Resumen general

Unidad II :Probabilidad

 Dos eventos A y B son independientes si y solo si se verifica 𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) ∗ 𝑷(𝑩)

Respuesta:
Como 𝑃(𝐸 ∩ 𝑇) = x ≠ x1 = 𝑃(𝐸) ∗ 𝑃(𝑇), entonces los eventos …y … no son
independientes.
 Que se de A o B : 𝑃(A ∪ B) = 𝑃(A) + 𝑃(B) − 𝑃(A ∩ B)
 Condicional : Que suceda A si se sabe que sucedió B
𝑃 ( A⁄ B) = 𝑃(A∩B) 𝑃(B)
 Suceso de ambos síntomas a la vez: La probabilidad de que suceda A y que suceda B
P(A∩ B) = P(A) P(B)

Unidad IV : Estimacion de parámetros

 𝐸(𝑋) = Σ𝑋𝑖 ∗ 𝑝(𝑋𝑖)

𝑉(𝑋) = 𝐸(𝑥 2 ) − 𝐸(𝑋)
 Varianza poblacional, σ 2 , conocida
X = “….”
Datos:
n
x(media)
X ~ N(µ; σ 2= A)  untilizo normal
 Varianza poblacional (σ 2 ) desconocida
X = “….)”
n
x
S
X ~ N(µ; σ 2 )  utilizo T-student.
 Interpretación en términos de la variable: Con un nivel de confianza del ….%, la
concentración media (verdadera) de … se encuentra entre ….y ….
 Como puedo mejorar el error de estiacion:

Al aumentar el tamaño de la muestra, aumentó la precisión de la estimación de la media, ya

que disminuyó el error de estimación.

 Para Binomial :

X= Número de …. entre (numero total).

Estimación puntual: 𝑝̂= num de …/ (numero total)

 Cuando tengo dos poblaciones y calculo el intervalo de confianza estimo la diferencia

entre X e Y , ya sea binomial o normal.
En este acaso la estimación puntual es el promedio del intervalo y el error de
estimación es la resta entre los dos valores del intervalo dividido dos .
 Cuado una hipótesis no entra en el intervalo se respode:

El intervalo obtenido contradice la hipótesis del estudio ya que el valor …% no está contenido
en el intervalo; el porcentaje indica que ….

 Cambios en el error de estimación :

 - El tamaño de muestra aumenta . DISMINUYE
- La confianza es del 99%. AUMENTA
- El estimador puntual es diferente. NO VARÏA
-
Realizo los intervalos de confianza con el fin de obtener informacion de la muetra que
me proporciona informacion sobre una población , es decir que la muestra es
repesentativa .

Unidad VI:

 ANOVA es un nombre genérico y se usa para una variedad de modelos de

comparación de medias.El objetivo del ANOVA de un factor es contrastar si existen
diferencias entre las medias de varios grupos o tratamientos.
 Hipotesis Anova :

Ho=µ1=µ2=µ3 ,…
H1= al menos alguna de las medias es distintas

 Por lo tanto, si H0 fuese cierta, el numerador y el denominador deberían ser parecidos

y el estadístico de prueba F sería cercano a 1.

Caso contrario, si las medias poblacionales no son todas iguales, el numerador será mayor
que el denominador y el cociente será mayor a 1.Se concluirá que las medias asociadas a los
diferentes tratamientos no son todas iguales, es decir se decidirá rechazar H0.

 Valor P = P (F Entre ;Dentro > F) realizo con la app

K= numero de tratamientos comparados .

N=numero total de individuos.

 Si rechazo Ho de decir con una probabilidad de error de (valor de la app valor p).
 Para que la prueba sea valida debe cumplir con:
 Homocedasticidad  Normalidad  Independencia
 hipótesis del test de Levene
H0: σ1 2 = σ2 2 = σ3 2 (las varianzas del aumento de peso en los tres grupos son iguales)
H1: al menos una de las varianzas es diferente

Se decide no rechazar H0. Trabajando a un nivel de significación efectivo del valo P % es

posible suponer que las varianzas son iguales, es decir, se cumple el supuesto de
homocedasticidad.

Unidad VII:Regresión lineal y Correlación

Utilizo la relación lineal si quiero medir la relación donde intervienen dos variables
cuantitativas.

La ordenada al origen 𝜷0= X representa la media poblacional o valor esperado de la variable

respuesta Y (nivel de glucosa en sangre) cuando la variable de predicción X toma el valor 0.

β1=veo si aumenta o disminuye de y con respecto a el aumento de X.

Las predicciones obtenidas a partir de este modelo probabilístico tendrán asociado un error de
predicción.

la recta de mínimos cuadrados no se debe usar para predecir un valor futuro de la variable de
respuesta Y para un valor de x fuera del recorrido de valores donde la variable X, fue medida.

𝑅 2 = 𝑟 2(obtengo de la calculadora) es una medida de la capacidad de predicción del

modelo.

Se expresa e interpreta en porcentaje.

 Cuanto más alto es R2 mayor es la fuerza de la variable independiente X para predecir la

variable de respuesta Y.

Cuanto más alto es R2 menor es la SCResidual y por consiguiente, más cercanos están los
puntos a la recta de regresión ajustada (los residuos serán menos dispersos).

 Si R2 es cercano a cero, el experimentador buscará otro modelo que puede explicar de

manera más eficiente la variación total en la variable de respuesta Y.

Indica que el 97.56% de la variación total observada en el metabolismo basal en varones sanos
es explicada por (o atribuible a) la relación lineal con la edad.
0 es menor a alfa = 0.01, por lo tanto se decide Rechazar la hipótesis nula H0.La regresión es
altamente significativa.