RESUMENES DIGITALES - LA UES

CAPÍTULO III.
Hipótesis estadística: es cualquier afirmación o aseveración que se formula acerca de
cualquier característica poblacional (el valor numérico de un parámetro, la forma
funcional de una población, etc.)
Hipótesis paramétrica: es aquella hipótesis estadística planteada para controlar o
verificar el valor numérico de la variable.
Se consideran solo tres situaciones del valor numérico del parámetro:
 El valor numérico del parámetro 0 es exactamente igual a un determinado valor
postulado 00.
 el valor numérico del parámetro 0 es menor a un determinado valor postulado 00.
 El valor numérico del parámetro 0 es mayor a un determinado valor postulado 00.
Curso de acción: es la acción que se llevaría a cabo si se conociese el verdadero valor
del parámetro 0.
Desigualdad equivalente a la igualdad: es aquella desigualdad entre el parámetro 0
y el valor postulado 00 que provoca el mismo CURSO DE ACCION que se llevaría a cabo
con la igualdad entre el valor del parámetro 0 y el valor postulado 00.
Desigualdad no equivalente a la igualdad: es aquella desigualdad entre el
parámetro 0 y el valor postulado 00, que provoca un CURSO DE ACCION distinto al que
se llevaría a cabo con la igualdad entre el valor del parámetro 0 y el valor postulado 00.
Hipótesis nula: es aquella hipótesis que establece que la diferencia entre el verdadero
valor del parámetro 0 y el valor que se postula 00 es cero. El símbolo de hipótesis nula
es H0.
 Hipótesis nula única: es cuando no hay desigualdad equivalente. El valor del
parámetro 0 es igual al valor postulado 00. La diferencia entre el verdadero valor de
parámetro 0 y el valor postulado, 00, es cero.
 Hipótesis nula múltiple: hay una desigualdad equivalente. Se postulan un conjunto
semi-cerrado de posibles valores del parámetro 0. Si hay una desigualdad equivalente,
ésta debe acompañar a la igualdad porque ambas provocan el mismo curo de acción.
Acá se diferencian dos tipos de HIPOTESIS NULA MULTIPLE:
1. Si la desigualdad equivalente es la desigualdad menor. El valor de parámetro 0 es
igual o menor al valor postulado 00. La diferencia entre el verdadero valor del parámetro
0 y el valor postulado, 00 es menor o igual a cero.
2. Si la desigualdad equivalente es la desigualdad mayor. El valor parámetro 0 es
igual o mayor al valor postulado 00. La diferencia entre el verdadero valor del parámetro
0 y el valor postulado, 00, es mayor o igual a cero.
Hipótesis alternativa: debería cumplirse si la hipótesis nula no es cierta. El símbolo
H1. Esta puede ser de dos tipos:
 Hipótesis alternativa única: hay un solo valor alternativo del parámetro 0, el 01, que
debería ser en el caso de que la hipótesis nula no es cierta. “si la hipótesis nula no es
cierta, entonces, el valor de parámetro 0 debería ser igual a 01”
 Hipótesis alternativa múltiple: hay un conjunto abierto de posibles valores alternativos
del parámetro 0, en caso de que se rechace la hipótesis nula. De acuerdo con el tipo de
hipótesis nula que se platea se distinguen:
1. Si la hipótesis nula es única, o sea, si no hay desigualdad equivalente. Si la
hipótesis nula no es cierta, entonces el valor del parámetro 0 es distinto (mayor o
menor) a 00.
2. Si la hipótesis nula no es cierta, entonces el valor del parámetro 0 es mayor a 0 0
es un planteo “por mayor”.
3. Si la hipótesis nula no es cierta, entonces el valor de parámetro 0 es menor a 00.
Es un planteo “por menor.”
Prueba de la hipótesis nula: método estadístico con el cual a partir de los datos de
una muestra aleatoria, se decide acerca de la veracidad o falsedad de la HIPOTESIS
 RESUMENES DIGITALES - LA UES
NULA formulada, pudiéndose calcular la probabilidad de cometer un error en la decisión
tomada.
Estadígrafo de prueba: se utiliza para pruebas paramétricas a un estadígrafo
apropiado ep, con el que se realiza la PRUEBA DE HIPOTESIS que mida la discrepancia,
d, entre el parámetro a probar y el estimador correspondiente y, además tiene una
distribución de probabilidad conocida. En el estadígrafo de prueba debe estar presente
tanto el parámetro a estimar como su correspondiente estimador.
Región crítica: es el subconjunto del dominio D con el que se rechaza la HIPOTESIS
NULA.
