ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 8. Leccin evaluativa No.

Contexto Act. 8. Leccin evaluativa No. 2

Objetivo Aplicar las conceptualizaciones y elementos que se estudian en la unidad 2 y la relacin entre los mismos. Resumen El presente recurso aborda la conceptualizacin necesaria para comprender el contexto de las pruebas de hiptesis, anlisis de varianza y pruebas no paramtricas.

Palabras clave (Keywords) Anlisis de Varianza, contrastes, pruebas paramtricas, pruebas no paramtricas. Contraste de hiptesis y el P- Valor Podemos definir un contraste de hiptesis como un procedimiento que se basa en lo observado en las muestras y en la teora de la probabilidad para determinar si la hiptesis es un enunciado razonable. Un contraste de hiptesis (tambin denominado test de hiptesis o prueba de significacin) es una tcnica de inferencia estadstica para juzgar si una propiedad que se supone cumple una poblacin estadstica es compatible con lo observado en una muestra de dicha poblacin. Este proceso estadstico permite elegir una hiptesis de trabajo de entre dos posibles y antagnicas. El contraste comienza con la formulacin de dos hiptesis sobre el valor de algn parmetro poblacional, siendo ambas incompatibles (si una es cierta, la otra necesariamente ha de ser falsa). Supondremos cierta una de ellas, a la cual llamaremos hiptesis nula H0, y trataremos de determinar hasta qu grado las observaciones registradas son

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 8. Leccin evaluativa No. 2

coherentes

con

H0.

Solo

en

caso

de

que

haya

fuertes

indicios

de

incompatibilidad entre el supuesto de que H0 sea cierta y los datos obtenidos empricamente, descartaremos H0 como hiptesis de trabajo y en su lugar tomaremos como cierta la hiptesis alternativa H1. Debido a que la forma habitual de probar hiptesis, en la mayora de los casos resulta algo cortante o seca la decisin final de rechazar o no una H0 dada, y no proporciona una medida real de la decisin en trminos de probabilidad, se ha sugerido el clculo del valor p, es decir, utilizando este valor, tambin se toman decisiones sobre una hiptesis. El valor p, se define como la probabilidad de que la estadstica de prueba tome un valor mayor o igual que el calculado (para pruebas con cola a la derecha), un valor menor o igual que el calculado (para pruebas con cola a la izquierda), un valor menor o igual o mayor o igual que el calculado (para pruebas con dos colas), con base en la muestra. Tenga en cuenta que en el caso de pruebas de dos colas el valor p corresponde al doble del valor obtenido en una prueba de una cola. Contraste No Paramtrico La prueba de chi-cuadrado es considerada como una prueba no paramtrica (ideada por Karl Pearson a principios de 1900) que mide la discrepancia entre una distribucin observada y otra terica (bondad de ajuste), indicando en qu medida las diferencias existentes entre ambas, de haberlas, se deben al azar. Tambin se utiliza para probar la independencia de dos muestras entre s, mediante la presentacin de los datos en tablas de contingencia. Se aplica la prueba de bondad de ajuste para determinar si un conjunto de frecuencias observadas se ajusta a un conjunto de frecuencias esperadas correspondientes. Puede utilizarse para todos los niveles de datos (nominal, ordinal, de intervalo y de razn).

ESCUELA DE CIENCIAS BSICAS TECNOLOGIAS E INGENIERIAS 100403- INFERENCIA ESTADSTICA Act No. 8. Leccin evaluativa No. 2

Anlisis de Varianzas (ANOVA) En estadstica el anlisis de varianza sirve para comparar si los valores de un conjunto de datos numricos son significativamente distintos a los valores de otro o ms conjuntos de datos. El procedimiento para comparar estos valores est basado en la varianza global observada en los grupos de datos numricos a comparar. Tpicamente, el anlisis de varianza se utiliza para asociar una probabilidad a la conclusin de que la media de un grupo de puntuaciones es distinta de la media de otro grupo de puntuaciones. Existen tres tipos de modelos: El modelo de efectos fijos asume que el experimentador ha considerado para el factor todos los posibles valores que ste puede tomar. Ejemplo: Si el gnero del individuo es un factor, y el experimentador ha incluido tantos individuos masculinos como femeninos, el gnero es un factor fijo en el experimento. Los modelos de efectos aleatorios asumen que en un factor se ha considerado tan slo una muestra de los posibles valores que ste puede tomar. Ejemplo: Si el mtodo de enseanza es analizado como un factor que puede influir sobre el nivel de aprendizaje y se ha considerado en el experimento slo tres de los muchos ms mtodos posibles, el mtodo de enseanza es un factor aleatorio en el experimento. Los modelos mixtos describen situaciones donde estn presentes ambos tipos de factores: fijos y aleatorios.