Segundo informe de la práctica

Os paso unos vídeos sobre cómo realizar con Statgraphics el segundo informe práctico, a entregar el viernes 1 de junio.

El guión que aparece en los videos es un guión antiguo. No obstante, los videos siguen ilustrando los diferentes puntos de los que se compone el informe, aunque el orden podría ser diferente.

Los datos para realizar el informe serán los de una de las variables usadas en el primer informe, seleccionada por el grupo según vuestra conveniencia.

•  Asignar un modelo probabilístico

• Contraste no paramétrico

•   Estimación puntual de parámetros

• Estimación por intervalo de parámetros.

• Simulación de nuevos datos

•  Contrastes paramétricos para igualdad de medias y de varianzas

Tema 12: Contrastes paramétricos

Clase del 8 de mayo de 2017 

Un contraste de hipótesis paramétrico es una técnica estadística que se usa para determinar si cierta información muestral invalida, o no, una afirmación sobre el valor un parámetro.

La hipótesis nula, H0, es la cual se supone cierta, y sólo debe rechazarse cuando existe una gran evidencia muestral en contra. La hipótesis alternativa, H1, es la que se contrapone a la hipótesis nula, y sirve de "abogado del diablo" frente a la confianza depositada en H0.

El razonamiento básico que subyace a todo contraste de hipótesis es el siguiente: Determinar sucesos que sean muy improbables cuando la H0 sea cierta; y, una vez obtenida la información muestral, si alguno de esos sucesos ocurre concluir que la hipótesis H0 es falsa; aunque también podríamos haber sido víctimas del azar y haber dado con los peores datos posibles.

Las trasparencias para la clase son las siguientes:

Tema 10-11: Estimación puntual y por intervalo

Clase del miércoles 3 de mayo de 2017

 La clase se estructurará en dos partes:

1ª Parte (Tema 10, UD4)

Supongamos una muestra aleatoria simple de una distribución con forma conocida, pero de la que se desconoce el valor de los parámetros que la definen . El problema que se estudiará en este Tema 10 es el de cómo estimar el verdadero valor de dichos parámetros -estimación paramétrica- a partir de la información muestral.

Desde un punto de vista empírico, los datos muestrales nos llevan a un histograma. La forma forma de dicho histograma nos sugiere una función de probabilidad -o de densidad- conocida (población). Ésta, a su vez, está definida por un conjunto de parámetros que, en principio, son, desconocidos.

Una vez que hayamos estimado el valor de dichos parámetros a partir de los datos, habría que estudiar la consistencia de dichos valores con los procedimientos no paramétricos que se estudiarán en los temas 12 y 13 (UD 5)


2ª Parte (Tema 11, UD4)

Como en el Tema 10, supongamos que se observa una muestra aleatoria simple de una distribución con forma conocida, pero con parámetos desconocidos. El problema que se estudiará en este Tema 11 es el de cómo estimar dichos parámetros mediante un intervalo (de confianza) a partir de la información muestral.

Recordad que el segundo de los formularios de Moodle está relacionado con este tema, e incluye un catálogo de variables pivote. Para resolver problemas relativos a intervalos de confianza también serán útil las tablas de la t-Student, de la Chi-cuadrado y de la F de Snedecor ubicadas junto al formulario.

Éstas serán las trasparencias que se utilicen en clase para la clase de hoy: