Академический Документы
Профессиональный Документы
Культура Документы
Estadística inferencial
NRC: 10170
TEMA:
Actividad 6:Mapa Conceptual y Temática Estimación de Intervalos
PRESENTA:
Karen Stefany Andrade Ceron
Álvaro Francisco Delgado Ceballos ID: 582234
DOCENTE:
Intervalo de confianza Se llama así a un intervalo en el que sabemos que está un parámetro, con
un nivel de confianza específico.
En este caso, la línea negra horizontal representa el valor fijo de la media desconocida de la
población, µ. Los intervalos de confianza azules verticales que se sobreponen a la línea horizontal
contienen el valor de la media de la población. El intervalo de confianza rojo que está
completamente por debajo de la línea horizontal no lo contiene. Un nivel de confianza de 95%
indica que 19 de 20 muestras (95%) de la misma población producirán intervalos de confianza que
incluirán el parámetro de población.
Tamaño de la muestra
Tipo de intervalo
Nivel de confianza
Aumentar el tamaño de la muestra
Con frecuencia, la manera más práctica de reducir el margen de error es aumentar el tamaño de la
muestra. Por lo general, mientras más observaciones haya, más estrecho será el intervalo alrededor
del estadístico de la muestra. Por lo tanto, se recomienda recolectar más datos para obtener una
estimación más precisa de un parámetro de población.
Debe sopesar los beneficios de una mayor precisión con respecto al tiempo y los recursos
adicionales necesarios para recopilar una muestra más grande. Por ejemplo, un intervalo de
confianza que sea lo suficientemente estrecho como para contener solamente el parámetro de
población requiere que se midan todos los sujetos de la población. Obviamente, esta estrategia por
lo general resultaría muy poco práctica.
Reducir la variabilidad
Mientras menos varíen los datos, más precisa será la estimación de un parámetro de población.
Eso se debe a que al reducirse la variabilidad de los datos, disminuye la desviación estándar y, por
ende, el margen de error de la estimación. Aunque puede ser difícil reducir la variabilidad de los
datos, a veces se puede lograr ajustando la forma en que se recolectan los datos. Por ejemplo, puede
utilizar un diseño pareado para comparar dos grupos. También podría reducir la variabilidad
mejorando el proceso, de manera que el proceso sea más consistente, o midiendo con mayor
precisión.
Un intervalo de confianza unilateral tiene un margen de error más pequeño que un intervalo de
confianza bilateral. Sin embargo, un intervalo unilateral indica solo si un parámetro es menor que o
mayor que un valor de corte. Un intervalo unilateral no proporciona información acerca del
parámetro en la dirección opuesta. Por lo tanto, utilice un intervalo de confianza unilateral para
aumentar la precisión de una estimación solo cuando le preocupe que la estimación sea mayor o
menor que un valor de corte, pero no ambos.
Por ejemplo, una empresa de bebidas desea determinar la cantidad de sólidos disueltos en su agua
potable. Mientras menos sólidos disueltos tengan el agua, mejor será. Cuando calculan un intervalo
de confianza bilateral, el lado superior del intervalo es 18.4. Sin embargo, puesto que a la empresa
solo le preocupa el límite superior, pueden calcular más bien un intervalo de confianza unilateral. El
intervalo de confianza unilateral muestra que el límite superior de la cantidad de sólidos disueltos es
incluso menor, 17.8 mg/L.
Reducir el nivel de confianza
La ventaja de un nivel de confianza más bajo es que se obtiene un intervalo de confianza más
estrecho y más preciso. La desventaja es que se está menos seguro de que el intervalo de confianza
contiene el parámetro de población de interés.
Entonces, reduzca el nivel de confianza solo si, en su situación, la ventaja de una mayor precisión
supera a la desventaja de un menor grado de certeza. Por ejemplo, si es demasiado costoso aumentar
el tamaño de la muestra en su estudio, disminuir el nivel de confianza reducirá la longitud del
intervalo a expensas de perder algo de confianza.
