INFERENCIA ESTADISTICA

Slides:



Advertisements
Presentaciones similares
INFERENCIA ESTADISTICA Dr. Porfirio Gutiérrez González
Advertisements

PRESENTADO POR: JOHANNA ANDREA RODRIGUEZ MORENO.  Descubierta por William S. en 1908, la distribución de T normalmente se llama distribución de t de.
DISTRIBUCIÓN NORMAL, t STUDENT Jeisson Mosquera. En probabilidad y estadística, la distribución t (de Student) es una distribución de probabilidad que.
PRINCIPIOS DE ESTADÍSTICAS INFERENCIALES PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS.
El estadístico Chi- cuadrado ING. RAÚL ALVAREZ GUALE, MPC.
El estadístico Chi- cuadrado ING. RAÚL ALVAREZ GUALE, MPC.
PRUEBAS DE HIPÓTESIS UNA POBLACIÓN. Pruebas de hipótesis una población Pruebas para una media: Pruebas para una media: Determinar la probabilidad de seleccionar.
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.
Valor que toma la variable aleatoria
Capitulo 3 Análisis descriptivo inferencial: comparaciones de muestras
Muestreo PRUEBAS Y VALIDACION DE HIPOTESIS Carlos Willian Rincón Pérez
DISTRIBUCION F DE FISHER.
PRUEBA DE HIPÓTESIS: MUESTRAS PEQUEÑAS
DISEÑOS EXPERIMENTALES
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
DISEÑO DE COMPARACION Se pretende comparar elRendimiento académico en dos colegios de la ciudad de Arequipa. Presentación de la tabla: RENDIMIENTO ACADEMICO.
Inferencia estadística.
Análisis de varianza Paramétricos vs. No Paramétricos
Bioestadística Inferencia estadística y tamaños de muestra para una y dos o más medias.
INFERENCIA ESTADÍSTICA PARA DOS POBLACIONES
ANALISIS UNILATERAL DE LA VARIANZA POR JERARQUIAS DE KRUSKAL- WALLIS
EXPERIMENTOS FACTORIALES
Análisis de Varianza Permite probar la significancia de las diferencias entre más de dos medias muestrales. Usando el análisis de varianza, se puede hacer.
Diseños experimentales
CHI CUADRADO  2 OBJETIVOS –Describir situaciones donde es adecuado la utilización de la prueba de Chi Cuadrado (  2 ) –Formular Hipótesis para diferentes.
ANALISIS DE LA VARIANZA PROF. GERARDO A. VALDERRAMA M.
ESCUELA PROFESIONAL CIENCIA POLITICA Y GOBIERNO
Christian Alave Rosas UNIVERSIDAD JORGE BASADRE GROHMANN BIOLOGÍA - MICROBIOLOGÍA Diseños experimentales Christian Alave Rosas
DISEÑOS EXPERIMETALES
¿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.
PRUEBA DE HIPÓTESIS DE MEDIAS DE UNA MUESTRA ÚNICA GRANDE
Análisis of varianza (ANOVA) De un factor o unidireccional
DISTRIBUCIÓN MUESTRAL DE UNA MEDIA.
DISEÑO DE EXPERIMENTOS
Tema: Distribución t-Student para una muestra Curso: Seminario de Estadística Aplicada a la Investigación Educacional UNIVERSIDAD NACIONAL DE EDUCACIÓN.
“Formulación de Hipótesis Estadística”
COMPARACION DE MEDIAS Para comparar media utilizando la prueba T hay Ttres opciones diferentes utilizando contrastes de hipotesis sobre : PARA UNA MUESTRA.
PRUEBAS PARAMETRICAS Y NO PARAMETRICAS. Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico., María José Rubio.
Ph.D. Dulio Oseda Gago SESIÓN N° 14 Presentado por: MUESTREO PEQUEÑO.
Curso de Bioestadística Parte 11 Comparación de dos proporciones Dr. en C. Nicolás Padilla Raygoza Departamento de Enfermería y Obstetricia División Ciencias.
ANALISIS DE VARIANZA
DISEÑO Y ANALISIS DE EXPERIMENTOS
EXPERIMENTOS FACTORIALES
DISEÑO Y ANALISIS DE EXPERIMENTOS
PARA LA REGRESIÓN LINEAL SIMPLE
Dr. Carlomagno Araya Alpízar
INTRODUCCION A LOS CONTRASTES BASADOS EN RANGOS
Regresión Lineal Simple
DISEÑO Y ANALISIS DE EXPERIMENTOS
INTRODUCCION A LOS CONTRASTES BASADOS EN RANGOS
Contraste de hipótesis
PROBLEMA TIPO MODELO COMPLETAENTE ALEATORIZADO NO BALANCEADO
Alumna : Karen Cabana Gil
COMPARACION DE DOS MEDIAS (POBLACIONES O PROCESOS)
ESTADISTICOS Y DISTRIBUCIONES MUESTRALES
ANÁLISIS DE VARIANZA(ANOVA) AULA:33 INTEGRANTES: JUAN CHAUCA ALEXIS JARAMILLO JEFFERSON LLANGARI KATHY ULLOA UNIVERSIDAD CENTRAL DEL ECUADOR FACULTAD DE.
PRUEBAS ESTADISTICAS NO PARAMETRICAS. Pruebas tradicionales Necesitan la especificación de una distribución Son métodos robustos para las distribuciones.
PRUEBA DE HIPOTESIS ESTADISTICA
ANALISIS DE REGRESION SIMPLE
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.
U de Mann Whitney.
DISEÑO Y ANALISIS DE EXPERIMENTOS
REGRESION LINEAL SIMPLE
Sesión 7 Pruebas de Bondad de ajuste Universidad Javeriana Inferencia Estadística.
PRUEBA DE HIPOTESIS ESTADISTICA
Transcripción de la presentación:

INFERENCIA ESTADISTICA Dr. Porfirio Gutiérrez González pgutierrezglez@gmail.com

COMPARACION DE DOS MEDIAS (POBLACIONES O PROCESOS)

Se rechaza Ho si |to|>t(/2, nx+ny-2). PRUEBA DE HIPOTESIS PARA DOS MEDIAS: COMPARACION DE DOS PROCESOS O DOS POBLACIONES, SUPONIENDO VARIANZAS IGUALES. HO: xY HA: x ≠Y 𝛼 2 =0.025 𝛼 2 =0.025 Se rechaza Ho si |to|>t(/2, nx+ny-2).

Ejemplo. Se analizaron dos catalizadores para determinar la forma en que afectan el rendimiento promedio de un proceso químico. De manera especifica, el Catalizador 1 es el que se esta empleando en este momento, el cual es aceptable. Debido a que el catalizador 2 es mas económico, este puede adoptarse siempre y cuando no cambie el rendimiento promedio del proceso. Se hace una prueba en la planta; los resultados están en las siguiente tabla:

Datos Ejemplo 3, Suponiendo varianzas iguales NUMERO DE CATALIZADOR OBSERVACION 1 2 91.5 89.19 94.18 90.95 3 92.18 90.46 4 95.39 93.21 5 91.79 97.19 6 89.07 97.04 7 94.72 91.07 8 89.21 92.75

SOLUCION: LOS PARAMETROS DE INTERES SON µ1 Y µ2, LOS CUALES REPRESENTAN EL RENDIMIENTO PROMEDIO DEL PROCESO CON LOS CATALIZADORES 1 Y 2, RESPECTIVAMENTE. Ho: µ1=µ2 Ha: µ1≠µ2 =0.05 EL ESTADISTICO DE PRUEBA ES

t(0.025, 14)=2.14 𝒔 𝑷 =𝟐.𝟕𝟎 CATALIZADOR=1 CATALIZADOR=2 Recuento 8   CATALIZADOR=1 CATALIZADOR=2 Recuento 8 Promedio 92.255 92.7325 Varianza 5.68831 8.90099 Desviación Estándar 2.38502 2.98345 𝒔 𝑷 =𝟐.𝟕𝟎 t(0.025, 14)=2.14 |to|<t(0.025, 14), NO SE RECHAZA LA HIPOTESIS NULA, POR LO TANTO SE PUEDE UTILIZAR CUALQUIERA DE LOS DOS CATALIZADORES

Resultados usando el programa Statgraphics Comparación de Medias para RENDIMIENTO Intervalos de confianza del 95.0% para la media de CATALIZADOR=1: 92.255 +/- 1.99393 [90.2611, 94.2489] Intervalos de confianza del 95.0% para la media de CATALIZADOR=2: 92.7325 +/- 2.49424 [90.2383, 95.2267] Intervalos de confianza del 95.0% intervalo de confianza para la diferencia de medias Prueba t para comparar medias Hipótesis nula: media1 = media2 Hipótesis Alt.: media1 <> media2 suponiendo varianzas iguales: t = -0.353591 valor-P = 0.728914 No se rechaza la hipótesis nula para alfa = 0.05.

