Este documento proporciona instrucciones sobre cómo realizar pruebas de hipótesis utilizando Z de 1 muestra, t de 1 muestra, t de 2 muestras independientes y t pareada en Minitab. Explica los elementos de cada diálogo, los pasos para ejecutar cada prueba y proporciona ejemplos ilustrativos con datos y resultados.
Este documento presenta instrucciones para realizar pruebas estadísticas Z y t de una y dos muestras en Minitab. Explica cómo usar estas pruebas para calcular intervalos de confianza y probar hipótesis sobre las medias de una o dos poblaciones cuando se conocen o no los parámetros de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos estadísticos para analizar datos reales.
Este documento presenta información sobre pruebas estadísticas paramétricas comunes como Z de 1 muestra, t de 1 muestra, t de 2 muestras independientes y t pareada. Incluye definiciones, hipótesis nulas y alternativas, y pasos para ejecutar cada prueba en Minitab. También presenta ejemplos ilustrativos de cada prueba y cómo interpretar los resultados.
Este documento proporciona instrucciones sobre cómo realizar pruebas estadísticas t de una, dos y pareadas muestras. Explica cómo usar estas pruebas t para calcular intervalos de confianza y realizar pruebas de hipótesis sobre la diferencia entre medias cuando se desconocen las desviaciones estándar de la población. Incluye ejemplos con datos reales para ilustrar los procedimientos.
Este documento proporciona instrucciones sobre cómo realizar pruebas estadísticas Z y t de una y dos muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para determinar si la media de una población es igual a un valor hipotético cuando se conoce o no la desviación estándar. También muestra ejemplos con datos y cómo interpretar los resultados de las pruebas.
El documento proporciona instrucciones sobre cómo usar la herramienta de prueba de hipótesis Z de una muestra, t de una muestra, t de dos muestras independientes y t pareada en Minitab para analizar datos. Incluye ejemplos con datos de mediciones de artefactos y consumo de energía que ilustran cómo ingresar los datos y analizar los resultados para determinar si existe evidencia para rechazar las hipótesis nulas planteadas.
Este documento describe los elementos clave del software estadístico Minitab. Incluye procedimientos para realizar pruebas de hipótesis e intervalos de confianza para la media, diferencias en medias, varianzas y proporciones utilizando pruebas Z, t, F y chi-cuadrado. También cubre cálculos estadísticos descriptivos básicos y pruebas de normalidad.
Este documento presenta instrucciones para realizar pruebas de hipótesis paramétricas utilizando Z de una muestra, t de una muestra, t de dos muestras independientes y t pareada en Minitab. Incluye ejemplos con datos reales que ilustran cómo utilizar cada procedimiento estadístico, así como cómo interpretar los resultados, como estadísticas de prueba, valores p, e intervalos de confianza.
Este documento describe los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias entre medias. Explica cómo se usan las pruebas Z de una muestra, t de una muestra, y t de dos muestras cuando la desviación estándar poblacional es conocida o desconocida. Proporciona ejemplos numéricos para ilustrar cómo aplicar cada procedimiento.
Este documento presenta instrucciones para realizar pruebas estadísticas Z y t de una y dos muestras en Minitab. Explica cómo usar estas pruebas para calcular intervalos de confianza y probar hipótesis sobre las medias de una o dos poblaciones cuando se conocen o no los parámetros de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos estadísticos para analizar datos reales.
Este documento presenta información sobre pruebas estadísticas paramétricas comunes como Z de 1 muestra, t de 1 muestra, t de 2 muestras independientes y t pareada. Incluye definiciones, hipótesis nulas y alternativas, y pasos para ejecutar cada prueba en Minitab. También presenta ejemplos ilustrativos de cada prueba y cómo interpretar los resultados.
Este documento proporciona instrucciones sobre cómo realizar pruebas estadísticas t de una, dos y pareadas muestras. Explica cómo usar estas pruebas t para calcular intervalos de confianza y realizar pruebas de hipótesis sobre la diferencia entre medias cuando se desconocen las desviaciones estándar de la población. Incluye ejemplos con datos reales para ilustrar los procedimientos.
Este documento proporciona instrucciones sobre cómo realizar pruebas estadísticas Z y t de una y dos muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para determinar si la media de una población es igual a un valor hipotético cuando se conoce o no la desviación estándar. También muestra ejemplos con datos y cómo interpretar los resultados de las pruebas.
El documento proporciona instrucciones sobre cómo usar la herramienta de prueba de hipótesis Z de una muestra, t de una muestra, t de dos muestras independientes y t pareada en Minitab para analizar datos. Incluye ejemplos con datos de mediciones de artefactos y consumo de energía que ilustran cómo ingresar los datos y analizar los resultados para determinar si existe evidencia para rechazar las hipótesis nulas planteadas.
Este documento describe los elementos clave del software estadístico Minitab. Incluye procedimientos para realizar pruebas de hipótesis e intervalos de confianza para la media, diferencias en medias, varianzas y proporciones utilizando pruebas Z, t, F y chi-cuadrado. También cubre cálculos estadísticos descriptivos básicos y pruebas de normalidad.
Este documento presenta instrucciones para realizar pruebas de hipótesis paramétricas utilizando Z de una muestra, t de una muestra, t de dos muestras independientes y t pareada en Minitab. Incluye ejemplos con datos reales que ilustran cómo utilizar cada procedimiento estadístico, así como cómo interpretar los resultados, como estadísticas de prueba, valores p, e intervalos de confianza.
Este documento describe los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias entre medias. Explica cómo se usan las pruebas Z de una muestra, t de una muestra, y t de dos muestras cuando la desviación estándar poblacional es conocida o desconocida. Proporciona ejemplos numéricos para ilustrar cómo aplicar cada procedimiento.
Este documento presenta los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias de medias utilizando Z de 1 muestra, t de 1 muestra, y t de 2 muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para la media de una población o la diferencia entre medias cuando se conocen o no los valores de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos en
Este documento presenta un resumen de las capacidades estadísticas básicas del programa Minitab, incluyendo procedimientos para calcular estadísticas descriptivas, realizar pruebas de hipótesis e intervalos de confianza para medias, proporciones, tasas de Poisson, varianzas y mediciones de asociación. Explica cómo utilizar los procedimientos Z de 1 muestra, t de 1 muestra, t de 2 muestras y t pareada para estimaciones e hipótesis sobre medias de población.
MANUAL DE PRUEBA DE HIPÓTESIS EN MINITAB Roza Meza
Este documento proporciona una introducción al programa estadístico Minitab. Explica que Minitab es un programa diseñado para realizar análisis estadísticos básicos y avanzados de manera amigable para el usuario. Además, describe algunas de las funciones principales de Minitab como hojas de trabajo, ventanas de datos y resultados, y herramientas para crear gráficas y generar informes. Finalmente, ofrece instrucciones básicas sobre cómo comenzar a utilizar algunas de las herramientas estadí
Este documento resume los métodos de estimación de parámetros para problemas con una y dos muestras en inferencia estadística. Explica cómo estimar la media de una población a partir de una muestra, incluyendo el cálculo de intervalos de confianza tanto cuando la varianza se conoce como cuando no. También cubre la estimación para muestras relacionadas y el uso de la distribución t cuando la varianza es desconocida.
Este documento proporciona una introducción al programa estadístico Minitab. Explica que Minitab puede ejecutar funciones estadísticas básicas y avanzadas de una manera amigable para el usuario. También describe las características principales de Minitab como hojas de trabajo, ventanas de datos, ventanas de sesión y gráficas. Luego, guía al lector a través de un ejemplo práctico de cómo usar la herramienta estadística básica "Z de 1 muestra" en Minitab para
Modulo De Metodos Cuantitativos En Investigacion[1]Fernando Lopez
El documento describe los métodos de análisis de riesgo y simulación para proyectos de inversión. El análisis de riesgo permite medir la probabilidad de resultados, construir distribuciones de probabilidad y determinar las variables más sensibles. La simulación utiliza modelos matemáticos con entradas probabilísticas para aprender sobre sistemas reales. Se describen distribuciones de probabilidad comunes y cómo generar valores aleatorios para ellas.
El documento proporciona una introducción a los conceptos básicos de estadística, incluyendo las ramas de la estadística descriptiva e inferencial, la diferencia entre población y muestra, parámetro y estadístico, y los tipos de datos cualitativos y cuantitativos. También explica técnicas comunes como tablas de frecuencia, gráficos y estadísticos numéricos para organizar y resumir datos, como la media, mediana, moda y medidas de dispersión.
El documento presenta información sobre conceptos básicos de muestreo estadístico. Explica que una muestra es un subconjunto de la población que se estudia para inferir propiedades de la población completa. Luego describe diferentes tipos de muestreo como muestreo aleatorio simple, estratificado, sistemático y por conglomerados. También define conceptos como estimador, estimación, distribución de muestra e intervalo de confianza para la media.
