Scribd Logo
Hochladen

Willkommen bei Scribd!

  • TEMA8 Estadistica No Parametrica

    Hochgeladen von

    Adriana Herrera Vivas
    4 Ansichten7 Seiten
    Estadistica no parametrica uwu

    Copyright

    © © All Rights Reserved

    Verfügbare Formate

    DOCX, PDF oder online auf Scribd lesen

    Stufen Sie dieses Dokument als nützlich ein?

    Sind diese Inhalte unangemessen?

    Dieses Dokument melden
    Estadistica no parametrica uwu

    Copyright:

    © All Rights Reserved
    Als DOCX, PDF herunterladen oder online auf Scribd lesen
    Markieren Sie unangemessene Inhalte
    4 Ansichten7 Seiten

    TEMA8 Estadistica No Parametrica

    Hochgeladen von

    Adriana Herrera Vivas
    Estadistica no parametrica uwu

    Copyright:

    © All Rights Reserved
    Als DOCX, PDF herunterladen oder online auf Scribd lesen
    Markieren Sie unangemessene Inhalte
    von 7
    Apuntes de Clase ESTADISTICA NO PARAMETRICA Estadistica Paramétrica Vs Estadistica No Parametrica xones YP’ en tova 2 la poblacion 0 En la Estadistica Paramétrica cues hipétesis acerca de uno o mas parametins de la PONASON estimaciones y pruebas de hipdtesis se estaniece caTO pobiaciones de donde provienen las mus daden estar & en forma aproximada La Estadistica No Parametrica en contraste con estimaciones y pruebas de hipctess acerca de pany cémo se distnbuye la pobdiacin De se caguce Convenientes si no s2 conoce la cistnducitn de la podkaod 1, PRUEBA DE BONDAD DE AJUSTE (PRUEBA CHI-CUADRADO)) La prueba de bondad de ajuste entre una distrbucion hipetetica y tiene la distribucion de la podlacc) verificar si la muestra obtenida es compatible con pobiacion. Generaimente las distribuciones més usadas son Poisson, |a distribucion exponencial y fa Bstnucd) Procedimiento 1. Planteamiento de las hipotesis H, : La pobiacion se comporta de acuerdo a HH, : La poblacion no se comporta de acuerdo &l modelo probabilistico planteado ‘Simbdlicamente se puede representa H,f(@)=F() ~ H, f(x) = f(x) Donde f(x), es ef modelo probabilistico partiouler tioO part 2. Nivel de significacién: a (0< a <1) Generalmente « = 0.05 6 a= 0.01 Dy ad 3. Estadistica de Prueba o Contraste. La estadistica que nos permite opinar la discrepancia entre los dates obseivados y los datos Seperation: ee innpraiaeciin de Kart Pearson: x, definkda como: 4 36a oe ab f 2608 ~% 4 Done: s Nien de categories o clases " Pituencis observada de ig “Esta categoria > ase bai, ‘© =p, Frecuencia esperada de la -ésima categoria o ciese baio H, ® Temato dele tues tal que Ses ,: Probablicad de ia sia categoria o case baoH, 4 Regia de decision Sole he cote saponee (no rae A 2 coles ees | RO=fxt yd > 12g} $2 rechaza's hipstesis nua H, (f oy RA={ 2172 <73_..g}. 70 se rechaza is hipctesis nue aw, eh aS ois calculadas sin estimar parémetros poblaconales ees aes ae eee a ectanceos pantaged ae PF Pag Ae am shewoee ~ 5° 2) 0 iguales a 5 (e, 2 5). En caso que no se TABLA DE CLASIFICACION SIMPLE: Kx1 peradan: ¢ | Categorias | Frecuencias Obsorvadas: f, | Frecuenclas Es eal a 2. PRUEBAS CON TABLAS DE CONTINGENCIA Las pruebas en tablas de contingencia nos permite determinar si dos variables categoricas $° relacionan entre si TABLA DE CONTINGENCIA: K xm (k:filas ; m: columnas) Criterio |___ Segundo Criterio de Clasificacin (m niveles) Frec. Marg. ificacion | Y, a y, (kniveles) Frecuencia Marginal: f,, 2.1 PRUEBA DE LA INDEPENDENCIA Esta prueba se utiliza cuando el investigador trata de averiguar si dos métodos de clasificacion son independientes, es decir; la distribucién de un método no depende de la distribucién del otro. Procedimiento 1, Planteamiento de las hipdtesis ‘H,,: Los métodos de clasificacién de X e Y son independientes. H, | Los métodos de clasificacién de X e Y no son independientes. Simb@licamente se puede representar: : Octubre /2017 a SPF AR He Lack Wek ery Ddabiinkad de la besina Ma de X y la -ésima