Estadistica Inferencial
Estadistica Inferencial
Estadistica Inferencial
Apellido:
Ing: Chicnader Enzon Xavier
Curso: Tercero
Paralelo:” A”
Materia: Estadística inferencial
Tarea investigativa
Realizar un resumen de los siguientes temarios:
Una prueba de hipótesis es una regla que especifica cuando se puede aceptar o
rechazar una afirmación sobre una población dependiendo de la evidencia
proporcionada por una muestra de datos.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es la afirmación que se
está comprobando.
Un error común suele ser que las pruebas de hipótesis estadísticas están
diseñadas para seleccionar la más probable de dos hipótesis. Sin embargo, al
diseño una prueba de hipótesis, se configura la hipótesis nula como la que se
quiere rechazar. Dado que se fija que el nivel de significación sea pequeño antes
del análisis (normalmente, un valor de 0.05 funciona correctamente), Cuando se
rechaza la hipótesis nula, se tiene una prueba estadística de que la alternativa es
cierta. Por el contrario, si no se rechaza la hipótesis nula, no se tiene prueba
estadística de que la hipótesis nula sea cierta. Esto es debido a que no se ha
fijado la probabilidad de que se acepte falsamente que la hipótesis nula sea
pequeña.
Vale aclarar, sin embargo, que el uso de las hipótesis no solo se enmarca en el contexto
académico, sino en el ámbito cotidiano. Por ejemplo, si un grupo de amigos queda para
reunirse en una cafetería y uno está tardando en llegar, los que ya se encuentran
congregados podrían lanzar hipótesis de lo que podría haber pasado (un accidente, tráfico
vehicular inesperado, la persona decidió a último minuto que no iba a asistir, etc).
• Las variables con las que se quiere probar una hipótesis deben de ser reales y tener
relación con dicha hipótesis. Por ejemplo, volviendo al ejemplo de la quedada
entre amigos, si un amigo se retrasa o no aparece, el motivo no puede tener
relación con que haya habido un incendio en el pueblo de al lado de la ciudad en la
que vive.
• Para que una hipótesis sea probada debe de estar fundamentada en circunstancias
que puedan ser observadas y no sean fruto de la imaginación.
• Las variables sobre las que se fundamenta una hipótesis deben de poder ser
cuantificadas y estudiadas.
• Cuanta más variables contemple una hipótesis, mayor será la dificultad para
probarla.
• Las hipótesis deben de poder ser tanto aprobadas como rechazadas, si sólo
contemplan una de estas opciones, no puede ser consideradas hipótesis.
Tipos de hipótesis
• desde Madrid hasta Iquitos, la hipótesis más razonable es que en el trayecto (vía
aérea) haya hecho escalas.
• Analógicas: Parten de comparaciones. Por ejemplo, Marco viajó ocho horas en bus
desde Madrid hasta Barcelona, parando dos veces durante el trayecto. Entonces,
meses después, si un amigo le cuenta que hará la misma ruta, Marco pensará que
durante dicho viaje también harán un par de paradas.
Por otro lado, los tipos de hipótesis respecto a su alcance pueden ser:
•Generales: Son aplicables para todos los casos involucrados. Se dividen en:
o Universales: Son planteamientos para todo el universo estudiado. Por
ejemplo, la hipótesis de que una enfermedad podría haberse transferido de
animales a personas.
o Probabilísticas: Se expresan como una posibilidad o como un porcentaje.
Por ejemplo, si, en base a los datos históricos, se espera que la gran
mayoría de los alumnos de secundaria aprueben el curso de geografía.
• Particulares: Aplican para un caso singular. Por ejemplo, cuando planteo como
hipótesis que Carlos se contagió de gripe porque su padre, que vive con él, había
estado también con gripe unos días antes.
Hipótesis en estadística
Una vez recogida la información necesaria, será estudiada para plantear cuáles son los
motivos que han causado que se produzca dicha situación. Por ejemplo, si queremos saber
por qué los embalses de una comarca se encuentran al 50%, tendremos que obtener datos
acerca de las lluvias a lo largo del año, de la evolución del regadío, del consumo de los
hogares, etc.