Este documento presenta una introducción al software R-Commander, que permite realizar análisis estadísticos en R sin necesidad de conocer código. Explica las ventanas y comandos de R-Commander enfocados a pruebas de hipótesis, incluyendo contrastes sobre la media, diferencia de medias, diferencia de proporciones y comparación de varianzas. Detalla los pasos para realizar cada tipo de prueba, seleccionando las hipótesis, variables, y niveles de confianza requeridos.
Este documento explica cómo obtener estadísticos básicos de una serie individual en el programa E-Views. Muestra un histograma de frecuencias de la serie junto con medidas como la media, mediana, desviación típica, máximos y mínimos. También incluye estadísticos de normalidad como simetría, curtosis y la prueba de Jarque-Bera para contrastar la normalidad de la distribución.
Para aquellos interesados en saber estimar VAR, hacer pruebas de cointegración, VEC, pruebas de Johansen, raices unitarias, en sí, series de tiempo. He aquí un manual de uso para el software EViews.
Este documento presenta una introducción al lenguaje de programación R y su entorno R-Commander, y describe cómo realizar pruebas de hipótesis comunes utilizando R-Commander, incluyendo contrastes sobre la media y varianza de una población, la diferencia de medias entre poblaciones independientes, y la diferencia de proporciones entre grupos.
Este documento introduce los conceptos básicos de muestreo, incluyendo los tipos de muestreo probabilístico como el muestreo aleatorio simple, el muestreo sistemático, el muestreo aleatorio estratificado y el muestreo por conglomerados. También explica cómo calcular el tamaño de la muestra para auditorías de historias clínicas usando fórmulas estadísticas y una hoja de cálculo adjunta. El objetivo general es ofrecer una herramienta para apoyar la evaluación de indicadores de calidad mediante el m
Este documento describe los pasos básicos para realizar una prueba de bondad de ajuste. Estos incluyen definir la variable a analizar, obtener la media y varianza de los datos, elaborar un histograma de frecuencias, elegir una posible distribución de probabilidad, calcular los parámetros, realizar la prueba (como chi-cuadrada o Kolmogorov-Smirnov), y verificar si los datos cumplen con los criterios de la prueba. También presenta ejemplos de cómo aplicar estas pruebas para analizar datos de tiempos
Este documento presenta los principales métodos de investigación cuantitativa, incluyendo fuentes primarias y secundarias de información, diseño de muestras, y tamaño de muestra. Discute la diferencia entre fuentes primarias como encuestas y fuentes secundarias como informes estadísticos. Explica los métodos de muestreo probabilístico y no probabilístico, y cómo calcular el tamaño de muestra usando fórmulas estadísticas que consideran el nivel de confianza y error máximo permitido.
COMPRENDER EL USO APROPIADO DE LAS HERRAMIENTAS QUE PRPORCIONA LA ESTADISTICA DESCRIPTIVA E INFERENCIAL ES UNO DE LOS GRANDES RETOS DE LOS ASPIRANTES A PARTICIPAR EN LA CREACION DE PROYECTOS DE INVESTIGACION FACTUAL Y FORMAL.
Bioestadística muestreo y diseño de experimentosExplorer BioGen
Este documento describe diferentes conceptos relacionados con el muestreo y diseño de experimentos. Define población, muestra, parámetro y estadístico. Explica que el tamaño de muestra debe ser suficientemente grande para ser representativo pero no demasiado grande. También cubre cómo estimar el tamaño de muestra necesario y diferentes tipos de muestreo como aleatorio simple, sistemático, estratificado y de grupo.
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Este documento proporciona una introducción al uso del programa estadístico Minitab. Explica que Minitab permite realizar análisis estadísticos básicos y avanzados de manera amigable para el usuario. Además, describe las características principales del programa como hojas de trabajo, ventanas de datos y resultados, y herramientas para crear gráficas y generar informes. Finalmente, ofrece instrucciones paso a paso para realizar un ejercicio práctico utilizando la herramienta estadística Z de
Este documento introduce conceptos clave de la inferencia estadística, incluyendo estadística descriptiva, probabilidad, distribuciones de probabilidad e inferencia paramétrica. Explica la importancia de definir la población, unidades elementales y variables antes de realizar un muestreo, y que existen métodos de muestreo probabilísticos y no probabilísticos. Finalmente, describe estimadores como la media muestral y varianza muestral y cómo se usan para estimar parámetros poblacionales desconocidos.
Este documento presenta varios casos de distribución binomial para analizar la probabilidad de defectos en procesos de manufactura. En el primer caso, se analiza la probabilidad de defectos en una muestra de 87 piezas con una tasa de defectos del 1.1%. En otros casos se calculan probabilidades para diferentes tasas de defectos y tamaños de muestra. Finalmente, se presenta un análisis de causas de defectos en un proveedor y las acciones correctivas implementadas.
Este documento presenta un manual sobre pruebas de hipótesis utilizando Minitab. Explica procedimientos estadísticos como Z de 1 muestra, t de 1 muestra, t de 2 muestras, t pareada, 1 proporción, 2 proporciones para realizar pruebas de hipótesis e intervalos de confianza. Incluye ejemplos y pasos para aplicar estos procedimientos en Minitab.
Este documento presenta los procedimientos estadísticos de intervalos de confianza y pruebas de hipótesis para medias y diferencias de medias utilizando Z de 1 muestra, t de 1 muestra, y t de 2 muestras en Minitab. Explica cómo calcular intervalos de confianza y realizar pruebas de hipótesis para la media de una población o la diferencia entre medias cuando se conocen o no los valores de desviación estándar. También incluye ejemplos ilustrativos de cómo aplicar estos procedimientos en
Este documento presenta un resumen de las capacidades estadísticas básicas del programa Minitab, incluyendo procedimientos para calcular estadísticas descriptivas, realizar pruebas de hipótesis e intervalos de confianza para medias, proporciones, tasas de Poisson, varianzas y mediciones de asociación. Explica cómo utilizar los procedimientos Z de 1 muestra, t de 1 muestra, t de 2 muestras y t pareada para estimaciones e hipótesis sobre medias de población.
MANUAL DE PRUEBA DE HIPÓTESIS EN MINITAB Roza Meza
Este documento proporciona una introducción al programa estadístico Minitab. Explica que Minitab es un programa diseñado para realizar análisis estadísticos básicos y avanzados de manera amigable para el usuario. Además, describe algunas de las funciones principales de Minitab como hojas de trabajo, ventanas de datos y resultados, y herramientas para crear gráficas y generar informes. Finalmente, ofrece instrucciones básicas sobre cómo comenzar a utilizar algunas de las herramientas estadí
Este documento resume los métodos de estimación de parámetros para problemas con una y dos muestras en inferencia estadística. Explica cómo estimar la media de una población a partir de una muestra, incluyendo el cálculo de intervalos de confianza tanto cuando la varianza se conoce como cuando no. También cubre la estimación para muestras relacionadas y el uso de la distribución t cuando la varianza es desconocida.
Este documento proporciona una introducción al programa estadístico Minitab. Explica que Minitab puede ejecutar funciones estadísticas básicas y avanzadas de una manera amigable para el usuario. También describe las características principales de Minitab como hojas de trabajo, ventanas de datos, ventanas de sesión y gráficas. Luego, guía al lector a través de un ejemplo práctico de cómo usar la herramienta estadística básica "Z de 1 muestra" en Minitab para
Modulo De Metodos Cuantitativos En Investigacion[1]Fernando Lopez
El documento describe los métodos de análisis de riesgo y simulación para proyectos de inversión. El análisis de riesgo permite medir la probabilidad de resultados, construir distribuciones de probabilidad y determinar las variables más sensibles. La simulación utiliza modelos matemáticos con entradas probabilísticas para aprender sobre sistemas reales. Se describen distribuciones de probabilidad comunes y cómo generar valores aleatorios para ellas.
El documento proporciona una introducción a los conceptos básicos de estadística, incluyendo las ramas de la estadística descriptiva e inferencial, la diferencia entre población y muestra, parámetro y estadístico, y los tipos de datos cualitativos y cuantitativos. También explica técnicas comunes como tablas de frecuencia, gráficos y estadísticos numéricos para organizar y resumir datos, como la media, mediana, moda y medidas de dispersión.
El documento presenta información sobre conceptos básicos de muestreo estadístico. Explica que una muestra es un subconjunto de la población que se estudia para inferir propiedades de la población completa. Luego describe diferentes tipos de muestreo como muestreo aleatorio simple, estratificado, sistemático y por conglomerados. También define conceptos como estimador, estimación, distribución de muestra e intervalo de confianza para la media.
Este documento presenta una introducción al software R-Commander, que permite realizar análisis estadísticos en R sin necesidad de conocer código. Explica las ventanas y comandos de R-Commander enfocados a pruebas de hipótesis, incluyendo contrastes sobre la media, diferencia de medias, diferencia de proporciones y comparación de varianzas. Detalla los pasos para realizar cada tipo de prueba, seleccionando las hipótesis, variables, y niveles de confianza requeridos.