columna de y. A dai nivel X A. Proatiidad marginal de que elemento seleccionado aes clasifoado n 6 ay P) SProdediicin’ marginal de que ei etemento seleceionado sea clasificado en elj-ési 2. Nivel de significacion: «(Wc < 0) Generaimente a = QOS oO a= QOL ‘& Estadistica de Prueba o Contraste. *(f, -¢,)° age F gap Shoal $50 ay wer Gy er it Sy f.: frecuencias observadas bidimensionales e XM) i= 1,2, j=1,2,..nm (e,,: frecuencias esperadas bidimensionales) a = 9p, =0p,p, gt=(K- 1m — 1) (gt grados de libertad) 4. Regia de decision RO={x2 Ad >t... g} . se rechaza la hipdtesis nula H, RA= {x2 x2 Siig} ne se rechaza la hipétesis nula Hy 2.2 PRUEBA DE HOMOGENEIDAD Este pruebe se utilize para contrastar la homogeneidad de varias muestras, es decir; si varias ‘muestres pueden ser consideradas como seleccionadas de una misma poblacin. Hipotesis: |, : Todas las muestras proceden de una misma poblacién 0 la distribucién de las k diferentes poblaciones son realmente iguales (0 las k distribuciones son homogéneas). 1H, : Todas las muestras no proceden de una misma poblacién. * Poe de las frecuencias observadas de las celdas es menor que 5, se aplica la n de Yates. eae egphee ar ‘Octubre / 2017 UNIVERSIDAD NACIONAL Mt VACULTAD DE. Cixi MICKOMOLOGL AYOR DE SAN MARCOS NCIAS BIOLOGICAS AY PARASITOLOGIA C00 MORSTADITICA Vrotonor Jacinto Pedro Mendoza Solis ies" N°B hacer cierto tipo de eruce Jos resultados debe Aer! rojos, negros y bla 5 » de cruce los resultados deberian os, eETeS y blancos en la proporcién de 9:3:4, respectivamente. Al realizar un experimento se obtuviero Dertenlo se obtuvieron los siguientes resultados: 150 rojos, 70 negros y 100 blancos. :Se , fumple ta teorta de Mendel; con los resultados obtenidos, si a= 0,05? 2 La empresa “Carametos Jos sabore 1 De wouerdo a ta teoria de herencia de Mendel Fa que su produceién de latas Henas con 300 caramelos contiene ® Pifta, (tesa, limdn y naranja en la relacién: 4: 3: 2: 1, salvo variaciones aleatorias Sten una lata de estos caramelos se encontré 115 de pitias, 95 de fresa, 70 de limon y 20 de narania, {confirman es tos datos las especificaciones de la empresa sobre el contenido de las Hay al nivel de significacidn de 0,057 Vuls Jara, vendedor de una compafia papelera tiene 5 clientes que visitar por dia, Se sugiere que In variable, o sea tas ventas logradas por el sefior Jara sean descritas mediante la distribucion binomial, siendo 0.4 la probabilidad de lograr la venta con cada cliente. Si se tiene la siguiente distribueién de frecuencia del nimero de ventas hechas diariamente por cl sefior Jara ,podemos oneluir que ht sigue en electo la que ha sido sugerida? Use nivel de significancia de 0.05 Numero de ventas por dia eee ces cee | eee | 2) ‘cuenicia del numero de ventas (a1 0 | 20] 6 Kh tun periodo de 72.dias ¢l niimero de aceidentes de transito por dia fue el siguiente: Niimero de aceidentes por dia: X | 0 1 BI ce [6 Niimero de dins: 6 YW is [m4 [2 6 Probar, la hipdtesis que el nimero de accidentes por dia, durante un periodo similar, es una vasiable de Poisson. Usar a=0,05 4, La siguiente tabla muestra los tiempos que puede fallar un millar de tubos electronicos. Tiempo en que fallan_| Numero de veces |) fabricante asevera que la vida de los t= 150 543 tubos de este tipo estin distribuidos f, 150 < t= 300 258 exponencialmente con 4=0,005. ; Se s00< 15450 eee rechazara la aseveracién utilizando 450. t= 600 48 a=0,057 600 << 750 20 ss 15750 fi D] Polson Howe on conkoc cn ine tatatl won 2 ‘in 400 lanzamientos de una moneda ser observaron 214 caras y 186 sellos. Probar la hipotesis que la moneda esta bien hecha, con a=0,05. 6, Fin In siguiente tabla, se muestran las calificaciones de 100 estudiantes en una prueba de aptitud. si61 Frecuencia Probar la hipdtesis de que las calificaciones Calica 90 8 estan distribuidas normalmente. Usar SX < 110 38 05 HO

    Das könnte Ihnen auch gefallen