Este documento presenta información sobre la distribución Chi cuadrado y su uso en pruebas de bondad de ajuste, homogeneidad e independencia. Define la distribución Chi cuadrado, explica cómo calcular la estadística Chi cuadrado observada y cómo compararla con valores críticos de la tabla para determinar si se rechaza o no la hipótesis nula. Además, incluye ejemplos para ilustrar cómo aplicar la prueba de Chi cuadrado en diferentes contextos.
Este documento presenta 8 ejercicios de cálculo de tipos de cambio, tasas de interés y paridad del poder adquisitivo. En el primer ejercicio se calculan diferentes tipos de cambio cruzados. Los ejercicios 2 y 3 implican calcular tasas de interés implícitas y tipos de cambio a plazo. Los ejercicios 4 a 7 implican usar la teoría de paridad de tipos de interés y la paridad del poder adquisitivo. El último ejercicio implica calcular las ganancias y pérdidas potenciales
Este documento presenta diferentes problemas sobre pruebas de hipótesis, incluyendo definiciones de pruebas unilaterales y bilaterales, cómo calcular los valores estadísticos z y t, y cómo establecer regiones de rechazo. Luego, proporciona ejemplos numéricos y sus soluciones sobre temas como comparar medias poblacionales, proporciones y el tiempo que pasan juntos diferentes tipos de parejas.
Este documento presenta una introducción a los ratios financieros, incluyendo ratios de liquidez, solvencia, gestión y bursátiles. Explica que los ratios financieros ayudan a analizar grandes cantidades de datos financieros comparando el desempeño de las empresas a través del tiempo. Sin embargo, los ratios deben interpretarse con cautela y en el contexto apropiado de cada industria.
Este documento describe el análisis de varianza (ANOVA) y su uso para probar la hipótesis de que diferentes concentraciones de madera dura no afectan la resistencia a la tensión del papel. Explica los conceptos clave del ANOVA como las hipótesis nula y alternativa, los grados de libertad, y los cálculos para construir la tabla ANOVA y determinar el estadístico F. Luego presenta un ejemplo completo donde se rechaza la hipótesis nula debido a que el valor F calculado es mayor que el crítico, indicando
Aquí se brinda un tratamiento más detallado a los modelos de heterocedasticidad. Test Breusch-Pagan. Test de White. Mínimos cuadrados ponderados (MCP). Mínimos cuadrados generalizados (MCG). Mínimos cuadrados generalizados factibles (MCGF). Estimación consistente de White.
El documento presenta una introducción a las herramientas de análisis financiero que utiliza un administrador financiero, incluyendo el análisis de razones financieras de liquidez, solvencia y rentabilidad. Explica varias razones financieras comunes como el capital neto de trabajo, índice de solvencia, prueba del ácido, rotación de inventarios y cuentas por cobrar/pagar. También describe el sistema DuPont para medir la rentabilidad a través del margen de utilidad, rotación de activos y apalancamiento financ
La administración de riesgos financieros se dedica al manejo y cobertura de riesgos financieros para empresas a través del uso de instrumentos derivados. Los administradores de riesgos identifican los diferentes tipos de riesgo, como riesgo de mercado, crédito, liquidez y operacional, y determinan el nivel de tolerancia al riesgo de una entidad. El objetivo es garantizar rendimientos a los accionistas mediante la medición, control y monitoreo de riesgos así como la identificación de alternativas para mejorar los rendim
Este documento presenta 8 ejercicios de cálculo de tipos de cambio, tasas de interés y paridad del poder adquisitivo. En el primer ejercicio se calculan diferentes tipos de cambio cruzados. Los ejercicios 2 y 3 implican calcular tasas de interés implícitas y tipos de cambio a plazo. Los ejercicios 4 a 7 implican usar la teoría de paridad de tipos de interés y la paridad del poder adquisitivo. El último ejercicio implica calcular las ganancias y pérdidas potenciales
Este documento presenta diferentes problemas sobre pruebas de hipótesis, incluyendo definiciones de pruebas unilaterales y bilaterales, cómo calcular los valores estadísticos z y t, y cómo establecer regiones de rechazo. Luego, proporciona ejemplos numéricos y sus soluciones sobre temas como comparar medias poblacionales, proporciones y el tiempo que pasan juntos diferentes tipos de parejas.
Este documento presenta una introducción a los ratios financieros, incluyendo ratios de liquidez, solvencia, gestión y bursátiles. Explica que los ratios financieros ayudan a analizar grandes cantidades de datos financieros comparando el desempeño de las empresas a través del tiempo. Sin embargo, los ratios deben interpretarse con cautela y en el contexto apropiado de cada industria.
