Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estadística descriptiva
Sesión 1
Prueba de hipótesis
Diseño de una investigación
La estadística
Diseños más eficiente
De existencia concreta
Masa de los frutos de una planta.
Índices académicos de los estudiantes universitarios.
De existencia abstracta
Alturas de las plantas de una variedad de arroz a las 4
semanas.
Rendimiento de una variedad de caña.
Muestra
Ejemplos:
ESTADÍSTICA
Insesgadez
Se dice que ^ es un estimador insesgado de un parámetro , si el promedio de sus posibles
^ o esperanza matemática, es igual al valor del parámetro, es decir, se espera
valores (E())
que, en promedio, él proporcionará el verdadero valor del parámetro.
Eficiencia.
Un estimador ^1 de un parámetro es más eficiente que otro ^
2, si la varianza de sus posibles
valores es menor que la del segundo.
Representatividad de la Muestra
Selección Tamaño
Tipos de Muestreos
INFERENCIA ESTADÍSTICA
Muestra
Población
Varianza conocida:
x z ; xz
1
2
n 1
2
n
Varianza desconocida:
S S
x t (n 1) ; x t (n 1)
1
2
n n
1
2
Tamaño de muestra
2
nZ 2
1
2 E 2
E x
Intervalos de Confianza
1 1
p̂ z 1
; p̂ z 1
2
4n 2
4n
Intervalos de Confianza
n 1S 2
n 1S 2
;
n 1 n 1
2 2
1
2
2
Ejemplo
Información:
Peso
Estatura
Edad
Talla
Genero
50 1.7 45 Masculino
56 1.65 23 Femenino
58 1.45 24 Femenino
60 1.78 34 Masculino
75 1.67 35 Masculino
80 1.65 45 Femenino
85 1.48 34 Femenino
84 1.65 23 Masculino
70 1.34 21 Femenino
72 1.47 32 Femenino
58 1.78 43 Masculino
54 1.38 54 Femenino
60 1.56 34 Masculino
62 1.69 23 Femenino
55 1.58 70 Masculino
52 1.7 67 Femenino
Prueba de Hipótesis
Prueba de Hipótesis
HIPÓTESIS:
“es una formulación que se apoya en un sistema de
conocimientos organizados y sistematizados en el cual se
establece una relación entre dos o más variables para explicar
y predecir, en la medida de lo posible ; los fenómenos que le
interesan en caso de que se compruebe la relación
establecida”
Prueba de Hipótesis
HIPÓTESIS ESTADÍSTICA:
... es un supuesto acerca de la distribución teórica de
probabilidad de una o más variables o uno o más parámetros
que caracterizan a su ley de distribución
Ho : = 650 g/planta
H1 : > 650 g/planta
= 650
665
Prueba de Hipótesis
=650 PC
Prueba de Hipótesis
PROCEDIMIENTO:
• Formulación de la hipótesis: hipótesis de nulidad Ho e hipótesis
alternativa H1
• Elección del estadígrafo y su distribución bajo la hipótesis Ho
• Elección del márgen de error: nivel de significación
• Tamaño de la muestra a emplear
• Elección de la prueba estadística
• Cálculo del estadígrafo a partir de los datos muestrales
• Toma de decisión
Prueba de Hipótesis
Situación Verdadera
Decisión
H0 Cierta H0 Falsa
Acepto H0 No Error Error Tipo II
Rechazo H0 Error Tipo I No Error
1-
o PC
Unilateral derecha
H0: = o (puede ser H0: o) H1: > o
o PC
Si x < PC Si x > PC
Acepto H0 Rechazo H0
PC Z
0 1
2 n
Prueba de Hipótesis
Unilateral izquierda
H0: = o (puede ser H0: o) H1: < o
PC o
Si x < PC Si x>
PC
Rechazo H0 Acepto
H0 0
PC Z
1
2 n
Prueba de Hipótesis
Bilateral
H0: = o H1: o
PC1 o PC2
PC Z PC Z
1 0 1
2 n 2 0 1
2 n
Prueba de Hipótesis
Unilateral derecha
H0: = o (puede ser H0: o) H1: > o
o PC
Si x < PC Si x > PC
Acepto H0 Rechazo H0
PC t (n 1) S
0 1
n
Prueba de Hipótesis
Unilateral derecha
H0: 1 = 2 (puede ser H0: 1 2) H1: 1 > 2
H0: 1 = 2 H1: 1 > 2
PC
Si x1 - x2 < PC Si x1 - x2 > PC
Acepto H0 Rechazo H0
1 1
PC Z
1
n n 1 2
Prueba de Hipótesis
Unilateral izquierda
H0: 1 = 2 (puede ser H0: 1 2) H1: 1 < 2
H1: 1 < 2 H0: 1 = 2
PC
Si x1 - x2 < PC Si x1 - x2 > PC
Rechazo H0 Acepto H0
