Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management
<ul><li>Una unidad de medida más poderosa de dispersión que los Rangos Intercuartiles es la Desviación Estándar </li></ul>...
<ul><li>La   de s via c i ó n  e st á ndar,  s ,  e s  la raiz cuadrada de la varianza .  En otras palabras </li></ul><ul>...
<ul><li>Cuando informamos de una variable cuantitativa, siempre hay que hablar de: </li></ul><ul><ul><li>La forma de la di...
<ul><li>Si hay algún punto extremo evidente y están presentando la media y la desviación estándar: </li></ul><ul><ul><li>D...
<ul><li>Chequeen los datos </li></ul><ul><ul><li>la tecnología no piensa por ustedes </li></ul></ul><ul><li>No olviden fil...
<ul><li>Cuidado con los métodos de cálculos de softwares y calculadoras, pueden llegar a respuestas diferentes para los mi...
<ul><li>Es el criterio que se va a utilizar para decidir si la hipótesis nula debe rechazarse o no </li></ul><ul><li>Son e...
<ul><li>Zona crítica </li></ul><ul><li>Es el área de distribución muestral del estadístico </li></ul><ul><li>Se encuentran...
<ul><li>Es el arrea del estadístico de contraste cercano a  H 0 </li></ul><ul><li>Es probable que si ocurran </li></ul><ul...
<ul><li>Se rechaza la  H 0  si, el estadístico toma un valor en la zona crítica </li></ul><ul><li>Se acepta  H 0 , si el e...
<ul><li>El valor del estadístico  de contraste cae en la zona crítica; y se rechaza porque eso significa que el valor del ...
<ul><li>Se debe fijar el valor de aceptacion o rechazo </li></ul><ul><li>   = 5%, 0,05 </li></ul><ul><li>   = 1%, 0,01 <...
<ul><li>Existen dos posibles decisiones respecto de  H 0 </li></ul><ul><ul><li>Rechazar  H 0 </li></ul></ul><ul><ul><li>Eq...
Rechazar  H 0 Cuando de hecho  H 0  es cierto Cuando de hecho  H 0  es falsa
Equivocarse en Rechazar  H 0 Cuando de hecho  H 0  es cierto Cuando de hecho  H 0  es falsa
<ul><li>El rechazar la hipótesis  H 0  cuando en realidad  H 0  es cierta </li></ul><ul><li>Equivocarse en rechazar  H 0  ...
<ul><li>Sólo es posible cometer el error tipo I cuando la decisión es rechazar la hipótesis nula </li></ul><ul><li>El erro...
<ul><li>Si la hipótesis nula es cierta, entonces sólo puede cometerse error tipo I (  ) </li></ul><ul><li>Si la hipótesis...
Email:  [email_address] Blog:  economiaymedios.blogspot.com Twitter:  reds_cl Slideshare:  www.slideshare.net/reds_cl  Lin...
Próxima SlideShare
Cargando en…5
×

11 la dispersion

779 visualizaciones

Publicado el

0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
779
En SlideShare
0
De insertados
0
Número de insertados
3
Acciones
Compartido
0
Descargas
11
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

