al azar
• Potencia de la prueba es la posibilidad de rechazar la hipotesis nula cuando es
falsa
• Región de aceptación es la zona de limitada de donde se tomaran los datos
aceptables para la prueba
• Región de rechazo: es la zona delimitada donde los datos no seran aceptables
para la prueba
• Significancia observada: es el valor mas bajo de la estadistica de prueba, el cual
es significativo ya que el valor mas pequeño conduse al rechazo de la prueba
• Significancia predefinida: es el valor maximo permitodo para aceptar el error de
la prueba
•Análisis de varianza: es la froma de analizar y medir dos medias
• Contraste: es verificar las propiedades que estan asocioadas a un poblacion por
medio de una muestra de dicha poblacion
• Contrastes ortogonales es cuando la covarianza de los dos contraste es igual
• Cuadrados medios: se utilizan para determinar si los resultados son
significativos
• Diagramas de cajas: es un metodo grafico para la representacion de varios
datosnumericos
• Diferencia mínima significativa (LSD): metodo comparativo de diferentes
medidas
• Diseño balanceado es un nomero de observaciones posibles para los
diferentes niveles de los factores
• Gráfica de probabilidad en papel normal: es un metodo grafico para ilustrar la
normalidad de un conjunto de datos.
• Método de Sheffé: método para ajustar los niveles de significancia en un análisis
de regresión lineal para tener en cuenta las comparaciones múltiples
• Métodos de comparaciones múltiples: grupo de tecnicas utilizadas para la
comparacion de diferentes medias de tratamiento
• Modelo de efectos fijos: es un modelo que representa las cantidades observadas
en la variables explicativas
• Notación de puntos: cnjunto de datos numericos que tiene relacion entre si
• Residuos: diferencia entre los valores variables dependientes de la observacion y
los valores que se predicen de nuestra regla de regresion
• Tabla de análisis de varianza
• Tratamiento control
• Varianza constante: cuando la varianza del error condicional a las variables
explicativas es constante a lo largo de las observaciones