tipos de prueba de hipotesis
•Descargar como PPTX, PDF•
0 recomendaciones•5,741 vistas
Este documento describe diferentes métodos para realizar pruebas de hipótesis estadísticas. Explica cómo realizar pruebas para muestras grandes y pequeñas utilizando las distribuciones Z y T de Student respectivamente. También cubre cómo realizar pruebas para proporciones poblacionales, diferencias de medias, datos apareados y la distribución chi cuadrado. El objetivo general es determinar si los resultados de una muestra son consistentes con una hipótesis planteada sobre la población.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Distribucion binomial
La distribución binomial describe experimentos con dos posibles resultados, como el éxito o fracaso de un evento. Jacob Bernoulli desarrolló este modelo matemático. La distribución binomial se caracteriza por un número fijo de pruebas independientes, cada una con la misma probabilidad de éxito p. Permite calcular la probabilidad de obtener un número específico de éxitos.
Prueba de U Mann-whitney
La presentación muestra la definición y seguimiento que se debe dar al realizar éste cálculo en estadísticas
Estimacion puntual y por intervalos
Este documento describe los conceptos de estimación puntual y por intervalos. La estimación puntual usa estadísticos de muestras para aproximar los parámetros de la población con un solo valor, mientras que la estimación por intervalos proporciona un rango de valores que probablemente incluya al parámetro de la población. El documento también discute conceptos como niveles de confianza e intervalos de confianza.
TAMAÑO DE LA MUESTRA
El documento trata sobre el tamaño de la muestra en investigación. Explica que el tamaño de la muestra depende del nivel de confianza, porcentaje de error y variabilidad de la población. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño de la población. También incluye conceptos como hipótesis, muestra, población, nivel de confianza y porcentaje de error. Finalmente, muestra ejemplos de cálculo del tamaño de la muestra.
Tema 2 parámetros estadísticos
Este documento describe diferentes parámetros estadísticos como medidas de centralización (media y moda), posición (mediana y cuartiles), dispersión (rango y desviación típica), y forma (coeficientes de asimetría y apuntamiento). También explica cómo interpretar la media y desviación típica usando la desigualdad de Chebyshev y el coeficiente de variación, así como cómo transformar datos estadísticos mediante suma y producto con valores constantes.
Clase 2 unidad ii estadistica ii
El documento explica la distribución t de Student, que se usa para estimar la media de una población normal cuando se desconoce la desviación estándar y la muestra es pequeña (menos de 30 observaciones). La distribución t tiene colas más amplias que la normal y depende de los grados de libertad (n-1). Se usa para calcular intervalos de confianza y probar hipótesis con muestras pequeñas. El documento también incluye ejemplos y fórmulas para aplicar la distribución t.
Intervalos de confianza para la media poblacional con: muestras pequeñas.
Este documento describe cómo construir intervalos de confianza para la media poblacional cuando las muestras son pequeñas (menos de 30 observaciones). Explica que en estos casos se debe usar la distribución t de Student en lugar de la distribución normal para determinar el error típico. Detalla los pasos para calcular los grados de libertad, encontrar el valor t correspondiente en la tabla, y establecer el intervalo de confianza sumando y restando el error muestral a la media muestral.
Muestra y muestreo.
El documento presenta información sobre muestra y muestreo. Define muestra como un subconjunto de la población y explica que el tamaño de la muestra depende del objetivo del estudio y las características de la población. Describe los tipos de muestreo probabilístico, como el muestreo aleatorio simple y el muestreo estratificado aleatorio, y los no probabilísticos. Explica las etapas para determinar el tamaño de la muestra en el muestreo aleatorio simple.
Recomendados
Distribucion binomial
La distribución binomial describe experimentos con dos posibles resultados, como el éxito o fracaso de un evento. Jacob Bernoulli desarrolló este modelo matemático. La distribución binomial se caracteriza por un número fijo de pruebas independientes, cada una con la misma probabilidad de éxito p. Permite calcular la probabilidad de obtener un número específico de éxitos.
Prueba de U Mann-whitney
La presentación muestra la definición y seguimiento que se debe dar al realizar éste cálculo en estadísticas
Estimacion puntual y por intervalos
Este documento describe los conceptos de estimación puntual y por intervalos. La estimación puntual usa estadísticos de muestras para aproximar los parámetros de la población con un solo valor, mientras que la estimación por intervalos proporciona un rango de valores que probablemente incluya al parámetro de la población. El documento también discute conceptos como niveles de confianza e intervalos de confianza.
TAMAÑO DE LA MUESTRA
El documento trata sobre el tamaño de la muestra en investigación. Explica que el tamaño de la muestra depende del nivel de confianza, porcentaje de error y variabilidad de la población. Presenta fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño de la población. También incluye conceptos como hipótesis, muestra, población, nivel de confianza y porcentaje de error. Finalmente, muestra ejemplos de cálculo del tamaño de la muestra.
Tema 2 parámetros estadísticos
Este documento describe diferentes parámetros estadísticos como medidas de centralización (media y moda), posición (mediana y cuartiles), dispersión (rango y desviación típica), y forma (coeficientes de asimetría y apuntamiento). También explica cómo interpretar la media y desviación típica usando la desigualdad de Chebyshev y el coeficiente de variación, así como cómo transformar datos estadísticos mediante suma y producto con valores constantes.
Clase 2 unidad ii estadistica ii
El documento explica la distribución t de Student, que se usa para estimar la media de una población normal cuando se desconoce la desviación estándar y la muestra es pequeña (menos de 30 observaciones). La distribución t tiene colas más amplias que la normal y depende de los grados de libertad (n-1). Se usa para calcular intervalos de confianza y probar hipótesis con muestras pequeñas. El documento también incluye ejemplos y fórmulas para aplicar la distribución t.
Intervalos de confianza para la media poblacional con: muestras pequeñas.
