TrabajoColaborativo2 Grupo45

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas, Tecnologa e Ingeniera Inferencia Estadstica
Trabajo Colaborativo No 2
Presentado por: Yenifer Santos Brand Cdigo: 46.385.945 Gloria Esperanza Plazas Cdigo: 46.385.386 Johanna Merchan Rodrguez Cdigo: 46.378.189 Leydi Mireya Corregidor Medina Cdigo: 46.381.821
Presentado A: Jeammy Julieth Sierra Grupo: 100403_45
CEAD, Duitama Boyac 11- Noviembre-2012
TABLA DE CONTENIDO
INTRODUCCIN...................................................................................3 OBJETIVOS.......................................................................................... 3
1.1 Objetivo General.................................................................................................. 4 1.2 Objetivos Especficos............................................................................................ 4 Realizar un mapa conceptual de pruebas de hiptesis ................................................5 Qu significa el error tipo I y el error tipo II. Explique su interpretacin con un ejemplo. ................................................................................................................................. 6 Mediante un diagrama muestre los pasos para realizar el contraste de una hiptesis.. .7 Explique la relacin que existe entre el p-valor y el estadstico de prueba y la relacin que existe entre el nivel de significancia alfa con el estadstico terico........................9 Explique la diferencia entre pruebas paramtricas y no paramtricas.........................14 De acuerdo a los siguientes casos determinar que prueba no paramtrica sirve para llevar a cabo la investigacin....................................................................................15
CONCLUSIONES.................................................................................16
INTRODUCCIN Dentro del estudio de la inferencia estadstica, se describe como se puede tomar una muestra aleatoria y a partir de esta muestra estimar el valor de un parmetro poblacional en la cual se puede emplear el mtodo de muestreo y el teorema del valor central lo que permite explicar cmo a partir de una muestra se puede inferir algo acerca de una poblacin, lo cual nos lleva a definir y elaborar una distribucin de muestreo de medias mustrales que nos permite explicar el teorema del lmite central y utilizar este teorema para encontrar las probabilidades de obtener las distintas medias maestrales de una poblacin. Pero es necesario tener conocimiento de ciertos datos de la poblacin como la media, la desviacin estndar o la forma de la poblacin, pero a veces no se dispone de esta informacin. En este caso es necesario hacer una estimacin puntual que es un valor que se usa para estimar un valor poblacional. Pero una estimacin puntual es un solo valor y se requiere un intervalo de valores a esto se denomina intervalo de confianza y se espera que dentro de este intervalo se encuentre el parmetro poblacional buscado. Tambin se utiliza una estimacin mediante un intervalo, el cual es un rango de valores en el que se espera se encuentre el parmetro poblacional Los mtodos de la inferencia estadstica sealan los procedimientos que se han de seguir para poder extraer conclusiones vlidas y fiables, a partir de la evidencia que suministra las muestras. Dos son los problemas que trata de resolver la inferencia estadstica en torno a las pruebas estadsticas: 1. Determinar si es probable que un valor obtenido a partir de una muestra pertenece realmente a una poblacin. 2. Determinar, en trminos de probabilidad, si las diferencias observadas entre dos muestras significan que las poblaciones de las que se han obtenido las muestras son realmente diferentes. A partir de ambas determinaciones se desarrollan los fundamentos de las pruebas de decisin estadsticas o pruebas de hiptesis. Existen dos tipos de tcnicas de inferencia estadstica: las paramtricas y las no paramtricas. Las primeras establecen un buen nmero de restricciones sobre la naturaleza de la poblacin de la que se obtiene los datos, siendo los parmetros los valores numricos de la poblacin. Las segundas, llamadas tambin de libre distribucin, no exigen tantas restricciones sobre la naturaleza de la poblacin, ya que atienden ms a la ordenacin de los datos que a su valor numrico.
OBJETIVOS
1.1 Objetivo General Comprender los fundamentos y la lgica subyacente de la metodologa de prueba de hiptesis estadstica, aplicando los procedimientos de prueba de hiptesis para diferentes parmetros poblacionales, identificando errores.