Este documento explica cómo obtener estadísticos básicos de una serie individual en el programa E-Views. Muestra un histograma de frecuencias de la serie junto con medidas como la media, mediana, desviación típica, máximos y mínimos. También incluye estadísticos de normalidad como simetría, curtosis y la prueba de Jarque-Bera para contrastar la normalidad de la distribución.
Para aquellos interesados en saber estimar VAR, hacer pruebas de cointegración, VEC, pruebas de Johansen, raices unitarias, en sí, series de tiempo. He aquí un manual de uso para el software EViews.
Este documento presenta una introducción al lenguaje de programación R y su entorno R-Commander, y describe cómo realizar pruebas de hipótesis comunes utilizando R-Commander, incluyendo contrastes sobre la media y varianza de una población, la diferencia de medias entre poblaciones independientes, y la diferencia de proporciones entre grupos.
Este documento introduce los conceptos básicos de muestreo, incluyendo los tipos de muestreo probabilístico como el muestreo aleatorio simple, el muestreo sistemático, el muestreo aleatorio estratificado y el muestreo por conglomerados. También explica cómo calcular el tamaño de la muestra para auditorías de historias clínicas usando fórmulas estadísticas y una hoja de cálculo adjunta. El objetivo general es ofrecer una herramienta para apoyar la evaluación de indicadores de calidad mediante el m
Este documento describe los pasos básicos para realizar una prueba de bondad de ajuste. Estos incluyen definir la variable a analizar, obtener la media y varianza de los datos, elaborar un histograma de frecuencias, elegir una posible distribución de probabilidad, calcular los parámetros, realizar la prueba (como chi-cuadrada o Kolmogorov-Smirnov), y verificar si los datos cumplen con los criterios de la prueba. También presenta ejemplos de cómo aplicar estas pruebas para analizar datos de tiempos
Este documento presenta los principales métodos de investigación cuantitativa, incluyendo fuentes primarias y secundarias de información, diseño de muestras, y tamaño de muestra. Discute la diferencia entre fuentes primarias como encuestas y fuentes secundarias como informes estadísticos. Explica los métodos de muestreo probabilístico y no probabilístico, y cómo calcular el tamaño de muestra usando fórmulas estadísticas que consideran el nivel de confianza y error máximo permitido.
COMPRENDER EL USO APROPIADO DE LAS HERRAMIENTAS QUE PRPORCIONA LA ESTADISTICA DESCRIPTIVA E INFERENCIAL ES UNO DE LOS GRANDES RETOS DE LOS ASPIRANTES A PARTICIPAR EN LA CREACION DE PROYECTOS DE INVESTIGACION FACTUAL Y FORMAL.
Bioestadística muestreo y diseño de experimentosExplorer BioGen
Este documento describe diferentes conceptos relacionados con el muestreo y diseño de experimentos. Define población, muestra, parámetro y estadístico. Explica que el tamaño de muestra debe ser suficientemente grande para ser representativo pero no demasiado grande. También cubre cómo estimar el tamaño de muestra necesario y diferentes tipos de muestreo como aleatorio simple, sistemático, estratificado y de grupo.
Este documento trata sobre los métodos y distribución de muestreo. Explica que el muestreo se utiliza para inferir características de una población mediante una muestra representativa. Describe diferentes métodos de muestreo como el aleatorio simple, estratificado y por conglomerados. También explica cómo calcular intervalos de confianza para la media y proporción de una población, y cómo determinar el tamaño apropiado de una muestra.
Este documento proporciona una introducción al uso del programa estadístico Minitab. Explica que Minitab permite realizar análisis estadísticos básicos y avanzados de manera amigable para el usuario. Además, describe las características principales del programa como hojas de trabajo, ventanas de datos y resultados, y herramientas para crear gráficas y generar informes. Finalmente, ofrece instrucciones paso a paso para realizar un ejercicio práctico utilizando la herramienta estadística Z de
Este documento introduce conceptos clave de la inferencia estadística, incluyendo estadística descriptiva, probabilidad, distribuciones de probabilidad e inferencia paramétrica. Explica la importancia de definir la población, unidades elementales y variables antes de realizar un muestreo, y que existen métodos de muestreo probabilísticos y no probabilísticos. Finalmente, describe estimadores como la media muestral y varianza muestral y cómo se usan para estimar parámetros poblacionales desconocidos.
Este documento presenta varios casos de distribución binomial para analizar la probabilidad de defectos en procesos de manufactura. En el primer caso, se analiza la probabilidad de defectos en una muestra de 87 piezas con una tasa de defectos del 1.1%. En otros casos se calculan probabilidades para diferentes tasas de defectos y tamaños de muestra. Finalmente, se presenta un análisis de causas de defectos en un proveedor y las acciones correctivas implementadas.
Este documento presenta un manual sobre pruebas de hipótesis utilizando Minitab. Explica procedimientos estadísticos como Z de 1 muestra, t de 1 muestra, t de 2 muestras, t pareada, 1 proporción, 2 proporciones para realizar pruebas de hipótesis e intervalos de confianza. Incluye ejemplos y pasos para aplicar estos procedimientos en Minitab.
El documento describe cómo representar gráficamente y cuantitativamente la relación entre variables dependientes e independientes usando un diagrama de dispersión y el coeficiente de correlación de Pearson. Explica que un coeficiente entre 0.3 y 0.8 indica una relación débil positiva, entre -0.3 y 0.3 no hay relación, y entre -0.8 y -0.3 una débil negativa. Luego, analiza dos conjuntos de datos encontrando primero no relación y luego una débil negativa.
El documento presenta un resumen de técnicas de análisis bivariado como la regresión lineal, correlación lineal y análisis de varianza. Explica cómo realizar estas pruebas estadísticas en SPSS y proporciona ejemplos de su aplicación analizando diferentes variables como ingresos, número de hijos, estado civil y más.
Este documento explica los conceptos de correlación y regresión lineal simple. La correlación mide la asociación lineal entre dos variables continuas, indicando si la relación es positiva, negativa o nula. La regresión lineal simple analiza la relación entre una variable de respuesta continua y una variable predictora, generando una ecuación de la forma Y= a + bX. El documento provee ejemplos prácticos para calcular la correlación y regresión lineal usando datos reales en el software Minitab.
El documento describe métodos de análisis de regresión y correlación lineal simple, incluyendo el coeficiente de correlación de Pearson, el coeficiente de correlación de Spearman, y el análisis de regresión lineal simple usando el método de mínimos cuadrados ordinarios. También discute pruebas de hipótesis, evaluación de supuestos, y abusos comunes de la regresión lineal simple.
Este documento presenta cuatro ejemplos de regresión lineal resueltos. En el primer ejemplo se calcula la ecuación de regresión lineal para predecir el peso de un niño basado en su edad. En el segundo ejemplo se calcula la correlación y ecuación de regresión para predecir la cantidad de clientes basado en la distancia a un centro comercial. En el tercer ejemplo se calcula la nota esperada en Química basado en la nota en Matemáticas. En el cuarto ejemplo se selecciona la ecuación de
El documento presenta un curso sobre el programa estadístico Minitab15. Explica las características del programa, como su facilidad de uso, gráficas, herramientas estadísticas y de calidad. También describe cómo crear proyectos, hojas de trabajo y gráficos, y realizar análisis de datos como estadísticas descriptivas, ANOVA de un factor e interpretación de resultados.
Este documento presenta una introducción al tema de la regresión lineal simple. Explica el modelo de regresión, los métodos de estimación de parámetros como mínimos cuadrados y máxima verosimilitud, y realiza inferencia y predicción. También cubre el diagnóstico del modelo verificando supuestos como linealidad, homocedasticidad y normalidad revisando gráficos de residuos.
Este documento describe la relación lineal entre dos variables cuantitativas. Explica que una relación lineal puede ser positiva, lo que significa que las variables aumentan juntas, o negativa, lo que significa que una variable aumenta mientras la otra disminuye. También cubre cómo calcular el coeficiente de correlación para medir la fuerza de la relación y cómo obtener la ecuación de regresión lineal para predecir los valores de una variable en función de la otra.
Se lleva a cabo un experimento para comparar el desgaste por abrasivo de dos materiales laminados. El material 1 tuvo un desgaste promedio de 85 unidades y el material 2 de 81 unidades. Usando una prueba t de Student con un nivel de significancia del 0.05, no se puede concluir que el desgaste del material 1 exceda el del material 2 en más de 2 unidades.
El documento describe el análisis de correlación y regresión lineal. Explica que la correlación mide la relación entre dos variables y que la regresión predice los valores de una variable dependiente basados en los valores de una variable independiente. Luego, usa un ejemplo de datos sobre el número de páginas y el precio de libros de texto para ilustrar cómo calcular el coeficiente de correlación, desarrollar una ecuación de regresión, y determinar el error estándar de estimación y los intervalos de confianza y predicción.
