Hipotesis estadistic aa
- 2. GRUPO No. 3 Gilberto Osiel Ramírez Urbano Wuilmar Eden Ramírez Ross Roger Osiel Martínez Sáenz Abner Josué Ramírez López Ing. Axel Fernando Gutiérrez Valiente
- 3. Propuesta provisional que sirve para responder de forma alternativa a un problema con base científica.
- 4. Referirse a situaciones reales Variables bien definidas Relación entre variables debe ser clara y verosímil Los términos de la hipótesis y la relación planteada entre ellos, deben poder ser observados y medidos Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas
- 5. Cada tipo de hipótesis tiene sus características extra. Las hipótesis descriptivas del valor de variables que se van a observar en un contexto. Las hipótesis correlacionales especifican las relaciones entre dos o más variables y el orden de éstas no es importante. Pueden alcanzar un nivel predictivo y parcialmente explicativo.
- 6. Es aquella hipótesis que somete a prueba y expresa a las hipótesis operacionales en forma de ecuaciones matemáticas.
- 11. UNA HIPÓTESIS ESTADÍSTICA ES LA EXPRESIÓN DE UNA HIPÓTESIS CIENTÍFICA EN TÉRMINOS DE PARÁMETROS. En el actual plan de estudios de la licenciatura de Psicología de la Universidad Panamericana, el rendimiento académico (notas) en las asignaturas de 2º es mayor que en las de 1º. He: 2º 1º 2º 1º ( , ) Notas Notas Notas Notas ì >ì o Md > Md u otras posibles .
- 12. En la población estudiantil guatemalteca la prevalencia del “bullying” es inferior al 10%. He: πbullying < 0,10.
- 13. Nótese que, mientras que en la 1ª hipótesis hay implicados dos parámetros (o, lo que es lo mismo, dos poblaciones), la 2ª hipótesis se refiere al valor de un único parámetro (y hay implicada una única población). Cuando en la He aparecen los operadores relacionales < o > se habla de contraste unilateral, mientras que cuando aparece el ≠ se habla de contraste bilateral.
- 14. Se refiere al conjunto de métodos mediante los cuales podemos hacer afirmaciones con respecto a una población completa a partir únicamente de la observación de una parte de ella.
- 15. Formas ESTIMACIÓN básicas para realizar inferencia PRUEBA DE estadística: HIPÓTESIS
- 16. En particular, una hipótesis estadística puede ser una afirmación con respecto a un parámetro (si sabemos que la distribución es binomial, entonces podríamos establecer la hipótesis de que la probabilidad de éxito es p = 0.5).
- 17. Consideremos Supongamos que se la siguiente nos presenta una caja opaca y cerrada, situación dentro de la cual sabemos hay 100 canicas que pueden ser rojas, blancas o una mezcla de ambas. A nosotros nos interesa decir algo con respecto a todas las canicas dentro de la caja (son todas rojas, todas blancas o cuántas hay de cada tipo). ¿Cuál sería una forma completamente segura de hacerlo?
- 18. Si tuviéramos la posibilidad de vaciar la caja, por ejemplo, y examinar el contenido completo, entonces sabríamos con toda certeza las condiciones que existen dentro de la caja; pero, ¿qué pasa entonces si por algún motivo no podemos examinar todo el contenido, aunque sí una parte de él?
- 19. Una forma de lidiar con la imposibilidad de examinar todo el contenido es hacer intervenir a la probabilidad. Supongamos que se nos dice que la caja contiene solamente canicas blancas, pero que nuestra suposición es que en realidad hay algunas rojas dentro. Podemos plantear nuestro primer contraste de hipótesis prototipo de la siguiente forma: H0: En la caja solamente hay canicas blancas Ha: En la caja hay al menos una canica roja.
- 20. Ahora necesitamos contrastar nuestra hipótesis nula contra la evidencia que obtenemos al observar datos, para lo cual sacamos una pequeña cantidad de canicas de la caja (sin poder observar las demás) y examinamos su color. Nuestro estadístico de prueba, al que llamaremos X, en este caso es el número de canicas rojas entre las extraídas. Dado que la aparición de al menos una canica roja haría completamente evidente que la hipótesis nula no es verdadera, la región de rechazo es R = {X ≥ 1}. Por tanto rechazaríamos la hipótesis nula si X ≥ 1.
- 21. El análisis de varianza es una prueba que nos permite medir la variación de las respuestas numéricas como valores de evaluación de diferentes variables nominales.
- 22. Lo que interesa en el análisis de varianza es averiguar si las medias de las poblaciones representadas por la aplicación de los métodos se pueden considerar iguales o no. En una media de cuatro poblaciones tendríamos: H0: m1 = m2 = m3 = m4
- 23. En esta situación, los cuatro grupos están muy cercanos. Su varianza total no será grande. Cada grupo tiene su propia varianza interna.
- 24. En esta otra, al separarse los grupos, la varianza total aumentará, porque hay más dispersión, pero la varianza interna de cada grupo es la misma. Lo que ha aumentado es la variabilidad Intergrupos.
- 25. Observando las imágenes podemos entender que si la varianza total aumenta, esto puede deberse a dos causas, o a que haya aumentado la varianza interna de cada grupo, o, lo que es más probable, que se hayan separado las medias y eso ha aumentado la varianza total. Cuando las medias de varios grupos relacionados se separan entre sí, aumenta la varianza total.
- 27. Son intervalos aleatorios que se usan para acotar un valor con una determinada probabilidad alta. Por ejemplo, puedo calcular un intervalo de confianza para la media, o la distribución; pero nunca puedo llegar a tener un valor exacto con total seguridad.
- 28. El nivel de confianza es la probabilidad de que el parámetro a estimar se encuentre en el intervalo de confianza. El nivel de confianza (p) se designa mediante 1 − α, y se suele tomar en tanto por ciento.
- 29. Los niveles de confianza más usuales son: 90%; 95% y 99%.
- 30. EJERCICIO: La media de las estaturas de una muestra aleatoria de 400 personas de una ciudad es 1,75 m. Se sabe que la estatura de las personas de esa ciudad es una variable aleatoria que sigue una distribución normal con varianza σ2 = 0,16 m2. Construye un intervalo, de un 95% de confianza, para la media de las estaturas de la población.
- 31. n = 400 x = 1.75 σ = 0.4 1- α = 0.95 z α/2 = 1.96 (1.75 ± 1.96 · 0.4/20 ) → (1.7108,1.7892)
- 32. El nivel de confianza es la probabilidad a priori de que el intervalo de confianza a calcular contenga al verdadero valor del parámetro. Se indica por 1-α y habitualmente se da en porcentaje (1-α)%. Hablamos de nivel de confianza y no de probabilidad ya que una vez extraída la muestra, el intervalo de confianza contendrá al verdadero valor del parámetro o no, lo que sabemos es que si repitiésemos el proceso con muchas muestras podríamos afirmar que el (1-α)% de los intervalos así construidos contendría al verdadero valor del parámetro.