Documente Academic
Documente Profesional
Documente Cultură
DISEÑO Y ANÁLISIS DE
EXPERIMENTOS I
DOCENTE:
AGUILAR LUNA VICTORIA MIGUEL
ANGEL
ALUMNO :
TRABAJO :
TAREA ENCARGADA
ESPECIALIDAD:
ESTADISTICA E INFORMATICA
HUACHO 2018
1. ¿QUE ENTIENDES POR UNA PRUEBA DE HIPOTESIS ESTADISTICA?
DESCRIBA SUS PASOS CON UN EJEMPLO
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.
Entre las preguntas que se pueden contestar con una prueba de hipótesis
están las siguientes:
NOTA
Debe determinar los criterios para la prueba y el tamaño de muestra necesario antes
de recolectar los datos.
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
Unidad de la observación:
Corresponde a la entidad mayor, primaria o representativa de lo que va a ser objeto
específico de estudio en una medición y se refiere al qué o quién es objeto de interés
en una investigación. Por ejemplo: Condiciones de hacinamiento de las familias del
Municipio de Soyapango, San Salvador. Unidad de Análisis: Familias del Municipio de
Soyapango.
Personas
Grupos humanos
Poblaciones completas
Unidades geográficas determinadas
Eventos o interacciones sociales (enfermedades, accidentes, casos de
infecciones intrahospitalarias, etc)
Entidades intangibles, susceptibles de medir (exámenes, días, camas)
Variables de respuesta:
Es la característica del producto cuyo valor interesa mejorar mediante el diseño de
experimentos.
Para entender la interrelación entre los errores de tipo I y tipo II, y para determinar cuál
error tiene consecuencias más graves para su situación, considere el siguiente
ejemplo.
Cuando realice las pruebas de hipótesis, considere los riesgos de cometer errores de
tipo I y tipo II. Si las consecuencias de cometer un tipo de error son más graves o
costosas que cometer el otro tipo de error, entonces elija un nivel de significancia y
una potencia para la prueba que reflejen la gravedad relativa de esas consecuencias.
Para ejecutar un ANOVA, debe tener una variable de respuesta continua y al menos
un factor categórico con dos o más niveles. Los análisis ANOVA requieren datos de
poblaciones que sigan una distribución aproximadamente normal con varianzas
iguales entre los niveles de factores. Sin embargo, los procedimientos de ANOVA
funcionan bastante bien incluso cuando se viola el supuesto de normalidad, a menos
que una o más de las distribuciones sean muy asimétricas o si las varianzas son
bastante diferentes. Las transformaciones del conjunto de datos original pueden
corregir estas violaciones.
Por ejemplo, usted diseña un experimento para evaluar la durabilidad de cuatro
productos de alfombra experimentales. Usted coloca una muestra de cada tipo de
alfombra en diez hogares y mide la durabilidad después de 60 días. Debido a que está
examinando un factor (tipo de alfombra), usted utiliza un ANOVA de un solo factor.
“Un buen diseño experimental es aquel que proporciona la información requerida con
el mínimo esfuerzo experimental”. La información requerida se refiere a que los datos
permitan un análisis objetivo que conduzca a conclusiones válidas con respecto al
problema que se estudia, en cuanto al esfuerzo experimental se entiende por el ahorro
de tiempo, dinero, personal y material experimental. Vale hacer énfasis en
características como:
7.2 Aleatorización
Conocer la interacción es más útil que conocer los efectos principales. Una interacción
significativa frecuentemente oscurece la significancia de los efectos principales.
Cuando hay interacción significativa, se deberán examinar los niveles de un factor,
digamos A, con los niveles del o de los otros factores fijos, para tener conclusiones
acerca del efecto principal A.
Dos factores: A con a niveles y B con b niveles. Se dice que se tiene un factorial a × b,
con diseño completamente al azar (bloques, etc.). Se tienen ab tratamientos.