Este documento describe cómo construir intervalos de confianza para la media poblacional cuando las muestras son pequeñas (menos de 30 observaciones). Explica que en estos casos se debe usar la distribución t de Student en lugar de la distribución normal para determinar el error típico. Detalla los pasos para calcular los grados de libertad, encontrar el valor t correspondiente en la tabla, y establecer el intervalo de confianza sumando y restando el error muestral a la media muestral.
Muestra y muestreo.
El documento presenta información sobre muestra y muestreo. Define muestra como un subconjunto de la población y explica que el tamaño de la muestra depende del objetivo del estudio y las características de la población. Describe los tipos de muestreo probabilístico, como el muestreo aleatorio simple y el muestreo estratificado aleatorio, y los no probabilísticos. Explica las etapas para determinar el tamaño de la muestra en el muestreo aleatorio simple.
Pruebas paramétricaspresentacion.pptx
El documento describe las diferencias entre pruebas paramétricas y no paramétricas. Las pruebas paramétricas hacen suposiciones sobre los parámetros de la población y distribución normal de los datos, mientras que las pruebas no paramétricas no hacen estas suposiciones. Algunas de las pruebas estadísticas más utilizadas mencionadas incluyen la prueba t, ANOVA, correlación de Pearson, y prueba de Ji cuadrada.
Cap2. modelo regresión multiple-v2-2011
Este documento presenta el modelo clásico de regresión lineal múltiple, incluyendo su formulación matricial, el método de mínimos cuadrados ordinarios para estimar los parámetros, y las propiedades de dichos estimadores. También explica cómo realizar pruebas de hipótesis sobre los parámetros y el ajuste global del modelo usando el análisis de varianza (ANOVA). Se incluyen ejemplos ilustrativos.
Algoritmos GenéTicos
El documento describe los algoritmos genéticos, inspirados en la evolución natural. Los AG simulan la evolución mediante la selección de cromosomas con mayor aptitud y la recombinación y mutación de sus genes para generar nuevas soluciones. Los AG representan soluciones como cadenas y las someten a operadores genéticos para aproximarse a la óptima.
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Integrantes:
José González C.I: 28.576.187 Marcell Girardi C.I: 24. 491.579 Yulianny Marcano C.I: 26. 385.075 Alejandro Brito C.I: 24.947.747 José Pereira C.I: 28.095. 315
Correlación PEARSON
El documento explica el coeficiente de correlación de Pearson, que mide la relación lineal entre dos variables. Los valores van de -1 a 1, indicando una relación lineal perfecta positiva o negativa. El coeficiente se calcula normalmente con programas estadísticos y su interpretación depende del contexto. También se explica cómo calcular e interpretar el coeficiente de correlación de Spearman, que utiliza rangos de datos en lugar de valores.
Pruebas de hipótesis
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.
Analisis de datos cuantitativos
El documento describe las principales fases del análisis cuantitativo de datos: 1) seleccionar un programa estadístico, 2) ejecutar el programa, 3) explorar los datos mediante análisis estadístico descriptivo y visualización de datos, 4) analizar hipótesis mediante pruebas estadísticas inferenciales, y 5) preparar los resultados. Explora conceptos como distribución de frecuencias, medidas de tendencia central, medidas de variabilidad, razones y tasas para analizar los datos de manera exploratoria.
Analisis de la varianza Est ind clase04
Este documento presenta una introducción al análisis de varianza (ANOVA). Explica los supuestos del ANOVA, incluyendo que las poblaciones siguen una distribución normal y tienen igual varianza. Describe los componentes de variación en el ANOVA: variación total, variación de tratamientos y variación de error. Incluye un ejemplo didáctico para ilustrar cómo calcular estos componentes y realizar la prueba ANOVA.
Distribución t student
La distribución t de Student surge al estimar la media de una población normal con muestras pequeñas cuando se desconoce la desviación estándar poblacional. Se usa para calcular intervalos de confianza, probar hipótesis con muestras pequeñas, y comparar dos muestras. A diferencia de la distribución Z, la varianza de t de Student depende del tamaño de la muestra y siempre es mayor a 1, pero ambas tienen forma de campana.
Estadistica chi cuadrado
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.
Significancia estadistica
Este documento describe diferentes métodos estadísticos no paramétricos para analizar datos. Explica la diferencia entre estadística paramétrica y no paramétrica, y presenta varias pruebas no paramétricas como la prueba de signo, la prueba de Wilcoxon del signo del rango, la prueba de chi-cuadrado y la prueba de Wilcoxon-Mann-Whitney para dos muestras. Incluye ejemplos y salidas de SAS para ilustrar cómo aplicar estas pruebas estadísticas no paramé
Distribución f de fisher snedecor
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.
Muestreo Estratificado.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo estratificado. Explica que el muestreo estratificado divide la población en grupos homogéneos y luego toma una muestra de cada grupo que sea proporcional a su tamaño en la población total. También menciona dos métodos de asignación de muestra dentro del muestreo estratificado: asignación proporcional y asignación óptima. Luego, da un ejemplo de cómo se podría aplicar el muestreo estratificado para estud
PRUEBAS PARAMETRICAS
Existe una relación directa entre la orientación vocacional y la gestión del conocimiento en estudiantes de doctorado de la Universidad Nacional San Luis Gonzaga de Ica en 2016. El documento define las variables de orientación vocacional (actitudes, aptitudes e intereses) y gestión del conocimiento (creación, almacenamiento y aplicación del conocimiento). Plantea hipótesis sobre las relaciones entre dimensiones de las variables y objetivos para determinar dichas relaciones a través de instrumentos de recolección de datos.
