Presentación 05_Conceptos Básicos de Estadísitca
-
Upload
steven-reyes -
Category
Documents
-
view
217 -
download
0
Transcript of Presentación 05_Conceptos Básicos de Estadísitca
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
1/65
1 /XX
JMP
5.1 Objetivos•Explicar el uso de la estadística•Defnir muestra poblaci!n
•Describir los procesos involucrados enel an"lisis estadístico•#omparar estadística descriptiva e
in$erencia estadística•Discutir planes de muestreo
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
2/65
2 /XX
#u"l es el prop!sito de la estadística%
• &no de los motivos es darle sentido a los datos• 'os dan in$ormaci!n sobre los datos• De esta manera podremos responder pre(untas
reali)ar decisiones basadas en datos
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
3/65
3 /XX
Defnir el problema
*ntes de comen)ar el an"lisis+ se debe completar lossi(uientes puntos,
• Establecer el P-OP/0O del estudio• Documentar las P-E2&'*/ del estudio
• Defnir la PO34*#0' de inters• Determinar las 'E#E/0D*DE/ de muestreo• Defnir el protocolo de M&E/-EO
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
4/65
4 /XX
Ejemplo, datos de velocidad
• *ntes de comen)ar con el an"lisis es importantedar consideraci!n al problema en el cu"l estamosinteresados
Límite deLímite develocidadvelocidad
75 km/h75 km/h
80 km/h80 km/h 100 km/h100 km/h
77 km/h77 km/h 85 km/h85 km/h
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
5/65
5 /XX
Poblaci!n muestra
• &na poblaci!n es un (rupo de todas las mediciones deinters.
• /e defne la poblaci!n cuando se defne el problema opre(unta a contestar
• Ej, para este ejemplo la poblaci!n son todos los autos6ue viajan a travs de la intersecci!n
• &na poblaci!n se puede cate(ori)ar como,7 #oncreta, si se pueden identifcar cada sujeto de la poblaci!n7 e!rica, si constantemente cambia
• &na muestra es una porci!n de los valores medidos enla poblaci!n.• Debe ser al a)ar+ para ase(urarse 6ue es
representativa de la poblaci!n.• Estas características son similares a la de la poblaci!n
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
6/65
6 /XX
Muestreo simple
• #ada miembro de la poblaci!n tiene la mismaprobabilidad de ser esco(ido
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
7/65
7 /XX
Muestreo conveniente
•#uando se eli(en valores de la poblaci!n 6ue son accesibles+se est" 8ablando de un muestreo conveniente
• Este tipo de muestreo puede tener tendencias noes representativo de la poblaci!n
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
8/65
8 /XX
Proceso de an"lisis estadístico
• 4a estadística descriptiva se utili)a para or(ani)ar+resumir $ocali)ar en las caractarísticas m"s
importantes de los datos 9resumirla es una $ormade 8acerla :utili)able;• 4a in$erencia estadística 8ace (enerali)aciones o
in$erencias de los datos+ basadas en probabilidades
te!ricas
PoblaciónPoblación
MuestreoMuestreo
al azar al azar
EstadísticaEstadística
de lade lamuestramuestra
ealizarealizarin!erenciasin!erencias
"escribir "escribir
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
9/65
9 /XX
Proceso
• Existe un proceso para el an"lisis estadístico1. 0dentifcar la poblaci!n de inters
. *nali)ar los datos para describir la muestra
?. &tili)ar esa in$ormaci!n para 8acer in$erencias sobre lapoblaci!n
• En lu(ar de tener 6ue trabajar con datosindividuales+ lo 6ue 6ueremos es reducir los datosa valores puntuales 6ue conten(an las
características de la poblaci!n• 4as estadísticas capturan los datos importantes
como ubicaci!n+ variaci!n+ etc@
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
10/65
10 /XX
Plan de muestreo
• Describe como recolectar los datos7 Es importante recordar 6ue se 8acen conclusiones sobre la
poblaci!n en $unci!n de la in$ormaci!n de la muestra
• Muc8os de los an"lisis estadísticos asumen 6ue elmuestreo es simple al a)ar
• El plan de muestreo determina la muestra para lacu"l se reali)ar" la in$erencia 9si de AB sem"$orossolamente ele(imos los < m"s cercanos+ solamentetendremos en cuenta los autos 6ue pasen por allí=
• 4os investi(adores usualmente conlcuen sobrel apoblaci!n (eneral 6ue la 6ue se muestre!. Esasconclusiones no tienen la base estadística+ pero secree 6ue la muestra es representativa de la poblaci!n
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
11/65
11 /XX
5.< Estadística descriptiva al(unos de sus(r"fcos
Objetivos,• 0nterpretar estadísticas 6ue describan la ubicaci!n
de un (rupo de valores 9media+ mediana=• 0nterpretar estadísticas 6ue describan la dispersi!n
variabilidad de un (rupo de valores 9ran(o+desvío est"ndar=
• 0nterpretar medidas de $orma+ oblicuidad Curtosis• *rmar (r"fcos de los datos
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
12/65
12 /XX
Par"metros estadísticas
• /on características de la poblaci!n.• #omo una poblaci!n no puede ser medida
en su totalidad+ los par"metros de lapoblaci!n son desconocidos.