Este documento presenta un libro titulado "La Cura en un Minuto: El Secreto para Curar Prácticamente Todas las Enfermedades". El libro discute una terapia sencilla que puede curar muchas enfermedades en menos de un minuto y cuesta menos de un centavo y medio por día. Aunque aproximadamente 15,000 médicos europeos han usado con éxito esta terapia, ha sido ocultada en Estados Unidos. El libro también examina cómo la industria farmacéutica ha complicado innecesariamente la medic
Estrategia competitiva dotaciones- B&E FASHIONS.Fabian Tovar
Utilización de las herramienta tecnológicas para la distribución de productos de dotaciones utilizadas por la competencia de la empresa B&E FASHIONS LTDA.
Recomendaciones de uso humus granulado 2014 Lombricultura de TenjoLombricultura de Tenjo
El Humus granulado es un Abono orgánico de calidad, estable, de acción rápida y prolongada, procesado y obtenido de manera ecológica para favorecer el desarrollo sostenible del agroecosistema, mejorando así el potencial productivo suelo – planta
El documento describe las relaciones entre fuerza, velocidad y potencia en el músculo humano. Explica que existen tres parámetros clave: la máxima velocidad de movimiento, la máxima potencia de trabajo y la máxima fuerza isométrica. Además, analiza cómo estos parámetros varían entre personas entrenadas y no entrenadas. Finalmente, presenta el método búlgaro de entrenamiento, el cual se basa en repeticiones de alta intensidad con cortos períodos de descanso.
El documento presenta las perspectivas de las tecnologías de la información desde el Proyecto de Ley de Infogobierno en Venezuela. El proyecto promueve el uso del software libre para dar más libertades a los ciudadanos y fomentar la independencia tecnológica. El proyecto también ofrece características como permitir a los ciudadanos acceder a servicios gubernamentales en línea para ahorrar tiempo y dinero. Además, cubre aspectos legales relacionados como la Ley de Interoperabilidad de 2012 y su enmarque en el Plan de
Este documento describe los conceptos básicos de las pruebas de hipótesis. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula con una hipótesis alternativa mediante la toma de una decisión estadística. También define los términos hipótesis nula, hipótesis alternativa y nivel de significancia, los cuales son elementos clave de cualquier prueba de hipótesis. Por último, presenta ejemplos detallados del uso de las pruebas Z de una muestra y t de una m
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 proporciona una revisión general de los análisis no paramétricos disponibles en Minitab, incluyendo pruebas de la mediana de 1 y 2 muestras, análisis de varianza no paramétricos, pruebas para determinar aleatoriedad, y estadísticas en pareja. También explica las ventajas de los análisis no paramétricos sobre los paramétricos cuando los supuestos de distribución no se cumplen, y provee ejemplos y referencias adicionales.
Manual de R-commander en Prueba de HipotesisFernan Silva
Este documento presenta el software R-Commander como una interfaz gráfica de usuario que permite realizar análisis estadísticos en R sin necesidad de conocer el lenguaje de comandos. Explica cómo realizar pruebas de hipótesis comunes como contrastes sobre la media, diferencia de medias, proporción y varianza utilizando las herramientas de R-Commander.
Este documento presenta un ejercicio sobre intervalos de confianza y contrastes de hipótesis utilizando una muestra aleatoria de una población simulada. Instruye sobre cómo construir intervalos de confianza del 95% y 80%, analizar si contienen el valor poblacional real de 11 mm, y realizar contrastes de hipótesis utilizando valores alfa de 0.05 y 0.20. También explica cómo utilizar SPSS para obtener estos resultados e incluye ejercicios prácticos de aplicación.
Este documento presenta un curso práctico de bioestadística con herramientas de Excel. Incluye información sobre el instructor Fabrizio Marcillo Morla y contiene capítulos sobre estadística descriptiva, distribución de frecuencias, estimación de parámetros poblacionales como medias, varianzas y proporciones utilizando diferentes tipos de muestreo como muestreo aleatorio simple, estratificado y de tamaño fijo.
La T de Student es una prueba estadística diseñada para probar hipótesis en estudios con muestras pequeñas. Se calcula comparando la diferencia muestral con la desviación estándar de la diferencia. Incluye grados de libertad igual al tamaño de la muestra menos uno. Para aplicarla, se plantean hipótesis nula y alternativa, se determina el nivel de significancia, se calculan la media y desviación estándar muestral y se contrasta el valor T obtenido con el crítico de la tabla.
1) El documento discute la importancia de considerar el costo de errores tipo I y II en la investigación de mercados. 2) Explica que para fines gerenciales es mejor usar un nivel de significación entre 0.10 a 0.25 en lugar de 0.01 o 0.05. 3) Detalla los pasos para realizar pruebas de hipótesis estadísticas como Z, t y Ji cuadrado dependiendo del tipo de datos.
Este documento presenta los pasos para realizar una prueba de hipótesis. Primero, se plantean la hipótesis nula y la hipótesis alternativa. Luego, se especifica el nivel de significancia y se elige la estadística de prueba apropiada. Finalmente, se determinan los valores críticos, se calcula el valor de la estadística de prueba y se toma una decisión sobre si rechazar o no la hipótesis nula. El documento también proporciona ejemplos numéricos para ilustrar
Este documento presenta información sobre pruebas de hipótesis. Explica las etapas básicas de las pruebas de hipótesis, incluido planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba y tomar una decisión estadística. También discute los tipos de errores, pruebas unilaterales y bilaterales, y pruebas para una media con muestras grandes y pequeñas.
Este documento trata sobre las pruebas de hipótesis. Explica qué son las pruebas de hipótesis, sus etapas básicas como planear la hipótesis nula y alternativa, especificar el nivel de significancia y elegir la estadística de prueba. También cubre conceptos como tamaños de error, pruebas para proporciones y medias, y ofrece ejemplos relacionados con la industria del turismo.
Este documento describe los pasos para estimar un modelo econométrico y analizar los resultados en el software Eviews. Explica cómo introducir una ecuación, estimar los parámetros, y examinar las pruebas estadísticas y diagnósticos para evaluar la validez del modelo, incluyendo pruebas para la normalidad de los errores, autocorrelación, multicolinealidad y heterocedasticidad.
Este documento describe las pruebas de hipótesis, incluyendo la hipótesis nula, la hipótesis alternativa, la región de rechazo y cómo concluir si se rechaza o no la hipótesis nula. Luego presenta un ejemplo de realizar una prueba t de estudiante en R para determinar si un aditivo alimenticio aumentó el peso promedio de los pollos. Los resultados indican que no se puede rechazar la hipótesis nula de que el aditivo no aumentó el peso promedio.
Este documento describe las etapas básicas para realizar pruebas de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, y determinar si se acepta o rechaza la hipótesis nula. También explica cómo realizar pruebas unilaterales, bilaterales, para una o dos medias poblacionales, y para observaciones emparejadas. Define los errores tipo I y II y cómo minimizarlos.
Este documento describe las etapas básicas para realizar pruebas de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, y determinar si se acepta o rechaza la hipótesis nula. También explica cómo realizar pruebas unilaterales, bilaterales, para una o dos medias poblacionales, y para observaciones emparejadas. Define los errores tipo I y II y cómo minimizarlos.
Este documento describe las etapas básicas para realizar pruebas de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, y determinar si se acepta o rechaza la hipótesis nula. También explica cómo realizar pruebas unilaterales, bilaterales, para una o dos medias poblacionales, y para observaciones emparejadas. Define los errores tipo I y II y cómo minimizarlos.
La distribución t de Student se utiliza para realizar inferencia estadística cuando se desconoce la desviación estándar poblacional y la muestra es menor a 30. Se parece a la distribución normal pero tiene más área en los extremos. Se usa para calcular intervalos de confianza, probar hipótesis, y determinar si dos muestras provienen de la misma población. El procedimiento implica plantear hipótesis nula e hipótesis alternativa, determinar el nivel de significancia, calcular la evidencia muestral, y aplic
Este documento presenta información sobre análisis de datos experimentales y pruebas de hipótesis. Explica conceptos como intervalo de confianza, prueba de hipótesis, hipótesis nula e hipótesis alternativa. También cubre cómo calcular el margen de error, determinar el intervalo de confianza para una o más poblaciones, y evaluar si se rechaza o no la hipótesis nula basado en el valor p. Finalmente, ofrece detalles sobre cómo calcular grados de libertad para diferentes tipos de muestras y
Este documento trata sobre estadística inferencial. Explica que la estadística inferencial permite deducir características de una población a partir de una muestra. Define conceptos como población, muestra, parámetros, estadísticos, estimación puntual e intervalos de confianza. Luego describe cómo calcular intervalos de confianza para medias y proporciones, y realizar pruebas de hipótesis para una muestra.
La prueba de Wilcoxon se utiliza para probar hipótesis sobre el valor de una mediana poblacional. El resumen describe el proceso de aplicar la prueba de Wilcoxon a datos de ventas de una ferretería para determinar si la mediana de ventas es mayor o menor que 10 unidades. El valor estadístico calculado es menor que el valor crítico, por lo que se acepta la hipótesis nula de que la mediana es mayor o igual a 10 unidades.
1. El laboratorio afirmó que sus productos eran 90% efectivos para reducir una alergia en 8 horas, pero los resultados mostraron una efectividad de sólo el 80%. Por lo tanto, la afirmación del laboratorio es falsa.
2. Se probó una muestra de 50 motores modificados y se encontró que emitían en promedio 92 miligramos de óxido de nitrógeno por segundo, menos que los 100 miligramos por segundo antes de la modificación. Por lo tanto, es razonable suponer que la modificación reduce las emisiones de la población general de mot
Este documento presenta 4 casos de estudio sobre la distribución de Poisson. En el primer caso, se calcula la probabilidad de que en una muestra de 5,000 piezas defectuosas haya 1 o 2 defectos. En el segundo caso, se calcula la probabilidad de encontrar exactamente 15 partículas en una suspensión. En el tercer caso, se calcula la probabilidad de que un blog reciba entre 12 y 20 visitas en 3 minutos. Finalmente, en el cuarto caso se calcula la probabilidad de que una galleta contenga entre 0 y 10 chispas de chocolate.
Este documento presenta varios casos de distribución binomial y proporciona los pasos para calcular la probabilidad de resultados esperados en muestras aleatorias. En el primer caso, se analiza una muestra de 87 piezas de una fábrica con una tasa de defectos del 1.1%. En el segundo caso, se inspeccionan 5 lotes de 75 piezas cada uno para determinar si la tasa de defectos informada por un proveedor es correcta. Finalmente, se identifican las causas principales de defectos en la producción a través de diagramas de Ishikawa y
Este documento discute los problemas causados por malos jefes y cómo ser un buen jefe. Explica que los malos jefes pueden causar estrés y daños a la salud de los empleados. También analiza las características de los buenos jefes, incluyendo expresar confianza, tomar decisiones rápidas, dar crédito a otros y asumir la responsabilidad cuando surgen problemas. Concluye que un buen jefe busca empoderar a los empleados y crear un ambiente donde puedan aprender de sus errores.
Este documento discute los efectos negativos de tener un mal jefe en el lugar de trabajo. Un mal jefe puede causar baja moral, productividad y competitividad entre los empleados. Solo una pequeña fracción de empleados se sienten satisfechos con su trabajo o empresa. Para ser un buen líder, un jefe debe tratar a los empleados con respeto, escuchar sus ideas y crear un ambiente de confianza donde puedan cumplir sus objetivos.
Este documento proporciona ejemplos de listas de verificación (checklists) de tipo alfanumérico y gráfico. La lista alfanumérica enumera los materiales necesarios para acampar y para fotografía/video, mientras que las listas de tipo gráfico se enfocan en controlar gastos, inventario y evaluación de trabajos a través de gráficas y dibujos.
Gossiping at work can negatively impact your reputation and health. When you gossip about coworkers, listeners may attribute the negative qualities you describe to your own personality. There are three types of stressful workplace talk that can damage health: critical words that spread negativity, whining and complaining, and rude or inconsiderate words. Even seemingly harmless comments can increase stress hormones like cortisol and potentially lead to conditions like hypertension, depression, and gastrointestinal issues over time. It's best to avoid gossiping and focus on coping with stress in constructive ways to protect your health and productivity.
Este documento presenta información sobre variabilidad, Western Electric Rules y Nelson Rules. 1) Se define la variabilidad y se explican sus tipos y factores que la afectan. 2) Se describen las Western Electric Rules como reglas de decisión para detectar condiciones fuera de control en gráficos de control y se enumeran sus 4 reglas. 3) Se explican las Nelson Rules como un método para determinar si una variable está fuera de control y se enumeran sus 8 reglas.
Este documento presenta un resumen de tres temas discutidos por Yovana y Luis Enrique de la Universidad Tecnológica de Torreón: 1) variabilidad, que se refiere a las diferencias en el comportamiento de los fenómenos debido a factores no controlables; 2) Western Electric Rules, que son reglas para detectar condiciones fuera de control en gráficos de control; y 3) Nelson Rules, que son un método para determinar si una variable medida está fuera de control basado en el valor medio y la desviación estándar de las mue
Este documento resume un libro titulado "De Barbaros a Burócratas" que describe la evolución cultural de las empresas. Explica que la cultura empresarial está definida por los elementos compartidos que identifican una misión común. Analiza diferentes tipos de liderazgo y cómo los líderes deben identificar retos y soluciones para que la organización progrese. También describe seis tipos de líderes - el profeta, el bárbaro, el constructor, el administrador, el burócrata y el aristócrata - y sus funciones dentro de una
Qué cosas importantes crees que deberías aprender y no estas aprendiendo para...Yovana Marin
La estudiante Yovana Marin de la Fuente identifica 10 habilidades que cree que los estudiantes deberían aprender para trabajar en el siglo XXI pero que no están aprendiendo actualmente. Estas incluyen aprender a trabajar de manera independiente, bajo presión y en equipo, desarrollar valores humanos, cultura de lectura y escritura, uso adecuado de la tecnología y comunicación, sociabilización, habilidades propias y trabajo en equipo. Ella también señala que los profesores deben saber comunicarse mejor con los
Este documento describe los intervalos de confianza, los cuales son rangos de valores calculados a partir de una muestra que con una probabilidad determinada incluyen el verdadero valor del parámetro poblacional que se está estimando. Explica que el nivel de confianza es la probabilidad de que el parámetro se encuentre en el intervalo, mientras que el nivel de significancia es la probabilidad de error. Además, detalla cómo se construyen los intervalos de confianza para la media cuando la variable tiene una distribución normal. Finalmente, señala que los interval
Este documento resume los conceptos clave de las pruebas de hipótesis. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula (Ho) con una hipótesis alternativa (H1) para tomar una decisión sobre cuál es aceptada. También define conceptos como errores tipo I y II, estadísticos de prueba como z y t, y cómo formular la regla de decisión y tomar una decisión final sobre si rechazar o no la hipótesis nula.
Este documento describe varias distribuciones de probabilidad como la distribución de Bernoulli, binomial, Poisson, normal, gamma y t-Student. Explica sus características clave como la probabilidad de éxito o fracaso, el número de ensayos, la esperanza y varianza para modelar diferentes tipos de experimentos aleatorios.
Procesos industriales área manufacturaYovana Marin
Este documento proporciona información sobre varias distribuciones de probabilidad, incluyendo la distribución de Bernoulli, la distribución binomial, la distribución de Poisson, la distribución normal, la distribución gamma y la distribución t de Student. Define cada distribución y proporciona ejemplos para ilustrar sus características y cómo se pueden usar para modelar diferentes tipos de datos.
Este documento resume varias distribuciones de probabilidad importantes como la distribución de Bernoulli, binomial, Poisson y normal. Explica que una distribución de probabilidad indica los posibles valores de un experimento aleatorio y sus probabilidades. Luego describe las características y fórmulas de cada distribución, incluyendo ejemplos para ilustrar su aplicación.
Procesos industriales área manufacturaYovana Marin
Este documento resume varias distribuciones de probabilidad importantes como la distribución de Bernoulli, binomial, Poisson y normal. Explica que una distribución de probabilidad indica los posibles valores de un experimento aleatorio y sus probabilidades. Luego describe las características y fórmulas clave de cada distribución.
2. Z de 1 muestra
Estadísticas > Estadísticas básicas > Z de una Muestra
Utilice Z de 1 muestra para calcular un intervalo de confianza o realizar una
prueba de hipótesis de la media cuando no se conoce . Para una prueba Z de
una muestra de dos colas, las hipótesis son:
H0 : = 0 versus H1: ≠ 0
Donde es la media de la población y 0 es la media de la población hipotética.
Elementos del cuadro de diálogo
Muestras en columnas: Elija esta opción si ha ingresado datos sin procesar en
columnas. Ingrese las columnas que contienen los datos de muestra.
Datos resumidos: Elija esta opción si tiene valores de resumen para el tamaño
de la muestra y la media.
Tamaño de la muestra: Ingrese el valor para el tamaño de la muestra .
Media: Ingrese el valor para la media de la muestra.
Desviación estándar: Ingrese el valor de la desviación estándar de población.
Realizar prueba de hipótesis: Marque esta opción para realizar una prueba de
hipótesis.
Media hipotética: Ingrese la media de la prueba 0.
