Verificación de modelos

Slides:



Advertisements
Presentaciones similares
Diseño de experimentos
Advertisements

Clase 5 Hipótesis de diferencias de grupos
INFERENCIA ESTADISTICA Dr. Porfirio Gutiérrez González
DISTRIBUCIÓN “t” DE STUDENT
RESUMEN DE LA DISTRIBUCION MUESTRAL PARA LA MEDIA MUESTRAL X INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL  TIPO DE PROBLEMA ESPERANZA Y VARIANZA.
DISTRIBUCIÓN NORMAL, t STUDENT Jeisson Mosquera. En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que.
TEMA 3 : DISTRIBUCIONES DE PROBABILIDADES EN LA UNIDAD ANTERIOR ESTUDIAMOS EL CONCEPTO DE PROBABILIDAD, AQUÍ INTEGRAREMOS UN EXPERIMENTO O EXPERIENCIA.
Contraste de Hipotesis Para contrastar nos hace falta medir y para medir necesitamos una regla (una distribucion) que nos diga que es pequeño y que es.
Modelo M/Ek/s Teoría de Colas.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
El estadístico Chi- cuadrado ING. RAÚL ALVAREZ GUALE, MPC.
Bioestadística Distribuciones muestrales para variables cuantitativas.
PRUEBA DE HIPÓTESIS. 1. Una prueba de hipótesis consiste en contrastar dos hipótesis estadísticas. Tal contraste involucra la toma de decisión acerca.
REGRESIÓN Y CORRELACIÓN  REGRESIÓN Es un Proceso estadístico que consiste en predecir una variable a partir de otra utilizando datos anteriores. INGA.
Recordatorio Estadística Paramétrica Se basa en el conocimiento que los datos presentan una distribución estadística conocida y cada distribución tiene.
DISTRIBUCIONES DE Probabilidad
SIMULACION Con todo el poder de las matemáticas, existen muchos problema que desafían los métodos de solución conocidos. Por ejemplo, cuando se quiere.
XVII CONIC 2009 Congreso Nacional de Ingeniería Civil Capítulo de Ingeniería Civil Consejo Departamental De Lambayeque Colegio de Ingenieros del Perú.
Valor que toma la variable aleatoria
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
Tema 3. El estadístico Chi-cuadrado y contrastes asociados RONALD AYLMER FISHER.
ESTADÍSTICAS INFERENCIALES
Muestreo PRUEBAS Y VALIDACION DE HIPOTESIS Carlos Willian Rincón Pérez
PSICOESTADÍSTICAS INFERENCIALES
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
PRUEBAS DE BONDAD DE AJUSTE estas pruebas permiten verificar que la población de la cual proviene una muestra tiene una distribución especificada o supuesta.
puede o no ser verdadero, relativo a una o más poblaciones.
7.1 Procedimientos paramétricos para datos cuantitativos
¿Qué es? ¿Para que se utiliza?
Inferencia estadística.
Test de Hipótesis Es una regla de decisión, que en función de los dato de una muestra permite rechazar o no rechazar la hipótesis nula. Un test de hipótesis.
INFERENCIA ESTADÍSTICA PARA DOS POBLACIONES
¿Cuándo usar esta distribución?
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Matemáticas 2º Bachillerato CS
Modelos de probabilidad Distribuciones continuas
Auxiliar Nº 1 ME57A SIMULACIÓN EN ARENA
¿Son nuestros resultados suficientemente confiables para dar soporte a nuestra hipótesis? ¿Podemos rechazar la hipótesis nula?
puede o no ser verdadero, relativo a una o más poblaciones.
6.4 Grados de libertad Nazira Calleja.
“Formulación de Hipótesis Estadística”
Tamaño de muestra Ecología Marina. Una población se define como un conjunto de individuos de una especie que habita un área determinada. Los métodos disponibles.
Análisis descriptivo A.F.C. Naturaleza de las variables VARIABLES ESCALARES (CUANTITATIVAS) CONTINUAS T°: 36.5°C Utiliza decimales DISCRETAS 1 SUJETO.
Capítulo 10 Test de Hipótesis Capítulo 10 Test de Hipótesis.
PRUEBAS PARAMETRICAS Y NO PARAMETRICAS. Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio.
ESTIMACIÓN (Inferencia Estadística) Intervalos de Confianza
Ensayo de Rendimiento DISTRIBUCIÓN DE ESTADÍSTICOS MUESTRALES.
Dr. Rodrigo Pascual Curso Mantención de Maquinas Análisis de confiabilidad y mantenibilidad ME57A. /me57a/confiabilidad.ppt /me57a/confiabilidad.ppt Rodrigo.
ANALISIS DE VARIANZA
DISEÑO Y ANALISIS DE EXPERIMENTOS
DISEÑO Y ANALISIS DE EXPERIMENTOS
CAUDALES. ESTADÍSTICA HIDROLÓGICA ESTADÍSTICA E N LA HIDROLOGÍA ESTADÍSTICA HIDROLÓGICA Los procesos hidrológicos varían en el espacio y en el tiempo.
INTRODUCCION A LOS CONTRASTES BASADOS EN RANGOS
MODELOS POISSON Existen una gran variedad de modelos para los sistemas de colas, las dos características más importantes serán : Los tiempos de llegada.
GRADO DE CONFIANZA DE LA INFERENCIA Es la probabilidad de que el valor real del parámetro poblacional se encuentre dentro de los límites especificados.
UNIVERSIDAD LATINA DE COSTA RICA DISTRIBUCION DE POISSON
INFERENCIA ESTADISTICA
COMPARACION DE DOS MEDIAS (POBLACIONES O PROCESOS)
Distribución Normal de una Variable
TEORIA de ERRORES. Generalidades:  Una “discrepancia" es la diferencia entre dos valores medidos de la misma cantidad.-  La “precisión” se refiere al.
PRUEBAS ESTADISTICAS NO PARAMETRICAS. Pruebas tradicionales Necesitan la especificación de una distribución Son métodos robustos para las distribuciones.
TRATAMIENTO Y EVALUACION DE RESULTADOS ANALITICOS 1.Conceptos generales sobre la medida. Tipos de errores, concepto, componentes, corrección. Distribución.
1 Afectados de cierto grado de INCERTIDUMBRE SIEMPRE HAY UN ERROR EN SU MEDIDA ESTABLECER LA FIABILIDAD DE LOS DATOS ¿Podemos evaluar la magnitud del error.
DISEÑO Y ANALISIS DE EXPERIMENTOS
Prueba de Hipótesis Concepto Asignar Probabilidades de ocurrencia a un evento basado en la suposición (hipótesis) de un evento o distribución.
Dr. Rodrigo Pascual Curso Mantención de Maquinas Análisis de confiabilidad y mantenibilidad ME57A. /me57a/confiabilidad.ppt /me57a/confiabilidad.ppt Rodrigo.
Sesión 7 Pruebas de Bondad de ajuste Universidad Javeriana Inferencia Estadística.
ANÁLISIS DE ALIMENTOS I. MILITARY STANDART. MUESTREO POR ACEPATACIÓN
Transcripción de la presentación:

Verificación de modelos al imponer una ley se incurre en algún error, queremos que el riesgo sea menor: definimos el nivel de confianza probabilidad de que el modelo sea erróneo.

Test 2 Condición al menos n = 50 observaciones.

Pasos 1. Se agrupan las observaciones. Debe haber al menos 5 observaciones en cada grupo. Los intervalos para definir los grupos no son necesariamente de la misma longitud.

Test 2 El test se basa en diferencias entre nro de observaciones en cada grupo y nro pronosticado por la ley seleccionada.

Test  2

Test  2 E tiene una distribución  2 con  grados de libertad: donde  = r - k - 1 donde k = 1 para la ley exponencial, k = 2 para la ley normal, k = 3 para la ley de Weibull

Test  2 hipótesis “observaciones siguen modelo propuesto” es rechazada si:

Ejemplo Supóngase que para un grupo de equipos similares se han observado los siguientes TBF: n=

Ejemplo Hipótesis Se desea realizar un test ley exponencial. tasa de fallas = 1/1600 fallas/hora. Se desea realizar un test confianza 95%

Ejemplo Modelo propuesto

Ejemplo La probabilidad de que una observación caiga en los grupos definidos en la tabla es

Test de aceptación

Ejemplo n = 54  = 6 - 1 - 1 = 4 tabla 2 entrega en Matlab (4;0.95) = 9.49 en Matlab >> chi2inv(0.95,4) Ver tabla

2

Ejemplo E > 2(4,0.95) Se rechaza hipótesis

Test Kolmogorov-Smirnov (KS) se puede aplicar para cualquier numero de observaciones n. si n es grande mejor agrupar las observaciones y usar el test 2 .

Test KS compara se usan la función de distribución experimental con El modelo propuesto se usan valores absolutos de las diferencias entre punto y punto.

Kolmogorov-Smirnov Sea la distribución muestreada y F(t) la distribución propuesta. La discrepancia para ti es:

Kolmogorov-Smirnov Puede demostrarse que la distribución de Dn = max(Dni ) depende solo de n; y se puede escribir

Ejemplo Evidencia Modelo Test con  = 5%? TBF (días): Gaussiana 23,16,56,71,4,25,51,30 Modelo Gaussiana media 34 desviación standard 22, Test con  = 5%?

Probabilidad según población hipotética P(t < 4) = P ((4 - 34)/22)= 0.086 En Excel =DISTR.NORM.ESTAND((4-34)/22)

Kolmogorov-Smirnov Dn = max(Dni )

Kolmogorov-Smirnov

Kolmogorov-Smirnov Según la tabla se acepta la hipótesis. Dn = 0.127 Dn, para n = 8,  = 0.05 es D8,0.05 = 0.457 se acepta la hipótesis.

¿qué es esto?

f(t)=Función de densidad probabilística para el tiempo de ocurrencia de la falla en función del tiempo t F(t)=Probabilidad de que un sistema falle antes de t unidades de tiempo (no-confiabilidad)

¿qué es esto?

¿qué es esto?

¿? Mi auto es súper confiable, hace tiempo que no me falla (orientado a saber como es la curva de confiabilidad en función del tiempo)

¿? Siempre debo elegir el criterio de mantención que minimize el costo global

¿? Solo la demora del proceso produce el aumento de las colas

¿? En que casos conviene tener más de una cola para multiservidores??

¿? Por que puedo dejar fijo beta y eta cuando estimo gamma?

¿? Qué pasa cuando beta es menor que 1??