http://es.scribd.com/doc/94338511/100403-Trabajocolaborativo2-grupo97 2. Qu significa el error tipo I y el error tipo II. Explique su interpretacin con un ejemplo.

SOLUCION Error tipo I: Tambin denominado error de tipo alfa ()[1] o falso positivo, es el error que se comete cuando el investigador no acepta la hiptesis nula ( ) siendo esta verdadera en la poblacin. Es equivalente a encontrar un resultado falso positivo, porque el investigador llega a la conclusin de que existe una diferencia entre las hiptesis cuando en realidad no existe. Se relaciona con el nivel de significancia estadstica. Error tipo II: Tambin llamado error de tipo beta () ( es la probabilidad de que exista este error) o falso negativo, se comete cuando el investigador no rechaza la hiptesis nula siendo esta falsa en la poblacin. Es equivalente a la probabilidad de un resultado falso negativo, ya que el investigador llega a la conclusin de que ha sido incapaz de encontrar una diferencia que existe en la realidad. http://es.wikipedia.org/wiki/Errores_de_tipo_I_y_de_tipo_II La probabilidad de cometer un error Tipo I (de rechazar una hiptesis nula dado que sta es verdadera) se llama nivel de significacin y se denota por (alfa). La probabilidad de cometer un error Tipo II (de no rechazar una hiptesis nula dado que sta es falsa) no tiene nombre en particular, pero se denota por (beta). La probabilidad de no rechazar una hiptesis nula verdadera es la confianza, 1 , con la cual se trabaj para hacer estimaciones por intervalo. Cuando se rechaza una hiptesis nula falsa se ha tomado una decisin correcta y la probabilidad de hacerlo se denomina potencia o poder de la prueba y es 1 . EJEMPLO: El buen hbito de higiene bucal que deben tener las personas para una dentadura saludable es el tema de tesis que realiza un alumno de la carrera de Odontologa de la Universidad de Talca, y para ello, su estudio se centra en nios de 7 aos de edad que asisten a dos colegios A y B en la zona urbana de Talca, registrando la cantidad de cepillados diarios que realizan los nios:
Cantidad de cepillados diarios 0 1 Cantidad de Nios COLEGIO A 2 3 COLEGIO B 15 13

2 3 4 5 6

7 9 10 14 16

11 8 5 4 1

Pero el alumno cuando completa sus fichas, no siempre registra el nombre del colegio al cual asiste el nio, y con la informacin previa propone el siguiente test de hiptesis: : El nio asiste al colegio A. : El nio asiste al colegio B. Para concluir, establece la siguiente regla de decisin: Rechazar realiza a lo ms 1 cepillado diario. a. Cul es la probabilidad de cometer error tipo 1? = P (rechazar H0/H0 es verdadera). = P (el nio realiza a lo ms 1 cepillado diario y que asiste al colegio A). = (2+3)/(2+3+7+9+10+14+16) = 5/61. = 0.0820. Existe una probabilidad del 8.20% de afirmar que el nio asiste al colegio B cuando en verdad asiste al colegio A. Cul es la probabilidad de cometer error tipo 2? = P (aceptar H0/H1 es verdadera). = P(al nio realiza ms de 1 cepillado diario y que asiste al colegio B). = (11+8+5+4+1)/(15+13+11+8+5+4+1) = 29/57. = 0.5088. Existe una probabilidad del 50.88% de afirmar que el nio asiste al colegio A cuando en verdad asiste al colegio B. 3. Mediante un diagrama muestre los pasos para realizar el contraste de una hiptesis. Contrastes de hiptesis: Una hiptesis estadstica es una asuncin relativa a una o varias poblaciones, que puede ser cierta o no. Las hiptesis estadsticas se si el nio

pueden contrastar con la informacin extrada de las muestras y tanto si se aceptan como si se rechazan se puede cometer un error.

PASOS CONTRASTE DE UNA HIPTESIS.

Describir las caractersticas de la poblacin acerca de la cual se va a probar la hiptesis (establecer si se cumplen los supuestos del contraste).

Formular las hiptesis nula y alterna ( ).

Escoger un nivel de significacin o probabilidad de Error Tipo I, .

Seleccionar el estadstico de contraste cuya distribucin muestral sea conocida en el supuesto de que sea verdadera, pero sin hacer clculos. todava Determinar la regin crtica o de rechazo, misma que depende del tipo de hiptesis, de la probabilidad del Error Tipo I y del estadstico de contraste.

Calcular el estadstico de contraste. Tomar una decisin de rechazar o no rechazarla. Dar una conclusin al problema.

http://colposfesz.galeon.com/inferencia/teoria/conhip.htm 4. Explique la relacin que existe entre el p-valor y el estadstico de prueba y la relacin que existe entre el nivel de significancia alfa con el estadstico terico. SOLUCION: Relacin que existe entre el p-valor y el estadstico de prueba. Un p valor es la probabilidad, calculada al asumir que Ho es cierto, de que la estadstica de prueba tome valore tan extremos o ms extremos que los calculados con la muestra actual. Ahora, dado que las estadsticas de prueba se construyen para cuantificar las desviaciones de la hiptesis nula con los datos actuales, entonces rechazamos Ho cuando el p valor es pequeo porque si ste es pequeo entonces los datos actuales proveen una fuerte evidencia en contra de Ho. En otras palabras, el hecho de que el p valor sea grande hace que Ho sea difcil de rechazar; por tanto es casi intuitivo, pero no valido, tomar al p valor como una medida de soporte en contra (o a favor) del rechazo de Ho. http://www.gutierrezandres.com/archives/tag/p-valor Relacin que existe entre el nivel de significancia alfa con el estadstico terico. El nivel de significancia es de 0.01 que es el alfa (), la probabilidad de cometer el error de tipo uno, es decir la probabilidad de rechazar la hiptesis siendo verdadera. Para ste tipo de problema se utiliza la distribucin normal estandarizada en Z. El nivel de significancia estadstica equivale a la magnitud del error que se est dispuesto a correr de rechazar una hiptesis nula verdadera. Se denota por la letra griega alfa y para la mayora de los propsitos, se suele establecer en 0.05 en porcentaje 5% y se considera significativo a todo p-valor que se encuentre por debajo de este nivel, se considera altamente significativo cuando el p-valor es menor a 0.01 en porcentaje 1%.