Región de no rechazo: Ra = (D - Rc) es el subconjunto del dominio D con el que no se
rechaza la HIPOTESIS NULA.
Punto crítico: es la frontera de la REGION CRÍTICA. Cuando la prueba es unilateral la
región crítica está formada por un conjunto semi cerrado, hay un solo punto crítico. Si la
prueba es bilateral, la región crítica está formada por dos conjuntos semi cerrados y hay
dos puntos críticos. En ambas situaciones los puntos críticos pertenecen a la región
crítica por lo tanto son puntos de rechazo de la hipótesis nula.
Reglas de decisión: establece las pautas para rechazar la hipótesis nula y se anuncia:
“si el valor estadígrafo de prueba pertenece a la región critica, entonces se rechaza la
hipótesis nula. En caso contrario, si el valor numérico del estadígrafo de prueba no
pertenece a la región critica, entonces no se rechaza la hipótesis nula.
Error de tipo I: al hecho de rechazar la hipótesis nula cuando la hipótesis nula es
cierta. Se simboliza (ETI). Puede suceder que a pesar de que ep pertenezca a la región
critica, la hipótesis nula sea cierta.
Error de tipo II: es el hecho de no rechazar la hipótesis nula cuando la hipótesis nula
es falsa. Se simboliza (ETII). Puede suceder que a pesar de que ep no pertenezca a la
región critica, o sea, pertenezca a la región de no rechazo, la hipótesis nula no sea
cierta.
Nivel de significación: es la probabilidad de cometer el error de tipo I, o sea, la
probabilidad de rechazar la hipótesis nula cuando no es cierta. El nivel de significación
se simboliza (ᾀ=PἐTI) y mide el tamaño de la región crítica.
Potencia de la prueba: es la probabilidad de no cometer el error de tipo II, o sea, la
probabilidad de rechazar la hipótesis nula cuando es falsa. La potencia de prueba se
simboliza ∏.
Acción derivada: es la acción que lleva a cabo según el resultado de la decisión
estadística que se tome, rechazar o no rechazar la hipótesis nula.
ESTADÍGRAFO DE PRUEBA PARA LA PRUEBA DE HIPÓTESIS DE LA MEDIA
POBLACIONAL DE POBLACIONES NORMALES.
Poblaciones infinitas con varianza poblacional conocida: el estadígrafo de prueba
que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones normales infinitas cuando si se conoce la varianza poblacional. La
distribución de probabilidad es la distribución normal, para esas condiciones de
población este es el estadígrafo de transformación del estimador.
Poblaciones finitas con varianza poblacional conocida: el estadígrafo de prueba
que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones normales finitas cuando si y solo si se conoce la varianza poblacional. La
distribución de la probabilidad es la distribución normal, ya que en esas condiciones de
la población, este es el estadígrafo de transformación del estimador.
Poblaciones infinitas con varianza poblacional desconocida: el estadígrafo de
prueba que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones normales infinitas cuando no se conoce la varianza poblacional. Su
distribución de probabilidad es la distribución “t” de student con (n-1) grados de
libertad.
 RESUMENES DIGITALES - LA UES
Poblaciones finitas con varianza poblacional desconocida: el estadígrafo de
prueba que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones normales finitas cuando no se conoce la varianza poblacional. Su
distribución de probabilidad es la distribución “t” de student con (n-1) grados de
libertad.
ESTADÍGRAFO DE PRUEBA PARA LA PRUEBA DE HIPÓTESIS DE LA MEDIA
POBLACIONAL DE POBLACIONES NO NORMALES.
Poblaciones infinitas con varianza poblacional conocida: el estadígrafo de prueba
que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones no normales infinitas cuando si se conoce la varianza poblacional y el
tamaño de la muestra es suficientemente grande (n>30), ya que por el teorema central
del límite, su distribución de probabilidad es, asintóticamente, la distribución normal.
Poblaciones finitas con varianza poblacional conocida: el estadígrafo de prueba
que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones no normales finitas cuando si se conoce la varianza poblacional, ya que por
el teorema central del límite, su distribución de probabilidad es asintóticamente, de la
distribución normal.
Poblaciones infinitas con varianza poblacional desconocida: el estadígrafo a
prueba que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones no normales infinitas, si el tamaño de la muestra es suficientemente grande
(n>30) cuando no se conoce la varianza poblacionales, ya que el teorema central del
límite, su distribución de probabilidad es asintóticamente, la distribución normal.
Poblaciones finitas con varianza poblacional desconocida: el estadígrafo de
prueba que se debe utilizar para probar el valor numérico de la media poblacional de
poblaciones normales finitas cuando no se conoce la varianza poblacional, ya que por el
teorema central del límite su distribución de probabilidad es asintóticamente, la
distribución normal.
ESTADÍGRAFO DE PRUEBA PARA LA PRUEBA DE HIPÓTESIS DE LA
PROPORCIÓN DE ELEMENTOS CON DETERMINADO ATRIBUTO.
Poblaciones infinitas: el estadígrafo de prueba que se debe utilizar para probar el
valor numérico de la proporción poblacional de elementos que tienen un determinado
atributo en universos finitos, en el caso que el tamaño de la muestra sea
suficientemente grande (n>50). Por el teorema central del límite su distribución de
probabilidad es asintóticamente, la distribución normal.
Poblaciones finitas: el estadígrafo a prueba que se debe utilizar para probar el valor
numérico de la proporción poblacional de elementos que tienen un determinado atributo
en universos finitos, en el caso del tamaño de la muestra sea suficientemente grande
(n>50). Por el teorema central del límite, su distribución de probabilidad es
asintóticamente, la distribución normal.
ESTADÍGRAFO DE PRUEBA PARA LA PRUEBA DE HIPÓTESIS DE LA VARIANZA
POBLACIONAL DE POBLACIONES NORMALES.
Poblaciones infinitas (caso único): el estadígrafo de prueba que se debe utilizar para
probar el valor numérico de la varianza poblacional de poblaciones normales infinitas y
su distribución de probabilidad es la DISTRIBUCION ”Ji”-CUADRADO con (n-1) grados de
libertad ya que para esas condiciones de la población, éste estadígrafo de
transformación del estimador.
Estadígrafo de prueba para hipótesis referida a la comparación de parámetros
específicos de DOS POBLACIONES: en algunas ocasiones se puede necesitar
establecer si los promedios correspondientes a dos poblaciones pueden ser considerados
iguales o distintos. Si la diferencia entre los promedios poblacionales es realmente
distinta de cero o significativamente distinta de cero. El parámetro a probar es el
parámetro DIFERENCIA DE MEDIAS POBLACIONALES. (µ1-µ2). También se puede
comprobar las varianzas, tratar de comparar si dos poblaciones son homoscedásticas (si
 RESUMENES DIGITALES - LA UES
tienen o no la misma variabilidad). COCIENTE ENTRE LAS VARIANZAS: σ12/σ22. Se
puede verificar si la proporción de elementos que tienen un determinado atributo es la
misma para dos mismos universos. Si la diferencia entre las proporciones poblacionales
es cero o no y el parámetro a probar es DIFERENCIA DE PROPORCIONES: (π1-π2)
Diferencia de medias poblacionales: Es el parámetro que se utiliza cuando se quiere
medir si la diferencia entre dos promedios poblaciones es realmente distinta de cero, o
significativamente distinta de cero
Diferencia de proporciones: Se utiliza cuando se quiere verificar si la proporción de
elementos que tienen un determinado atributo es la misma para dos universos distintos,
es decir si la diferencia entre las proporciones poblaciones es cero o no.
Estadígrafo de prueba para comparar las varianzas poblacionales de dos
poblaciones normales: el estadígrafo de prueba para establecer la homoscedasticidad
de dos poblaciones normales, comparando las dos varianzas poblacionales normales con
distribución de probabilidad es la DISTRIBUCION F DE SNEDECOR con (n1-1) grados de
libertad en el numerador y (n2-1) grados de libertad en el denominador.
ESTADÍGRAFO DE PRUEBA PARA COMPARAR LAS MEDIAS POBLACIONALES DE
DOS POBLACIONES NORMALES.
Estadígrafo de prueba para comparar las medias poblacionales de dos
poblaciones normales si las varianzas poblacionales son conocidas: el
estadígrafo de prueba para comparar dos medias poblacionales de poblaciones normales
cuando la varianzas poblacionales son conocidas y su distribución de probabilidad es de
distribución norma.
ESTADÍGRAFO DE PRUEBA PARA COMPARAR LAS MEDIAS POBLACIONALES DE
DOS POBLACIONES NORMALES SI LAS VARIANZAS POBLACIONALES SON
DESCONOCIDAS.
Varianzas poblacionales desconocidas pero iguales: el estadígrafo de prueba para
comparar dos medias poblacionales de poblaciones normales cuando las varianzas
poblacionales son desconocidas pero no se puede probar que son iguales y su
distribución de probabilidad es la DISTRIBUUCION “t” STUDENT CON (n1+n2-2) grados
de libertad, ya que para esa condiciones de la población, éste es el estadígrafo de
transformación del estimador. Sa2 se llama varianza amalgamada y es el promedio
ponderado de las varianzas muéstrales ponderadas por los respectivos grados de
libertad.