Procedimiento
1 Elija Estadísticas > Estadísticas básicas > Z de 1 muestra.
2 En Muestras en columnas, ingrese las columnas que contienen las muestras.
3 En Desviación estándar, ingrese un valor para
4 Si lo desea, utilice cualquier opción del cuadro de diálogo y luego haga clic en
Aceptar.
3. Ejemplo
Las mediciones se tomaron en nueve artefactos. Usted sabe que la distribución de
las mediciones históricamente ha estado cerca de una distribución normal con =
0.2. Puesto que usted conoce el valor de y desea probar si la media de
población es 5 y obtener un intervalo de confianza de 90% para la media, usted
utiliza el procedimiento Z.
1 Abra la hoja de trabajo EJA_ESTAD.MTW.
2 Elija Estadísticas > Estadísticas básicas > Z de 1 muestra.
3 En Muestras en columnas, ingrese Valores.
4 En Desviación estándar, ingrese 0.2.
5 Marque Realizar prueba de hipótesis. En Media hipotética, ingrese 5.
6 Haga clic en Opciones. En Nivel de confianza, ingrese 90. Haga clic en
Aceptar.
7 Haga clic en Gráficas. Marque Gráfica de valores individuales. Haga clic en
Aceptar en cada cuadro de diálogo.
Salida de la ventana Sesión
4. Interpretación de los resultados
La estadística de prueba, Z, para probar si la media de población es igual a 5 es
3.17. El valor p , o la probabilidad de rechazar la hipótesis nula cuando es
verdadera, es 0.002. Esto se denomina un nivel de significancia obtenido, valor p o
obtenido de la prueba. Debido a que el valor p de 0.002 es más pequeño que los
niveles comúnmente elegidos, existe evidencia significativa de que no es igual
a 5, de manera que usted puede rechazar H0 en favor de que el valor de no es 5.
Una prueba de hipótesis en = 0.1 también puede realizarse al observar una
gráfica de valores individuales. El valor hipotético se ubica fuera del intervalo de
confianza de 90% para la media de población (4.6792, 4.8985) y de este modo
puede rechazar la hipótesis nula.
5. 1 t de MUESTRA
Estadísticas > Estadísticas básicas > t de 1 muestra
Realiza una prueba t de una muestra o intervalo de confianza t para la media.
Utilice t de 1 muestra para calcular un intervalo de confianza y realice una prueba
de hipótesis de la media cuando no se conoce la desviación estándar de la
población, . Para una t de una muestra con dos colas,
H0: = 0 versus H1: ≠ 0
donde es la media de la población y 0 es la media de la población hipotética.
Elementos del cuadro de diálogo
Muestras en columnas: Elija esta opción si ha ingresado datos sin procesar en
columnas. Ingrese las columnas que contienen los datos de muestra.
Datos resumidos: Elija si tiene valores de resumen para el tamaño de la muestra,
media y desviación estándar.
Tamaño de la muestra: Ingrese el valor para el tamaño de la muestra .
Media: Ingrese el valor para la media de la muestra.
Desviación estándar: Ingrese el valor para la desviación estándar de la muestra.
Realizar prueba de hipótesis: Marque esta opción para realizar una prueba de
hipótesis.
Media hipotética: Ingrese la media de la prueba 0.
PROCEDIMIENTO
Elija Estadísticas > Estadísticas básicas > t de 1 muestra.
2 En Muestras en columnas, ingrese las columnas que contienen las muestras.
3 Si lo desea, utilice cualquier opción del cuadro de diálogo y luego haga clic en
Aceptar.
6. Ejemplo
Las mediciones se tomaron en nueve artefactos. Usted sabe que la distribución de
las mediciones de los artefactos históricamente ha estado cerca de una
distribución normal, pero supongamos que usted no conoce . Para probar si la
media de población es 5 y para obtener un intervalo de confianza de 90% para la
media, usted utiliza un procedimiento t.
1 Abra la hoja de trabajo EJA_ESTAD.MTW.
2 Elija Estadísticas > Estadísticas básicas > t de 1 muestra.
3 En Muestras en columnas, ingrese Valores.
4 Marque Realizar prueba de hipótesis. En Media hipotética, ingrese 5.
5 Haga clic en Opciones. En Nivel de confianza, ingrese 90. Haga clic en
Aceptar en cada cuadro de diálogo.
Salida de la ventana Sesión
7. 5.15.04.94.84.74.64.54.4
X
_
Ho
Valores
Gráfica de valores individuales de Valores
(con Ho e intervalo de confianza Z de 90% para la media y Desv.Est. = 0.2)
Interpretación de los resultados
La estadística de prueba, T, para H0: = 5 se calcula como 2.56.
El valor p de esta prueba, o la probabilidad de obtener más valores extremos de la
estadística de prueba en virtud de las probabilidades si la hipótesis nula fuera
verdadera, es de 0.034. Esto se denomina nivel de significancia obtenido o valor p.
Por lo tanto, rechace H0 si su nivel aceptable es mayor que el valor p o 0.034.
Un intervalo de confianza de 90% para la media de población, , es
(4.6357,4.9421). Este intervalo es ligeramente más amplio que el intervalo Z
correspondiente que se muestra en Ejemplo de Z de 1 muestra.
8. 2 T de MUESTRA
Estadísticas > Estadísticas básicas > t de 2 muestras
Realiza una prueba t de 2 muestras independientes y genera un intervalo de
confianza .
Cuando tenga muestras dependientes , utilice Estadísticas > Estadísticas básicas
> t pareada.
Utilice t de 2 muestras para realizar una prueba de hipótesis y calcular un intervalo
de confianza o la diferencia entre dos medias de población cuando las
desviaciones estándar de las poblaciones, , sean desconocidas. Para una prueba
t de 2 muestras con dos colas
H0: 1 2 = 0 versus H1: 1 2 ≠ 0
Donde 1 y 2 son las medias de población y 0 es la diferencia hipotética entre las
dos medias de población.
Elementos delcuadrode diálogo
Muestras en una columna: Elija esta opción si los datos de la muestra se
encuentran en una columna individual, diferenciados por los valores de subíndice
(códigos de grupo) en una segunda columna.
Muestras: Ingrese la columna que contiene los datos.
Subíndices: Ingrese la columna que contiene los subíndices de la muestra.
Muestras en diferentes columnas: Elija esta opción si los datos de las dos
muestras están en columnas separadas.
Primero: Ingrese la columna que contiene una muestra.
Segundo: Ingrese la columna que contiene la otra muestra.
Datos resumidos (diferencias): Elija esta opción si tiene valores de resumen
para el tamaño de la muestra , media y desviación estándar para cada muestra.
Nombre
Tamaño de la muestra: Ingrese el valor para el tamaño de la muestra.
Media: Ingrese el valor de la media.
9. Desviación estándar: Ingrese el valor de la desviación estándar.
Segundo
Tamaño de la muestra: Ingrese el valor del tamaño de la muestra.
Media: Ingrese el valor de la media.
Desviación estándar: Ingrese el valor de la desviación estándar.
Asumir varianzas iguales: Marque esta opción para presuponer que las
poblaciones tienen varianzas iguales. La opción predeterminada es presuponer
varianzas desiguales. Véase Varianzas iguales o desiguales.
Procedimiento
1 Elija Estadísticas > Estadísticas básicas > t de 2 muestra.
2 Elija una de las siguientes opciones:
Si sus datos están apilados en una columna individual:
Elija Muestras en una columna.
En Muestras, ingrese la columna que contiene los datos numéricos.
En Subíndices, ingrese la columna que contiene los códigos de grupo o
población.
Si sus datos no están apilados, es decir, cada muestra se encuentra en una
columna separada:
Elija Muestras en diferentes columnas.
En Primera, ingrese la columna que contiene la primera muestra.
En Segunda, ingrese la columna que contiene la otra muestra.
3 Si lo desea, utilice cualquiera de las opciones del cuadro de diálogo y haga clic
en Aceptar.
10. Ejemplo
Se llevó a cabo un estudio para evaluar la efectividad de dos dispositivos para
mejorar la eficiencia de sistemas de calefacción domésticos a gas. El consumo de
energía en las viviendas se midió después de la instalación de uno de los dos
dispositivos. Los dos dispositivos eran: un regulador eléctrico (Regulador=1) y un
regulador de activación térmica (Regulador=2). Los datos de consumo de energía
(BTU.Con) se apilan en una columna y una columna de agrupación (Regulador)
contiene identificadores o subíndices para denotar la población. Supongamos que
realizó una prueba de varianza y no encontró evidencia de que las varianzas no
sean iguales (véase Ejemplo de 2 varianzas). Ahora, usted desea comparar la
efectividad de estos dos dispositivos al determinar si existe o no evidencia de que
la diferencia entre los dispositivos es diferente de cero.
