Instituto Tecnológico Superior De Pánuco

Estadística Inferencial

Docente:
Ing. Américo Ríos Morales

Investigación UV

Alumno:

Gabriel Vigueras Narváez

¿Que significa una prueba Z entre dos proporciones?

Una prueba Z es una prueba de hipótesis basada en el estadístico Z, que sigue la
distribución normal estándar bajo la hipótesis nula.

La prueba Z más simple es la prueba Z de 1 muestra, la cual evalúa la media de

una población normalmente distribuida con varianza conocida. Por ejemplo, el
gerente de una fábrica de caramelos desea saber si el peso medio de un lote de
cajas de caramelos es igual al valor objetivo de 10 onzas. Partiendo de datos
históricos, el gerente sabe que la máquina de llenado tiene una desviación
estándar de 0.5 onzas, así que utiliza este valor como la desviación estándar de la
población en una prueba Z de 1 muestra.

También puede utilizar las pruebas Z para determinar si las variables predictoras
en los análisis probit y en la regresión logística tienen un efecto significativo en la
respuesta. La hipótesis nula indica que el predictor no es significativo.

También tiene la opción de utilizar una prueba Z para realizar una aproximación a
la normal para las pruebas de tasa de Poisson y las pruebas de proporciones.
Estas aproximaciones a la normal son válidas cuando el tamaño de la muestra y el
número de eventos son adecuadamente grandes.

¿Que significa una Prueba para la diferencia en n proporciones Z?

Una distribución poblacional representa la distribución de valores de una población

y una distribución muestral representa la distribución de los valores de una
muestra. En contraste con las distribuciones de mediciones individuales, una
distribución muestral es una distribución de probabilidad que se aplica a los
valores posibles de una estadística muestral. Así, la distribución muestral de la
media es la distribución de probabilidad de los valores posibles de la media
muestral con base en un determinado tamaño de muestra. Para cualquier tamaño
de muestra dado n, tomado de una población con media, los valores de la media
muestra varían de una muestra a otra. Esta variabilidad sirve de base para la
distribución muestral.
La distribución muestral de la media se describe determinando el valor esperado E
() o media, de la distribución y la desviación estándar de la distribución de las
medias, Como esta desviación estándar indica la precisión de la media muestral
como estimador puntual, por lo general se le denomina error estándar de la media.

¿Que significa una Prueba de independencia (ji-cuadrada)?

En una prueba de independencia el único número que el investigador controla

directamente es el tamaño total de la muestra. Se extrae una muestra de tamaño n
de la población y cada objeto se clasifica según las dos variables que se estudian.
Ni las frecuencias de cada celda, ni los totales de fila y columna se conocen de
antemano. El investigador no fija previamente ningún conjunto, es decir, son
aleatorios. El planteamiento de las Hipótesis será: H 0 : A y B son independientes
H 1 : A y B no son independientes Independencia significa que el conocimiento del
nivel de clasificación de un objeto respecto a la característica A no tiene nada que
ver con su nivel respecto a la característica B. Para expresar esta idea
matemáticamente utilizamos las probabilidades dadas en la siguiente tabla:

Tabla 2. Tabla de contingencia 2 x 2 con proporciones o probabilidades

Se sabe que, para que dos sucesos sean independientes, la probabilidad de que
ocurran ambos a la vez debe ser igual al producto de las probabilidades de que
cada suceso ocurra individualmente.
¿Que significa una Prueba de contingencia (ji-cuadrada)?

La prueba chi-cuadrado de contingencia sirve para comprobar la independencia de

frecuencias entre dos variables aleatorias, X e Y. Las hipótesis contrastadas en la
prueba son: Hipótesis nula: X e Y son independientes. Hipótesis alternativa: X e Y
no son independientes (No importa cuál sea la relación que mantengan ni el grado
de esta. La condición de independencia, tal como fue definida en la página anterior
era: Xe Y son independientes si y sólo si para cualquier pareja de valores x e y la
probabilidad de que X tome el valor x e Y el valor y, simultáneamente, es igual al
producto de las probabilidades de que cada una tome el valor correspondiente.

¿Para que nos sirven las Pruebas de bondad de ajuste?

Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos
se ajustan a una determinada distribución, esta distribución puede estar
completamente especificada (hipótesis simple) o perteneciente a una clase
paramétrica (hipótesis compuesta).

Una hipótesis estadística se definió como una afirmación o conjetura acerca de

ladistribución f(x,q) de una o más variables aleatorias. Igualmente se planteó que
ladistribución podía tener uno o más parámetros desconocidos, que denotamos
porq y que la hipótesis se relaciona con este parámetro o conjunto de parámetros
Enotros casos, se desconoce por completo la forma de la distribución y la
hipótesisentonces se relaciona con una distribución específica f(x,q) que
podamosasignarle al conjunto de datos de la muestra. El primer problema,
relacionado conlos parámetros de una distribución conocida o supuesta es el
problema que hemosanalizado en los párrafos anteriores. Ahora examinaremos el
problema de verificarsi el conjunto de datos se puede ajustar o afirmar que
proviene de unadeterminada distribución. Las pruebas estadísticas que tratan este
problema
reciben el nombre general de “Pruebas de Bondad de Ajuste”.

Se analizarán dos pruebas básicas que pueden aplicarse: H0: f(x,q) = f0(x,q)H1:
f(x,q) ¹ f0(x,q)Donde f0(x, q) es la distribución que se supone sigue la muestra
aleatoria. La hipótesis alternativa siempre se enuncia como que los datos no
siguen la distribución supuesta. Si se desea examinar otra distribución específica,
deberá realizarse de nuevo la otra prueba suponiendo que la hipótesis nula es
esta nueva distribución. Al especificar la hipótesis nula, el conjunto de parámetros
definidos por q puede ser conocido o desconocido. En caso de que los parámetros
sean desconocidos, es necesario estimarlos mediante alguno de los métodos de
estimación analizados con anterioridad. Para formular la hipótesis nula deberán
tenerse en cuenta los siguientes aspectos o criterios:

a) La naturaleza de los datos a analizar. Por ejemplo, si tratamos de investigar la

distribución que siguen los tiempos de falla de unos componentes, podríamos
pensar en una distribución exponencial, o una distribución gama o una distribución
Weibull, pero en principio no consideraríamos una distribución normal. Si estamos
analizando los caudales de un río en un determinado sitio, podríamos pensar en
una distribución logarítmica normal, pero no en una distribución normal.

b) Histograma. La forma que tome el histograma de frecuencia es quizás la mejor

indicación del tipo de distribución a considerar.

¿Cual es la distribución de muestreo que se aplica en las pruebas de

bondad de ajuste y defina sus características?

Para la ocurrencia de dos eventos, en la cual se desea observar si son

dependientes o independientes.
La distribución ji cuadrada sirve para todas las inferencias sobre la variancia de
una población. Existen muchos problemas para los cuales los datos son
categorizados y los resultados expuestos en forma de conteos o cuentas. Se
pueden aplicar en: un conjunto de calificaciones de un examen final puede ser
representado como una distribución de frecuencias. Estos valores son cuentas: él
numera de datos que caen en cada celda. En una encuesta determinada se podría
preguntar a unas personas si votarían por los candidatos A, B o C, por lo general,
los resultados se indican en una gráfica que informa acerca del número de
votantes para cada categoría posible.

Bibliografía

https://www.academia.edu/9397627/UNIDAD_V_ESTA

https://revistaseden.org/files/11-CAP%2011.pdf