Professional Documents
Culture Documents
INTERVALOS DE CONFIANZA
µ x1
µ
x2
µ
µ
x3
µ
x4
x5
TRES ESTIMADORES
IMPORTANTES
X µ
s σ
p̂ p
EL ERROR ESTANDAR
E rro r p ro m e d io a le stim a r e l
p a rá m e tro
σ
X n
p̂ p (1 − p )
n
INTERVALOS DE CONFIANZA(II)
σ conocida
(n grande) PRUEBA Z
Para µ
X es normal PRUEBA T
σ desconocida
WILCOXON
X no es normal RANGOS Y
SIGNOS
INTERVALO DE CONFIANZA
PARA P
(n pequeño) PRUEBA
EXACTA
Para µ
confianza desviación
2
z1−α / 2 * σ x
n =
em
Error (distancia)
EL TAMAÑO DE MUESTRA (para la proporción)
desviación
confianza
( z1−α / 2 ) 2 * Pˆ * (1 − Pˆ )
n=
(e m ) 2
Error (distancia)
EL ERROR MAXIMO
x1
µ
PRUEBAS DE HIPÓTESIS
PRUEBAS DE HIPÓTESIS
H 0 : µ = 12 mg / l
H 1 : µ < 12 mg / l
Si significancia (valor p) < 5%: Rechazo H0
H 0 : µ = 12 mg / l H 0 : µ = 12 mg / l H 0 : µ = 12 mg / l
H1 : µ < 12 mg / l H1 : µ > 12 mg / l H1 : µ <> 12 mg / l
Unilateral (izquierda) Unilateral (derecha) Bilateral
los posibles 12
resultados se llama 10
función de
probabilidad y muestra
Frecuencia
8
la estructura 6
funcional de la 4
variable. 2
Toda estructura 0
70,00 80,00 90,00 100,00 110,00 120,00 130,00
(función de
probabilidad) está
definida por unos
parámetros
ESTRUCTURA UNIFORME
Esta estructura es 1
utilizada en variables f ( x) = ,a ≤ x ≤ b
como concentración de b−a
contaminantes y errores
de medición.
Parámetros: a, b.
a b
ESTRUCTURA NORMAL
Parámetros: µ y σ
µ
Mediana
Moda
−[ ( X − µ ) / σ ] 2
f ( x; µ , σ ) =
1
2π σ
e 2
ESTRUCTURA NORMAL(II)
µ igual, σ
diferente
µ
ESTRUCTURA NORMAL(III)
µ diferente, σ
igual
µ1 µ2
ESTRUCTURA NORMAL(IV)
Probabilidades
normales
TEOREMA DEL LÍMITE
CENTRAL
!Ejemplo!
Lanzamiento de dados
TEOREMA DEL LÍMITE
CENTRAL
_
P( X > 120) = 0.0092 = 0.92%
El riesgo de “equivocarse” con más
de 10 minutos de diferencia es
mínimo… luego se puede correr
ese riesgo.
DISEÑO DE EXPERIMENTOS
DISEÑO DE EXPERIMENTOS
Objetivo:
Realizar calidad por diseño.
Niveles de la calidad
ØExtinción de incendios
ØCalidad por inspección
ØCalidad por control del proceso
ØCalidad por diseño
DISEÑO DE EXPERIMENTOS
Objetivos de un experimento:
Factores:
ØTemperatura: según control del cuarto frío
Ø
ØEmpaque: tres tipos de empaque
Ø
ØVariabilidad de cultivo (terreno, variedad, corte)
Ø
ØLugar de almacenamiento: cuarto frío
Ø
ØTemporada: cinco temporadas
DISEÑO DE EXPERIMENTOS
Distancia
.
total (Yij −Y j )
(Yij −Y ) Yj
(Y j −Y )
Y2
Y1
Medias de
tratamiento
ØPor técnica
Ø
ØPor selección de unidades experimentales
(uniformidad)
Ø
ØPor bloqueo
Ø
ØPor diseño (aleatorización)
Ø
ØPor covariadas
PASOS DEL DISEÑO
6. Formular un modelo estadístico de las relaciones
entre variables (¿hay interacciones?)
7. Diseñar una distribución de experimentos que
garantice: validez, precisión, facilidad y
generalización
8. Diseñar un mecanismo de orden de las pruebas-
aleatorización
8. Ejecutar y analizar prueba piloto- regresar a 1.
9. Ejecutar el experimento
10. Realizar experimentos de confirmación
PASOS DEL DISEÑO
(resumen)
1.Definir objetivo y variable de respuesta
2.
3.Definir fuentes de variación (controlables o no)
4.
5.Definir procedimiento de trabajo (aleatorización,
mediciones, protocolo)
6.
7.Realizar prueba piloto, y ajustar con sus
resultados (muestra, protocolo)
8.
9.Realizar el análisis de acuerdo con el objetivo
Comparación de grupos
COMPARACIÓN DE GRUPOS
Más de 2 niveles (tratamientos) ANOVA
X −Y
(2 niveles , Conozco desviaciones , independientes )
Z para dos muestras
CASOS DE COMPARACIÓN DE
MEDIAS
1.Independencia, normalidad e igualdad de varianzas:
Prueba t independientes
2.
3.Independencia, normalidad y desigualdad de
varianzas. Prueba t independientes
4.
5.Independencia, no normalidad. Prueba U
6.
7.Dependencia, normalidad: Prueba t relacionadas
8.
9.Dependencia, no normalidad: Prueba rangos y
signos
PRUEBAS DE HIPÓTESIS-
NORMALIDAD
H 0 : normalidad
H1 : No normalidad
H 0 : grupos iguales
H1 : grupos diferentes
H 0 : grupos iguales
H1 : grupos diferentes
H 0 : antes = despues
H1 : antes ≠ despues
H 0 : antes = despues
H1 : antes ≠ despues
H 0 : independencia
H1 : dependencia
σ 2 * ( z1−α / 2 + z1− β ) 2
n = 2*
(δ ) 2
ANOVA de un factor
BLOQUEO
Observación Yij
Distancia
.
total (Yij −Y j )
(Yij −Y )
350,00
Yj
(Y j −Y )
Y2
Y1
Medias de
tratamiento
ASOCIACIONES DESCRIPTIVAS:
NOMINAL-ESCALAR (anova)
Suposiciones:
Media de
La Variable
Dependiente
Media de
La Variable
Dependiente
Media de
La Variable
Dependiente
Factor B (empaque)
Fino
Media de
La Variable Grueso
Dependiente
300
200
100
HP
0
0 10 20 30 40 50 60
TAMAÑODEL MOTOR
CORRELACIÓN
n
∑ ( ( X i − X )(Yi − Y ) )
i =1
r( X ,Y ) =
n n
(
∑ iX − X ) ∑ i
(Y −
2
Y ) 2
i =1 i =1
Modelo Cúbico