abrahan medina- analisis inferencial bloque 4

Vista previa del material en texto

República Bolivariana de Venezuela
Ministerio del poder popular para la educación universitaria
Universidad Deportiva Del Sur
Estadística Inferencial 
Estudiante:
Abrahan Alfonso medina Lopez
C.I: 27.774.736	
	
Análisis Inferencial 
Los análisis inferenciales en análisis estadístico son técnicas utilizadas para hacer inferencias o conclusiones sobre una población más amplia a partir de una muestra de datos. Estos análisis se basan en la probabilidad y en la teoría de la muestra, y permiten generalizar los resultados obtenidos en la muestra a la población de interés.
Algunos ejemplos de análisis inferenciales son:
- Pruebas de hipótesis: se utilizan para evaluar si existe evidencia suficiente para rechazar o no una hipótesis planteada sobre una población. Se comparan los resultados observados en la muestra con los resultados esperados bajo la hipótesis nula.
- Intervalos de confianza: se utilizan para estimar un rango de valores dentro del cual se espera que se encuentre un parámetro poblacional con cierto nivel de confianza. Estos intervalos proporcionan una medida de la precisión de la estimación.
- Análisis de regresión: se utiliza para analizar la relación entre una variable dependiente y una o más variables independientes. Permite hacer predicciones sobre el valor de la variable dependiente para diferentes valores de las variables independientes.
Estos análisis inferenciales son fundamentales en la investigación científica y en la toma de decisiones basadas en datos, ya que permiten obtener conclusiones más allá de los datos observados en la muestra.
 