Este documento describe el análisis de varianza (ANOVA) y su uso para probar la hipótesis de que diferentes concentraciones de madera dura no afectan la resistencia a la tensión del papel. Explica los conceptos clave del ANOVA como las hipótesis nula y alternativa, los grados de libertad, y los cálculos para construir la tabla ANOVA y determinar el estadístico F. Luego presenta un ejemplo completo donde se rechaza la hipótesis nula debido a que el valor F calculado es mayor que el crítico, indicando
Aquí se brinda un tratamiento más detallado a los modelos de heterocedasticidad. Test Breusch-Pagan. Test de White. Mínimos cuadrados ponderados (MCP). Mínimos cuadrados generalizados (MCG). Mínimos cuadrados generalizados factibles (MCGF). Estimación consistente de White.
El documento presenta una introducción a las herramientas de análisis financiero que utiliza un administrador financiero, incluyendo el análisis de razones financieras de liquidez, solvencia y rentabilidad. Explica varias razones financieras comunes como el capital neto de trabajo, índice de solvencia, prueba del ácido, rotación de inventarios y cuentas por cobrar/pagar. También describe el sistema DuPont para medir la rentabilidad a través del margen de utilidad, rotación de activos y apalancamiento financ
La administración de riesgos financieros se dedica al manejo y cobertura de riesgos financieros para empresas a través del uso de instrumentos derivados. Los administradores de riesgos identifican los diferentes tipos de riesgo, como riesgo de mercado, crédito, liquidez y operacional, y determinan el nivel de tolerancia al riesgo de una entidad. El objetivo es garantizar rendimientos a los accionistas mediante la medición, control y monitoreo de riesgos así como la identificación de alternativas para mejorar los rendim
Este documento presenta 8 problemas relacionados con el cálculo de rentabilidad esperada, varianza y desvío estándar de portafolios de inversión utilizando el modelo CAPM. Los problemas involucran calcular estas métricas para portafolios compuestos de diferentes activos, determinar betas de activos individuales, y calcular la rentabilidad esperada de portafolios basados en los pesos y betas de los activos que los componen.
Este documento describe el uso del análisis de varianza (ANOVA) para comparar los efectos de tres tratamientos para el acné. Se asignaron aleatoriamente 35 pacientes a los tres tratamientos. Se registraron las respuestas para cada paciente y se calcularon las medias muestrales para cada tratamiento. El ANOVA se utilizará para determinar si al menos uno de los tratamientos tiene un efecto diferente al comparar la variación entre tratamientos y la variación dentro de los tratamientos.
La distribución F de Fisher-Snedecor lleva el nombre del matemático estadounidense George Waddel Snedecor. Se utiliza para comparar la varianza de dos distribuciones normales y determinar si son significativamente diferentes. La función de densidad de una distribución F depende de los grados de libertad m y n y toma valores positivos, asemejándose a una distribución normal cuando m y n son grandes. Los ejemplos muestran cómo calcular el estadístico F para probar hipótesis sobre la igualdad de varianzas.
El documento presenta información sobre dos pruebas estadísticas para analizar datos categóricos: la prueba de Ji cuadrado de independencia y la prueba Ji cuadrado de bondad de ajuste. La prueba de independencia determina si dos variables categóricas son independientes analizando las frecuencias observadas y esperadas en una tabla de contingencia. La prueba de bondad de ajuste compara los datos muestrales con una distribución teórica para evaluar si se ajustan a ella. El documento incluye ejemplos y pasos
Este documento explica la distribución t de Student. Se usa para calcular intervalos de confianza cuando la varianza de la población es desconocida. La distribución t tiene una media de 0 y una varianza que depende del tamaño de la muestra. Aunque originalmente se asumió una población normal, la distribución t también se puede usar para poblaciones no normales. El documento proporciona ejemplos de cómo calcular probabilidades e intervalos de confianza usando la distribución t.
Este documento trata sobre inferencia estadística. Explica conceptos como estimación puntual, intervalos de confianza, pruebas de hipótesis, errores tipos I y II, y cómo calcular el tamaño apropiado de una muestra. Proporciona ejemplos numéricos para ilustrar cómo aplicar estos conceptos estadísticos para estimar parámetros poblacionales y probar hipótesis sobre una población basándose en una muestra.
El documento proporciona una introducción al análisis de varianza (ANOVA). Explica que el ANOVA descompone la varianza total de una población en componentes debidos a diferentes factores. También describe los pasos básicos para realizar un ANOVA, incluido el cálculo de las varianzas muestrales y el uso del estadístico F de Fisher para determinar si existen diferencias significativas entre las muestras.
