Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO COLABORATIVO Nº 2.
Presentado a:
Danys Brito
Director y tutor de curso
Presentado por:
GRUPO COLABORATIVO No. 100403_31
Nasly Mabel Vargas
Diego Armando Iannino
Gloria Nidia Jiménez
Programa:
INGENIERIA DE SISTEMAS
En este trabajo colaborativo se tendrán en cuenta los temas de pruebas de hipótesis, análisis de
varianzas y pruebas no paramétricas estudiadas mediante la estrategia basada de resolución de
problemas.
En cuanto a las pruebas de hipótesis podemos decir que la inferencia estadística se ocupa de la
obtención de conclusiones en relación a un gran número de sucesos, en base a la observación de una
muestra obtenida de ellos
Las técnicas estadísticas de estimación de parámetros, intervalos de confianza y prueba de hipótesis
son, en conjunto, denominadas ESTADÍSTICA PARAMETRICA y son aplicadas básicamente a
variables continuas. Estas técnicas se basan en especificar una forma de distribución de la variable
aleatoria y de los estadísticos derivados de los datos.
El análisis de la varianza (o Anova: Analysis of variance) es un método para comparar dos o más
medias; es un método que permite comparar varias medias en diversas situaciones; muy ligado, por
tanto, al diseño de experimentos y, de alguna manera, es la base del análisis multivariante.
OBJETIVOS
Describir los errores estadísticos que se pueden presentar en las pruebas de hipótesis.
El objetivo del análisis de varianza es determinar cuales son las variables independientes de
importancia en un estudio, y en qué forma interactúan y afectan la respuesta.
DESARROLLO DEL TRABAJO COLABORATIVO
El tamaño de la muestra que debe escoger un investigador para hacer una estimación del
parámetro con las características especificadas (de nivel de confianza y error de estimación)
es un problema de gran importancia teniendo en cuenta que:
1. Si se toma una muestra más grande de la indicada para alcanzar los resultados
propuestos, constituye un desperdicio de recursos (tiempo, dinero, etc.); mientras que
una muestra demasiado pequeña conduce a menudo a resultados poco confiables.
2. Cuando se elige una muestra de tamaño n sólo se revisa una fracción o parte de la
población y con base en ella tomamos decisiones que afectan a toda la población. Es
evidente que por este procedimiento se abre la posibilidad de que nos equivoquemos en
nuestras decisiones, pero esta posibilidad depende en gran medida del tamaño de
muestra o fracción de población que se haya analizado.
El tamaño que debe tener la muestra depende del nivel de confianza propuesto, así como del
máximo error que estemos dispuestos a admitir entre el valor estimado y el valor real del
parámetro que corresponde al error de estimación.
El tamaño de la muestra depende de dos elementos básicos se trata del nivel de confianza y
del error de estimación, tenemos:
El análisis de varianza, se utiliza en situaciones en las que la muestra total está dividida en
varios grupos basados en una o varias variables independientes no métricas y las variables
dependientes analizadas son métricas. Su objetivo es averiguar si hay diferencias
significativas entre dichos grupos en cuanto a las variables dependientes se refiere.
3. Que significan el error tipo I y el error tipo II. Explique su interpretación con un ejemplo.
- Supongamos que con base en una muestra aleatoria deseamos someter a prueba decisoria
la hipótesis de que el precio costo medio de casas con tres habitaciones en una ciudad es
de $50.000.000. Siendo así, en que condiciones cometería un error de tipo I y un error de
tipo II?
Error tipo I: se comete si se rechaza que el costo medio de las casas es de $50.000.000
cuando es CIERTO.
Error tipo II: se comete si aceptamos que el costo medio de las casas es de $50.000.000
cuando es FALSO.
donde es un escalar constante para todo i. Lo que significaría que habría una
distribución de probabilidad de idéntica amplitud para cada variable aleatoria
Planteamiento de hipótesis:
H0: μp1=μp2
H1: μp1<μp2
Con α=0.05
p1 q 1 p 2 q 2
S ṕ 1− ṕ 2=
n1√ +
0.20−0.22
n2
t= =−0.12
( 0.2 ) ( 0.8 ) ( 0.22 ) ( 0.78 )
√ 12
+
12
De acuerdo con este resultado se concluye que, al nivel del 5%, se puede rechazar que la
campaña publicitaria NO fue efectiva.
6. Establezca las consideraciones que deben hacerse para seleccionar entre un modelo
paramétrico o su correspondiente no paramétrico.
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.
8. Los dos métodos No Paramétricos 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 que condiciones debe usarse cada uno de ellos.
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
respuestas 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.
Dado que a través del Análisis de la Varianza se persigue saber si los distintos niveles de un
factor influye en los valores de una variable continua, para que efectivamente sí haya
diferencias en los valores de la variable continua según el nivel del factor, se tiene que dar
simultáneamente que el comportamiento de la variable continua sea lo más distinto posible
para los distintos niveles del factor, y a su vez, que dentro de cada grupo (determinado por
los niveles del factor) los valores sean lo más homogéneos posibles.
10. Existen dos tipos de modelo de análisis de varianza: de efectos fijos y de efectos aleatorios.
Explique el significado cada uno de ellos en un análisis de varianza.
La Inferencia Estadística comprende los métodos que son usados para sacar conclusiones de
la población en base a una muestra tomada de ella. Incluye los métodos de estimación de
parámetros y las pruebas de hipótesis.
La afirmación que está establecida y que se espera sea rechazada después de aplicar una
prueba estadística es llamada la hipótesis nula y se representa por Ho.
Una prueba estadística es una fórmula, basada en la distribución del estimador del parámetro
que aparece en la hipótesis y que va a permitir tomar una decisión acerca de aceptar o
rechazar una hipótesis nula.
Para el análisis de varianza se puede decir que esta técnica estadística, normalmente es
utilizada para analizar resultados en la investigación con diseños experimentales y cuasi-
experimentales; muchas veces necesitamos comparar dos o más distribuciones que
corresponden a variaciones de una misma variable dependiente, afectada por una o más
variables independientes.
Martínez Bencardino, Ciro. Estadística y muestreo. Decima edición, Bogotá D.C., agosto de
2000. Eco ediciones.
Módulo Inferencia estadística. Brito Rosado, Danys. Rondón Duran, Jorge Eliecer.
Universidad nacional abierta y a distancia UNAD. Escuela de ciencias básicas tecnología e
ingeniería. Bogotá, mayo 2008
Walpole Ronald y Myers Raymond, Probabilidad y Estadística. Cuarta Edición México,
noviembre de 1998.