Variables
El documento describe los conceptos de variables, tipos de variables, y la relación entre variables independientes y dependientes. Explica que una variable es cualquier cantidad numérica o no numérica que cambia durante un proceso. Detalla que las variables pueden ser cuantitativas o cualitativas, y continúas o discretas. Además, define una variable independiente como aquella que toma valores arbitrarios y puede influir en una variable dependiente, la cual representa cambios como consecuencia de la manipulación de la independiente.
Ejercicio del p h. tema 5
El documento presenta los valores de pH sanguíneo de 30 personas y realiza un análisis estadístico de los datos. Se divide la muestra en hombres y mujeres y se calculan la media, mediana y moda para cada grupo. La media general es 7.33, y las medias específicas son 7.33 para hombres y 7.32 para mujeres. La mediana general y para ambos grupos es 7.33. La moda general es 7.32, y las modas específicas son 7.33 para hombres y 7.32 para mujeres.
Teoría De La Complejidad Algoritmica
En la ciencia de la computación los algoritmos son más importantes que los LP o que las computadoras; la solución de un problema haciendo uso de las computadoras requiere por una parte un algoritmo o método de resolución y por otra un programa o codificación del algoritmo en un LP. Ambos componentes tienen importancia; pero la del algoritmo es absolutamente indispensable; sabemos que un algoritmo es una secuencia de pasos para resolver un problema.
Distribución normal y t de student
Este documento describe las distribuciones normal y t de Student. Explica que la distribución normal es importante porque muchas variables naturales la siguen. Define la función de densidad normal y sus propiedades como la simetría y que el 95% de los datos se encuentra dentro de dos desviaciones estándar de la media. También introduce la distribución t de Student que se usa para muestras pequeñas en lugar de la normal.
Estimación de parámetros
1) El documento describe los conceptos de estimación puntual y por intervalo en inferencia estadística. 2) La estimación puntual involucra dar un valor numérico que aproxime al parámetro poblacional, mientras que la estimación por intervalo especifica un método para calcular los límites de un intervalo que contenga al parámetro. 3) Se discuten propiedades deseables de los estimadores puntuales como insesgabilidad, eficiencia y consistencia, y cómo construir intervalos de confianza para estimar parámetros como la media, varianza y
Prueba de hipotesis unidad3
El documento presenta 8 ejercicios de pruebas de hipótesis. Los ejercicios involucran comparar promedios, proporciones y realizar pruebas t de Student. Se pide calcular valores de probabilidad p para determinar si se rechazan o no las hipótesis nulas planteadas en cada ejercicio a diferentes niveles de significancia.
Formulaciondehipotesis Universidad Americana del Noreste
Este documento habla sobre la formulación de hipótesis en la investigación cuantitativa. Explica que las hipótesis son proposiciones tentativas sobre las relaciones entre variables que guían la investigación. Detalla los tipos de hipótesis como descriptivas, correlacionales, de diferencia de grupos y causales. También cubre temas como las características de una hipótesis válida, de dónde surgen, y si siempre se formulan hipótesis en todo tipo de estudios.
Pruebas de-hipotesis
Este documento presenta los pasos y fórmulas para realizar diferentes tipos de pruebas de hipótesis, incluyendo pruebas para la media, proporción, diferencia de medias y proporciones, datos apareados y chi cuadrado. Explica cómo definir las hipótesis nula y alternativa, calcular estadísticos de prueba y valores p para determinar si se rechaza la hipótesis nula en favor de la alternativa.
Más contenido relacionado
La actualidad más candente
Pruebas paramétricaspresentacion.pptx
El documento describe las diferencias entre pruebas paramétricas y no paramétricas. Las pruebas paramétricas hacen suposiciones sobre los parámetros de la población y distribución normal de los datos, mientras que las pruebas no paramétricas no hacen estas suposiciones. Algunas de las pruebas estadísticas más utilizadas mencionadas incluyen la prueba t, ANOVA, correlación de Pearson, y prueba de Ji cuadrada.
Cap2. modelo regresión multiple-v2-2011
Este documento presenta el modelo clásico de regresión lineal múltiple, incluyendo su formulación matricial, el método de mínimos cuadrados ordinarios para estimar los parámetros, y las propiedades de dichos estimadores. También explica cómo realizar pruebas de hipótesis sobre los parámetros y el ajuste global del modelo usando el análisis de varianza (ANOVA). Se incluyen ejemplos ilustrativos.
Algoritmos GenéTicos
El documento describe los algoritmos genéticos, inspirados en la evolución natural. Los AG simulan la evolución mediante la selección de cromosomas con mayor aptitud y la recombinación y mutación de sus genes para generar nuevas soluciones. Los AG representan soluciones como cadenas y las someten a operadores genéticos para aproximarse a la óptima.
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Integrantes:
José González C.I: 28.576.187 Marcell Girardi C.I: 24. 491.579 Yulianny Marcano C.I: 26. 385.075 Alejandro Brito C.I: 24.947.747 José Pereira C.I: 28.095. 315
Correlación PEARSON
El documento explica el coeficiente de correlación de Pearson, que mide la relación lineal entre dos variables. Los valores van de -1 a 1, indicando una relación lineal perfecta positiva o negativa. El coeficiente se calcula normalmente con programas estadísticos y su interpretación depende del contexto. También se explica cómo calcular e interpretar el coeficiente de correlación de Spearman, que utiliza rangos de datos en lugar de valores.
Pruebas de hipótesis
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.
Analisis de datos cuantitativos
El documento describe las principales fases del análisis cuantitativo de datos: 1) seleccionar un programa estadístico, 2) ejecutar el programa, 3) explorar los datos mediante análisis estadístico descriptivo y visualización de datos, 4) analizar hipótesis mediante pruebas estadísticas inferenciales, y 5) preparar los resultados. Explora conceptos como distribución de frecuencias, medidas de tendencia central, medidas de variabilidad, razones y tasas para analizar los datos de manera exploratoria.