1.2 Objetivos Especficos Examinar que se entiende por hiptesis y prueba de hiptesis. Identificar los tipos de error I y II. Conocer y aplicar correctamente los pasos para la aplicacin de muestreos. Analizar las diferentes pruebas paramtricas y no paramtricas. Aplicar los mtodos correctos a cas situacin que se presente.
Realizar un mapa conceptual de pruebas de hiptesis
Qu significa el error tipo I y el error tipo II. Explique su interpretacin con un ejemplo. Error de tipo I Tambin llamado error de tipo alfa, que es la probabilidad de que ocurra este error, es el error que se comete cuando el investigador rechaza la hiptesis nula (Ho) siendo sta verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusin de que existe una diferencia entre las hiptesis cuando en realidad no existe. Error de tipo II Tambin llamado error de tipo beta (aunque beta es la probabilidad de que exista ste error), se comete cuando el investigador no rechaza la hiptesis nula siendo sta falsa en la poblacin. E s e q u i v a l e n t e a l a p r o b a b i l i d a d d e u n r e s u l t a d o f a l s o n e g a t i v o , y a q u e e l i n v e s t i g a d o r l l e g a a l a conclusin de que ha sido incapaz de encontrar una diferencia que existe en la realidad. Ejemplo: Se tienen dos cajas, caja A y caja B. La caja A tiene 40 fichas con el nmero 1; 50 fichas con el nmero 10y 10 fichas con el nmero 100. La caja B tiene 40 fichas con el nmero 100; 50 fichas con el nmero10 y 10 fichas con el nmero 1. Se elige una caja al azar, y de ella se saca una ficha. Usted no sabe si es la caja A o la caja B. Se tiene las hiptesis: Ho: la caja es la A H1: la caja es la B Se establece la regla de decisin: rechazar la hiptesis nula si la ficha es de 100. FICHAS # DE FICHAS EN LA CAJA A 40 50 10 # DE FICHAS EN LA CAJA B 10 50 40 1 10 100 Cul es la probabilidad de cometer el error tipo I? La probabilidad de cometer el error tipo I es el nivel de significacin : = P (rechazar Ho/Ho es verdadera) = P (sacar una ficha de 100 de la caja A) =10/100 = 0,10 Cual es la probabilidad de cometer el error tipo II? La probabilidad de cometer el error tipo II es : = P (aceptar Ho/H1 es verdadera) = P (sacar una ficha de 1 o de 10 de la caja B) =60/100} = 0,60
Mediante un diagrama muestre los pasos para realizar el contraste de una hiptesis.
La prueba de hiptesis es planear una hiptesis y saber si la hiptesis nula es verdadera o no, como tambin si se acepta mejor la hiptesis alternativa. En otras palabras es verificar el
proceso y ver si est la bien. Tambin que la prueba de hiptesis que vimos hoy es que se tomaba 2 observaciones para ver si son las mismas La prueba de hiptesis es un procedimiento de toma de decisiones, relacionada principalmente con la e l e c c i n d e u n a a c c i n e n t r e d o s c o n j u n t o s p o s i b l e s d e v a l o r e s d e l p a r m e t r o , e s d e c i r , e n d o s hiptesis estadsticas, a las cuales llamaremos: Hiptesis nula H0 Corresponde a la ausencia de una modificacin en la variable investigada, y por lo tanto se especifica de una forma exacta: H0 :=0 Hiptesis alternativa H1 Se especifica de manera ms general H1: 0 H1:>0 H1:<0 Las caractersticas que hacen de un estimador un buen mtodo a) Imparcialidad. Se refiere al hecho de que una media de muestra es un estimador no sesgado de una media de poblacin, porque la media de distribucin de muestreo de las medias de muestras tomadas de la misma poblacin es igual a la media de la poblacin misma. Podemos decir que una estadstica es un estimador imparcial (o no sesgado) si, en promedio, tiende a tomar valores que estn por encima del parmetro de la poblacin y la misma extensin con la que tiende a asumir valores por debajo del parmetro de poblacin que se est estimando. b) Eficiencia. Se refiere al tamao del error estndar de la estadstica. Si comparamos dos estadsticas de una muestra del mismo tamao y tratamos de decidir cul de ellas es un estimador ms eficiente, escogeramos la estadstica que tuviera el menor error estndar o la menor desviacin estndar de la distribucin de muestreo. Tiene sentido pensar que un estimador con un error estndar menor (con menos desviacin) tendr una mayor oportunidad de producir una estimacin ms cercana al parmetro de poblacin que se est considerando.
c) Coherencia.