• 4as estadísiticas son valores medidos calculados de las muestras.• De ellas se pueden estimar los par"metros
Par"metros de la
poblaci!n
Estadísticas de la
muestraMED0*
*-0*#0' F s
DE/GO /
F s
## ##
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
13/65
13 /XX
• Promedio, la sumatoria de todos los valoresindividuales dividido por el nHmero de muestras
• Mediana, El valor central 9tambin conocido comopercentilo 5I=
alores típicos de una distribuci!n
$$ii
nn
nn
i%1i%1
1 & & ' 5 8 511 & & ' 5 8 51 n%& n%&n%& n%&
MedianaMediana
1 & & ' 5 81 & & ' 5 8n%&n%&
n%&n%&
MedianaMediana
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
14/65
14 /XX
• 4a estadística descriptiva utili)ada para defnir elpunto medio de una muestra se llama Medidas de
endencia #entral7 4as m"s conocidas son,
• Media• Moda• Mediana
• Percentilos (8(8(5(5
(#(#
(0(0
8585
8181
7(7(
7070
)&)&
5555
'7'7
'#
&* +uartilo&* +uartilo
1* +uartilo1* +uartilo
+uartilo ,ue divide los+uartilo ,ue divide losdatos en cuatrosdatos en cuatros
Percentilo 75- % (1Percentilo 75- % (1
Percentilo 50- % 80Percentilo 50- % 80
Percentilo #5- % 5(Percentilo #5- % 5(
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
15/65
15 /XX
Extensi!n de una distribuci!n,variaci!n• 'os dan una idea de la dispersi!n de los datos• -an(o, representa el anc8o de la distribuci!n. Es la resta
entre los valores extremos• -an(o intercuartilo, di$erencia entre los percentiles
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
16/65
16 /XX
Ejemplo• /upon(anse los valores de la tabla adjunta
O3/ D*O P-OM DE/ /
1 > 5 L<
< ? 5 L1
> A 5 >
/&M 15 15 I
P-OM 5 5 I
• 4a suma de los desvíos es i(ual a cero
• El promedio de los desvío es i(ual a cero• Para solucionar el problema se puede cambiar el desvío porun valor no ne(ativo,7 omando valores absolutos7 Elevando al cuadrado cada desvío 9el m"s utili)ado=
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
17/65
17 /XX
Estimador no ses(ado de la variaci!n de lapoblaci!n
• /e calcula promediando la di$erencia de cada valorindividual respecto del promedio+ dividiendo por 9nL1= en lu(ar de n
• Es no ses(ado por6ue en el promedio se i(uala la
viariaci!n de la poblaci!n
. . ii
nn
i%1i%1
n21n21
ii
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
18/65
18 /XX
Desvío est"ndar
• 4a varian)a es una medida de variaci!n• 4a raí) cuadrada de dic8o valor es el desvío
est"ndar• Es una medida de la variaci!n en las mismas
unidades 6ue su escala ori(inal
FNF<
snL1Ns
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
19/65
19 /XX
Distribuciones
• #uando se examina 9para el ejemplo de lasvelocidades=+ se puede determinar7 -an(o de posibles valores7 recuencia de los valores
7 D!nde se acumulan los datos
• Distribuci!n, un conjunto de datos arre(lados enun orden determinado con una $recuencia relativa7 Es importante describir ubicaci!n+ dispersi!n+ $orma+ etc7 son simtricamente distribuídos%7 Qa al(Hn porcentaje inusual
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
20/65
20 /XX
Qisto(ramas
• #ada barra en el8isto(ramarepresenta un(rupo de valores
• El alto dela barra
es el porcentajede valores en esaclase
• JMP determina elanc8o nHmero
de barrasautom"ticamente9i(ual se puedencambiar=
P 5 + E 6 7
8 9 E
P 5 + E 6 7
8 9 E
+L:E:+L:E:• En una distribuci!n simtrica+ la parte i)6uierda es ima(en especular de la derec8a
7 orma de campana7 #aracteri)ada por promedio desvío est"ndar7 Media Mediana Moda
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
21/65
21 /XX
orma de la distribuci!n, tendencia
endencia a la iz,uierdaendencia a la iz,uierda endencia a la derechaendencia a la derecha:im;trica:im;trica
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
22/65
22 /XX
Oblicuidad
• 'os da una idea de si los valores est"n dipersos8acia al(uno de los límites extremos7 alor ne(ativo, tendencia 8acia el lado i)6uierdo+ el
promedio es menor 6ue la mediana7 alor positivo, tendencia 8acia el lado derec8o+ el
promedio es maor 6ue la mediana
• Rurtosis, nos da una idea de si las :colas; de ladistribuci!n son :pesadas; 9muc8os valores= o
livianas 9pocos valores=7 Pesadas, la Curtosis es positiva7 4iviana, la Curtosis es ne(ativa
