Documentos de Académico
Documentos de Profesional
Documentos de Cultura
https://www.youtube.com/watch?v=9ZdWcT7eiUs
Inferencia Estadística
Inferencia Estadística
Inferencia Estadística
Inferencia Estadística
Prueba de Hipótesis
Se denomina hipótesis estadística a cualquier afirmación, conjetura o
suposición que se hace acerca de la distribución de una o más poblaciones.
La hipótesis estadística consisten en suponer que los parámetros que
definen a la población, toman determinados valores numéricos.
Es el error que se comete al aceptar una hipótesis nula (H0), cuando en realidad es
falsa. La probabilidad de cometer un error de tipo I se denota por β.
Inferencia Estadística
Ejemplo: Los siguientes valores son los niveles de colesterol (mg/dl) de una muestra de 12 pobladores
que habitan en una localidad de la sierra.
184 150 178 157 194 163 144 114 178 152 118 160
¿Puede concluirse que la media de los niveles de colesterol en la población de la que se extrajo la
muestra es diferente de 165 mg/dl? Utilice un nivel de significación de 0.05. Suponga que los niveles de
colesterol siguen una distribución normal.
Solución:
Dato,
n=12
Sea μ: Media de los niveles de colesterol en la población.
Inferencia Estadística
Prueba de Hipótesis:
Ho: La media de los niveles de colesterol es igual a 165 → Ho: μ=165
Ha: La media de los niveles de colesterol es diferente a 165 → Ha: μ≠ 165
Decisión: El p-valor 0,323 > 0,05 por lo que se acepta la hipótesis nula.
• Distribución Normal:
La distribución normal es una distribución con forma de campana
donde las desviaciones estándar sucesivas con respecto a la media
establecen valores de referencia para estimar el porcentaje de
observaciones de los datos. Estos valores de referencia son la base
de muchas pruebas de hipótesis, como las pruebas Z y t.
Inferencia Estadística
Inferencia Estadística
Prueba de Hipótesis:
Ho: Los datos analizados siguen una distribución normal
Ha: Los datos analizados no siguen una distribución normal
Decisión: El p-valor 0,767 > 0,05 por lo que se acepta la hipótesis nula.
Conclusión: Se concluye que los datos analizados siguen una distribución normal.
Inferencia Estadística
TIPOS DE MODELO
Los modelos de diseños de experimentos según la selección de tratamientos y los efectos de los
factores, pueden ser:
Análisis de Varianza (ANOVA)
DISEÑOS BÁSICOS
Los diseños básicos y de uso común en trabajos de investigación son los siguientes:
1. Diseño Completamente al Azar: En este diseño solamente se estudia el efecto de un factor, el cual
se varía en diferentes tratamientos o niveles, por eso al diseño completamente aleatorio también se le
llama diseño unifactorial o de clasificación de un solo criterio.
2. Diseño de Bloque Completamente al Azar: Es aquel diseño en que las unidades experimentales
sobre las que se toman las medidas se asignan al azar a los diferentes niveles de tratamientos y bloques,
donde los bloques son subgrupos homogéneos con relación a la variable exógena cuyos efectos se desea
eliminar.
3. Diseño Cuadrado Latino: Es una ampliación del diseño bloque completamente al azar. Este diseño
se usa frecuentemente en experimentos agrícolas e industriales. Este diseño permite al investigador
delimitar, con toda seguridad, los efectos relativos de varios tratamientos, cuando se impone a las
unidades experimentales una restricción del tipo doble bloqueo.
Análisis de Varianza (ANOVA)
Ejemplo: Se obtuvieron las concentraciones atmosféricas de SO2 (en ppm) provenientes de 5 muestreadores
localizados a diferentes distancias (aleatoriamente asignadas), de una fuente industrial emisora.
ANOVA multifactorial
Análisis de Varianza (ANOVA)
ANOVA multifactorial
Análisis de Varianza (ANOVA)
ANOVA multifactorial
Análisis de Varianza (ANOVA)
Diseños Factoriales
El objetivo de un diseño factorial es estudiar el efecto de varios
factores sobre una o varias respuestas, cuando se tiene el mismo
interés sobre los factores. Para estudiar la manera en la que
influye cada factor sobre la variable respuesta, es necesario elegir
al menos dos niveles de prueba para cada uno de ellos.
Cualitativos
Factores
Cuantitativos
Niveles
Análisis de Varianza (ANOVA)
Diseños Factoriales
Algunos casos particulares de uso frecuente son: el factorial 22, el
factorial 32 y el factorial 3x2. Los diseños factoriales que
involucran menos de cuatro factores por lo regular se corren
replicados para tener la potencia necesaria en las pruebas
estadísticas sobre los efectos de interés. Si se hacen n réplicas, el
número total de corridas experimentales es n(axb).
Variables de entrada
Variables de salida
Proceso Yi
Xi
Ejemplo: Un fabricante de pintura de látex para interiores (marca A) quisiera demostrar que su pintura es más
robusta para el material donde se aplica, que la de sus 2 competidores más cercanos. La respuesta es el tiempo,
en años, hasta que comienza a picarse. El estudio incluye las 3 marcas de pintura y 3 materiales seleccionados al
azar. Para cada combinación se utilizan 2 piezas. Analice los datos usando el modelo apropiado. ¿Los datos apoyan
la afirmación del fabricante dela marca A?
APRENDIZAJE
1. ¿Qué ventajas nos proporcionan los diseños factoriales aplicados al estudio de la contaminación y
control de la calidad del aire?