Definiciones.

En relación a un estudio del tipo descrito anteriormente, se

pueden definir los siguientes conceptos:
 
Experimento. Un estudio en el que el investigador tiene un alto grado de
control sobre las fuentes de variación importantes, se denomina experimento.
Si se tiene poco control sobre los factores, se habla de un estudio
observacional.
 
Factores. Los fenómenos que potencialmente causan variación, y que son
controlados por el
experimentador, se denominan factores. También se denominan tratamientos.
 
Niveles de un factor. Son los valores que toma un factor. En general toman
valores que se miden en escala categórica, aunque a veces suelen ser
medidos en escalas numéricas.
 
Combinación de Tratamientos. Cada una de las combinaciones de niveles
de todos los factores involucrados en el experimento.

1
Corrida Experimental. Cada una de las fases en que se lleva a cabo el
experimento. Cada corrida experimental corresponde a una realización del
experimento, bajo una determinada combinación de tratamientos, y produce
una observación.
 
Réplicas. Todas las corridas experimentales que corresponden a una misma
combinación de
tratamientos. Son repeticiones del experimento, bajo idénticas condiciones de
los factores. Tienen un doble objetivo: Lograr mayor precisión en la estimación
de los efectos de los factores y de sus interacciones, y estimar el error
experimental.
 
Experimento Balanceado. Es un experimento en que todos los niveles de
cada factor aparece el mismo número de veces. Si no se da esta situación, el
experimento es desbalanceado.

2
Diseño. La estructura constituida por los factores y los niveles que se les
asignan, en la experimentación. El diseño es la parte que controla el
experimentador.
 
Respuesta. La variable objetivo, que se pretende optimizar, y que depende
potencialmente de los factores. La respuesta es lo que se mide como resultado
de la experimentación, no es controlada por el experimentador. Es una variable
medida en escala numérica.
 
Efecto Principal. Un efecto principal es la variación en la respuesta, atribuida
al cambio en un factor determinado, a través de sus distintos niveles.
 
Interacción. El efecto producido por la acción de un factor, influido por la
presencia de otro. Es un efecto combinado de dos o más factores. Si no existe
un efecto de interacción, se dice que los efectos de los factores son aditivos.
 
Error Experimental. La parte de la variabilidad que no está explicada por los
factores involucrados en el experimento.

3
 CONCEPTOS BASICOS:

• Población, Muestra y Parámetro

• Distribuciones de probabilidad
• Grados de libertad
• Estimación de parámetros
• Hipótesis estadística
GRADOS DE LIBERTAD
Puede definirse como el número de opciones que se dispone para realizar una
acción.
 
Ejemplo 1:
 
En una autopista de 3 carriles, si se conduce en un carril en un momento dado,
la pregunta es,

¿Cuantas opciones adicionales tiene el automovilista para conducir?

Es obvio que dispone de dos carriles más para conducir, de ahí pues que se
dice, que se dispone de 2 grados de libertad

Entonces

n=3 carriles, las opciones o bien grados de libertad serán,

g.l = n-1 = 3-1 =2

Ejemplo 2:
 
Un tren que conduce por una via, no tiene ninguna otra opción para
conducir,

Por lo tanto no tiene ninguna otra opción, de ahí que presente 0 grados de
libertad.

n=1 g.l = n-1= 1-1 = 0

 
Ejemplo 3:
 
Una mosca que vuela en un espacio determinado, puede volar en un
número infinito de direcciones, por tanto sus grados de libertad que
dispone son también infinitos,
 
n= ∞ g.l = n -∞ ≈ ∞
 Grados de libertad en la determinación de la varianza.

Esta medida nos permite identificar la diferencia promedio que hay entre uno de los
valores respecto a su punto central (Media).
Este promedio es calculado, elevando cada una de las diferencias al cuadrado, y calculando
su promedio; es decir, sumando todos los cuadrados de las diferencias de cada valor
respecto a la media y dividiendo este resultado por el número de grados de libertad que se
disponen

Para una muestra de tamaño n

Para una población de tamaño N
Muestra Población
n N

x i x i
x i 1
 i 1

n N
N

 x  x 
2 N
i 
 i
x   2

s2  i 1
2  i 1
n 1 N

X X
p 
n N
 PRUEBA DE HIPÓTESIS Y ESTIMACIÓN POR INTERVALO E CONFIANZA PARA UN PARAMETRO

Hipótesis Supuesto Estadístco Intervalo de confianza

de prueba
__
H0: m = m0 s2 Z
X  0 _  _  
conocida  
P x  z   x  z   1
 n 1 n 
n  2 2 

