Estadistica Inferencial

ESTADÍSTICA INFERENCIAL I
CATEDRÁTICO:
Ing. Ricardo Alfonso Castellanos Martínez
INTEGRANTES:
• Cortez Flores Mitsy del Carmen
• Maldonado Cruz Carolina Isabel
• Ortiz Cruz Daniel
• Pérez Castro Juan
• Ramos González Karina Amparo
ING. En Gestión Empresarial

SEMESTRE: 4 GRUPO: A

10 de enero del 2021
Tuxtla Gutiérrez, Chiapas

Unidad 4
Prueba de hipótesis de dos muestras y varias muestras con

datos numéricos.
Análisis de varianza
Análisis de varianza o también llamada ANOVA según la terminología inglesa (ANalisis Of
VAriance), es un conjunto de técnicas estadísticas de gran utilidad y ductilidad.
Las técnicas iniciales del análisis de varianza fueron desarrolladas por el estadístico y genetista
Ronald Aylmer Fisher en los años 1920 y 1930.
 Se usa un ANOVA para cuatro situaciones:
1) Dos grupos que necesitan ser comparados.
2) Si las mediciones son repetidas en más de dos ocasiones y tambien cuando hay dos o
más grupos.
3) Cuando los sujetos pueden variar en una o más características que afectan el resultado y
se necesita ajustar su efecto.
4) Cuando se desea analizar simultáneamente el efecto de dos tratamientos diferentes.
Análisis de varianza de un Factor
•Se utiliza para comparar el valor medio de una variable dependiente
cuantitativa.
Si denotamos por Y a la variable; J al numero de muestras o grupos

considerados, a los tamaños de cada una de las muestras; al tamaño
muestral total; e al valor de variable Y correspondiente a la
observación i de la muestra j, a continuación se presenta una tabla con
los datos disponibles.
•La hipótesis nula que se contrasta en el ANOVA de un factor es que
las medias poblacionales son igual:
La media cuadrática inter-grupos () y de media cuadrática intra-

grupos ().
•Los
numeradores de cada una de estas medias cuadráticas se conoce como suma de
cuadrados entre grupos, y como suma de cuadrados dentro de grupos, . Por su
parte, los denominadores son los llamados grados de libertad asociados a dichas
sumas: J – 1 y n – J, respectivamente.
El estadístico de prueba que utiliza ANOVA para contrastar la hipotesis nula
planteada se construya a partir de los conceptos anteriores: concretamente, viene
dado por:
Unidad 5
Prueba de hipótesis de dos muestras y varias

muestras con datos categóricos.
Prueba de independencia (ji-cuadrada)
• La prueba de independencia Chi-cuadrado, nos permite

determinar si existe una relación entre dos variables
categóricas. Es necesario resaltar que esta prueba nos indica si
existe o no una relación entre las variables; es decir, no indica
el porcentaje de influencia de una variable sobre la otra .
Para que la muestra sea
representativa es necesario:
 Todos los elementos tienen la misma probabilidad de ser
seleccionados
 La selección de un elemento no influye en la selección de otro,
de allí el concepto de independencia.
Formula:
 m: número de categorías para la variable X.

 k: número de categorías para la variable Y
 : Frecuencia observada de la categoría
• : Frecuencia esperada de la categoría
• Para obtener las frecuencias esperadas se supone que es
verdadera, es decir
Pasos:

P1: Plantear hipótesis.
 Hipótesis nula : Las variables X e Y son independientes.
 Hipótesis alternativa : Existe alguna relación entre X e Y.
 P2: Estadístico de prueba: con ayuda de la formulas.

 P3: Establecer un nivel de significación: α = P (Rechazar es verdadero).
 P4: Región de rechazo de H0: Para v/s⇒.
 P5: Decisión: Si ⇒ se rechaza al nivel de significación α.
 P6: Conclusión: con base al paso 5.