Homoscedasticidad de dos poblaciones normales: Se comparan dos varianzas
poblacionales para comparar si tienen la misma variabilidad, se dice que son
homoscedasticas cuando son iguales, el parámetro a probar es el cociente entre las
varianzas.
Varianza amalgamada: Se llama varianza amalgamada al promedio ponderado de las
varianzas muéstrales ponderadas por los respectivos grados de libertad

CAPÍTULO IV
Análisis de regresión: método estadístico que permite explicar el comportamiento de
una variable cuantitativa a partir del comportamiento de otra u otras variables que
puedan estar relacionadas, estableciendo la expresión funcional del modelo matemático
que describa dicho comportamiento. Permite predecir el valor de la variable explicada,
utilizando valores de K variables explicativas. El modelo consta de una función real o
modelo matemático y otra de una variable aleatoria que representa la variabilidad no
encontrada por las K variables explicativas.
Variable explicada: variable cuantitativa cuyo comportamiento se desea describir a
partir del comportamiento de otra u otras variables, generalmente sus valores no
pueden ser determinados con facilidad
Variables explicativas: variables que explica el comportamiento se la variable
explicada.
 RESUMENES DIGITALES - LA UES
Análisis de regresión: consiste en construir un modelo que permita predecir el valor
de la variable explicada, utilizando valores de K variables explicativas
Función de regresión: Se llama al modelo matemático que interviene en el modelo
estadístico de regresión.
Residuo aleatorio o variable aleatorio residual: variable aleatoria que forma parte
del modelo estadístico de regresión (u).
Supuestos básicos de la regresión:
 La variable aleatoria residual u, no tiene distribución normal.
 La esperanza matemática de la variable aleatoria residual u es cero.
 La varianza de la variable aleatoria residual u se mantiene constante.
 Las variables aleatorias residuales u1;uj para dos k-erna (x1;x2;…xk) cualesquiera son
independientes. La covarianza entre ellas es cero.
 La variable aleatoria residual es independiente de cada una de las variables
explicativas.
Análisis de regresión simple: análisis que se realiza cuando a cada unidad
experimental de un determinado universo se le miden solo dos variables. Una variable
explicativa y una variable explicada.
Diagrama de putos o de dispersión: es una representación grafica de los pares
ordenados de los valores de laS variables que intervienen en el análisis de regresión
simple.
Modelo de regresión lineal simple, polinómico del primer caso: modelo de
regresión que se forma cuando la función de regresión es una función afín, o sea, una
recta.
Recta de regresión: Es el valor promedio esperado de la variable explicada para cada
valor de la variable explicativa, osea la esperanza matemática condicionada.
Coeficiente de regresión: Es el cociente entre la covarianza entre las dos variables y
la varianza de la variable explicativa.
Desviación total: diferencia entre un valor individual de Y y el promedio.
Desviación explicada por la regresión: Se llama desviación explicada por la
regresión a la diferencia entre el valor de la recta de regresión estimada
correspondiente al valor xo y el promedio de la variable Y
Desviación residual: Se llama desviación residual a la diferencia entre un valor
individual de Y y el valor de la recta de regresión estimada correspondiente al valor xo
Suma de cuadrados total: La suma de cuadrados total es igual a la suma de la suma
de cuadrados explicada y la suma de cuadrados residual.
Suma de cuadrados residual: Se llama a la suma del cuadrado de las desviaciones
entre la variable explicada y los correspondientes valores de la recta de regresión
muestral.
Coeficiente de determinación: Se llama coeficiente de determinación R2, al cociente
entre la suma de cuadrado explicada, y la suma de cuadrado total.
Análisis de correlación: el análisis de correlación es un método estadístico que
permite medir el grado de asociación entre las variables,
Análisis de correlación lineal simple: E l análisis de correlación lineal simple se lleva
a cabo cuando la función de regresión que explica el comportamiento conjunto de las
variables es la funciona afin, o sea un recta.
Si P (rho) P= -1 si p es igual a -1 significa que existe una perfecta relación lineal inversa
entre las variables. Todos los puntos poblacionales pertenecen a una recta de pendiente
negativa.
Si P (rho) P = 1 Si p es igual a 1 significa que existe una perfecta relación lineal directa
entre las variables. Todos los puntos poblacionales pertenecen a una recta de pendiente
positiva
Si P (rho) P = 0 Si p es igual a 0, significa que no hay relacion lineal entre las variables,
ya sea porque no estan asociadas, o porque la relacion entre las variables no es lineal.