La prueba t y el análisis de varianza (ANOVA) son métodos estadísticos para determinar si las diferencias observadas entre promedios muestrales son estadísticamente significativas. La prueba t evalúa las diferencias entre dos grupos, mientras que el ANOVA evalúa las diferencias entre tres o más grupos. Ambos usan valores críticos de la distribución t o F para determinar si se rechaza o no la hipótesis nula de que no hay diferencias entre los grupos.
El documento explica el uso de la prueba de chi-cuadrado para determinar si dos variables están relacionadas. Se detallan los pasos para realizar la prueba, que incluyen plantear hipótesis nula e alternativa, calcular el valor chi-cuadrado, determinar el grado de libertad y valor crítico, y comparar los valores para interpretar los resultados. Además, se proveen ejemplos y conclusiones sobre el uso de chi-cuadrado.
Este documento resume las principales distribuciones de probabilidad discretas como la binomial, Bernoulli, hipergeométrica y de Poisson. Explica que una distribución de probabilidad representa los posibles resultados de un experimento aleatorio y sus probabilidades asociadas. Define variables aleatorias discretas y continuas y cómo estas generan distribuciones de probabilidad. Incluye fórmulas y propiedades clave de cada distribución. También presenta ejemplos numéricos para ilustrar el cálculo de probabilidades usando estas distribuciones.
El documento describe las distribuciones muestrales de la media y las proporciones. Explica que la distribución muestral de la media describe todas las posibles medias de las muestras obtenidas de la población. Muestra un ejemplo numérico para calcular las medias muestrales. También explica que cuando la muestra es grande, la distribución muestral de la media se aproxima a una distribución normal según el teorema del límite central. Finalmente, define la distribución muestral de proporciones y cómo calcular su media y des
probabilidad de Poisson y Bernoulli, y su comparación.Belen Dominguez
La distribución de Poisson describe la probabilidad de que ocurran cierta cantidad de eventos en un período de tiempo, cuando dichos eventos son independientes y ocurren con baja frecuencia. Fue descubierta por Siméon-Denis Poisson en 1838. La distribución de Bernoulli modela la probabilidad de éxito o fracaso en un único experimento binario.
La distribución normal es una distribución de probabilidad muy importante en estadística. Tiene forma de campana y describe fenómenos naturales como las características físicas y psicológicas de personas. Se define por su función de densidad de probabilidad, que depende de dos parámetros: la media y la desviación típica.
Este documento describe un método para determinar el porcentaje de etanol en una muestra mediante el uso de una curva de calibración. Se prepararon varias disoluciones de etanol con concentraciones conocidas y una disolución oxidante de dicromato de potasio. Al combinar las disoluciones de etanol con la disolución oxidante, estas adquirieron diferentes colores dependiendo de la concentración de etanol. La muestra problema se analizó de la misma manera y su color coincidió con una disolución que contenía un 39% de etanol.
La distribución normal describe cómo se distribuyen muchas variables en la naturaleza. Tiene forma de campana y depende de los parámetros media (μ) y desviación estándar (σ). La distribución normal estándar tiene μ=0 y σ=1 y se usa para transformar otras distribuciones normales. El documento explica cómo calcular probabilidades usando áreas bajo la curva normal y da ejemplos.
Este documento presenta los métodos para comparar medias poblacionales cuando las varianzas son desconocidas pero iguales. Explica cómo calcular la varianza agrupada, el estadístico t y el valor p para realizar una prueba t de student. También cubre ejemplos numéricos de comparación de medias usando este método y muestras pareadas.
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Este documento presenta información sobre la distribución Chi cuadrado y su uso en pruebas estadísticas. Explica que la distribución Chi cuadrado se deriva de la distribución normal y se usa en pruebas de bondad de ajuste, homogeneidad e independencia. Define los conceptos clave como hipótesis nula, nivel de significancia, grados de libertad y cálculo del estadístico Chi cuadrado. Además, incluye ejemplos para ilustrar cómo aplicar la prueba Chi cuadrado en diferentes contextos.
Prueba no paramétrica ch2estadisticai iuss.2010svasquezr
El documento presenta tres pruebas no paramétricas: 1) Prueba de bondad de ajuste utilizando la prueba Chi-cuadrado para evaluar si una distribución de frecuencias se ajusta a un patrón esperado; 2) Prueba de independencia de dos variables categóricas mediante tablas de contingencia y Chi-cuadrado; 3) Prueba de hipótesis para proporciones utilizando Chi-cuadrado para comparar una proporción observada con una proporción esperada. Se proveen ejemplos ilustrativos
Este documento presenta 8 problemas relacionados con el cálculo de rentabilidad esperada, varianza y desvío estándar de portafolios de inversión utilizando el modelo CAPM. Los problemas involucran calcular estas métricas para portafolios compuestos de diferentes activos, determinar betas de activos individuales, y calcular la rentabilidad esperada de portafolios basados en los pesos y betas de los activos que los componen.
Este documento describe el uso del análisis de varianza (ANOVA) para comparar los efectos de tres tratamientos para el acné. Se asignaron aleatoriamente 35 pacientes a los tres tratamientos. Se registraron las respuestas para cada paciente y se calcularon las medias muestrales para cada tratamiento. El ANOVA se utilizará para determinar si al menos uno de los tratamientos tiene un efecto diferente al comparar la variación entre tratamientos y la variación dentro de los tratamientos.
La distribución F de Fisher-Snedecor lleva el nombre del matemático estadounidense George Waddel Snedecor. Se utiliza para comparar la varianza de dos distribuciones normales y determinar si son significativamente diferentes. La función de densidad de una distribución F depende de los grados de libertad m y n y toma valores positivos, asemejándose a una distribución normal cuando m y n son grandes. Los ejemplos muestran cómo calcular el estadístico F para probar hipótesis sobre la igualdad de varianzas.
El documento presenta información sobre dos pruebas estadísticas para analizar datos categóricos: la prueba de Ji cuadrado de independencia y la prueba Ji cuadrado de bondad de ajuste. La prueba de independencia determina si dos variables categóricas son independientes analizando las frecuencias observadas y esperadas en una tabla de contingencia. La prueba de bondad de ajuste compara los datos muestrales con una distribución teórica para evaluar si se ajustan a ella. El documento incluye ejemplos y pasos
Este documento explica la distribución t de Student. Se usa para calcular intervalos de confianza cuando la varianza de la población es desconocida. La distribución t tiene una media de 0 y una varianza que depende del tamaño de la muestra. Aunque originalmente se asumió una población normal, la distribución t también se puede usar para poblaciones no normales. El documento proporciona ejemplos de cómo calcular probabilidades e intervalos de confianza usando la distribución t.
Este documento trata sobre inferencia estadística. Explica conceptos como estimación puntual, intervalos de confianza, pruebas de hipótesis, errores tipos I y II, y cómo calcular el tamaño apropiado de una muestra. Proporciona ejemplos numéricos para ilustrar cómo aplicar estos conceptos estadísticos para estimar parámetros poblacionales y probar hipótesis sobre una población basándose en una muestra.
El documento proporciona una introducción al análisis de varianza (ANOVA). Explica que el ANOVA descompone la varianza total de una población en componentes debidos a diferentes factores. También describe los pasos básicos para realizar un ANOVA, incluido el cálculo de las varianzas muestrales y el uso del estadístico F de Fisher para determinar si existen diferencias significativas entre las muestras.
La prueba t y el análisis de varianza (ANOVA) son métodos estadísticos para determinar si las diferencias observadas entre promedios muestrales son estadísticamente significativas. La prueba t evalúa las diferencias entre dos grupos, mientras que el ANOVA evalúa las diferencias entre tres o más grupos. Ambos usan valores críticos de la distribución t o F para determinar si se rechaza o no la hipótesis nula de que no hay diferencias entre los grupos.
El documento explica el uso de la prueba de chi-cuadrado para determinar si dos variables están relacionadas. Se detallan los pasos para realizar la prueba, que incluyen plantear hipótesis nula e alternativa, calcular el valor chi-cuadrado, determinar el grado de libertad y valor crítico, y comparar los valores para interpretar los resultados. Además, se proveen ejemplos y conclusiones sobre el uso de chi-cuadrado.
Este documento resume las principales distribuciones de probabilidad discretas como la binomial, Bernoulli, hipergeométrica y de Poisson. Explica que una distribución de probabilidad representa los posibles resultados de un experimento aleatorio y sus probabilidades asociadas. Define variables aleatorias discretas y continuas y cómo estas generan distribuciones de probabilidad. Incluye fórmulas y propiedades clave de cada distribución. También presenta ejemplos numéricos para ilustrar el cálculo de probabilidades usando estas distribuciones.
El documento describe las distribuciones muestrales de la media y las proporciones. Explica que la distribución muestral de la media describe todas las posibles medias de las muestras obtenidas de la población. Muestra un ejemplo numérico para calcular las medias muestrales. También explica que cuando la muestra es grande, la distribución muestral de la media se aproxima a una distribución normal según el teorema del límite central. Finalmente, define la distribución muestral de proporciones y cómo calcular su media y des
probabilidad de Poisson y Bernoulli, y su comparación.Belen Dominguez
La distribución de Poisson describe la probabilidad de que ocurran cierta cantidad de eventos en un período de tiempo, cuando dichos eventos son independientes y ocurren con baja frecuencia. Fue descubierta por Siméon-Denis Poisson en 1838. La distribución de Bernoulli modela la probabilidad de éxito o fracaso en un único experimento binario.
La distribución normal es una distribución de probabilidad muy importante en estadística. Tiene forma de campana y describe fenómenos naturales como las características físicas y psicológicas de personas. Se define por su función de densidad de probabilidad, que depende de dos parámetros: la media y la desviación típica.
Este documento describe un método para determinar el porcentaje de etanol en una muestra mediante el uso de una curva de calibración. Se prepararon varias disoluciones de etanol con concentraciones conocidas y una disolución oxidante de dicromato de potasio. Al combinar las disoluciones de etanol con la disolución oxidante, estas adquirieron diferentes colores dependiendo de la concentración de etanol. La muestra problema se analizó de la misma manera y su color coincidió con una disolución que contenía un 39% de etanol.
La distribución normal describe cómo se distribuyen muchas variables en la naturaleza. Tiene forma de campana y depende de los parámetros media (μ) y desviación estándar (σ). La distribución normal estándar tiene μ=0 y σ=1 y se usa para transformar otras distribuciones normales. El documento explica cómo calcular probabilidades usando áreas bajo la curva normal y da ejemplos.
Este documento presenta los métodos para comparar medias poblacionales cuando las varianzas son desconocidas pero iguales. Explica cómo calcular la varianza agrupada, el estadístico t y el valor p para realizar una prueba t de student. También cubre ejemplos numéricos de comparación de medias usando este método y muestras pareadas.
Este documento presenta información sobre distribuciones de probabilidad normales y conceptos estadísticos básicos. Explica que la distribución normal es la más importante y que existen medidas de tendencia central como la media y medidas de dispersión como la varianza y desviación estándar. Luego proporciona ejemplos y ejercicios para calcular probabilidades utilizando tablas de distribución normal.
Este documento presenta información sobre la distribución Chi cuadrado y su uso en pruebas estadísticas. Explica que la distribución Chi cuadrado se deriva de la distribución normal y se usa en pruebas de bondad de ajuste, homogeneidad e independencia. Define los conceptos clave como hipótesis nula, nivel de significancia, grados de libertad y cálculo del estadístico Chi cuadrado. Además, incluye ejemplos para ilustrar cómo aplicar la prueba Chi cuadrado en diferentes contextos.
Prueba no paramétrica ch2estadisticai iuss.2010svasquezr
El documento presenta tres pruebas no paramétricas: 1) Prueba de bondad de ajuste utilizando la prueba Chi-cuadrado para evaluar si una distribución de frecuencias se ajusta a un patrón esperado; 2) Prueba de independencia de dos variables categóricas mediante tablas de contingencia y Chi-cuadrado; 3) Prueba de hipótesis para proporciones utilizando Chi-cuadrado para comparar una proporción observada con una proporción esperada. Se proveen ejemplos ilustrativos
Este documento presenta los elementos básicos del muestreo estadístico. Explica conceptos como población, muestra, parámetros y estadísticos. También cubre temas como pequeñas muestras, la distribución t de Student, contrastes de hipótesis, la distribución Ji-cuadrado, grados de libertad y la distribución F. Finalmente incluye referencias bibliográficas.
Este documento describe tres pruebas estadísticas para analizar datos categóricos: la prueba de bondad de ajuste, la prueba de independencia y la prueba de homogeneidad. Explica cómo usar la prueba chi-cuadrado de bondad de ajuste para determinar si las proporciones observadas en una muestra difieren de las proporciones esperadas en la población total. También incluye un ejemplo numérico para ilustrar el cálculo e interpretación de la prueba chi-cuadrado de bondad de ajuste
Este documento presenta información sobre pruebas estadísticas para comparar medias poblacionales. Explica que la distribución normal es un modelo teórico útil para aproximar variables aleatorias, y que la prueba t es adecuada cuando las muestras son pequeñas o se desconoce la varianza poblacional. También incluye ejemplos numéricos para ilustrar cómo aplicar la prueba t de dos muestras y la distribución t de Student.
Laminas series bidimensionales y cronologicasENIS CABRERA
Este documento describe series cronológicas y el análisis de varianza de un factor (ANOVA). Define series cronológicas como conjuntos de observaciones de una o más variables a través del tiempo. Explica que las series cronológicas tienen cuatro componentes: tendencia, variaciones estacionales, cíclicas y aleatorias. Luego, describe los supuestos y cálculos del ANOVA para comparar las medias de K poblaciones, incluyendo la suma de cuadrados total, intragrupos e intergrupos. Proporciona un ejemplo numérico para ilustr
Laminas series bidimensionales y cronologicasENIS CABRERA
Este documento describe series cronológicas y el análisis de varianza de un factor (ANOVA). Define series cronológicas como conjuntos de observaciones de una o más variables a través del tiempo. Explica que las series cronológicas tienen cuatro componentes: tendencia, variaciones estacionales, cíclicas y aleatorias. Luego, describe los supuestos y cálculos del ANOVA para comparar las medias de K poblaciones, incluyendo la suma de cuadrados total, intragrupos e intergrupos. Proporciona un ejemplo numérico para ilustr
Este documento presenta información sobre series cronológicas y el análisis de varianza de un factor (ANOVA). Define series cronológicas como conjuntos de observaciones de una o más variables a través del tiempo. Explica que tienen cuatro componentes principales: tendencia, variaciones estacionales, cíclicas y aleatorias. Luego, describe los supuestos y cálculos básicos del ANOVA, incluida la descomposición de la varianza total en varianza entre grupos e intragrupos.
Pruebas de bondad de ajuste y pruebas no parametricasAlez Escandón
UNIDAD 4.- PRUEBAS DE BONDAD DE AJUSTE Y PRUEBAS NO PARAMETRICAS
4.1 Bondad de ajuste.
4.1.1 Análisis Ji-Cuadrada.
4.1.2 Prueba de independencia.
4.1.3 Prueba de la bondad del ajuste.
4.1.4 Tablas de contingencia.
4.2 Pruebas no paramétricas.
4.2.1 Escala de medición.
4.2.2 Métodos estadísticos contra no paramétricos.
4.2.3 Prueba de Kolmogorov – Smirnov.
4.2.4 Prueba de Anderson – Darling.
4.2.5 Prueba de Ryan – Joiner.
4.2.6 Prueba de Shappiro – Wilk.
El documento describe los pasos para realizar una prueba de hipótesis para comparar las medias de dos poblaciones. Explica que se utiliza la distribución t de Student y proporciona ejemplos numéricos para ilustrar cómo determinar si dos medias poblacionales son iguales o diferentes basado en muestras aleatorias de cada población.
El documento describe los procedimientos de prueba de hipótesis estadística. Explica que una prueba de hipótesis involucra formular una hipótesis nula y una hipótesis alternativa, luego tomar una muestra de datos y determinar si los datos apoyan rechazar la hipótesis nula a favor de la hipótesis alternativa. Proporciona un ejemplo de prueba de hipótesis para determinar si la varianza de una materia prima es mayor a un valor específico.
El documento trata sobre la prueba de chi-cuadrado. Explica que la prueba de chi-cuadrado es una herramienta importante para determinar si un proyecto es factible o no, al igual que las pruebas de hipótesis y t de Student. Luego procede a definir la distribución chi-cuadrado, sus propiedades y cómo se utiliza para realizar pruebas de ajuste e independencia.
Este documento explica la prueba de chi cuadrado, incluyendo su definición, supuestos, cálculo y aplicaciones. Describe la distribución chi cuadrada, cómo se usa para probar la independencia entre variables categóricas, y los requisitos de que la frecuencia esperada sea mayor a 5. Incluye ejemplos de su uso en medicina, agronomía, economía y el área turística.
El documento describe los pasos para realizar una prueba de hipótesis para comparar las medias de dos poblaciones. Explica que se utiliza la distribución t de Student y proporciona fórmulas, ejemplos y tablas para determinar si dos medias poblacionales son iguales o diferentes con base en datos de dos muestras.
Este documento presenta información sobre pruebas de hipótesis cuantitativas. Explica diferentes tipos de pruebas de hipótesis como pruebas de una cola y dos colas, y cómo seleccionar el tipo apropiado dependiendo de la formulación de las hipótesis nula y alternativa. También cubre cálculos estadísticos como el estadístico Z y t de Student, y valores críticos. Finalmente, incluye ejemplos para ilustrar los conceptos.
Este documento describe el análisis de varianza (ANOVA), un método estadístico que permite contrastar si existen diferencias entre las medias de varios grupos. El ANOVA compara la variabilidad entre grupos con la variabilidad dentro de los grupos para determinar si es mayor que la que cabría esperar por azar. Si la variabilidad entre grupos es significativamente mayor, se rechaza la hipótesis nula de que todas las medias son iguales.
1) La prueba de hipótesis es un procedimiento estadístico para determinar si una hipótesis nula es razonable basado en evidencia de una muestra. Involucra establecer una hipótesis nula y alternativa, seleccionar un nivel de significancia, y decidir si se acepta o rechaza la hipótesis nula.
2) Existen diferentes estadísticos de prueba como z, t, y chi cuadrado que dependen del tipo de prueba y si la desviación estándar es conocida o no.
Este documento presenta un análisis econométrico que busca determinar cómo el índice de precios al consumidor y la inflación afectan el ingreso per cápita en Perú entre 1995 y 2015. El resumen incluye la especificación del modelo, la estimación, y las conclusiones principales como que el R2 es alto, hay multicolinealidad y autocorrelación, pero no heterocedasticidad o no normalidad en los residuos.
Prueba de hipótesis para distribuciones normal, y t student. Presentación dis...JAVIER SOLIS NOYOLA
El Mtro. Javier Solis Noyola diseña y desarrolla presentación sobre tema PRUEBA DE HIPÓTESIS para distribuciones de probabilidad (Normal, y t de Student)
exportacion e importacion de bolivia de productos tradicionales y no tradicic...
chi cuadrado.pdf
1. REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DE LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA
DE LA FUERZA ARMADA NACIONAL
CENTRO DE INVESTIGACIÓN Y POSTGRADO
Calatrava Yanoski
Maldonado Hugo
Rincón Julio
Sevilla Carlos
2. 2
Las distribución Chi cuadrado, se derivan de la
distribución Normal y están relacionadas con la
teoría del muestreo pequeño n< 30.
Son muy importantes pues son la base de
metodologías inferenciales, tales como Intervalos de
Confianza y Pruebas de Hipótesis.
En otros estudios se les define como la suma de
diferencias cuadráticas relativas entre valores
experimentales (observados) y valores teóricos
(esperados).
3. Definición: Sea Sea k
variables aleatorias normales e independientes, cada
una con media 0 y desviación típica 1. entonces, la
variable aleatoria
Se llama la variable aleatoria chi cuadrado con k
grados de libertad.
2
4. Fórmula de Chi Cuadrado
α = Nivel de Significancia:
En estadística, un resultado se denomina
estadísticamente significativo cuando no es probable que
haya sido debido al azar.
Son comunes los niveles de significancia del 0,05, 0,01 y
0,1. En algunas situaciones es conveniente expresar la
significancia estadística como percentil 1 − α.
Este valor hace referencia al nivel de confianza que
deseamos que tengan los cálculos de la prueba; es decir, si
queremos tener un nivel de confianza del 95%, el valor de alfa
debe ser del 0.05, lo cual corresponde al complemento
porcentual de la confianza.
e
e
o
f
f
f
2
2
)
(
5. Hipótesis:
Si un contraste de hipótesis proporciona un valor P
inferior a α, la hipótesis nula es rechazada, siendo tal
resultado denominado “estadísticamente significativo”.
Cuanto menor sea el nivel de significancia, más fuerte será la
evidencia de que un hecho no se debe a una mera
coincidencia (al azar).
Grados de Libertad: GL=k-1
En estadística, grados de libertad es un estimador del
número de categorías independientes en una prueba
particular o experimento estadístico. Se encuentran mediante
la fórmula n − r, donde n=número de sujetos en la muestra,
también pueden ser representados por k − r,
k=número de grupos, cuando se realizan operaciones con grupos y
no con sujetos individuales
r=número de sujetos o grupos estadísticamente dependientes
10. Para determinar si la muestra se ajusta o no se ajusta a una
distribución teórica.
Para saber si la(s) poblacione(s) son homogénea(s) o no.
Para determinar la dependencia e independencia la(s)
variable(s) a analizar.
2
11. Prueba de
Chi Cuadrado
Dos Variables
Prueba de
Homogeneidad
Prueba de
Independencia
Una Variable
Prueba de
Bondad de
Ajuste
2
12. Se utiliza para la comparación de la distribución de una
muestra con alguna distribución teórica que se supone
describe a la población de la cual se extrajo.
Ho : La variable tiene comportamiento normal se distribuye
de manera uniforme
H1 : La variable no tiene comportamiento normal, no se
distribuye de manera uniforme.
e
e
o
f
f
f
)
(
2
13. Un gerente de ventas que tiene su mercado dividido en
cuatro zonas le indica a sus vendedores que las zonas tienen
el mismo potencial de ventas.
Ante la duda de los vendedores sobre el potencial de sus
zonas el gerente hace el siguiente procedimiento :Se extrae
una muestra de los archivos de la empresa de 40 ventas
realizadas el año pasado y encuentra que el numero de
ventas por zona son: zona 1 = 6, Zona 2 = 12, Zona 3 = 14 y
zona 4 = 8 . En vista de esos resultados se realiza una prueba
de bondad de ajuste.
14. Planteamiento de Hipótesis
H0 : las ventas están igualmente distribuidas.
H1: las ventas no están igualmente distribuidas
Nivel de Significancia
α = 5% = 0.05
Cálculos
GL= k-1 = 4-1 = 3
El critico = 7.81 (Según Tabla)
2
16. Elaborar la tabla de y y calcular el .
ZONAS
A B C D
Frecuencia
observada (fo) 6 12 14 8 40
Frecuencia
esperada (fe) 10 10 10 10 40
Ch² 1.6 0.4 1.6 0.4 4
Los individuales se calculan con la
formula; y luego se suman:
Este valor es el observado = 4
e
e
o
f
f
f
2
2
)
(
o
f e
f
2
2
2
17. Como: observado < Critico
observado (4) < critico (7.81) Si se Cumple
entonces, no rechazamos Ho.