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
23/65
23 /XX
ormas (r"fcas de distribuci!n
• res tipos• Outlier box plots, provee in$ormaci!n de la
variabilidad de datos de los datos extremos7 4a caja representa el valor medio de los datos 9da una
idea de la simetría de la distribuci!n+ comparando media mediana=7 4as lineas se extienden $uera de la caja tanto como se
extienden los datos
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
24/65
24 /XX
• 'ormal Suantile plots, es un mtodo (r"fco paradeterminar si nuestros datos provienen o no deuna distribuci!n normal.7 El eje vertical representa los valores actuales
7 El eje 8ori)ontal representa los percentiles esperados parauna distribuci!n normal.7 Es decir una combinaci!n de los datos reales contra los
esperados
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
25/65
25 /XX
11 ## &&
'' 55
1. Distribuci!n normal
. Despla)ada 8acia la i)6uierda
?. PlatoCurtica 9liviana=
5. 4eptoCurtica 9pesada=
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
26/65
26 /XX
2enerar dibujar estadísticasdescriptivas• Esta demostraci!n ilustra c!mo se (enerar
estadísticas descriptivas c!mo se (eneran > tiposde (r"fcos utili)ando JMP
Estadística Descriptiva
• *brir el arc8ivo speedin(1.jmp• '!tese 6ue 8a una validaci!n para el campo pe
a 6ue tiene la f(ura• /e puede cambiar o inspeccionar dic8a validaci!n,
7 /eleccionar la columna pe+ #ols+ #olumn in$o• pe es nominal 9 = con lista de validaci!n• Driver es nominal 9 = sin lista de validaci!n• /peed es continua 9 = sin lista de validaci!n
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
27/65
27 /XX
• /eleccionar el comando *nal)e+ Distribution7 /eleccionar pe /peed colocarlas en la opci!n T+
#olumns
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
28/65
28 /XX
-eporte para variables nominales uordinales
M?M?muestra el n@meromuestra el n@merorelativo derelativo deobservaciones enobservaciones encada nivelcada nivel
6@mero de6@mero deobservaciones 4araobservaciones 4ara
cada nivelcada nivel
Arecuencia relativaArecuencia relativa
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
29/65
29 /XX
-eporte para variables
M?M?muestra el n@meromuestra el n@merorelativo derelativo deobservaciones enobservaciones encada nivelcada nivel
>r3!ico Bo$ 4lotC>r3!ico Bo$ 4lotCresaltando los datosresaltando los datos,ue 4osiblemente,ue 4osiblemente4ueden ser outliers4ueden ser outliers
e4orte de cuantilese4orte de cuantiles
e4orte dee4orte demomentosmomentos
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
30/65
30 /XX
• /e puede obtener m"s in$ormaci!n con el comandodispla more moments
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
31/65
31 /XX
2enerando (r"fcos de #uantiles distribuci!nnormal
• /eleccionar la opci!n 'ormal Suantile Plot• 4a línea a ?5 U son los valores ideales si $uera
linear• #omo no se aparta de dic8a línea+ es de esperar
6ue la distribuci!n de datos sea lineal
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
32/65
32 /XX
• /eleccionar el comando it Distribution+ 'ormal
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
33/65
33 /XX
5.> 0n$erencia estadíastica
Objetivos• Explicar e interpretar el intervalo de confan)a para
una media• Entender la importancia aplicaci!n del teorema
del límite central• #alcular intervalos de confan)a utili)ando la
plata$orma de distribuci!n
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
34/65
34 /XX
Puntos estimados
/ estima FV estima
• Para evaluar un estimador+ se debeconocer su variabilidad
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
35/65
35 /XX
Defnici!n
• /e utili)an para estimar par"metros de lapoblaci!n• #omo solo tenemos un estimado de la poblaci!n+
debemos conocer un estimado de su variabilidad
• &n punto estimado no tiene en cuenta la presici!nde la estadística calculada
7 Para el ejemplo de la velocidad por 6u no estamos
se(uros de 6ue la velocidad promedio es 5A mp8%• 4a respuesta es por6ue el promedio de la muestra es solo unestimado del promedio de la poblaci!n. /i tomamos otramuestra de autos+ el promedio puede di$erir51D'7 m4h51D'7 m4h
5&D1( m4h5&D1( m4h
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
36/65