11 la dispersion

  1. 1. Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management
  2. 2. <ul><li>Una unidad de medida más poderosa de dispersión que los Rangos Intercuartiles es la Desviación Estándar </li></ul><ul><ul><li>considera cuán lejos cada valor de los datos se aleja de su media </li></ul></ul><ul><li>Una desviación es la distancia que existe entre su valor observado respecto de su media </li></ul><ul><li>Si sumamos todas las desviaciones deberia dar como resultado Cero </li></ul><ul><ul><li>al elevar al cuadrado cada desviación , encontramos una media de todas las desviaciones </li></ul></ul>
  3. 3. <ul><li>La de s via c i ó n e st á ndar, s , e s la raiz cuadrada de la varianza . En otras palabras </li></ul><ul><li>La desviación estándar esta medida en las mismas unidades que los datos originales </li></ul>
  4. 4. <ul><li>Cuando informamos de una variable cuantitativa, siempre hay que hablar de: </li></ul><ul><ul><li>La forma de la distribución </li></ul></ul><ul><ul><li>La medida de tendencia central </li></ul></ul><ul><ul><li>La dispersión </li></ul></ul><ul><li>Si la forma de la distribución está sesgada, hay que hablar de la mediana y los rangos intercuartiles </li></ul><ul><li>Si la forma es simétrica, hay que hablar de la media y la desviación estándar y en la medida de lo posible, de la mediana y los rangos intercuantiles </li></ul>
  5. 5. <ul><li>Si hay algún punto extremo evidente y están presentando la media y la desviación estándar: </li></ul><ul><ul><li>Datos con puntos extremos </li></ul></ul><ul><ul><li>Datos sin puntos extremos </li></ul></ul><ul><li>Las diferencias pueden ser reveladoras </li></ul>Nota: la mediana y los rangos intercuartiles no suelen ser afectados por los puntos extremos
  6. 6. <ul><li>Chequeen los datos </li></ul><ul><ul><li>la tecnología no piensa por ustedes </li></ul></ul><ul><li>No olviden filtrar los valores antes de encontrar la mediana y los percentiles </li></ul><ul><li>No mezclar datos numéricos con datos categóricos </li></ul><ul><li>Ojo con medianas múltiples, pueden indicar grupos múltiples en los datos </li></ul>
  7. 7. <ul><li>Cuidado con los métodos de cálculos de softwares y calculadoras, pueden llegar a respuestas diferentes para los mismo datos </li></ul><ul><li>Cuidado con los puntos extremos </li></ul><ul><li>Grafiquen!, grafiquen!, grafiquen! </li></ul><ul><li>Sean cuidadosos cuando comparen grupos que tengan dispersiones muy grandes </li></ul>
  8. 8. <ul><li>Es el criterio que se va a utilizar para decidir si la hipótesis nula debe rechazarse o no </li></ul><ul><li>Son exclusivas y exhaustivas </li></ul><ul><ul><li>Zona de rechazo </li></ul></ul><ul><ul><li>Zona de aceptación </li></ul></ul>
  9. 9. <ul><li>Zona crítica </li></ul><ul><li>Es el área de distribución muestral del estadístico </li></ul><ul><li>Se encuentran alejados de la afirmación H 0 </li></ul><ul><li>Es muy poco probable, si H 0 verdadero </li></ul><ul><li>Su probabilidad es el nivel de significación o nivel de riesgo </li></ul>
  10. 10. <ul><li>Es el arrea del estadístico de contraste cercano a H 0 </li></ul><ul><li>Es probable que si ocurran </li></ul><ul><li>Su probabilidad se llama nivel de confianza </li></ul>
  11. 11. <ul><li>Se rechaza la H 0 si, el estadístico toma un valor en la zona crítica </li></ul><ul><li>Se acepta H 0 , si el estadístico toma un valor perteneciente a la zona de aceptación </li></ul>
  12. 12. <ul><li>El valor del estadístico de contraste cae en la zona crítica; y se rechaza porque eso significa que el valor del estadístico de contraste se aleja demasiado de la predicción establecida en esa hipótesis </li></ul><ul><li>Es decir, porque, si la hipótesis fuera verdadera, el valor del estadístico de contraste no debería haber tomado ese valor </li></ul>
  13. 13. <ul><li>Se debe fijar el valor de aceptacion o rechazo </li></ul><ul><li> = 5%, 0,05 </li></ul><ul><li> = 1%, 0,01 </li></ul><ul><li>Contraste bilateral,  /2 </li></ul><ul><li>Contraste unilateral,  </li></ul>
  14. 14. <ul><li>Existen dos posibles decisiones respecto de H 0 </li></ul><ul><ul><li>Rechazar H 0 </li></ul></ul><ul><ul><li>Equivocarse en rechazar H 0 </li></ul></ul>Esto tiene consecuencias...
  15. 15. Rechazar H 0 Cuando de hecho H 0 es cierto Cuando de hecho H 0 es falsa
  16. 16. Equivocarse en Rechazar H 0 Cuando de hecho H 0 es cierto Cuando de hecho H 0 es falsa
  17. 17. <ul><li>El rechazar la hipótesis H 0 cuando en realidad H 0 es cierta </li></ul><ul><li>Equivocarse en rechazar H 0 cuando en realidad H 0 es falsa </li></ul>error tipo I error tipo II
  18. 18. <ul><li>Sólo es posible cometer el error tipo I cuando la decisión es rechazar la hipótesis nula </li></ul><ul><li>El error tipo II es sólo posible cuando la decisión es de no rechazar la hipótesis nula </li></ul>
  19. 19. <ul><li>Si la hipótesis nula es cierta, entonces sólo puede cometerse error tipo I (  ) </li></ul><ul><li>Si la hipótesis nula es falsa, sólo puede cometerse error tipo II (  ) </li></ul><ul><li>No pueden cometerse ambos errores de manera simultanea </li></ul><ul><li>¿cuál es el error más peligroso? </li></ul>
  20. 20. Email: [email_address] Blog: economiaymedios.blogspot.com Twitter: reds_cl Slideshare: www.slideshare.net/reds_cl LinkedIn: http://cl.linkedin.com/in/carlosrojasa Skype: reds_cl Muchas Gracias Marzo 2011 Profesor: Carlos Rojas A. – MBA Consultor | Media Management

×