Es decir que la Ho de que las ventas se encuentran
igualmente distribuidas en las cuatro zonas no se puede
rechazar para un nivel de significancia de 5%.
2
2
2
2
18. Se usa para analizar la frecuencia de dos variables con
categorías múltiples para determinar si las dos variables son
independientes o no.
Hipótesis nula (H0) : Las variables X e Y son independientes, (
X e Y no están relacionadas)
Hipótesis alternativa (H1): Las variables X e Y no son
independientes, (X e Y están relacionadas)
F
i
C
j ij
ij
ij
C
F
E
E
O
1 1
2
)
1
)(
1
(
2 )
(
19. Grados de libertad GL= (m-1)(n-1)
Calculo de frecuencia esperado.
Una Tabla de contingencia con r filas y c columnas tiene la
siguiente forma:
)
(
)
(
)
(
total
columna
suma
fila
suma
fe
Los datos de variables cualitativa o categóricas
representan atributos o categorías y se organizan en tablas
llamadas tablas de contingencia o tablas de clasificación
cruzada.
20. Donde:
Oi j : es el número de sujetos que tienen las características Ai y Bj
a la vez.
Ri : (i = 1,…,r) es la suma de la i-ésima fila de la tabla. Es decir, es
el total de sujetos que poseen la característica Ai.
Cj :(j = 1,…,c) es la suma de la j-ésima columna de la tabla. Es
decir, es el total de sujetos que poseen la característica Bj.
n : representa el total de observaciones tomadas.
F
i
C
j ij
ij
ij
C
F
E
E
O
1 1
2
)
1
)(
1
(
2 )
(
21. El uso de bebida ordenado con alimentos en un
restaurante ¿es independiente de la edad del consumidor?
Se toma una muestra aleatoria de 309 clientes del
restaurante de donde resulta el siguiente cuadro de valores
observados. Utilice α = 1% para determinar si las dos
variedades son independientes.
EDAD CAFÉ (TÉ) REFRESCO LECHE
21 – 34 26 95 18
35 – 55 41 40 20
>55 24 13 32
22. Planteamiento de Hipótesis
H0 : El tipo de bebida preferida es independiente de la edad
H1 : El tipo de bebida preferida no es independiente ,esta
relacionada con la edad
Nivel de significancia
α = 0.01
Cálculos
Grados de Libertad GL = (m-1)(n-1)
Tenemos 3 filas y tres columnas, es decir
GL = (3-1)(3-1) = 4
El critico = 13.27 (Según Tabla)
2
25. Como: observado < Critico
observado (97,93) < critico (13,27)
No se Cumple
entonces, rechazamos H0, es decir se acepta la hipótesis
alternativa H1
Las dos variables, bebida preferida y edad, no son
independientes. El tipo de bebida que un cliente ordena con
alimentos está relacionada con la edad y depende de está.
2
2
2
2
26. Se extraen Muestras Independientes de varias
poblaciones y se prueban para ver si son homogéneas con
respecto a algún criterio de clasificación.
H0 = Las Poblaciones son Homogéneas
H1 = Las Poblaciones no son Homogéneas
F
i
C
j ij
ij
ij
C
F
E
E
O
1 1
2
)
1
)(
1
(
2 )
(
27. La siguiente tabla indica las familias de cuatro distritos y
el número de personas que vieron un programa especial de
política económica nacional. Use α=1%
A B C D TOTAL
Número de personas que si vio 10 15 5 18 48
Número de personas que no vio 40 35 45 32 152
50 50 50 50 200
28. Planteamiento de Hipótesis
H0: todos vieron el programa
H1: No todos vieron el programa
Nivel de Significancia
α = 0.011
Cálculos
GL = (m-1)(n-1) = (2-1)(4-1) = 3
= 11.35
Calcular las frecuencias esperadas y el Ch2 observado.
2
29. A B C D TOTAL
VEN EL PROGRAMA 0.33 0.75 4.08 3.00
NO VEN EL PROGRAMA 0.11 0.24 1.29 0.95
TOTAL 10.75
Como el valor observado (10.75) es menor que el
valor critico (11.35). No podemos rechazar H0 para un nivel
del 1%. La diferencia de las proporciones no es
suficientemente grande para rechazar H0.
30. Lipschutz. S., Schiller. J., Introducción a la Probabilidad y
Estadística. 2001 Editorial Mc Graw Hill.
Evans. M., Rosenthal. J. Probabilidad y Estadística. 2005
Editorial Reverte