__
H0: p = p0 P 0    
Z P p  z   p  z   1
 0 (1   0 )  n 1 n 
 2 2 
n

H0: m = m0 s2
No __ _ s _ s 
P x  t   x t   1
conocida t  X   0 
 2
n 1
2
n 

g.l.= n-1 s
n
 
 
H0: s = s 0
2 2 




2 2 

g.l.= n-1 2 (n  1) s 2 P (n 1) s



  2  (n 1) s


1
  

2  2



 02
 

 1  

 

 2 2 

 PRUEBA DE HIPÓTESIS Y ESTIMACIÓN POR INTERVALO E CONFIANZA
Hipótesis Supuesto Estadístco Intervalo de confianza
de prueba

 12
Ho : 2  Ro s12
F 2
 

2 2
 
s2 s2
 

s 2 Ro
 

g.l=n1 = n1 -1 P 1  1  1 1
 
 
s2F


 2 s 2F 

2 1

2 2 
2 2
g.l=n2 = n2 -1
 
 

P1  P2   0 0  pq p q p q p q 
Z  1 1 2 2
H0= p - p0 =D0 P p  p2  z        p  p2  z  1 1  2 2  1  
_ _
1 1  1 1 1 2 1 1 n 
p q    2 n1 n
2 2 n1 2 
 n1 n 2 

H0= m1 - m2=D0 s1 , s2 __
X1  X 2  0  __ 2 2 __
2 2 
Z P  X 1  X 2  Z  1  2  1   2  X 1  X 2  Z  1  2   1  
 12  22  1 n1 n2 1 n1 n2 
  2 2

conocidas n1 n2

H0= m1 - m2=D0 s1 , s2 no __
X1  X 2  0
t  __ 1 1 __
1 1 
conocidas Sp
1

1 P X1  X 2  t  S p   1  2  X 1  X 2  t     1
g.l=n1 + n2 -2 e iguales  1 n n 1 n n2 
n1 n2 2 1 2 2 1


H0= m1 - m2=D0 s1 , s2 no
__  __ s12 s22 __
s12 s22 
X 1  X 2  0 P  X 1  X 2  t    1   2  X 1  X 2  t     1  
t
conocidas s12 s22  1
2
n1 n2 1
2
n1 n2 
y 
n1 n2
diferentes
T de una muestra MINITAB 17

Prueba de μ = 50.1 vs. < 50.1

Error
estándar Límite
de la superior
N Media Desv.Est. media de 95% T P
15 49.400 1.095 0.283 49.898 -2.47 0.013
En análisis posteriores bastará con aplicar
las siguientes reglas para decidir si se
acepta o rechaza la Ho:

Si Pv > a Se Acepta Ho

O bien

Si a > Pv Se Rechaza Ho
T de una muestra: BRIX

Prueba de μ = 2 vs. < 2

Error
estándar Límite
de la superior
Var N Media Desv.Est. media de 95% T P
BRIX 20 2.0150 0.4283 0.0958 2.1806 0.16 0.561

Se acepta Ho el contenido en Brix no es menor del 2%

Primero se realiza una prueba de varianzas, es decir probar si las
varianzas para ambas poblaciones son iguales o diferentes

Prueba de dos varianzas: A, B ,

Hipótesis nula σ(A) / σ(B) = 1

Hipótesis alterna σ(A) / σ(B) ≠ 1
Nivel de significancia α = 0.05

Estadística
Método GL1 GL2 de prueba Valor p
F 12 12 1.80 0.321

Puesto que Pv > σ se Acepta la Ho.

Por lo tanto las varianzas son iguales

 R e g io n d e a c e p ta c ió n
d e Ho

1 F1α/2, n1 1,n2 1  3.27 F

Fα/2, n1 1,n 2 1   0.305
F1α/2, n1 1,n 2 1

s12 0.125 El valor 1.81 se ecuentra dentro

F 2   1.81 De la región de aceptación.
s2 Ro 0.069 Por lo tanto las varianzas son iguales
Prueba T e IC de dos muestras: A, B Ho :  A   B  0
T de dos muestras para A vs. B H a :  A  B  0

Error
estándar
de la
N Media Desv.Est. media
A 13 4.685 0.353 0.098
B 13 4.462 0.263 0.073

Diferencia = μ (A) - μ (B)

Estimación de la diferencia: 0.223
IC de 95% para la diferencia: (-0.029, 0.475)
Valor T = 1.83 Valor p = 0.080 GL = 24

Puesto que Pv > σ se Acepta la Ho.

Por lo tanto el contenido medio de etanol es igual en ambas cervezas