Analisis de la varianza Est ind clase04
Este documento presenta una introducción al análisis de varianza (ANOVA). Explica los supuestos del ANOVA, incluyendo que las poblaciones siguen una distribución normal y tienen igual varianza. Describe los componentes de variación en el ANOVA: variación total, variación de tratamientos y variación de error. Incluye un ejemplo didáctico para ilustrar cómo calcular estos componentes y realizar la prueba ANOVA.
Distribución t student
La distribución t de Student surge al estimar la media de una población normal con muestras pequeñas cuando se desconoce la desviación estándar poblacional. Se usa para calcular intervalos de confianza, probar hipótesis con muestras pequeñas, y comparar dos muestras. A diferencia de la distribución Z, la varianza de t de Student depende del tamaño de la muestra y siempre es mayor a 1, pero ambas tienen forma de campana.
Estadistica chi cuadrado
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.
Significancia estadistica
Este documento describe diferentes métodos estadísticos no paramétricos para analizar datos. Explica la diferencia entre estadística paramétrica y no paramétrica, y presenta varias pruebas no paramétricas como la prueba de signo, la prueba de Wilcoxon del signo del rango, la prueba de chi-cuadrado y la prueba de Wilcoxon-Mann-Whitney para dos muestras. Incluye ejemplos y salidas de SAS para ilustrar cómo aplicar estas pruebas estadísticas no paramé
Distribución f de fisher snedecor
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.
Muestreo Estratificado.
Este documento describe diferentes técnicas de muestreo estadístico, incluyendo muestreo estratificado. Explica que el muestreo estratificado divide la población en grupos homogéneos y luego toma una muestra de cada grupo que sea proporcional a su tamaño en la población total. También menciona dos métodos de asignación de muestra dentro del muestreo estratificado: asignación proporcional y asignación óptima. Luego, da un ejemplo de cómo se podría aplicar el muestreo estratificado para estud
PRUEBAS PARAMETRICAS
Existe una relación directa entre la orientación vocacional y la gestión del conocimiento en estudiantes de doctorado de la Universidad Nacional San Luis Gonzaga de Ica en 2016. El documento define las variables de orientación vocacional (actitudes, aptitudes e intereses) y gestión del conocimiento (creación, almacenamiento y aplicación del conocimiento). Plantea hipótesis sobre las relaciones entre dimensiones de las variables y objetivos para determinar dichas relaciones a través de instrumentos de recolección de datos.
Variables
El documento describe los conceptos de variables, tipos de variables, y la relación entre variables independientes y dependientes. Explica que una variable es cualquier cantidad numérica o no numérica que cambia durante un proceso. Detalla que las variables pueden ser cuantitativas o cualitativas, y continúas o discretas. Además, define una variable independiente como aquella que toma valores arbitrarios y puede influir en una variable dependiente, la cual representa cambios como consecuencia de la manipulación de la independiente.
Ejercicio del p h. tema 5
El documento presenta los valores de pH sanguíneo de 30 personas y realiza un análisis estadístico de los datos. Se divide la muestra en hombres y mujeres y se calculan la media, mediana y moda para cada grupo. La media general es 7.33, y las medias específicas son 7.33 para hombres y 7.32 para mujeres. La mediana general y para ambos grupos es 7.33. La moda general es 7.32, y las modas específicas son 7.33 para hombres y 7.32 para mujeres.
Teoría De La Complejidad Algoritmica
En la ciencia de la computación los algoritmos son más importantes que los LP o que las computadoras; la solución de un problema haciendo uso de las computadoras requiere por una parte un algoritmo o método de resolución y por otra un programa o codificación del algoritmo en un LP. Ambos componentes tienen importancia; pero la del algoritmo es absolutamente indispensable; sabemos que un algoritmo es una secuencia de pasos para resolver un problema.
Distribución normal y t de student
Este documento describe las distribuciones normal y t de Student. Explica que la distribución normal es importante porque muchas variables naturales la siguen. Define la función de densidad normal y sus propiedades como la simetría y que el 95% de los datos se encuentra dentro de dos desviaciones estándar de la media. También introduce la distribución t de Student que se usa para muestras pequeñas en lugar de la normal.
Estimación de parámetros
1) El documento describe los conceptos de estimación puntual y por intervalo en inferencia estadística. 2) La estimación puntual involucra dar un valor numérico que aproxime al parámetro poblacional, mientras que la estimación por intervalo especifica un método para calcular los límites de un intervalo que contenga al parámetro. 3) Se discuten propiedades deseables de los estimadores puntuales como insesgabilidad, eficiencia y consistencia, y cómo construir intervalos de confianza para estimar parámetros como la media, varianza y
Prueba de hipotesis unidad3
El documento presenta 8 ejercicios de pruebas de hipótesis. Los ejercicios involucran comparar promedios, proporciones y realizar pruebas t de Student. Se pide calcular valores de probabilidad p para determinar si se rechazan o no las hipótesis nulas planteadas en cada ejercicio a diferentes niveles de significancia.
La actualidad más candente (20)
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Distribuciones Muestrales y Estimación de los Parámetros de una Población
Destacado
Formulaciondehipotesis Universidad Americana del Noreste
Este documento habla sobre la formulación de hipótesis en la investigación cuantitativa. Explica que las hipótesis son proposiciones tentativas sobre las relaciones entre variables que guían la investigación. Detalla los tipos de hipótesis como descriptivas, correlacionales, de diferencia de grupos y causales. También cubre temas como las características de una hipótesis válida, de dónde surgen, y si siempre se formulan hipótesis en todo tipo de estudios.
Pruebas de-hipotesis
Este documento presenta los pasos y fórmulas para realizar diferentes tipos de pruebas de hipótesis, incluyendo pruebas para la media, proporción, diferencia de medias y proporciones, datos apareados y chi cuadrado. Explica cómo definir las hipótesis nula y alternativa, calcular estadísticos de prueba y valores p para determinar si se rechaza la hipótesis nula en favor de la alternativa.
Tema 6, DISTRIBUCIONES DE PROBABILIDAD
El documento describe diferentes distribuciones de probabilidad discretas y continuas como la binomial, Poisson, normal y exponencial. Define conceptos como variable aleatoria, función de probabilidad y valor esperado, y presenta ejemplos para ilustrar el cálculo de probabilidades usando estas distribuciones.
Distribuciones de probabilidad
El documento trata sobre distribuciones de probabilidad. Explica que las variables aleatorias pueden ser discretas o continuas y describe las distribuciones uniforme discreta, de Bernoulli, binomial, exponencial y normal. La distribución normal es muy importante porque aproxima muchos fenómenos reales y el Teorema Central del Límite establece que la suma de variables aleatorias independientes tiende a una distribución normal.
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD. Bioestadística. LolaFFB
Este documento introduce conceptos básicos sobre variables aleatorias y distribuciones de probabilidad. Explica que una variable aleatoria asigna números a los resultados de un experimento aleatorio y puede ser discreta o continua. Luego describe distribuciones discretas como la binomial y de Poisson, así como distribuciones continuas como la normal. Finalmente, presenta parámetros comunes como la media y varianza para definir distribuciones de probabilidad.
Heterocedasticidad
Este documento describe la heterocedasticidad en regresión lineal múltiple. Explica que la heterocedasticidad ocurre cuando la varianza de los errores no es constante, y describe varios métodos para detectarla, como el contraste de Breusch-Pagan y gráficos del error. También cubre cómo transformar la variable dependiente para corregir la heterocedasticidad.
Unidad 12 Análisis de la varianza (ANOVA) con SPSS
La Unidad XII trata sobre Ricardo Ruiz de Adana Perez.
Anova
El documento describe el análisis de varianza (ANOVA), una prueba estadística que compara las medias de dos o más grupos. El ANOVA divide la variación total en variación entre grupos y dentro de grupos. Muestra un ejemplo de usar el ANOVA para determinar si hay diferencias significativas en el número promedio de hemorroides entre tres tratamientos: A, B y placebo.
Chi Cuadrado
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
Anova. presentacion. lennys.
El ANOVA es un método muy flexible que permite construir modelos estadísticos para el análisis de los datos experimentales cuyo valor ha sido constatado en muy diversas circunstancias. Básicamente es un procedimiento que permite dividir la varianza de la variable dependiente en dos o más componentes, cada uno de los cuales puede ser atribuido a una fuente (variable o factor) identificable.
La prueba estadística Análisis de Varianza es una extensión de la Prueba T de Student, cuando se tiene más de dos grupos a los que se quiere comparar los promedios. Cuando solo interviene una variable independiente en el estudio se denomina ANOVA de un factor. Se realiza una prueba estadística que permite determinar si existe una diferencia significante de rendimiento entre más de dos técnicas de enseñanza, el procedimiento aporta pruebas de comparaciones múltiples o “post hoc” para establecer entre cuales pares de promedios se encuentran la diferencia significativa.
Caracteristicas de la prueba ANOVA.
1. Mide la fuente de variación entre los datos y compara sus tamaños. Variación entre grupos.
2. Para cada valor evalúa la diferencia entre las media de sus grupo y la media global.
Variación dentro de los grupos .
3. Para cada valor se evalúa la diferencia entre ese valor y la media de sus grupo.
4. Cada conjunto de datos debe ser independiente del resto.
5. Los resultados obtenidos para cada conjunto deben seguir una distribución normal.
6. Las varianzas de cada conjunto de datos no deben diferir de forma significativa
Procedimiento de análisis de varianza.
1. Si se muestrean k poblaciones, entonces los gl (numerador) = k – 1
2. Si hay un total de N puntos en la muestra, entonces los gl (denominador) = N – k
3. El estadístico de prueba se calcula con: F = CM inter grupos / CM intra grupos.
CM son los cuadrados medios o media cuadrática.
4. Los CM se obtienen dividiendo la suma de cuadrados entre sus grados de libertad respectivos
5. Hipótesis nula: las medias de las poblaciones son iguales. H0: μ1 = μ2=…
6. Hipótesis alterna: al menos una de las medias es diferente. H0: μ1≠μ2
7. Estadístico de prueba: F = (variancia entre muestras)/(variancia dentro de muestras).
8. Regla de decisión: para un nivel de significancia α, la hipótesis nula se rechaza si F es mayor
Supuestos del modelo del análisis de varianza:
Para aplicar la técnica del análisis de varianza es necesario que se cumplan las siguientes suposiciones sobre los datos investigados:
1. Las varianzas de las k poblaciones son iguales. (supuesto de homocedasticidad)
2. Las características medibles se distribuyen normalmente en cada población.
3. Las características medibles son estadísticamente independientes de una población a
otra.
4. Las muestras n1, n2,...,nk de los k grupos poblacionales son seleccionadas mediante un muestreo aleatorio simple.
De estos supuestos el más importante es el citado en primer lugar, el cual asume que las varianzas poblacionales son iguales para todos l
AnáLisis De Varianza (Anova)
El análisis de varianza (ANOVA) determina si los efectos observados en diferentes clases son debidos al azar o son realmente diferentes mediante la descomposición de la varianza total en variaciones dentro y entre grupos. ANOVA compara las medias de las poblaciones al estimar la varianza y utilizar la relación entre la varianza dentro y entre grupos para concluir si las medias son iguales o diferentes.
Homocedasticidad
Este documento describe la heterocedasticidad en regresión lineal múltiple. Explica que la heterocedasticidad ocurre cuando la varianza de los errores no es constante, y describe varios métodos para detectarla, como el contraste de Breusch-Pagan y gráficos del error. También cubre cómo transformar la variable dependiente para corregir la heterocedasticidad.