Supongamos que usted realiza una prueba de hipótesis. Recuerde que la decisión de rechazar la
hipótesis nula (H0) o no rechazarla puede depender del valor p y del nivel de significancia elegido
(también denominado α). Si el valor p es menor que o igual al nivel de significancia (α), usted
rechaza H0; si es mayor que α, usted no puede rechazar H0.
Si el valor de referencia especificado en H0 está fuera del intervalo (es decir, es menor que
el límite inferior o mayor que el límite superior), usted puede rechazar H 0.
Si el valor de referencia especificado en H0 está dentro del intervalo (es decir, no es menor
que el límite inferior ni mayor que el límite superior), usted no puede rechazar H 0.
HIPOTESIS
Una prueba de hipótesis examina dos hipótesis opuestas sobre una población: la hipótesis nula y la
hipótesis alternativa. La hipótesis nula es el enunciado que se probará. Por lo general, la hipótesis
nula es un enunciado de que "no hay efecto" o "no hay diferencia". La hipótesis alternativa es el
enunciado que se desea poder concluir que es verdadero de acuerdo con la evidencia proporcionada
por los datos de la muestra.
Con base en los datos de muestra, la prueba determina si se puede rechazar la hipótesis nula. Usted
utiliza el valor p para tomar esa decisión. Si el valor p es menor que el nivel de significancia
(denotado como α o alfa), entonces puede rechazar la hipótesis nula.
Un error común de percepción es que las pruebas estadísticas de hipótesis están diseñadas para
seleccionar la más probable de dos hipótesis. Sin embargo, al diseñar una prueba de hipótesis,
establecemos la hipótesis nula como lo que queremos desaprobar. Puesto que establecemos el nivel
de significancia para que sea pequeño antes del análisis (por lo general, un valor de 0.05 funciona
adecuadamente), cuando rechazamos la hipótesis nula, tenemos prueba estadística de que la
alternativa es verdadera. En cambio, si no podemos rechazar la hipótesis nula, no tenemos prueba
estadística de que la hipótesis nula sea verdadera. Esto se debe a que no establecimos la
probabilidad de aceptar equivocadamente la hipótesis nula para que fuera pequeña.
NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario antes de recolectar
los datos.
1. Especificar las hipótesis.
En primer lugar, el gerente formula las hipótesis. La hipótesis nula es: la media de la
población de todos los tubos es igual a 5 cm. Formalmente, esto se escribe como: H0: μ = 5
Como tiene que asegurarse de que los tubos no sean más grandes ni más pequeños de 5 cm,
el gerente elige la hipótesis alternativa bilateral, que indica que la media de la población de
todos los tubos no es igual a 5 cm. Formalmente, esto se escribe como H1: μ ≠ 5
El gerente rechaza la hipótesis nula y concluye que el diámetro medio de todos los tubos no
es igual a 5 cm.
La hipótesis nula indica que un parámetro de población (tal como la media, la desviación
estándar, etc.) es igual a un valor hipotético. La hipótesis nula suele ser una afirmación
inicial que se basa en análisis previos o en conocimiento especializado.
Bilateral
Utilice una hipótesis alternativa bilateral (también conocida como hipótesis no direccional)
para determinar si el parámetro de población es mayor que o menor que el valor hipotético.
Una prueba bilateral puede detectar cuándo el parámetro de población difiere en cualquier
dirección, pero tiene menos potencia que una prueba unilateral.
Unilateral
Utilice una hipótesis alternativa unilateral (también conocida como hipótesis direccional)
para determinar si el parámetro de población difiere del valor hipotético en una dirección
específica. Usted puede especificar la dirección para que sea mayor que o menor que el
valor hipotético. Una prueba unilateral tiene mayor potencia que una prueba bilateral, pero
Bilateral
Unilateral
Un investigador tiene los resultados de una muestra de estudiantes que tomaron un curso de
preparación para un examen nacional. El investigador desea saber si los estudiantes
preparados tuvieron puntuaciones por encima del promedio nacional de 850. Una hipótesis
alternativa unilateral (también conocida como hipótesis direccional) se puede utilizar
porque el investigador plantea la hipótesis de que las puntuaciones de los estudiantes
preparados son mayores que el promedio nacional. (H0: μ = 850 vs. H1: μ > 850)
Bibliografía