Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Teddy Peña
ID:
1093025
Materia:
DOE
Entrega:
Tarea #1
Fecha:
Estadístico de prueba: Formula con la cual a partir de los datos de H0 se calcula una
magnitud que permite discernir si se rechaza la misma. La región de aceptación son los
valores estadísticos en los cuales no se rechaza la hipótesis nula, y la región de rechazo
lleva a rechazar la hipótesis nula.
Error Tipo I: Se rechaza una H0 que es verdadera. 𝛼 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐸𝑟𝑟𝑜𝑟 𝑇𝑖𝑝𝑜 𝐼.
Ejemplo: En el caso que hemos estado planteando, seria la probabilidad de rechazar que
nuestros lapiceros recorren en promedio menos de 1,350 m, cuando en realidad lo hacen.
Error Tipo II: Se acepta una H0 que es falsa. 𝛽 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐸𝑟𝑟𝑜𝑟 𝑇𝑖𝑝𝑜 𝐼.
Ejemplo: En el caso que hemos estado planteando, sería la probabilidad de aceptar que
nuestros lapiceros recorren en promedio menos de 1,350 m, cuando en realidad no lo
hacen. Como en este caso lo que buscamos es asegurar que recorran más de 1,350 m, nos
interesa más reducir los errores del tipo I.
Potencia de la prueba: Probabilidad de rechazar H0, cuando es falsa, esta va ligada a los
errores Tipo II 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 = 1 − 𝛽. Ejemplo: La potencia de nuestra prueba, es la
probabilidad de asegurar que los lapiceros recorren en promedio, al menos 1,350 m y que
esta asunción sea cierta.
Significancia predefinida: Es el riesgo máximo que el experimentador está dispuesto a
correr con respecto al error tipo I. Ejemplo: Se establece un porcentaje de error, digamos
un 0.5%, este será nuestra significancia predefinida.
Significancia observada: Es el área bajo la distribución de referencia más allá del valor
del estadístico de prueba. Se conoce como valor-p. Ejemplo: Digamos que según lo
observado en nuestra prueba, tenemos un p-value de 0.0001, entonces sabemos que
rechazamos H0 con un riesgo del error tipo I de 0.0001 que es menor al predefinido, por
lo cual se puede proseguir.
Orden completamente al azar: Es aquel en el que las unidades se asignan de manera
aleatoria a los tratamientos y las pruebas experimentales se hacen en orden aleatorio.
Ejemplo: Siguiendo con nuestro ejemplo predeterminado, digamos que debido a que
somos una empresa pequeña, la forma en la cual probamos nuestros lapiceros sean con
un conjunto de voluntarios que trazaran líneas hasta agotar el lapicero. En un orden
completamente al azar los lapiceros se unen aleatoriamente con cada uno de los
voluntarios.
Muestras pareadas: Son aquellas en las que los datos de ambos tratamientos se obtienen
por pares, de manera que estos tienen algo en común y no son independientes. Ejemplo:
Se quiere probar el sabor de unos pasteles que se quieren lanzar al mercado en
comparación a otros. Para esto se consiguen una muestra de personas para probar estos
pasteles. Debido a la variabilidad que tienen cada persona con sus gustos, lo mejor sería
hacer que cada sujeto pruebe cada pastel, disminuyendo los efectos de ruido que trae el
paladar de cada individuo.
𝜎 2 = ∑ (𝑦 − 𝜇)2 𝑝(𝑦)
𝑎𝑙𝑙 𝑦
1 1 1 1
𝜎 2 = (1 − 3.5)2 ( ) + (2 − 3.5)2 ( ) + (3 − 3.5)2 ( ) + (4 − 3.5)2 ( )
6 6 6 6
1 1
+ (5 − 3.5)2 ( ) + (6 − 3.5)2 ( ) = 2.9167
6 6
Muestra aleatoria: Es aquella muestra que es seleccionada de modo que todas las
posibles muestras tengan la misma probabilidad de ser seleccionadas. De nuestra muestra
aleatoria podremos estimadores puntuales. Ejemplo: Digamos que queremos hacer un
estudio sobre la satisfacción de los estudiantes de la materia de Diseño de Experimento
durante el trimestre en curso hasta el momento y decidimos hacer el estudio mediante una
muestra. Podríamos Realizar un listado de todos los estudiantes que cursan la materia
actualmente y mediante algún software elegir 10 estudiantes al azar. Esta sería una
muestra aleatoria, ya que todos los estudiantes tendrían la misma probabilidad de ser
escogidos (1/Cantidad de estudiantes).
Teorema del límite central: Establece que, dada una muestra aleatoria suficientemente
grande de la población, la distribución de sus medias muestrales seguirá una distribución
normal.