Test de independencia chi cuadrado
Este documento describe cómo realizar una prueba de chi cuadrado para probar la independencia entre dos variables cualitativas. Explica que se compara los valores observados con los valores esperados si las variables fueran independientes, y se calcula un estadístico chi cuadrado. Si este valor está por encima de un umbral crítico basado en los grados de libertad y el nivel de significación, se rechaza la hipótesis de independencia. Como ejemplo, analiza si el género y las notas de un grupo de estudiantes están relacionados o no.
Métodos no paramétricos (wilcoxon)
Este documento explica los pasos para realizar una prueba de rangos de Wilcoxon de manera detallada. Describe cómo calcular los rangos de las muestras, sumar los rangos por grupo, y determinar si hay una diferencia estadísticamente significativa entre los grupos basada en el valor estadístico de prueba calculado. El autor es Iván Patricio Montaleza de la Universidad Técnica Particular de Loja.
distribucion-de-probabilidades
Este documento trata sobre distribuciones de probabilidad. Define una distribución de probabilidad como una herramienta para describir los posibles resultados de un experimento aleatorio. Explica las variables aleatorias discretas y continuas, y las distribuciones binomial, Poisson y normal, que son importantes para modelar experimentos aleatorios.
Prueba de los signos
La prueba de los signos es una herramienta útil para hacer pruebas de hp cuando nos encontramos casos como la muestra es pequeña y tenemos datos cualitattivos.
Prueba de homogeneidad de varianza
Este documento presenta un resumen de la prueba de homogeneidad de varianza y describe el procedimiento estadístico de Bartlett para evaluar si las varianzas entre grupos son iguales. Se aplica la prueba a un ejemplo de datos de peso de alpacas sometidas a diferentes dietas, calculando el estadístico de Bartlett. El resultado indica que no se puede rechazar la hipótesis nula de que las varianzas son iguales, por lo que existe homogeneidad de varianza entre los grupos.
Unidad 8 Eleccion de la prueba de significacion estadistica
Este documento describe diferentes pruebas estadísticas para realizar contrastes de hipótesis dependiendo del tipo de variables y condiciones de los datos. Explica pruebas para comparar proporciones, medias y la relación entre variables cuantitativas, incluyendo cuándo usar la prueba Z, Ji-cuadrado, t de Student, U de Mann-Whitney, ANOVA y coeficiente de correlación.
Pruebas de bondad de ajuste
Este documento trata sobre pruebas de bondad de ajuste y pruebas no paramétricas. Explica la prueba Ji cuadrada para analizar la bondad de ajuste de un modelo estadístico, así como su uso para pruebas de independencia y tablas de contingencia. También cubre el uso de software estadístico como R y SPSS para realizar estas pruebas.
7. Análisis de Varianza (ANOVA)
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.
Destacado (20)
Formulaciondehipotesis Universidad Americana del Noreste
Formulaciondehipotesis Universidad Americana del Noreste
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD. Bioestadística. LolaFFB
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD. Bioestadística. LolaFFB
Unidad 12 Análisis de la varianza (ANOVA) con SPSS
Unidad 12 Análisis de la varianza (ANOVA) con SPSS
Unidad 8 Eleccion de la prueba de significacion estadistica
Unidad 8 Eleccion de la prueba de significacion estadistica
Similar a tipos de prueba de hipotesis
Distribución muéstrales y estimación
Este documento trata sobre conceptos estadísticos como distribuciones de muestreo, estimación estadística e intervalos de confianza. Explica qué son las distribuciones de muestreo y cómo se pueden aproximar a distribuciones asintóticas. Luego define la estimación estadística y los diferentes métodos como estimación puntual, por intervalos y bayesiana. Finalmente, cubre temas como distribuciones normales, t de Student e intervalos de confianza para proporciones.
Estimacion
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.
Distribucion muestrales y estimacion presentacion
Este documento presenta información sobre distribución de muestras y estimación. Explica conceptos como distribución de muestras, estimación puntual, intervalos de confianza y pruebas de hipótesis. Incluye ejemplos para ilustrar cómo aplicar estos conceptos estadísticos para estimar parámetros poblacionales a partir de muestras.
Exposicion Teorema central-prueba de hipotesis.ppt
El teorema del límite central establece que cuando el tamaño de la muestra es suficientemente grande, la distribución de las medias de la muestra se aproxima a una distribución normal, independientemente de la forma de la distribución de la población. Indica que la media de las muestras sigue aproximadamente una distribución normal dada por μ/σx=μ/√nσ, donde μ y σ son la media y desviación estándar de la población, y n es el tamaño de la muestra.
Distribuciones muestrales y estimación de los parámetros poblacionales
Elaborado Por:
Néstor Martínez C.I 28.186.926
Carrera: Ingeniería Industrial
Profesor: Pedro Beltrán
Área: Estadística II
Estadistica
Este documento describe conceptos básicos relacionados con variables aleatorias. Explica que una variable aleatoria asocia números reales a elementos de un espacio muestral y puede ser discreta o continua. También describe distribuciones de probabilidad como la uniforme, binomial y normal, así como conceptos estadísticos como media, varianza, distribuciones muestrales y teoremas centrales del límite para inferencia estadística.
Teoría elemental del muestreo, teoría de la decisión
Este documento presenta los conceptos fundamentales de la teoría del muestreo y la inferencia estadística. Explica qué es la teoría del muestreo y cómo se usa para estimar parámetros poblacionales a partir de estadísticos muestrales. También describe los diferentes tipos de muestreo y distribuciones muestrales, como la distribución muestral de medias y proporciones. Finalmente, introduce los conceptos de error típico y cómo se calculan para diferentes estadísticos muestrales.