1 1
PC Z
1
n n 1 2
Prueba de Hipótesis
PC1 PC2
Si x1-x2 < PC1 Si PC1 < x1-x2 < PC2 Si x1-x2 > PC2
Rechazo H0 Acepto H0 Rechazo H0
1 1 1 1
PC Z
1
PC Z
1
n n n n
1 2
1 2 1 2
Prueba de Hipótesis
PC
PC Z 1
1 2
n n
1 2
Prueba de Hipótesis
PC
1 S
2 1 1 2 2
n n
1 2 0
n n 2
0
1 2 1 2
Prueba de Hipótesis
Unilateral derecha
H0: 1 = 2 (puede ser H0: 1 2) H1: 1 > 2
H0: 1 = 2 H1: 1 > 2
PC
n n
Acepto H0 Rechazo H0 2
1
2 2
S12 S 22
S S 2 2
n
n
PC t ()
1
1 2
1 2
n n 1 2
n1 1 n2 1
Prueba de Hipótesis
H 0: 12 = 22 H 1: 12 > 22
S 2
F (n 1; n 1)
1
S 2 1 2
Se rechaza H0
H 0: 12 = 22 H 1: 12 < 22
S 2
F (n 1; n 1)
2
S 2 2 1
Se rechaza H0
Ejercicios de prueba de hipòtesis
Estadística No Paramétrica
Escala de medición
Asociación
Escala de Dos muestras ”k” muestras Dos muestras “k” muestras
entre dos
medición independientes independientes relacionadas relacionadas
variables
Intervalo - ANOVA de
Regresión
razón t no pareada ANOVA t pareada medidas
lineal
repetidas
Rango de Coeficiente
Ordinal Mann-Whitney Kruskal-Wallis Friedman
Wilcoxon contingencia
Coeficiente
Nominal Chi-cuadrado Chi-cuadrado McNemar Q de Cochran
contingencia
Estadística no paramétrica
Pasos:
1. Obtener los rangos de forma conjunta en ambos grupos
2. Calcular las sumas de los rangos para cada
Prueba de Mann - Whitney
Ri = rangos de i
U = n1 n2 + n1 (n1+1) / 2 – R1 y U´ = n1 n2 – U
ó
U = n1 n2 + n2 (n2+1) / 2 – R2 y U´ = n1 n2 – U
Muestras grandes
Potencia:
Este es uno de los test no paramétricos más poderoso. Aun
cuando se cumplen las premisas para la prueba t, este test tiene
una potencia del 95% en relación a su homólogos paramétrico t.
Prueba de Mann - Whitney
Ejemplo:
Los datos se corresponden con las alturas de las plantas en la
etapa R8 de dos variedades de soya, y se quiere saber si sus
alturas son iguales o no.
Alturas Rangos
Var I Var II Var I Var II
76 69 1 7
74 68 2 8
73 66 3 10
72 65 4 11
71 64 5 12
70 6
67 9
n1 = 7 n2 = 5 R1 = 30 R2 = 48
Prueba de Wilcoxon
Pasos:
1. Obtener las diferencias di para cada individuos
2. Calcular las sumas absoluta T de los rangos con el signo menos
frecuente
T ´ = m( n+1 ) – T
m; número de rangos con signo de más baja frecuencia
T = n ( n + 1 ) / 4 ; T = [ n ( n + 1 )( 2n + 1 ) / 24
Prueba de Wilcoxon
Ejemplo:
Se aplicó un estimulante del crecimiento vegetal a 10 cultivares, y
se quiere saber si la biomasa se mantiene constante antes y
después de la aplicación del producto.
Diferencia Rango
Cult. di | di |
Potencia:
Si las di siguen distribución normal, la potencia de esta prueba es
solo el 45% de la potencia de su correspondiente test de t para
muestras pareadas. No obstante es la alternativa cuando las di no se
distribuyen normalmente
Prueba de Kruskal - Wallis
Pasos:
1. Convertir las puntuaciones a rangos (conjuntamente en los “k" grupos)
2. Calcular la suma de los rangos Rj en cada grupo
Estadígrafo
H = 12 / N ( N+1) [ R2i /ni ] – 3 (N + 1)
ni .; número de observaciones en grupo i
N = ni
Ejemplo:
Se desea comparar tres raciones alimenticias respecto al incremento en
peso (kg) de los animales durante el período de ceba. Las observaciones
se presentan en la siguiente tabla:
N = 12
H = 12 / (12)(13) [ (41)2/4 + (23)2/4 +(14)2/4 – 3 ( 13)
Rangos ordenados 14 23 42
q = ( RA –RB ) / ESdif
Prueba de Friedman
Pasos:
1. Obtener los rangos de los tratamientos dentro de cada bloque
2. Calcular la suma de los rangos Rj en cada tratmiento)
Estadístico
2 = 12 / a b ( a+1) [ R2i ] – 3b (a + 1)
Ejemplo:
Bloques Dietas
1 R 2 R 3 R 4 R
ES = a b ( (a + 1) / 12
MUCHAS GRACIAS