Академический Документы
Профессиональный Документы
Культура Документы
Estadistica
Ingeniera en Minas
UCN
o Ciencia
La ciencia trata de explicar racionalmente la naturaleza obteniendo
explicaciones sobre el funcionamiento de un sistema, o siendo capaz de predecir
los resultados del sistema (Kry y Schaub 2012).
Cience is a process for learning about nature in which competing ideas about
how the world works are measured against observations (Richard Feynman,
citado en Hilborn y Mangel 1997).
o Hiptesis:
Son las ideas o descripciones sobre cmo funciona el mundo.
Dado que nuestras descripciones del mundo son casi siempre incompletas y
nuestras medidas incorporan incertidumbre e imprecisin, necesitamos mtodos
que nos permitan evaluar el grado de concordancia entre las ideas
confrontadas y las observaciones: la estadstica (Hilborn y Mangel 1997).
Estadstica Aplicada el diseo experimental
Mtodo cientfico
Hiptesis y teoras
Una hiptesis cientfica se refiera a un mecanismo o relacin causa-efecto particular.
Una teora cientfica es mucho ms general y sinttica (Gotelli y Ellison 2004) e
implica un nivel de evidencia y soporte considerablemente mayor (Hilborn y Mangel
1997).
Mtodo cientfico
Es la tcnica que se utiliza para decidir entre las hiptesis en base a las
observaciones (Gotelli y Ellison 2004).
Azar, variacin, impredecibilidad, incertidumbre
Cualquier sistema que encontramos en la naturaleza (y cualquier faceta de la vida)
es estocstico; es decir, sistemas que no son completamente predecibles porque
incluyen procesos aleatorios que aaden un mayor o menor grado de variabilidad y,
en consecuencia, de incertidumbre en sus resultados.
Estadstica Aplicada el diseo experimental
Mtodo cientfico
Modelos
Para interpretar formalmente cualquier observacin necesitamos un modelo. Los
modelos son herramientas para evaluar las hiptesis (Hilborn y Mangel 1997). Un
modelo es una definicin abstracta de cmo creemos que nuestras observaciones
son el resultado de cantidades observables (datos) e inobservables (parmetros).
Los resultados de un sistema estocstico (la respuesta) pueden expresarse, en forma
de modelo estadstico:
= +
Pero un modelo es una abstraccin y, por tanto, siempre es incorrecto (Kry 2010).
Estadstica Aplicada el diseo experimental
Mtodo cientfico
Probabilidad y estadstica
Son ciencias que tratan sobre la incertidumbre.
Estudian las caractersticas de:
Sistemas estocsticos (descritos por los parmetros de un modelo).
Los efectos o resultados de dichos sistemas (los datos observados).
La teora probabilstica especifica los parmetros y el modelo.
La estadstica intenta inferir (deducir) las propiedades del sistema, dado el
modelo.
You can, for example, never foretell what
La inferencia estadstica tiene como
any one man will do, but you can say with
objetivo la estimacin de las propiedades
precision what an average number will be up
o caractersticas de una poblacin a partir
to. Individuals vary, but the percentages
del anlisis de una muestra de dicha
remain constant. So says the statistician.
poblacin
Sherlock Holmes. The Sign of Four.
Estadstica Aplicada el diseo experimental
Fundamentos de probabilidad
Probabilidad:
Es la frecuencia esperada con la que ocurre un evento
Midiendo la probabilidad
=nmero de resultados 0,0 1,0
nmero de ensayos
rea de B / rea de S
B
Teorema de Bayes:
A
(|)= (|) ()
()
prior
posterior (distribucin S Conjunto de
(distribucin o
o probabilidad todos los
probabilidad
posterior) resultados
previa)
posibles
Estadstica Aplicada el diseo experimental
Fundamentos de probabilidad
N(0,1)
Densidad
95%
-1.96 Z 1.96
Estadstica Aplicada el diseo experimental
Fundamentos de probabilidad
P ( y yobs|)
Habitualmente el modelo considerado es la hiptesis nula (H0), y por tanto, el valor de
P es la probabilidad de obtener unos datos (generalmente expresados como el
resultado de un test estadstico) al menos tan extremos como los observados:
P (datos|H0)
Tambin es frecuente utilizar
otras notaciones:
P no es la probabilidad P (datos|H0)
de que H0 sea cierta Pr (datos|H0)
Pr {datos|H0}
Estadstica Aplicada el diseo experimental
Contraste de hiptesis estadsticas
Verosimilitud (likelihood) De manera similar a un valor de P, la
verosimilitud () cuantifica la probabilidad de los datos dado un
modelo. Pero solo usa los datos observados, no los ms
extremos e inobservados. :
( | yobs ) P ( yobs | )
Potencia estadstica
La potencia estadstica es la probabilidad de rechazar una H0 falsa (la probabilidad de
observar un efecto cuando realmente ocurre). Depende de cuatro factores:
1. El nivel de significacin ( ).
2. El tamao del efecto. Es la magnitud mnima de la diferencia o asociacin que se
considera relevante. Es una medida del grado de diferencia o del grado de relacin
que queremos detectar. Es una medida estandarizada, de clculo complejo.
3. El tamao de la muestra (n ). A mayor tamao de muestra mayor potencia al aumentar
la precisin.
4. La variabilidad de la respuesta ( ). A menor variabilidad mayor potencia. Influye en la
estimacin del tamao del efecto y es mayor cuando el tamao de la muestra es
pequeo.
Estadstica Aplicada el diseo experimental
Contraste de hiptesis estadsticas
Potencia estadstica
La potencia 1- aumenta si seleccionamos un nivel de significacin mayor:
Pero elegir un
mayor implica un
mayor riesgo de
cometer error
Tipo I.
Estadstica Aplicada el diseo experimental
Contraste de hiptesis estadsticas
Potencia estadstica
Mayor nivel de
significacin
Prueba un
web app en
showmeshiny.
com
Diseo experimental:
Trmino que describe la estructura lgica de un experimento.
Experimento:
Es una operacin o procedimiento para testar una hiptesis.
Unidad experimental:
Divisin ms pequea de material experimental que recibe un tratamiento.
Tratamientos y controles:
Tratamiento es un trmino general para cualquier conjunto de comparaciones. Entre los
tipos tratamientos de un experimento debe figurar uno de control, que sirva de
comparacin para el anlisis de los efectos (generalmente un no-tratamiento). En
determinadas ocasiones (por ejemplo cuando se pretende determinar entre dos o mas
tratamientos cul es el mejor), cada tratamiento actuara como control del resto.
Estadstica Aplicada el diseo experimental
Fundamentos del diseo experiemental
Anlisis paramtrico
Anlisis Bayesiano
Anlisis de Monte Carlo
Anlisis no paramtrico
Seleccin de modelos e inferencia multimodelo
Ronald Fischer (1890-1962)
Anlisis paramtrico (clsico, convencional o frecuentista)
Asume que los datos se ajustan a un determinado tipo de distribucin conocida.
Estima los parmetros de dicha distribucin a partir de los datos. Aqu la probabilidad
se define como la frecuencia relativa de una caracterstica de los datos.
Estadstica Aplicada el diseo experimental
Anlisis Estadstico: enfoque metodolgico
Anlisis Bayesiano
El anlisis Bayesiano es mucho ms antiguo (s. XVIII) que el frecuentista, pero es ms
complejo y su uso no se ha generalizado hasta el desarrollo de software accesible para la
mayora de usuarios (WinBUGS).
La estadstica Bayesiana tambin asume que los datos se ajustan a una distribucin, pero
los parmetros se estiman no solo a partir de los datos, sino tambin de informacin o
conocimiento previo, y asigna probabilidades a esos parmetros. Por tanto, la probabilidad
se usa para expresar la incertidumbre sobre un parmetro (en estadstica clsica es sobre
los datos). La receta para un anlisis Bayesiano es (Lindley 1983):
Qu es lo que no sabes y te interesa? Llmalo .
Qu sabes? Llmalo D.
Ahora calcula P ( |D).
Cmo? Usando las reglas de probabilidad.
Exactitud y precisin
Son dos aspectos fundamentales en el proceso de obtencin de datos. La ausencia de
exactitud se denomina sesgo (bias). La precisin se refiere a la dispersin de los datos y se
relaciona con la repetibilidad y la reproducibilidad.
Estadstica Aplicada el diseo experimental
Anlisis Estadstico: conoce tus datos
Variable de
respuesta
Representa tus datos (dependiente)
Sewage
attach(sewage)
Covariable
Tratamiento
(variable
categrica
Tamao de la independiente)
muestra (8 + 8)
Estadstica Aplicada el diseo experimental
Anlisis Estadstico: conoce tus datos
Barra de error
Estadstica Aplicada el diseo experimental
Anlisis Estadstico: conoce tus datos