Pruebas de Hipótesis
El documento describe los procedimientos para probar hipótesis sobre las medias de dos poblaciones. Explica que se utiliza la distribución t de Student para determinar si dos medias poblacionales son iguales o diferentes con base en las muestras. Detalla los pasos para realizar la prueba de hipótesis, incluyendo la formulación de hipótesis nula e hipótesis alternativa, el cálculo del estadístico de prueba y la toma de decisión sobre si se rechaza o no la hipótesis nula. También present
Ficha de estadística 1
El documento describe diferentes distribuciones estadísticas como la chi-cuadrado, t-Student y normal, así como conceptos relacionados con el muestreo. Explica que la distribución chi-cuadrado estudia la varianza muestral en poblaciones normales, mientras que la t-Student permite hacer inferencias sobre medias cuando se desconoce la varianza poblacional. También cubre el comportamiento de la media muestral cuando se muestrea de poblaciones normales y no normales, y cómo el Teorema del Límite Central justifica el uso de la distrib
2 prueba z,prueba t student y prueba chi-cuadrado
El documento proporciona una introducción a los conceptos estadísticos de estimación e intervalos de confianza. Explica la diferencia entre estimación puntual y de intervalo, y cómo calcular intervalos de confianza para la media cuando la desviación estándar es conocida o desconocida, utilizando distribuciones t de Student cuando el tamaño de la muestra es pequeño. También resume las pruebas de hipótesis chi-cuadrado y t, incluyendo sus usos para comparar dos muestras independientes y apareadas.
Ficha de estadística 1
El documento describe varias distribuciones estadísticas comúnmente usadas en el análisis de datos de muestras, incluyendo la distribución normal, t de Student, chi-cuadrado y la diferencia entre dos medias muestrales. Explica que estas distribuciones son necesarias para hacer inferencias sobre poblaciones basadas en datos de muestras, teniendo en cuenta la variabilidad de las estadísticas de muestras como la media y desviación estándar.
Ficha de estadística 1
El documento describe varias distribuciones estadísticas comúnmente usadas en el análisis de datos de muestras, incluyendo la distribución normal, t de Student, chi-cuadrado y la diferencia entre dos medias muestrales. Explica que estas distribuciones son necesarias para hacer inferencias sobre poblaciones basadas en datos de muestras, teniendo en cuenta la variabilidad de las estadísticas de muestras como la media y desviación estándar.
Segunda actividad estadistica ii
Este documento presenta conceptos básicos de estadística como distribuciones muestrales, estimación puntual e intervalos de confianza. Explica que una distribución muestral describe la variabilidad de un estadístico al tomar muestras repetidas de una población. También introduce la noción de estimar parámetros poblacionales a partir de muestras y calcular intervalos de confianza para dichas estimaciones.
GRUPO D (1).pptx
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.
Planteamiento de Hipótesis para dos poblaciones (WORD)
Este documento describe el planteamiento de hipótesis estadística para comparar proporciones entre dos poblaciones. Explica la teoría, supuestos, fórmulas y ejemplos de cómo calcular el tamaño de muestra y contrastar la hipótesis nula de que las proporciones son iguales vs. la alternativa de que son diferentes mediante el estadístico Z. También incluye definiciones clave como distribución muestral, hipótesis, homocedasticidad y tablas de contingencia.
Biometria clase 6
Este documento trata sobre conceptos estadísticos fundamentales como distribuciones de probabilidad, el teorema del límite central, distribuciones normales, estimación de parámetros poblacionales a partir de muestras, y la inferencia estadística. Explica cómo las medias y proporciones muestrales siguen distribuciones normales que permiten hacer conclusiones sobre parámetros desconocidos de una población.
Clase 6
El documento trata sobre inferencia estadística. Explica conceptos como intervalos de confianza, tamaño de muestra, métodos de muestreo, pruebas de hipótesis y distribuciones t y Ji-cuadrada. Presenta ejemplos de estimación puntual, intervalos de confianza, y pruebas de hipótesis para la media de una población.
Pruebas de hipótesis
Este documento presenta diferentes pruebas de hipótesis para analizar datos estadísticos, incluyendo pruebas para medias, proporciones, diferencias entre medias y proporciones, y la prueba de chi-cuadrado. También incluye un ejemplo completo de cómo aplicar la prueba de chi-cuadrado para determinar si el uso de cinturón de seguridad depende del nivel socioeconómico usando datos de una muestra.
Pruebas de-hipótesis-1
Este documento presenta diferentes pruebas de hipótesis para analizar datos estadísticos, incluyendo pruebas para medias, proporciones, diferencias entre medias y proporciones, y la prueba de chi-cuadrado. También incluye un ejemplo completo de cómo aplicar la prueba de chi-cuadrado para determinar si el uso de cinturón de seguridad depende del nivel socioeconómico usando datos de una muestra.
Estimación
Este documento describe diferentes métodos para estimar parámetros poblacionales a partir de muestras. Explica conceptos como estimador puntual, estimación por intervalo y diferentes tipos de intervalos de confianza para estimar parámetros como la media, proporción y diferencia de medias/proporciones entre poblaciones. Proporciona fórmulas y condiciones para calcular intervalos de confianza de manera apropiada dependiendo del tamaño de la muestra y si la varianza es conocida o no.
Similar a tipos de prueba de hipotesis (20)
Exposicion Teorema central-prueba de hipotesis.ppt
Exposicion Teorema central-prueba de hipotesis.ppt
Distribuciones muestrales y estimación de los parámetros poblacionales
Distribuciones muestrales y estimación de los parámetros poblacionales
Teoría elemental del muestreo, teoría de la decisión
Teoría elemental del muestreo, teoría de la decisión
Planteamiento de Hipótesis para dos poblaciones (WORD)
Planteamiento de Hipótesis para dos poblaciones (WORD)
Último
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad de la EvAU de Geografía de junio de 2023 en Castilla La Mancha. UCLM . (Convocatoria ordinaria)
Más información en el Blog de Geografía de Juan Martín Martín
http://blogdegeografiadejuan.blogspot.com/
Este documento presenta un examen de geografía para el Acceso a la universidad (EVAU). Consta de cuatro secciones. La primera sección ofrece tres ejercicios prácticos sobre paisajes, mapas o hábitats. La segunda sección contiene preguntas teóricas sobre unidades de relieve, transporte o demografía. La tercera sección pide definir conceptos geográficos. La cuarta sección implica identificar elementos geográficos en un mapa. El examen evalúa conocimientos fundamentales de geografía.
