Professional Documents
Culture Documents
ESTADÍSTICA BÁSICA
DISEÑO DE EXPERIMENTOS
CONTRASTE
ESTIMACIÓN
DE HIPÓTESIS
T-STUDENT U-MANN
WHITNEY
MEDIDAS DE
POSICIÓN CENTRAL ANOVA
K-W
Y DE DISPERSIÓN
FISHER
TABLAS DE
CONTINGENCIA
PEARSON
3
ESTIMACIÓN
3.1 Concepto de estimación
3.2 Error estándar
3.3 Intervalo de confianza
3.4 Tamaño de muestra
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
DEFINICIÓN DE ESTIMACIÓN
PROPIEDADES DE LA ESTIMACIÓN
▪ No tener sesgos
TIPOS DE ESTIMACIÓN
CONCEPTO DE ESTIMACIÓN
Ser un estimador adecuado no significa ... significa ...
CONCEPTO DE ESTIMACIÓN
▪ ALEATORIO
El error estándar puede
ser de dos tipos
▪ SISTEMÁTICO
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
ERROR ALEATORIO
ERROR SISTEMÁTICO
Un intervalo
Asociado a cada
estimación
siempre hay
Una medida de confianza
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
MEDIDA DE CONFIANZA
Coeficiente de
confianza = 1- α
Nivel de
confianza = 100*(1- α)%
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
MEDIDA DE CONFIANZA
Probabilidad
1-α = 0.95 α = 0.05
del 95%
Probabilidad
1-α = 0.90 α = 0.10
del 90%
Probabilidad
1-α = 0.99 α = 0.01
del 99%
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
Factor relacionado
Parámetro: Media Poblacional Error Estándar
con la confianza
sn1 sn1
Estimo IC 95% x t n1
IC95% x tn1
n n
Nivel de
confianza
Límites de confianza
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
p (1 p) p (1 p)
IC 95% p z / 2
IC95% p z / 2
n n
Nivel de confianza
Límites de confianza
3.1 CONCEPTO DE 3.2 ERROR 3.3 INTERVALO DE 3.4 TAMAÑO DE
ESTIMACIÓN ESTÁNDAR CONFIANZA MUESTRA
EJEMPLO
CONCLUSIÓN
Existe diferencia No existe
HIPÓTESIS H1 diferencia H0
Existe Poder 1-β Falso positivo,α
diferencia Error tipo I
No existe Falso negativo,β
diferencia Error tipo II
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
VALOR DE “P”
Probabilidad de Se calcula
que el resultado después de la
obtenido sea prueba
debido al azar estadística
VALOR DE
p
¿Y si no lo es?
Si p<α se
¿Qué conclusión rechaza H0
sacamos?
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
SÍ
Porque si la rechazamos es porque p<0.001,
lo que implica que p<0.01
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
NO
En ese caso no puedo asegurar que la
región de rechazo siga siendo la misma
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
NO
Estamos aumentando la probabilidad de error de tipo II
(aceptar H0| H0 falsa) y habría que rehacer el contraste
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
TIPOS DE DISEÑO
VARIABLE VARIABLE
TEST
DEPENDIENTE INDEPENDIENTE
T-Student
T-Student
Datos distribuidos normalmente…
Es lo más frecuente
Bibliografía anterior
T-Student
Datos independientes…
T-Student
1. Unilaterales
▪ Se usan cuando se sospecha
2. Bilaterales que una media es mayor que otra
1 100 95
2 89 84
EJEMPLO 3 83 78
4 98 93
5 108 103
6 95 90
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
¡FALSO!
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
ANOVA
4.1 CONTRASTE DE 4.2 MÉTODOS 4.3 TRANSFORMACIONES 4.4 MÉTODOS NO
HIPÓTESIS PARAMÉTRICOS DE DATOS PARAMÉTRICOS
ANOVA
POR
Dividir en grupos en base a su estado de tiroides y terapia
EJEMPLO
ANOVA
ANOVA
ANOVA
EJEMPLO
ANOVA
EJEMPLO
ANOVA
ANOVA - CARACTERÍSTICAS
¡OJO!
Hay que tener cuidado con los valores iguales a cero