Prueba de contingencia(ji-cuadrada)
• Se utiliza el formato de tabla de contingencia y puede ser llamado de
dos maneras:
• Prueba de tabla de contingencia o prueba con tabla de contingencia
Clasifica datos de acuerdo a dos o mas categorías relacionados con
cada una de las variables cualitativas.
Muestra todas las posibles combinaciones de categorías o
contingencias que explican su nombre.
Procedimiento para elaborar una prueba
de independencia
*Obtener la frecuencia observada
*Resumir los datos obtenidos
*Calcular la frecuencia esperada
*Determinar el nivel de significancia y grados de libertad
*Plantear las hipótesis
*Construir las áreas de aceptación y rechazo
*Calcular ji- cuadrada
*Tomar una decisión y emitir un conclusión
Pruebas de bondad de Ajuste
• Son aquellas que comparan los resultados de una muestra con los que se
espera obtener cuando la hipótesis nula es verdadera.
• Estas tienen por objetivo determinar si los datos se ajustan a una determinada
distribución, la cual puede estar completamente especificada (hipótesis
simple) o perteneciente a una clase para-métrica (hipótesis compuesta).
• Para calcular el valor de grados de libertada usamos
GL= k-m-1
Siendo
k = cantidad de categorías
m= números de parámetros estimados
Pruebas de bondad de Ajuste
• Obteniendo el grado de libertad mas el grado de significancia usamos
el la tabla según la prueba que uses.
• Se divide en dos JI-Cuadrada y KOLMOGÓROV-SMIRNOV
PRUEBA DE CHI-CUADRADO
• Es una prueba que sirve para determinar si un conjunto de datos
sigue una distribución de probabilidad dada, a partir de una muestra
de tamaño n, se arreglan las observaciones en una tabla de
frecuencias con k clases y se evalúan a través del estadístico de
prueba:
Pasos a seguir al realizar la prueba de
hipótesis:
• P1: Plantear hipótesis.
• P2: Se calcula Estadístico de prueba:
• P3: Establecer un nivel de significación
• P4: análisis
• P5: Decisión
• P6: Conclusión
PRUEBA DE KOLMOGÓROV-
SMIRNOV
• La prueba de Kolmogórov-Smirnov (también prueba K-S) es una
prueba no paramétrica que se utiliza para determinar la bondad de
ajuste de dos distribuciones de probabilidad entre sí. Mediante la
prueba se compara la distribución acumulada de las frecuencias
teóricas (ft) con la distribución acumulada de las frecuencias
observadas (fobs), se encuentra el punto de divergencia máxima y se
determina qué probabilidad existe de que una diferencia de esa
magnitud se deba al azar.
Pasos:
• 1.Calcular las frecuencias esperadas de la distribución teórica
específica por considerar para determinado número de clases, en un
arreglo de rangos de menor a mayor.
• 2.Arreglar estos valores teóricos en frecuencias acumuladas.
• 3.Arreglar acumulativamente las frecuencias observadas.
• 4.Aplicar la ecuación D = ft - f obs,
• donde D es la máxima discrepancia de ambas.
• 5.Comparar el valor estadístico D de Kolmogorov-Smirnov en la tabla
de valores críticos de D.
• 6. Decidir si se acepta o rechaza la hipótesis.
• Ecuación: D = ft - fobs
• En esta ecuación se aprecia que el procedimiento es muy simple y
quizá lo que parezca más complicado corresponde al cálculo de la
frecuencia esperada de cada tipo de distribución teórica. Por lo tanto,
en la marcha de los ejercicios se presentará cada uno de ellos y la
manera de aplicar la prueba estadística.

Estadistica Inferencial

Cargado por

Copyright:

Formatos disponibles

Estadistica Inferencial

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica Inferencial

Cargado por

Copyright:

Formatos disponibles

ESTADÍSTICA INFERENCIAL I

ING. En Gestión Empresarial

Prueba de hipótesis de dos muestras y varias muestras con

Si denotamos por Y a la variable; J al numero de muestras o grupos

La media cuadrática inter-grupos () y de media cuadrática intra-

Prueba de hipótesis de dos muestras y varias

• La prueba de independencia Chi-cuadrado, nos permite

 m: número de categorías para la variable X.

 P2: Estadístico de prueba: con ayuda de la formulas.

 P4: Región de rechazo de H0: Para v/s⇒.

 P5: Decisión: Si ⇒ se rechaza al nivel de significación α.

 P6: Conclusión: con base al paso 5.

También podría gustarte