Documentos de Académico
Documentos de Profesional
Documentos de Cultura
RESPONSABLE
CUENTA
SECCION
FECHA DE ENTREGA
RESUMEN CAPITULO 8
Una hipótesis es una suposición o inferencia sobre el valor desconocido de un
parámetro.
Un error tipo II: es no rechazar una hipótesis nula que es falsa. Si la hipótesis
nula H₀:μ=16 NO ES correcta pero la prueba falla en detectarlo, se comete un
error tipo II. Mientras que la probabilidad de un error tipo I es igual a valor ha
seleccionado, la probabilidad de un error tipoII representando con la letra B no
se determina fácilmente. No se puede asumir que a+B=1.
Los niveles de significancia, o valores a, comúnmente seleccionados para
pruebas de hipótesis son del 10%, 5% y 1%.sin embargo al igual que con los
intervalos de confianza no hay nada especial o mágico sobre estos valores a.
Ahora está preparado para realizar una prueba de hipótesis. Hay cuatro pasos
involucrados en una prueba.
A. Paso 1: Plantear las hipótesis.
B. Paso 2: con base en los resultados de la muestra, calcular el valor del estadístico
de prueba Z.
C. Paso 3: Determinar la regla de decisión con base en los valores críticos de Z.
D. Paso 4: Interpretación y conclusiones.
8.5 valores p:
Uso e interpretación como se han visto para probar una hipótesis se calcula un
valor Z y se compara con un valor crítico Z con base en el nivel de significancia
seleccionado. Mientras que el valor p de una prueba servir como método
alternativo para probar hipótesis en realidad es mucho más que eso.
En esta sección se desarrolla una definición estricta del valor p y el papel que
puede jugar en la prueba de hipótesis. El valor p para una pruebas es la
probabilidad de obtener resultados muéstrales al menos tan extremos como los
que se obtuvieron dado que la hipótesis nula es verdadera.
RESUMEN CAPITULO 14
¿Qué es la prueba de chi-cuadrado?
La prueba chi-cuadrado, también llamada Ji cuadrado (Χ2), se encuentra
dentro de las pruebas pertenecientes a la estadística descriptiva,
concretamente la estadística descriptiva aplicada al estudio de dos variables.
Por su parte, la estadística descriptiva se centra en extraer información sobre la
muestra. En cambio, la estadística inferencial extrae información sobre la
población.
Como es habitual, la hipótesis nula (H0) indica que ambas variables son
independientes, mientras que la hipótesis alternativa (H1) indica que las
variables tienen algún grado de asociación o relación.
Consideraciones
La prueba chi-cuadrado, a diferencia de otras pruebas, no establece
restricciones sobre el número de modalidades por variables, y no es necesario
que el número de filas y el número de columnas de las tablas coincida.
Distribución chi-cuadrado
La prueba chi-cuadrado utiliza una aproximación a la distribución chi cuadrado
para evaluar la probabilidad de una discrepancia igual o mayor que la que
exista entre los datos y las frecuencias esperadas según la hipótesis nula.
Corrección de Yates
La corrección de Yates es una fórmula matemática que se aplica con tablas
2x2 y con una frecuencia teórica pequeña (menos de 10), para corregir los
posibles errores de la prueba chi-cuadrado.
Contraste de hipótesis
Además, la prueba chi-cuadrado pertenece a las llamadas pruebas de bondad
de ajuste o contrastes, que tienen el objetivo de decidir si puede aceptarse la
hipótesis de que una muestra dada procede de una población con una
distribución de probabilidad totalmente especificada en la hipótesis nula.
Funcionamiento
Como hemos visto, la prueba chi-cuadrado se utiliza con datos pertenecientes
a una escala nominal o superior. A partir de chi-cuadrado, se establece una
hipótesis nula que postula una distribución de probabilidad especificada como
el modelo matemático de la población que ha generado la muestra.
Interpretación
El estadístico chi-cuadrado tomará un valor igual a 0 si existe concordancia
perfecta entre las frecuencias observadas y las esperadas; por contra, el
estadístico tomará un valor grande si existe una gran discrepancia entre estas
frecuencias, y consecuentemente se deberá rechazar la hipótesis nula.
Bibliografía
Lubin, P. Macià, A. Rubio de Lerma, P. (2005). Psicología matemática I y II.
Madrid: UNED.
Pardo, A. San Martín, R. (2006). Análisis de datos en psicología II. Madrid:
Pirámide.