Por último, en función a estos datos, se plantearán las hipótesis correspondientes para
intentar probarlas.
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la
hipótesis nula y la hipótesis alternativa. La hipótesis nula es el enunciado que se
probará. Por lo general, la hipótesis nula es un enunciado de que "no hay efecto" o
"no hay diferencia". La hipótesis alternativa es el enunciado que se desea poder
concluir que es verdadero de acuerdo con la evidencia proporcionada por los datos
de la muestra.
Entre las preguntas que se pueden contestar con una prueba de hipótesis están las
siguientes:
consideran significativos. [4] Para una estadística de prueba dada, hay una única
prueba de dos colas y dos pruebas de una cola, una para cada dirección. Cuando
dos extremos de la distribución con un área de cada uno para una prueba de
dos colas. Alternativamente, la región crítica existiría únicamente en el extremo de
una cola con un área de para una prueba de una cola. Para un nivel de
significancia dado en una prueba de dos colas para un estadístico de prueba, las
pruebas de una cola correspondientes para el mismo estadístico de prueba se
considerarán dos veces más significativas (la mitad del valor p ) si los datos están
en la dirección especificada por la prueba, o no es significativo en absoluto ( p -
¿Qué necesito?
También tenemos la idea, o hipótesis, de que la media poblacional tiene cierto valor. He
aquí dos ejemplos:
Si observa la tabla de arriba verá que algunas barritas tienen menos de 20 gramos de
proteínas. Otras tienen más. Podría suponer que los datos apoyan la idea de que las
etiquetas son correctas. Otros podrían discrepar. La prueba estadística ofrece un método
robusto para tomar la decisión, de manera que todas las personas tomen la misma decisión
partiendo del mismo conjunto de datos.
Vamos a empezar por responder lo siguiente: ¿Es la prueba tde una muestra un método
adecuado para evaluar si estas barritas tienen 20 gramos de proteínas? La siguiente lista
repasa los requisites de la prueba.
• Los valores de datos son independientes. Los gramos de proteínas de una barrita no
dependen de los de ninguna otra. Un ejemplo de valores dependientes sería si
reuniéramos barritas de un mismo lote de producción. Una muestra de un mismo lote es
representativa de dicho lote, no de las barritas energéticas en general.
• Los valores de datos son gramos de proteína. Las medidas son continuas.
• Asumimos que las barritas suponen una única muestra aleatoria de la población de
barritas energéticas disponibles para el consumo general (por ejemplo, una mezcla de
multitud de barritas).
• Asumimos que la población de la que estamos tomando la muestra tiene una distribución
normal, y para muestras grandes podemos comprobar dicha suposición.
Antes de pasar al análisis, debemos echar un vistazo rápido a los datos. En la siguiente
figura se muestran histogramas y estadísticas de resumen de las barritas energéticas.
(5) Valor p en la prueba de hipótesis
Al probar hipótesis en las que la estadística de prueba es discreta, la región crítica se puede
elegir de forma arbitraria y determinar su tamaño. Si es demasiado grande, se
puede reducir al hacer un ajuste en el valor crítico. Puede ser necesario aumentar
el tamaño de la muestra para compensar la disminución que ocurre de manera
automática en la potencia de la prueba (probabilidad de rechazar H o dado que una
alternativa específica es verdadera).
suponer normalidad de forma segura, puede efectuar una prueba no paramétrica que no
asume la normalidad.
Uso de la prueba t de una muestra.
¿Qué necesito?
También tenemos la idea, o hipótesis, de que la media poblacional tiene cierto valor. He
aquí dos ejemplos:
Por desgracia, no todos florecieron. El centro comercial quiere determinar si los “fracasos”
eran independientes del color (es decir, si todas las proporciones de la población son
iguales) antes de comprar más bulbos de tulipán. Cada color se puede considerar como
una población, y los bulbos de cada color, como una muestra de cada una de las
poblaciones. Los resultados muestrales (florecer respecto de no florecer) se pueden
obtener a partir de datos proporcionados por el jardinero. Los resultados han sido
ordenados en una tabla de 2 por k (2 x k): 2 filas y k columnas, una columna para cada
muestra. Las k muestras se listan en hileras, y los resultados muestrales en columnas