1 Abra la hoja de trabajo HORNO.MTW.
2 Elija Estadísticas > Estadísticas básicas > t de 2 muestras.
3 Elija Muestras en una columna.
4 En Muestras, ingrese 'BTU.Con'.
5 En Subíndices, ingrese Regulador.
6 Marque la opción Asumir varianzas iguales. Haga clic en Aceptar.
Salida de la ventana Sesión
11. 21
20
15
10
5
Regulador
BTU.Con
Gráfica de valores individuales de BTU.Con vs. Regulador
Interpretación de los resultados
Minitab muestra una tabla de los tamaños de muestras, las medias de muestras,
las desviaciones estándar y los errores estándar de las dos muestras.
Debido a que anteriormente no se encontró evidencia de que las varianzas sean
desiguales, decidimos utilizar la desviación estándar agrupada al elegir Asumir
varianzas iguales. La desviación estándar agrupada, 2.8818, se utiliza para
calcular la estadística de prueba y los intervalos de confianza .
Una segunda tabla ofrece un nivel de confianza para la diferencia en las medias
de poblaciones. Para este ejemplo, un intervalo de confianza de 95% es (1.450,
0.980), el cual incluye cero, lo que sugiere que no existe diferencia. El siguiente es
el resultado de la prueba de hipótesis . La estadística de prueba es 0.38, con un
valor p de 0.701 y 88 grados de libertad .
Debido a que el valor p es mayor que los niveles normalmente elegidos, no
existe evidencia de que haya diferencia en uso de energía cuando se utiliza un
regulador eléctrico versus un regulador de activación térmica.
12. Muestra T-T
Estadísticas > Estadísticas básicas > t pareada
Realiza una prueba t pareada . Este procedimiento es apropiado para poner a
prueba la diferencia media entre observaciones pareadas cuando las diferencias
pareadas siguen una distribución normal.
Utilice el comando t pareada para calcular un intervalo de confianza y realizar una
prueba de hipótesis de la diferencia media entre las observaciones pareadas de la
población. Una prueba t pareada crea correspondencia en pares de respuestas
que son dependientes o están relacionadas. Esta correspondencia permite
explicar la variabilidad entre los pares que por lo general produce un término de
error más pequeño y, de esta manera, se aumenta la sensibilidad de la prueba de
hipótesis o intervalo de confianza.
Como ejemplos típicos de datos pareados figuran las mediciones hechas en
gemelos o mediciones del tipo "antes y después". Para una prueba t pareada:
H0: d = 0 versus H1: d ≠ 0
Donde d es la media de la población de las diferencias y 0 es la media hipotética
de las diferencias.
Cuando las muestras se extraen de manera independiente de dos poblaciones,
utilice Estadísticas > Estadísticas básicas > t de 2 muestras.
Elementos delcuadrode diálogo
Muestra en columnas: Elija esta opción si ha ingresado datos sin procesar en
dos columnas.
Primera muestra: Ingrese la columna que contiene la primera muestra
Segunda muestra: Ingrese la columna que contiene la segunda muestra
Datos resumidos (diferencias): Elija si tiene valores de resumen para el tamaño
de la muestra , media y desviación estándar de la media.
Tamaño de muestra: Ingrese el valor del tamaño de la muestra.
Media: Ingrese el valor de la media.
Desviación estándar: Ingrese el valor de la desviación estándar.
Procedimiento
13. 1 Elija Estadísticas > Estadísticas básicas > t pareada.
2 En Primera muestra, ingrese la columna que contiene la primera muestra.
3 En Segunda muestra, ingrese la columna que contiene la segunda muestra.
4 Si lo desea, utilice cualquiera de las opciones del cuadro de diálogo y haga clic
en Aceptar
Ejemplo
Una empresa fabricante de zapatos desea comparar dos materiales, A y B, para
utilizar en las suelas de los zapatos para niños varones. En este ejemplo, cada
uno de diez niños en un estudio usó un par especial de zapatos con la suela de un
zapato hecha con el material A y con la suela del otro zapato hecha con el material
B. El tipo de suela fue asignado de forma aleatoria para explicar las diferencias
sistemáticas en el desgaste entre el pie izquierdo y el derecho. Después de tres
meses, los zapatos se miden para su uso.
Para estos datos, usted utilizaría un diseño pareado en vez de un diseño no
pareado. Un procedimiento t pareado probablemente tendría un término de error
más pequeño que el que correspondería a un procedimiento no pareado porque
éste elimina la variabilidad causada por diferencias entre los pares. Por ejemplo,
es posible que uno de los niños viva en la ciudad y camine sobre pavimento la
mayor parte del día, mientras que otro niño pudiera vivir en el campo y pasar gran
parte del día sobre superficies no pavimentadas.
1 Abra la hoja de trabajo EJA_ESTAD.MTW.
2 Elija Estadísticas > Estadísticas básicas > t pareada.
3 Elija Muestras en columnas.
4 En Primera muestra, ingrese Mat-A. En Segunda muestra, ingrese Mat-B.
Haga clic en Aceptar.
Salida de la ventana Sesión
14. N Media Desv.Est. Error estándar en la media
Mat-A 10 10.630 2.451 0.775
Mat-B 10 11.040 2.518 0.796
Diferencia 10 -0.410 0.387 0.122
IC de 95% para la diferencia media:: (-0.687, -0.133)
Prueba t de diferencia media = 0 (vs. no = 0): Valor T = -3.35 Valor P = 0.009
Interpretación de los resultados
El intervalo de confianza para la media de la diferencia entre los dos materiales no
incluye cero, lo cual sugiere una diferencia entre ellos. El valor p pequeño (p =
0.009) también sugiere que los datos no concuerdan con H0: d = 0, es decir, los
dos materiales no tienen el mismo rendimiento. Específicamente, el Material B
(media = 11.04) tuvo mejor rendimiento que el Material A (media = 10.63) en lo
que respecta a desgaste a lo largo del período de prueba de tres meses.
Compare los resultados del procedimiento pareado con los resultados del no
pareado, prueba t de dos muestras (Estadísticas > Estadísticas básicas > t de 2
muestras). Los resultados del procedimiento pareado nos inducen a creer que los
datos no concuerdan con H0 (t = 3.35; p = 0.009). Sin embargo, los resultados del
procedimiento no pareado (no se muestran) son totalmente diferentes. Una prueba
t no pareada produce un valor t de 0.37, y un valor p de 0.72. Con base en estos
resultados, no sería posible rechazar la hipótesis nula y podríamos concluir que no
existe diferencia en el rendimiento de los dos materiales.
En el procedimiento no pareado, la gran cantidad de varianza en el desgaste de
los zapatos entre los niños (el desgaste promedio para un niño fue de 6.50 y para
otro de 14.25) oculta la diferencia, hasta cierto punto menos drástica, en el
desgaste entre los zapatos izquierdo y derecho (la diferencia más grande entre
zapatos fue de 1.10). Esta es la razón por la cual un diseño experimental pareado
15. y un análisis subsiguiente con una prueba t pareada, cuando corresponda, es con
frecuencia mucho más potente que un enfoque no pareado.
0.0-0.3-0.6-0.9-1.2
X
_
Ho
Diferencias
Gráfica de valores individuales de Diferencias
(con Ho e intervalo de confianza t de 95% para la media)
16. Muestra 1 p
Estadísticas > Estadísticas básicas > 1 Proporción
Realiza una prueba de una proporción binomial.
Utilice 1 Proporción para calcular un intervalo de confianza y realizar una prueba
de hipótesis de la proporción . Por ejemplo, una fábrica de repuestos para
vehículos afirma que menos del 2% de sus bujías son defectuosas. Usted podría
tomar una muestra aleatoria de las bujías y determinar si la proporción defectuosa
real coincide o no con la afirmación. Para una prueba de dos colas de una
proporción:
H0: p = p0 versus H1: p ≠ p0 donde p es la proporción de población y p0 es el valor
hipotético.
Para comparar dos proporciones, utilice Estadísticas > Estadísticas básicas > 2
proporciones.
Elementos del cuadro de diálogo
Muestras en columnas: Elija esta opción si usted tiene datos en las columnas,
luego, ingrese las columnas que contienen los datos de muestra. Cada celda de
estas columnas debe tener uno de dos valores posibles y corresponder a un
elemento o sujeto. Los valores posibles en las columnas deben ser idénticos si
usted ingresa columnas múltiples.
Datos resumidos: Elija esta opción si tiene valores de resumen para los números
de ensayos y eventos.
Número de eventos: Ingrese el número de eventos observados. Si usted ingresa
más de un valor; el valor entero que ingrese en Número de ensayos se aplicará a
todos.
Número de ensayos: Ingrese un valores individuales para el número de ensayos.
Realizar prueba de hipótesis: Marque esta opción para realizar la prueba de
hipótesis de que la proporción de población es igual a un valor especificado.
Proporción hipotética: Ingrese el valor de la proporción para la hipótesis nula de
la prueba.