Este documento contiene, el programa completo de un acto para realizar la pro...
acto promesa de lealtad a la bandera
Business Plan -rAIces - Agro Business Tech
Innovación y transparencia se unen en un nuevo modelo de negocio para transformar la economia popular agraria en una agroindustria. Facilitamos el acceso a recursos crediticios, mejoramos la calidad de los productos y cultivamos un futuro agrícola eficiente y sostenible con tecnología inteligente.
Manual de procedimiento para gráficos HC
Manual de usuario para elaborar gráficos en Hoja de cálculo de Google.
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
El Mtro. JAVIER SOLIS NOYOLA crea y desarrolla el “DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARIS”. Esta actividad de aprendizaje propone el reto de descubrir el la secuencia números para abrir un candado, el cual destaca la percepción geométrica y conceptual. La intención de esta actividad de aprendizaje lúdico es, promover los pensamientos lógico (convergente) y creativo (divergente o lateral), mediante modelos mentales de: atención, memoria, imaginación, percepción (Geométrica y conceptual), perspicacia, inferencia y viso-espacialidad. Didácticamente, ésta actividad de aprendizaje es transversal, y que integra áreas del conocimiento: matemático, Lenguaje, artístico y las neurociencias. Acertijo dedicado a los Juegos Olímpicos de París 2024.
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
Desripción de concursos educativos 2024
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
En la ciudad de Pasto, estamos revolucionando el acceso a microcréditos y la formalización de microempresarios informales con nuestra aplicación CrediAvanza. Nuestro objetivo es empoderar a los emprendedores locales proporcionándoles una plataforma integral que facilite el acceso a servicios financieros y asesoría profesional.
Lecciones 11 Esc. Sabática. El conflicto inminente docx
El conflicto en el fin del tiempo será sobre la adoración.
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
Último (20)
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Examen de Selectividad. Geografía junio 2024 (Convocatoria Ordinaria). UCLM
Este documento contiene, el programa completo de un acto para realizar la pro...
Este documento contiene, el programa completo de un acto para realizar la pro...
3° SES COMU LUN10 CUENTO DIA DEL PADRE 933623393 PROF YESSENIA (1).docx
3° SES COMU LUN10 CUENTO DIA DEL PADRE 933623393 PROF YESSENIA (1).docx
Inteligencia Artificial y Aprendizaje Activo FLACSO Ccesa007.pdf
Inteligencia Artificial y Aprendizaje Activo FLACSO Ccesa007.pdf
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
ACERTIJO DESCIFRANDO CÓDIGO DEL CANDADO DE LA TORRE EIFFEL EN PARÍS. Por JAVI...
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
CONCURSOS EDUCATIVOS 2024-PRESENTACIÓN ORIENTACIONES ETAPA IE (1).pptx
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Compartir p4s.co Pitch Hackathon Template Plantilla final.pptx-2.pdf
Lecciones 11 Esc. Sabática. El conflicto inminente docx
Lecciones 11 Esc. Sabática. El conflicto inminente docx
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
MATERIAL ESCOLAR 2024-2025 3 AÑOS CEIP SAN CRISTÓBAL
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
tipos de prueba de hipotesis
- 1. Pruebas de hipótesis Por Francisco Enrique Vásquez López Enrique Alaníz Tolosa Luis Blancas Wong Oscar Corona Juárez
- 2. Prueba de hipótesis Es el proceso que se analiza si una condición establecida en un determinado universo resulta compatible con lo que se observa en una muestra de la población estadística en cuestión . Es demostrar que una hipótesis establecida tentativamente con dos datos fundamentales que son la probabilidad y la evidencia muestral, los cuales son desglosados por dos hipótesis, 𝐻0 y 𝐻1.
- 3. Media con muestras grandes • Para muestras grandes (n>30) se estima la desviación estándar poblacional (σ) por medio de la desviación estándar muestral (s). Se utiliza la tabla para valores de Z. 𝑍 = ẋ − µ 𝑠 𝑛
- 4. Media con muestras pequeñas • Para muestras n<30 Se estima la desviación estándar muestral ( s), junto con la media población ( µ). Se busca el valor de T en la tabla T-Student. 𝑇 = ẋ − µ 𝑠 𝑛
- 5. proporción poblacional para muestras grandes Se utiliza para crear un intervalo de confianza y hay éxito o hay fracaso.
- 6. Sustituyendo
- 7. Diferencia de medias • Suponga que se tienen dos poblaciones distintas,, la primera con media 1 y desviación estándar 1 y la segunda con media 2 y desviación estándar 2. mas aun, se elige una muestra aleatoria de tamaño n2 de la segunda población; se calcula la media muestral para cada muestra y la diferencia entre dichas medias.. La distribución es normal ya que n1=30 y n2=30 entonces la media muestral es normal sin importar los tamaños de las muestras. • 𝑧 = (ẋ1−ẋ2)(µ1−µ2) σ1 2 𝑛1 − σ2 2 𝑛2
- 8. Datos apareados Nos interesa dar una medida de la precisión de la estimación que hemos hecho del parámetro. Daremos un rango de valores entre los que debería encontrarse el verdadero valor del parámetro. Intervalo de confianza: Rango de valores entre los que posiblemente se encuentre el verdadero valor del parámetro.
- 10. Distribución χ² Las distribuciones 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 la 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).