Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Como conclusión se puede decir que las pruebas no paramétricas son válidas en un
rango más amplio de situaciones, exigen menos condiciones de validez por el
contrario la prueba paramétrica tiene mayor capacidad para conducir a un rechazo
de HO
Cuando se analizan datos medidos por una variable cuantitativa continua, las
pruebas estadísticas de estimación y contraste frecuentemente empleadas se basan
en suponer que se ha obtenido una muestra aleatoria de una distribución de
probabilidad de tipo normal o de Gauss.
Los datos se pueden transformar de tal manera que sigan una distribución normal.
Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si es
válido suponer la normalidad de los datos, conviene utilizar pruebas no
paramétricas, al menos para corroborar los resultados obtenidos a partir de la
utilización de la teoría basada en la normal.
2) PRUEBAS PARAMÉTRICAS:
HIPÓTESIS
Una hipótesis se define como una afirmación transitoria que debe ser sometida a prueba. La
inferencia estadística propone un procedimiento para llevar a cabo la prueba de las
hipótesis. Propone, primero, enunciarlas formalmente y luego contrastarlas con la evidencia
de los datos. Son los datos, entonces, con su coro de características, los que dirán si una
hipótesis es falsa o verdadera.
PARÁMETROS POBLACIONALES
En una población finita de tamaño los parámetros poblacionales son definidos como:
Media:
Es una medida de tendencia central que permite entender el punto medio en cuanto a la
magnitud de las observaciones
Varianza
Es una medida de dispersión que permite saber qué tan diferentes son los datos de la media,
valores altos indican dispersión (los datos son diferentes entre sí) y valores bajos indican
que los valores son parecidos a la media de las observaciones con lo cual la media es una
buena medida para representar la información.
Proporción
- HIPÓTESIS NULA
La hipótesis nula supone que no hay relación entre las variables de estudio. Por esta razón,
también se conoce como una hipótesis de no relación.
Esta hipótesis será aceptada si la investigación muestra que la hipótesis de trabajo y las
hipótesis alternativas no son válidas.
Ejemplo
«No existe una relación entre el color del cabello de los estudiantes y sus resultados
académicos».
HIPÓTESIS ALTERNATIVAS
Las hipótesis alternativas intentan responder al mismo problema que las hipótesis de
trabajo. Sin embargo, como su nombre lo indica, buscan diferentes explicaciones posibles.
Por lo tanto, es posible probar diferentes hipótesis en el curso de la misma investigación.
Formalmente, estas hipótesis son análogas a la hipótesis de trabajo. También se pueden
clasificar como atributivos, asociativos y causales.
• ESTADÍSTICO DE PRUEBA
es una variable aleatoria que se calcula a partir de datos de muestra y se utiliza en una
prueba de hipótesis. Puede utilizar los estadísticos de prueba para determinar si puede
rechazar la hipótesis nula. El estadístico de prueba compara sus datos con lo que se espera
bajo la hipótesis nula. El estadístico de prueba se utiliza para calcular el valor p.mide el
grado de concordancia entre una muestra de datos y la hipótesis nula. Su valor observado
cambia aleatoriamente de una muestra aleatoria a una muestra diferente. Un estadístico de
prueba contiene información acerca de los datos que es relevante para decidir si se puede
rechazar la hipótesis nula. La distribución del muestreo del estadístico de prueba bajo la
hipótesis nula se denomina distribución nula. Cuando los datos muestran evidencia clara en
contra de los supuestos de la hipótesis nula, la magnitud del estadístico de prueba se vuelve
demasiado grande o demasiado pequeña dependiendo de la hipótesis alternativa. Esto hace
que el valor p de la prueba se vuelva lo suficientemente pequeño como para rechazar la
hipótesis nula.
PARTE B
Realizar los siguientes ejercicios presentando el paso a paso del desarrollo y justificar los
resultados