LIC. SUJEY HERRERA RAMOS

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

ANOVA DE UN FACTOR.
Intervalos de Confianza para la Varianza de la Población
DR. JORGE ACUÑA A., PROFESOR
Tema.11. Principales modelos de distribución de probabilidad en Psicología: Variables discretas: binomial y Poisson. Variables continuas: normal, chi.
Demostración de Asociación
ESTADISTICA INFERENCIAL
Variable Aleatoria Continua. Principales Distribuciones
KRUSKAL WALLIS Jorge Iván Betancur Marta Isabel Naranjo García
Universidad de Chile Facultad de Ciencias Químicas y Farmacéuticas
DISTRIBUCIONES MUESTRALES, DE LAS MUESTRAS O DE MUESTREO
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
1.2 Variables aleatorias..
Tema 8: Principales distribuciones de probabilidad
Nombre: Israel Espinosa Jiménez Matricula: Carrera: TIC Cuatrimestre: 4 Página 1 de 5.
Diseño de experimentos
COEFICIENTE DE CORRELACIÓN PRODUCTO-MOMENTO DE PEARSON
9 Regresión Lineal Simple
Distribuciones bidimensionales. Tablas de contingencia
PROBABILIDAD Y ESTADISTICA
Clases 3 Pruebas de Hipótesis
CHI-CUADRADO Y DISTRIBUCION NORMAL
Clases 4 Pruebas de Hipótesis
8.3.- APROXIMACIOIN DE LA DISTRIBUCION BINOMIAL A LA NORMAL
HAWKES LEARNING SYSTEMS math courseware specialists Copyright © 2010 by Hawkes Learning Systems/Quant Systems, Inc. All rights reserved. Capítulo 12 Más.
UNIVERSIDAD INCA GARCILASO DE LA VEGA
Elementos Básicos de Probabilidad y Estadística Javier Aparicio División de Estudios Políticos, CIDE Julio 2009
Probabilidad y Estadística Inferencia Estadística Se sabe que si cada variable sigue una densidad normal con  y   entonces sigue una ley de densidad.
Estadística Clase 3 Intervalos de confianza.
AÑO DE PROMOCIÓN DE LA INDÚSTRIA RESPONZABLE Y COMPROMISO CLIMÁTICO
ESTIMACION En varios pasajes de este libro hemos planteado la dificultad que se confronta en las investigaciones, de llegar a conclusiones sobre una población.
Unidad III: Distribuciones Especiales
Valor que toma la variable aleatoria
ANALISIS DE FRECUENCIA EN HIDROLOGIA (2)
Lic. Carla Rojas del Carpio
Curso de Bioestadística. ANOVA
DISTRIBUCION NORMAL Mario Briones L. MV, MSc 2005.
Métodos de calibración: regresión y correlación
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Distribuciones Muestrales: Propoción, Varianza y cociente de varianzas
¿Cuándo usar esta distribución?
Titular: Agustín Salvia
Inferencia Estadística
Límites y Continuidad.
Capítulo 1. Conceptos básicos de la Estadística
DISTRIBUCIONES MUESTRALES
LA ESTADÍSTICA.
Pruebas de hipótesis.
COMPROBACION DE HIPOTESIS SOBRE DOS PROMEDIOS Mario Briones L. MV, MSc 2005.
UNIVERSIDAD AUTÓNOMA SAN FRANCISCO
Estimación y contraste de hipótesis
Análisis de los Datos Cuantitativos
Ingeniería Bioquímica MATERIA: ASEGURAMIENTO DE LA CALIDAD. CATEDRÁTICO: M.C ZINATH JAVIER GERONIMO. TEMA : GRAFICAS R ALUMNOS: Heredia ovando rosaura.
ESTIMACIÓN DE PARÁMETROS
Prueba de Hipótesis Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea.
Diseños clásicos de Investigación utilizados en Psicología
CISO 3155: Capítulo 91 Evaluando los promedios de dos grupos distintos Capítulo 9.
LIC. SUJEY HERRERA RAMOS
Inferencia Estadística Conceptos Previos. Conceptos Previos Población: Es la colección de toda la posible información que caracteriza a un fenómeno aleatorio.
INFERENCIA ESTADÍSTICA
Metodología de la Investigación Cát. I
TAMAÑO DE LA MUESTRA. Para definir el tamaño de la muestra se debe tener en cuenta los recursos disponibles y las necesidades del plan de análisis, el.
DISTRIBUCIÓN “t” DE STUDENT
Intervalos de Confianza M. C. José Juan Rincón Pasaye UMSNH – FIE Mayo de 2003.
PRUEBA DE SIGNIFICANCIA
Medidas de tendencia central
Tarea # 2. La distribución uniforme es la que corresponde a una variable que toma todos sus valores, con igual probabilidad; el espacio muestral debe.
C ONCEPTOS BÁSICOS DE I NFERENCIA II 1. Teorema 1. Si X~N(µ, σ) y Y=aX+b donde a y b son constantes, entonces: Teorema 2. Si X1, X2, …, Xn son variables.
Yulieth ariza Villarreal Estadística II. Historia La distribución de Student fue descrita en 1908 por William Sealy Gosset. Gosset trabajaba en una fábrica.
PRUEBA DE SIGNIFICANCIA
Transcripción de la presentación:

LIC. SUJEY HERRERA RAMOS DISTRIBUCIÓN F DE FISHER- SNEDECOR. LIC. SUJEY HERRERA RAMOS

HISTORIA Matemático George Waddel Snedecor. (20 de octubre de 1881 – 15 de febrero de 1974) fue un matemático y estadístico estadounidense. Trabajó en el análisis de la varianza, análisis de datos, diseño de experimentos y metodología estadística. Da nombre a la Distribución F y a un premio de la Asociación de Estadística Americana.

DEFINICIÓN

REPRESENTACIÓN GRÁFICA La función de densidad de una F se obtiene a partir de la función de densidad conjunta de U y V. Para todo valor de x>0. Es evidente, por su construcción, que solo puede tomar valores positivos, como la chi cuadrado. La forma de la representación gráfica depende de los valores m y n, de tal forma que si m y n tienden a infinitos, dicha distribución se asemeja a la distribución normal.

Definición Sea X una variable aleatoria. Diremos que X tiene una Distribución F de Fisher con n grados en el numerador y m grados en el denominador, si su función de densidad de probabilidad viene dada por :

lo que escribiremos como F à F(n, m) La gráfica de la función de densidad con 25 grados de libertad en el numerador y 10 grados de libertad en el denominador, se da en la siguiente figura.

¿Cómo se deduce una distribución F? Extraiga k pares de muestras aleatorias independientes de tamaño n < 30. Calcule para cada par el cociente de variancias que proporciona un valor de F. Graficar los valores de F de los k pares de muestras.

Distribución F para diferentes grados de libertad:

Ejemplos El jefe de un laboratorio se encuentra con una técnica de medición fuera del control estadístico. Para investigar las causas decide investigar si el factor humano tiene incidencia, y toma una muestra de suero cualquiera la divide en 20 alícuotas. Luego elige 10 de ellas al azar y se las entrega al laboratorista 1 para que haga las determinaciones; las restantes las encomienda al laboratorista 2 para que las mida. Los resultados obtenidos son: s1 =2,4 es la varianza 2 obtenida por el laborista, 1 y s22=0,8 para el otro. Decidir si hay diferencia en dispersión entre ambos

Ejemplos H1: 2 1 H0: 2 1 2 2

Ejemplos Como se trata de un ensayo de dos colas, para un nivel del 95% de confianza, se busca en las tablas para: υ1=υ2=n1-1=9 grados de libertad, mientras que α = 0,025 para el límite inferior y α = 0,975 para el superior. Estos valores son F0,975;(9,9) = 4,03. Luego, para calcular el valor no tabulado α = 0,025 se aprovecha una propiedad que tiene la función F usando la inversa: F0,025;(9,9) =1/F0,975; (9,9) =1/4,03 = 0,248 Como el valor hallado F=3 cae dentro de la zona de aceptación, no hay evidencia significativa como para decir que el factor humano tiene incidencia en la dispersión de las mediciones.