Una estadstica es un estimador coherente de un parmetro de poblacin si al aumentar el tamao de la muestra, se tiene casi la certeza de que el valor de la estadstica se aproxima bastante al valor del parmetro de la poblacin. Si un estimador es coherente, se vuelve ms confiable si tenemos tamaos de muestras ms grandes. d) Suficiencia. Un estimador es suficiente si utiliza una cantidad de la informacin contenida en la muestra que ningn otro estimados podra extraer informacin adicional de la muestra sobre el parmetro de la poblacin.
Explique la relacin que existe entre el p-valor y el estadstico de prueba y la relacin que existe entre el nivel de significancia alfa con el estadstico terico.
Es la probabilidad de obtener, cuando Ho es verdadera, un valor de la estadstica de prueba tan extremo o ms (en la direccin adecuada para Ha) que el valor calculado en realidad. En otras palabras P es la probabilidad de que la Hiptesis nula sea cierta. Si p es menor de 0,05 (0,01), Se admite que la probabilidad de que las diferencias encontradas se deban al azar son demasiado pequeas, por lo que rechazaremos la hiptesis nula y aceptaremos la alternativa. Si p es mayor o igual a 0,05, la probabilidad de que las diferencias encontradas se deban al azar son demasiado grandes para aceptar la hiptesis alternativa y, por tanto, se acepta la hiptesis nula: las diferencias encontradas estn dentro de las que consideramos debidas al azar
1) el laboratorio de investigacin de una compaa ha desarrollado una nueva forma para producir pintura para muros que permitir que un galn pueda cubrir 250 pies cuadrados. De acuerdo a esto, se prueban la hiptesis Ho: u=250 pies cuadrados, contra la hiptesis alternativa H1: u<250 pies cuadrados. El experimento comprende 20 latas de la nueva frmula y esta muestra tiene una cobertura de 237 pies cuadrados con una desviacin estndar de 25 pies cuadrados. Mediante los pasos del punto anterior pruebe la hiptesis nula a un nivel de significancia del 5%.
n= 20 latas
Paso 1. Planteamiento de la hiptesis Como hiptesis nula que un galn cubre 250 pies cuadrados y como hiptesis alternativa que cubre menos de 250 pies cuadrados.
Paso 2. Nivel de significancia Se dispone a probar la hiptesis con un nivel de significancia de 0,05, utilizando la distribucin t por que es una muestra pequea de 20 latas. Con 19 grados de libertad conforme con el principio de GL= n-1. Paso 3. Estadstico de prueba o calculado. Utilizando los datos de la prueba se utiliza la siguiente formula:
Paso 4. Estadstico tabulado o regla de decisin. Los valores crticos los encontramos en la tabla de distribucin t con 19 grados de libertad, prueba de una cola a un nivel de significancia de 0,05 corresponde a un valor critico de 2,093. Paso 5. Tomar la decisin. Como -2,32 se encuentra por fuera de la regin de aceptacin de la hiptesis nula a un nivel de significancia del 5 % se concluye que el galn de pintura cubre menos de 250 pies cuadrados.
2) Al realizar el control de calidad del contenido de las bolsas de arroz producidas de 500 gramos, con una muestra de tamao 50, Ho: u=500 gramos y H1:u500 gramos y se obtuvo un estadstico de prueba de 2.2, indicar la decisin para los siguientes niveles de significancia: 1%, 5% y 10% respectivamente. Representar grficamente mediante con la distribucin normal estndar. n= 50 z calculado= 2,2
Para el nivel de significancia de 0,01 tiene un valor de Z en la tabla de distribucin normal de 2,58 entonces se concluye en aceptar la hiptesis nula puesto que el valor estadstico de la prueba es de 2,2 y 2,58 se encuentra dentro del rea de aceptacin.
Para el nivel de significancia de 0,05 tiene un valor de Z en la tabla de distribucin normal de 1,96 entonces se concluye en rechazar la hiptesis nula puesto que el valor estadstico de la prueba es de 2,2 y 1,96 se encuentra fuera del rea de aceptacin.
Para el nivel de significancia de 0,05 tiene un valor de Z en la tabla de distribucin normal de 1,64 entonces se concluye en rechazar la hiptesis nula puesto que el valor estadstico de la prueba es de 2,2 y 1,64 se encuentra fuera del rea de aceptacin.
Explique la diferencia entre pruebas paramtricas y no paramtricas.
PRUEBAS PARAMETRICAS Para el uso de las pruebas paramtricas, las variables tiene que ser cuantitativas y estar medidas en escala de intervalo o razn , los datos siguen una distribucin normal, las varianzas son iguales, muestras grandes :; (n>30) Las pruebas paramtricas asumen los parmetros de distribucin de la variable (media y varianza ) y un tipo de distribucin normal las pruebas paramtricas tiene ms poder de contraste y pueden analizar interacciones entre variables independientes Las pruebas no paramtricas no necesitan suposiciones respecto a la composicin de los datos poblacionales. Por lo general, las pruebas paramtricas son ms poderosas que las pruebas no paramtricas y deben usarse siempre que sea posible