36 /XX
Error estandar del promedio
• Mide la variabilidad del estimado es el errorestandar del promedio• Es di$erente al desvío est"ndar por6ue
7 E4 desvío est"ndar tiene 6ue ver con la
variabilidad de las muestras7 El error est"ndar tiene 6ue ver con la
variabilidad del promedio de la muestra
sWNn
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
37/65
37 /XX
Estimador de intervalos
• Otra $orma de estimar el promedio de una muestraes mediante intervalos• Especifca el ran(o de valores 6ue incluiría el
promedio de la muestra
• Debe estar centrado en el punto estimado.• El anc8o del intervalo depende del error est"ndar
del (rado de certe)a re6uerido
µ
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
38/65
38 /XX
0ntervalos de confan)a
• Es un intervalo en el 6ue creemos 6ue est" elpar"metro de la poblaci!n 6ue nos interesa
• &n intervalo de confan)a del X5K me dice con unacerte)a del X5K de verdad 6ue el promedio de lapoblaci!n se encuentra entre los límites calculados
7 En otras palabras+ si se toman 1II muestras di$erentes dela misma poblaci!n+ X5 de ellas van a tener el promediode la poblaci!n.
9 =
x
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
39/65
39 /XX
0ntervalo de confan)a para elpromedio
V YWL t Z sx o bien 9x 7tZsx[ x Y tZsx=
En donde,• V es el promedio de la muestra• t es el valor correspondiente al intervalo de confan)a+
con nL1 (rados de libertad+ donde n es el tama\o de lamuestra
• /x es el error est"ndar del promedio
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
40/65
40 /XX
Distribuci!n normal
• Es la m"s normal de las distribuciones• Por 6u la distribuci!n de promedios de la muestra
deben poseer una distribuci!n normal%7 Por6ue defne probabilidades 9ver (r"fco=
7 /i es normal+ podemos usar probabilidades asociadas aesta distribuci!n para construir un intervalo de confan)a
µ-3σ µ-2σ µ-1σ µ+3σ µ+2σ µ+1σ
)8-)8-
(5-(5-
((-((-
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
41/65
41 /XX
0ntervalo de confan)a para promedios demuestras
• 4a re(i!n entre líneas rojas representa el X5K de la
distribuci!n del area7 #ubre el X5K del area dela curva de distribuci!n de
promedio de muestra+ 6ue est" centrada en .7 #orresponde al X5K de probabilidad de 6ue el promedio
de la muestra ten(a en su interior al promedio de lapoblaci!n
µX
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
42/65
42 /XX
eorema del límite central
• &na distribuci!n de promedios de muestras esaproximadamente normal+ independientemente dela distribuci!n de la poblaci!n+ si el tama\o de lamuestra es lo sufcientemente (rande
• /ufcientemente (rande si(nifca >Iobservaciones.7 M"s datos si existe una tendencia de los datos7 Menos datos si es simtrica
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
43/65
43 /XX
eorema del límite central e intervalos deconfan)a
• Ejercicio, abrir el arc8ivo -andom]C.jmp• /eleccionar se(Hn f(ura adjunta
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
44/65
44 /XX
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
45/65
45 /XX
• *brir la script #4.jsl• #licC con el bot!n derec8o en la ventana
seleccionar el comando -un /cript
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
46/65
46 /XX
• Examinar la distribuci!n de medias• Ele(ir los comandos 'ormal Suantile Plot
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
47/65
47 /XX
• /eleccionar la ventana -andom]C.jmp• /eleccionar la ventaja #4.jsl• -epetir la operaci!n pero para 2amma
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
48/65
48 /XX
• 'otar 6ue no 8a evidencias 6ue demuestren 6uela distribuci!n no es normal
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
49/65
49 /XX
#oncepto de intervalo de confan)a
• *brir el arc8ivo demo#onfdence0nterval.jsl• /eleccionar Edit+ -un /cript
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
50/65
50 /XX
• JMP (rafcar" 1II puntos con intervalo de
confan)a del X5K• 4a línea 8ori)ontal es el promedio de la poblaci!n.• JMP eli(e al a)ar 1I datos (enera un promedio de
la muestra con un intervalo de confan)a del X5K
• #uando una de las líneas verticales cru)a a la línea8ori)ontal+ si(nifca 6ue contiene al promedio de lapoblaci!n+ si no+ no.
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
51/65
51 /XX
0ntervalo de confan)a para elpromedio
• Ta sabemos para el ejemplo cu"l es la velocidadpromedio de la muestra• ambin sabemos 6ue este valor tiene asociada
cierta variabilidad
• JMP puede aplicar una $!rmula para establecer elintervalo de confan)a
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
52/65
52 /XX
• 'os arroja los si(uientes resultados 9ver tabla de lai)6uierda=
• #ompararlos contra los resultados con un intervalo
de confan)a del XXK 9tabla de la derec8a=
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
53/65
53 /XX
est de Qip!tesis
5.? Objetivos•Defnir terminolo(ía relacionada conlos test de 8ip!tesis
•Explicar la di$erencia entre error ipo 0 error ipo 00•0nterpretar los pLvalores
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
54/65
54 /XX
est de 8ip!tesis
• Qa una di$erencia entre una 8ip!tesis científca una 8ip!tesis estadística7 #ientífca, soluci!n propuesta a un problema. -espuesta a
un $en!meno bajo estudio. El comien)o es unaproposici!n.
7 Estadística, es un enunciado sobre una poblaci!n bajoestudio. Es un enunciado numrico. Puede 8aber unapropuesta estadística con poco si(nifcado estadístico
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
55/65
55 /XX
*nalo(ía judicial
• En una corte criminal+ se le dan abo(ados al acusadode cometer un crímen+ pero c!mo procede un juicio%1. Determinar la 8ip!tesis nula 9QI= la 8ip!tesis alternatica
9Qa=. 4a alternativa nula es la 6ue consideramos verdaderraantes de comen)ar el an"lisis. Para nuestro caso+ QI es 6ue
nuestro de$endido es inocente Qa 6ue es culpable. Juntar la evidencia
?. &tili)ar una re(la de decisi!n,1. /i es sufcientemente $uerte+ rec8a)ar la QI
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
56/65
56 /XX
Ejemplo de la moneda
• /upon(ase 6ue 6uiere determinar si una monedaes $alsa o no• #omo no se puede tirar la moneda infnidad de
veces+ decide tirar 5 veces en $unci!n de los
resultados+ defnir si la misma es verdadera o $alsa
5 E
5 E
5 E
5 E
5 E
5 E
5 E
5 E 5
E 5 E
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
57/65
57 /XX
Ejemplo de la moneda
• /ospec8amos 6ue la moneda no es verdadera 9Qa=• Por lo tanto+ la 8ip!tesis opuesta 9QI= es la opci!n
opuesta• /eleccionamos un nivel de si(nifcaci!n.