Suponiendo varianzas no iguales NUMERO DE CATALIZADOR OBSERVACION 1 2 91.5 89.19 94.18 90.95 3 92.18 90.46 4 95.39 93.21 5 91.79 97.19 6 89.07 97.04 7 94.72 91.07 8 89.21 92.75

SOLUCION: LOS PARAMETROS DE INTERES SON µ1 Y µ2, LOS CUALES REPRESENTAN EL RENDIMIENTO PROMEDIO DE CADA CATALIZADOR. Ho: µ1=µ2 Ha: µ1≠µ2 =0.05 EL ESTADISTICO DE PRUEBA ES

sin suponer varianzas iguales: -0.4775 +/- 2.90962 [-3.38712, 2.43212] Comparación de Medias Intervalos de confianza del 95.0% para la media de CATALIZADOR 1: 92.255 +/- 1.99393 [90.2611, 94.2489] Intervalos de confianza del 95.0% para la media de CATALIZADOR 2: 92.7325 +/- 2.49424 [90.2383, 95.2267] Intervalos de confianza del 95.0% intervalo de confianza para la diferencia de medias sin suponer varianzas iguales: -0.4775 +/- 2.90962 [-3.38712, 2.43212]   Prueba t para comparar medias Hipótesis nula: media1 = media2 Hipótesis Alt.: media1 <> media2 sin suponer varianzas iguales: t = -0.353591 valor-P = 0.729166 No se rechaza la hipótesis nula para alfa = 0.05

PRUEBA DE HIPOTESIS PARA IGUALDAD DE VARIANZAS (EXPERIMENTALMENTE, IGUALDAD DE CIRCUSTANCIAS) 𝛼=0.05 LA CUAL SIGUE UNA DISTRIBUCION F CON n1-1 GRADOS DE LIBERTAD EN EL NUMERADOR Y n2-1 GRADOS DE LIBERTAD EN EL DENOMINADOR. SI FO>F(=0.05, n1-1, n2-1) SE RECHAZA LA HIPOTESIS NULA.

4. EL ESTADISTICO DE PRUEBA ESTA DADO POR SOLUCION: LOS PARAMETROS DE INTERES SON LAS VARIANZAS DEL RENDIMIENTO PARA AMBOS CATALIZADORES. HIPOTESIS 3. Nivel de confianza =0.05 4. EL ESTADISTICO DE PRUEBA ESTA DADO POR

Se demuestra que ambos catalizadores presentan igual varianza, lo que garantiza que experimentalmente se probaron en iguales circunstancias ambos catalizadores, por consiguiente se debe usar la t-student para varianzas iguales.

Se rechaza Ho si |z|>z(/2) o si >valor P. PRUEBA DE HIPOTESIS PARA LA DIFERENCIA ENTRE PROPORCIONES DE DOS POBIACIONES HO: p1p2 HA: p1 ≠p2 𝑧= 𝑝 1 − 𝑝 2 𝑝 (1− 𝑝 ) 1 𝑛 1 + 1 𝑛 2 𝑝 1 = 𝑥 1 𝑛 2 𝑝 2 = 𝑥 2 𝑛 2 𝑝 = 𝑥 1 + 𝑥 2 𝑛 1 + 𝑛 2 Se rechaza Ho si |z|>z(/2) o si >valor P.

Ejemplo. En un estudio de cuidados nutricionales en asilos para ancianos, se encontraron que entre 55 pacientes con hipertensión, 24 tenían una dieta con restricción de sodio. De 149 pacientes sin hipertensión, 36 tenían una dieta sin sodio. Es posible concluir que, en las poblaciones muestreadas, la proporción de pacientes con dieta restringida en sodio es mayor entre pacientes con hipertensión que entre pacientes sin hipertensión? 𝜶=0.05 HO: p1p2 HA: p1 ≠p2 𝒑 𝟏 = 𝟐𝟒 𝟓𝟓 =𝟎.𝟒𝟑𝟔 𝒑 𝟏 = 𝟑𝟔 𝟏𝟒𝟗 =𝟎.𝟐𝟒𝟏 𝒑 = 𝒙 𝟏 + 𝒙 𝟐 𝒏 𝟏 + 𝒏 𝟐 = 𝟔𝟎 𝟐𝟎𝟒 =𝟎.𝟐𝟗𝟒

𝒛= 𝒑 𝟏 − 𝒑 𝟐 𝒑 (𝟏− 𝒑 ) 𝟏 𝒏 𝟏 + 𝟏 𝒏 𝟐 𝜶=0.05 𝒛= 𝟎.𝟒𝟑𝟔−𝟎.𝟐𝟒𝟏 𝟎.𝟐𝟗𝟒(𝟏−𝟎.𝟐𝟗𝟒) 𝟏 𝟓𝟓 + 𝟏 𝟏𝟒𝟗 =𝟐.𝟕𝟏𝟐 Valor de P= Prob(|z|>2.712)=0.0066 Dado que α=0.05>Valor P=0.0066, por lo tanto se rechaza la hipótesis nula, por lo tanto se comprueba que la proporción de pacientes con dieta restringida en sodio es mayor entre pacientes con hipertensión que entre pacientes sin hipertensión.