PRUEBAS NO PARAMETRICAS Se deben usar con : Datos de distribucin libre (no necesariamente normal). Si un grupo tiene distribucin normal mientras el otro no No asumen acerca de los parmetros de distribucin ni se preocupa por el tipo de distribucin si no que trabajan con simple ordenacin y recuento (asignando rankings a los valores de las variables) sin importar la distribucin Chi cuadrado de Pearson (independencia, bondad de ajuste, homogeneidad ) Prueba exacta de Fischer U de mannWhitney W de wilcoxon T de Wilcoxon Mac NemarKrusKall Wallis FriedmanQ de cochran Las pruebas no paramtricas son de uso comn Las pruebas no paramtricas son pruebas estadsticas que no hacen suposiciones sobre la constitucin de los datos de la poblacin.
A veces se usan sin cumplir los supuestos Si se trata de datos cuantitativos ordinales pero deben usarse con cautela en o nominales con varianza grande, un muestras ms pequeas en estos casos grupo con varianza 0 y el otro no al
prefiera usar pruebas no paramtricas
trabajar con muestras pequeas. Es importante observar, que aunque las pruebas no paramtricas no hacen suposiciones sobre la distribucin de la poblacin que se muestrea, muchas veces se apoyan en distribuciones muestral es como la normal o la chi cuadrada.
De acuerdo a los siguientes casos determinar que prueba no paramtrica sirve para llevar a cabo la investigacin. CASO Se requiere saber si las observaciones de las tallas de 100 nios de 5 aos provienen de una poblacin normal. Dada una muestra aleatoria de 40 bateras de la que se ha registrado su duracin en aos, al tratar de determinar si esta duracin proviene de una distribucin normal. Se desea determinar s el nmero de defectos en las tarjetas de circuito impreso sigue una distribucin Poisson. Cierta mquina lleva a cabo la elaboracin de un tipo de lmina metlica, existen 4 canales de distribucin del Producto. Se est interesado en averiguar si la eleccin de cualquiera de estos canales se hace de forma aleatoria o por el contrario existe algn tipo de preferencia en la seleccin de alguno de ellos por los consumidores. Contrastar la hiptesis de que los canales son seleccionados al azar Se est interesado en saber s una muestra de cajas de tornillos, provienen de una muestra Aleatoria Se est interesado en comprobar la perfeccin de un dado cbico. PRUEBA QUE SE DEBE APLICAR La Prueba de Kolmogorov-Smirnov.
Las Pruebas para muestreos grandes
Chi-Cuadrado
La prueba de Pearson
Pruebas a Posteriori Normal
Al determinar si el nmero de trabajadores que solicitan permiso en una fbrica est distribuido uniformemente durante la semana Determinar la asociacin a una distribucin terica la vida en aos de una clase de bacteria.
Normal
Chi-Cuadrado
CONCLUSIONES En nuestra actualidad, nos hemos podida dar cuenta que a diario nos hacemos preguntas sin tener resultados positivos, es por esto que gracias a esta materia de Inferencia Estadstica, nos permite conocer las diferentes formas de analizar y tener resultados positivos ante cualquier pregunta, ya que por su metodologa nos permite conocer y aplicar las diferentes hiptesis, ante cualquier problema permitindonos conocer resultados ptimos para la aplicacin de cualquier respuesta. Gracias a este trabajo colaborativo que se realizo el grupo 100403_120, de la UNAD, logramos tener conocimientos claros sobre el anlisis de hiptesis de cualquier problema aplicando sus respectivos pasos, mediante procedimientos correctos con soluciones optimas para el desarrollo del mismo, identificando las diferentes formas de solucin.
BIBLIOGRAFIA JORGE ELIECER RONDON DURAN, MDULO DEL CURSO ACADMICO 100403 INFERENCIA ESTADISTICA, UNAD, Bogot, Mayo 2008 enciclopedia_universal.esacademic.com rbaez.ublog.cl/archivos/13801/ayudantia_7_inferencia.docx

TrabajoColaborativo2 Grupo45

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

TrabajoColaborativo2 Grupo45

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD Escuela de Ciencias Bsicas, Tecnologa e Ingeniera Inferencia Estadstica

Presentado A: Jeammy Julieth Sierra Grupo: 100403_45

CEAD, Duitama Boyac 11- Noviembre-2012

Realizar un mapa conceptual de pruebas de hiptesis

Explique la diferencia entre pruebas paramtricas y no paramtricas.

prefiera usar pruebas no paramtricas

Las Pruebas para muestreos grandes

Pruebas a Posteriori Normal

You might also like