17. Procedimiento
1 Elija Estadísticas > Estadísticas básicas > 1 Proporción.
2 Realice uno de los siguientes procedimientos:
Si tiene datos sin procesar, elija Muestras en columnas, e ingrese las
columnas que contienen los datos sin procesar.
Si tiene datos resumidos:
1 Elija Datos resumidos.
2 En Número de ensayos, ingrese un valor entero numérico simple para el
número de ensayos. Con frecuencia, el número de ensayos será su tamaño de
muestra..
3 En Número de eventos, ingrese uno o más valores enteros numéricos como
el número observado de eventos.
3 Si lo desea, utilice cualquiera de las opciones del cuadro de diálogo y haga clic
en Aceptar.
Ejemplo
A una fiscal de condado le gustaría postularse para la fiscalía del estado. Ella
decide que renunciará a su cargo en la oficina del condado y postularse para la
fiscalía del estado si más del 65% de los miembros de su partido la respaldan.
Usted necesita probar H0: p = .65 versus H1: p > .65
Como su director de campaña, usted recopiló información de 950 miembros del
partido seleccionados de manera aleatoria y observa que 560 miembros del
partido apoyan a la candidata. Una prueba de proporción se realizó para
determinar si la proporción de los partidarios era o no mayor que la proporción
requerida de 0.65. Además, se construyó un límite de confianza del 95% para
determinar el límite inferior para la proporción de partidarios.
1 Elija Estadísticas > Estadísticas básicas > 1 Proporción.
2 Elija Datos resumidos.
3 En Número de eventos, ingrese 560. En Número de ensayos, ingrese 950.
4 Marque Realizar prueba de hipótesis. En Proporción hipotética, ingrese
0.65.
18. 5 Haga clic en Opciones. En Hipótesis alterna, elija Mayor que. Haga clic en
Aceptar en cada cuadro de diálogo.
Salida de la ventana Sesión
Prueba e IC para una proporción
Prueba de p = 0.65 vs. p > 0.65
95% Límite Valor P
Muestra X N Muestra p inferior exacto
1 560 950 0.589474 0.562515 1.000
Interpretación de los resultados
El valor p de 1.0 sugiere que los datos son consistentes con la hipótesis nula (H0:
p = 0.65), es decir, la proporción de los miembros del partido que apoyan a la
candidata no es mayor que la proporción requerida de 0.65. Como su director de
campaña, usted le aconsejaría no postularse para la fiscalía del estado.
19. Muestra 2 p
Estadísticas > Estadísticas básicas > 2 Proporciones
Realiza una prueba de dos proporciones binomiales .
Utilice el comando 2 proporciones para calcular un intervalo de confianza y realizar
una prueba de hipótesis de la diferencia entre dos proporciones. Minitab ofrece
dos pruebas de hipótesis para la diferencia entre dos proporciones: La prueba
exacta de Fisher y una prueba basada en una aproximación normal. La prueba de
aproximación normal puede ser inexacta para muestras en las cuales el número
de eventos de cada muestra es menor que cinco o si la diferencia entre el número
de ensayos y eventos de cada muestra es menor que cinco. La prueba exacta de
Fisher es exacta para todos los tamaños de muestra , pero sólo se puede calcular
cuando la hipótesis nula establece que las proporciones de población son iguales.
En otras palabras, Minitab sólo realiza la prueba exacta de Fisher cuando usted
especifica una diferencia de la prueba de cero en el cuadro de diálogo secundario
Opciones.
Por ejemplo, supongamos que usted desea saber si la proporción de
consumidores que responden a una encuesta pudiera incrementarse al ofrecer un
incentivo tal como una muestra del producto. Usted puede incluir la muestra del
producto en la mitad de sus correos y determinar si obtiene más repuestas del
grupo que recibió la muestra que del grupo que no la recibió. Para una prueba de
dos colas de dos proporciones:
H0: p1 - p2 = p0 versus H1: p1 - p2 ≠ p0
cuando p1 y p2 son las proporciones de eventos en las poblaciones 1 y 2,
respectivamente, y p0 es la diferencia hipotética entre las dos proporciones.
Para probar una proporción utilice Estadísticas > Estadísticas básicas > 2
Proporciones.
Elementos delcuadrode diálogo
Muestras en una columna: Elija esta opción si ha ingresado datos sin procesar
en una columna individual con una segunda columna de subíndices que identifican
la muestra.
Muestras: Ingrese la columna que contiene los datos sin procesar.
Subíndices: Ingrese la columna que contiene los subíndices de la muestra.
Muestras en diferentes columnas: Elija esta opción si introdujo datos sin
procesar en las columnas individuales para cada muestra.
20. Primero: Ingrese la columna que contiene los datos sin procesar para la primera
muestra.
Segundo: Ingrese la columna que contiene los datos sin procesar para la segunda
muestra.
Datos resumidos: Elija esta opción si tiene valores de resumen para los números
de ensayos y eventos.
Nombre
Eventos: Ingrese el número de eventos en la primera muestra.
Ensayos: Ingrese el número de ensayos en la primera muestra.
Segundo
Eventos: Ingrese el número de eventos en la segunda muestra.
Ensayos: Ingrese el número de ensayos en la segunda muestra.
Procedimiento
1 Elija Estadísticas > Estadísticas básicas > 2 Proporciones.
2 Realice uno de los siguientes procedimientos:
Si sus datos sin procesar están apilados en una columna individual:
1 Elija Muestras en una columna.
2 En Muestras, ingrese la columna que contenga los datos sin procesar.
3 En Subíndices, ingrese la columna que contiene los códigos de grupo o
población.
Si sus datos sin procesar no están apilados, es decir, cada muestra se
encuentra en una columna separada:
1 Elija Muestras en diferentes columnas.
2 En Primera, ingrese la columna que contiene la primera muestra.
3 En Segunda, ingrese la columna que contiene la otra muestra.
Si tiene datos resumidos:
21. 1 Elija Datos resumidos.
2 En Primera muestra, ingrese los valores numéricos en Ensayos y en
Eventos.
3 En Segunda muestra, ingrese los valores numéricos en Ensayos y en
Eventos.
3 Si lo desea, utilice cualquiera de las opciones del cuadro de diálogo y haga clic
en Aceptar.
Ejemplo
Como gerente de compras de su corporación, usted debe autorizar la adquisición
de veinte máquinas fotocopiadoras nuevas. Después de comparar numerosas
marcas en términos de precio, calidad de la copia, garantía y funciones, usted ha
reducido sus opciones a dos: Marca X y Marca Y. Usted decide que el factor
determinante será la confiabilidad de las marcas definida por la proporción de
servicio requerido dentro de un año a partir de la compra.
Debido a que su corporación ya utiliza ambas marcas, usted pudo obtener
información acerca del historial de servicio de 50 máquinas de cada marca
seleccionadas aleatoriamente. Los registros indican que seis máquinas de la
Marca X y ocho de la Marca Y requirieron servicio. Utilice esta información para
orientar su elección de la marca a comprar.
1 Elija Estadísticas > Estadísticas básicas > 2 Proporciones.
2 Elija Datos resumidos.
3 En Primera muestra, en Eventos, ingrese 44. En Ensayos, ingrese 50.
4 En Segunda muestra, en Eventos, ingrese 42. En Ensayos, ingrese 50.
Haga clic en Aceptar.
Salida de la ventana Sesión
22. Prueba e IC para dos proporciones
Muestra X N Muestra p
1 44 50 0.880000
2 42 50 0.840000
Diferencia = p (1) - p (2)
Estimado de la diferencia: 0.04
IC de 95% para la diferencia: (-0.0957903, 0.175790)
Prueba para la diferencia = 0 vs. no = 0: Z = 0.58 Valor P = 0.564
Prueba exacta de Fisher:Valor P = 0.774
Interpretación de los resultados
En este ejemplo, la prueba de aproximación normal es válida porque, para ambas
muestras, el número de eventos es mayor que cuatro y la diferencia entre los
números de ensayos y eventos es mayor que cuatro. La prueba de aproximación
normal indica un valor p de 0.564, y la prueba exacta de Fisher señala un valor p
de 0.774. Ambos valores p son mayores que los niveles a comúnmente elegidos.
Por lo tanto, los datos concuerdan con la hipótesis nula de que las proporciones
de población son iguales. En otras palabras, la proporción de máquinas
fotocopiadoras que necesitaron servicio en el primer año no difiere dependiendo
de la marca. Como gerente de compras, usted debe hallar un criterio diferente
para orientar su decisión sobre cuál marca comprar.
Debido a que la aproximación normal es válida, usted puede sacar la misma
conclusión del intervalo de confianza de 95%. Debido a que cero se ubica en el
intervalo de confianza de (0.0957903 a 0.175790) usted puede concluir que los
datos coinciden con la hipótesis nula. Si considera que el intervalo de confianza es
demasiado amplio y no provee información precisa con respecto al valor de p1
p2, es recomendable que recolecte más datos con el fin de obtener un mejor
estimado de la diferencia.