7. Explique la diferencia entre pruebas paramtricas y no paramtricas. PRUEBAS PARAMTRICAS: Las pruebas estadsticas paramtricas, como la de la t de Student o el anlisis de la varianza (ANOVA), se basan en que se supone una forma determinada de la distribucin de valores, generalmente la distribucin normal, en la poblacin de la que se obtiene la muestra experimental. En contraposicin de la tcnicas no paramtricas, las tcnicas paramtricas si presuponen una distribucin terica de probabilidad subyacente para la distribucin de los datos. Son ms potentes que las no paramtricas. Dentro de las pruebas paramtricas, las ms habituales se basan en la distribucin de probabilidad normal, y al estimar los parmetros del modelo se supone que los datos constituyen una muestra aleatoria de esa distribucin, por lo que la eleccin del estimador y el clculo de la precisin de la estimacin, elementos bsicos para construir intervalos de confianza y contrastar hiptesis, dependen del modelo probabilstico supuesto. Cuando un procedimiento estadstico es poco sensible a alteraciones en el modelo probabilstico supuesto, es decir que los resultados obtenidos son aproximadamente vlidos cuando ste vara, se dice que es un procedimiento robusto. PRUEBAS NO PARAMTRICAS: Las pruebas estadsticas no paramtricas son las que, a pesar de basarse en determinadas suposiciones, no parten de la base de que los datos analizados adoptan una distribucin normal. Tcnica estadstica que no presupone ninguna distribucin de probabilidad terica de la distribucin de nuestros datos. Se denominan pruebas no paramtricas aquellas que no presuponen una distribucin de probabilidad para los datos, por ello se conocen tambin como de distribucin libre (distribucin free). En la mayor parte de ellas los resultados estadsticos se derivan nicamente a partir de procedimientos de ordenacin y recuento, por lo que su base lgica es de fcil comprensin. Cuando trabajamos con muestras pequeas (n < 10) en las que se desconoce si es vlido suponer la normalidad de los datos, conviene utilizar pruebas no

paramtricas, al menos para corroborar los resultados obtenidos a partir de la utilizacin de la teora basada en la normal. En estos casos se emplea como parmetro de centralizacin la mediana, que es aquel punto para el que el valor de X est el 50% de las veces por debajo y el 50% por encima. Las pruebas no paramtricas no requieren asumir normalidad de la poblacin y en su mayora se basan en el ordenamiento de los datos, la poblacin tiene que ser continua. El parmetro que se usa para hacer las pruebas estadsticas es la Mediana y no la Media. Son tcnicas estadsticas que no presuponen ningn modelo probabilstico terico. Son menos potentes que las tcnicas paramtricas, aunque tienen la ventaja que se pueden aplicar ms fcilmente. http://scientific-european-federation-osteopaths.org/es/prueba-estadisticas 5. El laboratorio de investigacin de una compaa ha desarrollado una nueva forma para producir pintura para muros que permitir que un galn pueda cubrir 250 pies cuadrados. De acuerdo a esto, se prueban la hiptesis Ho: u=250 pies cuadrados, contra la hiptesis alternativa H1: u<250 pies cuadrados. El experimento comprende 20 latas de la nueva frmula y esta muestra tiene una cobertura de 237 pies cuadrados con una desviacin estndar de 25 pies cuadrados. Mediante los pasos del punto anterior pruebe la hiptesis nula a un nivel de significancia del 5%. Solucin: En este caso se trata de una prueba de hiptesis de una sola cola ya que en la hiptesis est planteada la forma (< menor que). Este caso estamos es una Prueba bilateral de dos colas con dos hiptesis

Datos

Media Hiptesis

8. De acuerdo a los siguientes casos determinar que prueba no paramtrica sirve para llevar a cabo la investigacin. CASO Se requiere saber si las observaciones de las tallas de 100 nios de 5 aos provienen de una poblacin normal. Dada una muestra aleatoria de 40 bateras de la que se ha registrado su duracin en aos, al tratar de determinar si esta duracin proviene de una distribucin normal. Se desea determinar s el nmero de defectos en las tarjetas de circuito impreso sigue una distribucin Poisson. Cierta mquina lleva a cabo la elaboracin de un tipo de lmina metlica, existen 4 canales de distribucin del Producto. Se est interesado en averiguar si la eleccin de cualquiera de estos canales se hace de forma aleatoria o por el contrario existe algn tipo de preferencia en la seleccin de alguno de ellos por los consumidores. Contrastar la hiptesis de que los canales son seleccionados al azar. Se est interesado en saber s una muestra de cajas de tornillos, provienen de una muestra aleatoria Se est interesado en comprobar la perfeccin de un dado cbico. Al determinar si el nmero de trabajadores que solicitan permiso en una fbrica est distribuido uniformemente durante la semana Determinar la asociacin a una distribucin terica la vida en aos de una clase de bacteria. PRUEBA QUE SE DEBE APLICAR. Prueba de Kolmogorov-Smirnov

Pruebas para muestras Grandes

Chi- Cuadrado Prueba de

Pruebas a posteriori