Beruflich Dokumente
Kultur Dokumente
Hoy vamos a ver como se puede realizar una inferencia acerca de un parmetro
poblacional probando (o comprobando) una hiptesis acerca de su valor. Veamos
algunos ejemplos en donde se puede usar una prueba de hiptesis:
Velocidad del aire 20 60 100 140 180 220 260 300 340 380
(cm/s)
Coeficiente de Eva- .18 .37 .35 .78 .56 .75 1.18 1.36 1.17 1.65
poracin (mm2/seg)
Syy Yi 2 i 1
i 1 n
2
n
Y i
SSR X Y i1
H 0 : 1 2 0
Ha : i 0
No obstante, puede que exista una relacin que no sea lineal, sino exponencial,
parablica, etc. En estos casos, el coeficiente de correlacin lineal medira mal la
intensidad de la relacin las variables, por lo que convendra utilizar otro tipo de
coeficiente ms apropiado.
Para ver, por tanto, si se puede utilizar el coeficiente de correlacin lineal, lo mejor
es representar los pares de valores en un grfico y ver que forma describen.
INTERVALO DE CONFIANZA PARA LOS COEFICIENTES DE CORRELACIN
Los procedimientos que se tuvieron en cuenta para la construccin de intervalos
de con encapara el cociente de correlacin en una distribucin normal bivariado, di
eren en calidad dependiendo del tamao de muestra empleado para ello. Se pudo
observar que, en el caso
de muestras pequeas (n= 5 yn= 10), los que mejor desempe~no tuvieron fueron
los de Razn de Verosimilitud y Bootstrap. El mtodo de Razn de Verosimilitud
ofrece longitudes
cortas de intervalo y nivel de con onza real mas cercano al nivel nominal
establecido en este estudio de simulacin, 95 % para correlaciones desde 0 hasta
0.7. En los casos restantes, es
decir, correlaciones de 0.8 y 0.9, el mtodo Bootstrap supera al anterior. Cuando
n= 20, el mtodo que se comporta mejor en la gran mayora de las correlaciones
consideradas es el de Pivote Generalizado. Le siguen en orden de calidad el
intervalo obtenido por el mtodo de Razn de Verosimilitud. Cuando
n= 50 yn= 100, todos los metodos
tienen un comportamiento casi igual. Las longitudes de intervalo para cada uno de
estos doscasos (n= 50 yn= 100) disminuyen considerablemente a lo observado en
el caso anterior,
es decir, en comparacin con= 20, como se puede evidenciar en las tablas.
En la mayor a de los casos, el mtodo de Bootstrap ofrece niveles de con anza
reales menores que los de los demas metodos. Se observa un detalle muy
particular con respecto a estacaracterstica y todos los mtodos a excepcion del
Pivote Generalizado: los niveles de con-
anza reales son muy parecidos entre cuando el tama~no de muestra es muy
grande (n=100).
En la parte Bayesiana se puede notar que en la mayor de los casos, los resultados
obtenidos