• iramos la moneda 5 veces contamos el nHmerode caras cecas
• Evaluamos los datos utili)ando la re(la de decisi!n6ue es
7 Evidencia sufciente para sumir 6ue la moneda es $alsa7 Evidencia insufciente para rec8a)ar la 8ip!tesis de 6ue la
moneda es $alsa
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
58/65
58 /XX
ipos de error potencia
• 4levamos a cabo un test de 8ip!tesis decidimos+ pero@ $uecorrecta la decisi!n%
-E*40D*D
DE#0/0' QI verdadera QI $alsa
QIverdadera
#orrecta Error ipo 00
QI $alsa Error ipo 0 #orrecta• Error tipo 0, comunmente llamado tipo ^+ es la probabilidad de
rec8a)ar la 8ip!tesis inicial cuando es verdadera 9Ej, concluir 6ueuna persona es culpable cuando en realidad es inocente=
• Error tipo 00, comunmente llamado tipo _+ es la probabilidad deaceptar la 8ip!tesis inicial cuando en realidad es $alsa 9Ej, no 8aevidencia sufciente para concluir 6ue una persona es culpablecuando realmente lo es=
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
59/65
59 /XX
Experimento de la moneda
• *brir lip.JMP. 'o tiene $!rmulas+ pero se a(re(aronpara poder simular• /eleccionar -o`s+ *dd -o`s
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
60/65
60 /XX
• /i sali! :cara; coloca un 1 si no un I 9cero=• 4as columnas /um #ontinuous /um representanel total de :caras;
• #orrer :distribution; para estas columnas
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
61/65
61 /XX
• 'otar 6ue el #ontinous sum es la suma de caras en
las 5 tiradas. El promedio es aprox.
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
62/65
62 /XX
• /um representa el nHmero de caras en las 5 tiradas.• /e puede ver 6ue la maoría de las veces seobtienen entre < >.
• 'o obstante+ se observa 6ue 8a veces 6ue no se
obtienen caras o se obtienen 5 caras aHn con estamoneda $alsa 95K de las veces=• /e puede resumir sus resultados indicando 6ue una
moneda buena demuestra una cierta evidencia dedi$erencias (randes entre el nHmero de caras cecas pero ex8ibe muc8o m"s evidencia dedi$erencias m"s pe6ue\as entre los dos
j l d l d 9 dif d =
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
63/65
63 /XX
Ejemplo de la moneda 9modifcado=
• *rrojar la moneda verdadera 1II veces defnircu"ndo es verdadera
55 caras55 caras
'5 cecas'5 cecasFalor 4% D&7Falor 4% D&7
'0 caras'0 caras
)0 cecas)0 cecasFalor 4% D0)Falor 4% D0)
&7 caras&7 caras
)& cecas)& cecasFalor 4% D01Falor 4% D01
15 caras15 caras
85 cecas85 cecasFalor 4G0D01Falor 4G0D01
• /i 8acemos la prueba+ no dudamos de 6ue la moneda esverdadera si obtenemos 5I 5I
• En los casos 6ue vemos arriba+ cuanta m"s di$erencia 8a+maor evidencia de 6ue la moneda es $alsa
• El valor p mide la probabilidad de observar un valor masextremo 6ue el observado bajo la 8ip!tesis nula 9QI=
• El valor p es la probabilidad de observar por lo menos ?I caras9o ]I cecas= en una moneda verdadera
l 9 l =
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
64/65
64 /XX
alor p 9o pLvalue=
• /i el valor p es (rande+ se observar"n$recuentemente valores como los 6ue se ven en elexperimento con una moneda verdadera
• /i el valor p es pe6ue\o+ es raro ver resultados
como estos con una moneda verdadera• En la Hltima situaci!n+ se tiene poca evidencia de6ue la moneda es verdadera+ por eso concluímos6ue no es verdadera
• El valor p se calcula de los datos es un valorentre I 1
55 caras55 caras
'5 cecas'5 cecas
Falor 4% 0D&7Falor 4% 0D&7
'0 caras'0 caras
)0 cecas)0 cecas
Falor 4% D0)Falor 4% D0)
&7 caras&7 caras
)& cecas)& cecas
Falor 4% D01Falor 4% D01
15 caras15 caras
85 cecas85 cecas
Falor 4G0D01Falor 4G0D01
d 8i ! i dí i
-
8/16/2019 Presentación 05_Conceptos Básicos de Estadísitca
65/65
est de 8ip!tesis estadística
1. 4a 8ip!tesis alternativa es nuestra suposici!n. El nivel de si(nifcaci!n se denota usualmente como^+ la probabilidad de cometer un error tipo 0
?. 4a $uer)a de la evidencia para la 8ip!tesis nula semide con el valor p.
5. -e(la de decisi!n1. -ec8a)ar la 8ip!tesis nula si el valor p es menor 6ue ^