5 ejemplos adicionales de análisis inferenciales en análisis estadístico:
1. Análisis de varianza (ANOVA): se utiliza para comparar las medias de tres o más grupos y determinar si existen diferencias significativas entre ellos.
2. Análisis de correlación: se utiliza para medir la fuerza y dirección de la relación entre dos variables continúas. Permite determinar si existe una asociación significativa entre las variables.
3. Análisis de supervivencia: se utiliza para analizar el tiempo hasta que ocurre un evento, como la supervivencia de un paciente o el tiempo hasta que se produce una falla en un sistema. Permite estimar la función de supervivencia y comparar diferentes grupos.
4. Análisis de regresión logística: se utiliza cuando la variable dependiente es binaria o categórica. Permite determinar la relación entre las variables independientes y la probabilidad de que ocurra un evento.
5. Análisis de series temporales: se utiliza para analizar datos que se recopilan a lo largo del tiempo, como ventas mensuales o precios diarios. Permite identificar patrones y tendencias en los datos y hacer predicciones futuras.
Pruebas de hipótesis 
Las pruebas de hipótesis son herramientas estadísticas utilizadas para tomar decisiones basadas en evidencia empírica. Estas pruebas permiten evaluar si hay suficiente evidencia para rechazar o no una afirmación sobre una población o fenómeno en particular. A continuación, se definen y se proporciona un ejemplo de cada uno de los dos tipos de pruebas de hipótesis más comunes: comparación de varianzas y comparación de promedios.
Tipos de Hipótesis
La comparación de varianzas estadísticas: Es una prueba de hipótesis que se utiliza para determinar si las varianzas de dos poblaciones son iguales o diferentes. La hipótesis nula afirma que las varianzas son iguales, mientras que la hipótesis alternativa afirma que las varianzas son diferentes. Por ejemplo, supongamos que queremos determinar si hay una diferencia significativa en la varianza del tiempo de respuesta entre dos grupos de empleados que reciben diferentes capacitaciones. La hipótesis nula sería que las varianzas son iguales, mientras que la hipótesis alternativa sería que las varianzas son diferentes. Utilizando una prueba de hipótesis, podemos evaluar si hay suficiente evidencia para rechazar la hipótesis nula y concluir que las varianzas son diferentes.
La comparación de promedios estadísticos: Es una prueba de hipótesis que se utiliza para determinar si las medias de dos poblaciones son iguales o diferentes. La hipótesis nula afirma que las medias son iguales, mientras que la hipótesis alternativa afirma que las medias son diferentes. Por ejemplo, supongamos que queremos determinar si hay una diferencia significativa en el rendimiento académico entre dos grupos de estudiantes que reciben diferentes métodos de enseñanza. La hipótesis nula sería que las medias son iguales, mientras que la hipótesis alternativa sería que las medias son diferentes. Utilizando una prueba de hipótesis, podemos evaluar si hay suficiente evidencia para rechazar la hipótesis nula y concluir que las medias son diferentes.
En resumen, las pruebas de hipótesis son herramientas estadísticas fundamentales para tomar decisiones basadas en evidencia empírica. La comparación de varianzas estadísticas se utiliza para evaluar si las varianzas de dos poblaciones son iguales o diferentes, mientras que la comparación de promedios estadísticos se utiliza para evaluar si las medias de dos poblaciones son iguales o diferentes. Estas pruebas permiten a los investigadores determinar si hay suficiente evidencia para rechazar o no una afirmación sobre una población o fenómeno en particular, lo que ayuda a tomar decisiones informadas y respaldadas por datos.
¿Qué es la hipótesis nula HQ?
La hipótesis nula (HO): es una afirmación que se hace sobre una población o fenómeno y que se asume como verdadera a menos que se encuentre suficiente evidencia en contra. Es la hipótesis que se pone a prueba en una prueba de hipótesis.
¿Qué es la hipótesis alternativa H1?
La hipótesis alternativa (H1) es una afirmación opuesta a la hipótesis nula, que se considera como verdadera si se encuentra suficiente evidencia en contra de la hipótesis nula. Es la hipótesis que se busca respaldar en una prueba de hipótesis.
¿Qué es un valor? 
Un valor es un número o resultado obtenido en un estudio o experimento que se utiliza para tomar decisiones o sacar conclusiones. En el contexto de las pruebas de hipótesis, los valores son los datos observados que se utilizan para evaluar la evidencia en contra de la hipótesis nula.
Los pasos para realizar una prueba de hipótesis son los siguientes:
1. Formular las hipótesis: Se plantea la hipótesis nula y la hipótesis alternativa, definiendo claramente qué se está tratando de probar.
2. Establecer el nivel de significancia: Se determina el nivel de confianza deseado para la prueba, que generalmente se establece en un valor estándar como 0.05 o 0.01.
3. Recolectar datos y calcular el estadístico de prueba: Se recopilan los datos necesarios y se calcula el estadístico de prueba apropiado para el tipo de prueba de hipótesis que se está realizando.
4. Determinar la región crítica: Se establece la región crítica, que es el rango de valores en el que se rechaza la hipótesis nula. Esto se hace utilizando tablas de distribución de probabilidad o software estadístico.
5. Calcular el valor p: Se calcula el valor p, que es la probabilidad de obtener un resultado igual o más extremo que el observado si la hipótesis nula fuera cierta. El valor p se compara con el nivel de significancia establecido.
6. Tomar una decisión: Si el valor p es menor que el nivel de significancia, se rechaza la hipótesis nula y se acepta la hipótesis alternativa. Si el valor p es mayor que el nivel de significancia, no se rechaza la hipótesis nula.
7. Interpretar los resultados: Se interpreta el resultado de la prueba de hipótesis en términos del problema de investigación y se sacan conclusiones basadas en la evidencia obtenida.
Estos pasos permiten realizar una prueba de hipótesis de manera sistemática y rigurosa, asegurando que las decisiones se tomen de manera informada y respaldada por datos estadísticos.
¿Qué es una Prueba de Bondad de ajuste -chi cuadrado? 
Una prueba de bondad de ajuste (una población) chi-cuadrado: Es una prueba estadística que se utiliza para determinar si una muestra dedatos proviene de una población con una distribución de probabilidad específica. Se basa en la comparación entre las frecuencias observadas y las frecuencias esperadas bajo la hipótesis nula.
Por ejemplo: supongamos que se quiere determinar si los resultados de un dado están equilibrados. Se lanza el dado 100 veces y se registran los resultados. Luego, se compara la frecuencia observada de cada resultado (1, 2, 3, 4, 5, 6) con la frecuencia esperada bajo la hipótesis nula de que el dado está equilibrado.
¿Qué es una Prueba de dos muestra (Dependientes): prueba de mc nemar?
Una prueba de dos muestras dependientes (prueba de McNemar): Es una prueba estadística que se utiliza para determinar si hay una diferencia significativa entre dos variables categóricas medidas en la misma muestra. Se basa en la comparación de las frecuencias de concordancia y discordancia entre las dos variables.
Por ejemplo: supongamos que se quiere determinar si un tratamiento médico tiene un efecto significativo en la mejora de los síntomas de una enfermedad. Se evalúa a un grupo de pacientes antes y después del tratamiento y se registra si sus síntomas mejoraron o no. Luego, se compara la frecuencia de concordancia (mejoría-mejoría o no mejora-no mejora) con la frecuencia de discordancia (mejoría-no mejora o no mejora-mejoría) para determinar si hay una diferencia significativa.
¿Qué es una Prueba de T-studen?
Una prueba de t-student: Es una prueba estadística que se utiliza para determinar si hay una diferencia significativa entre las medias de dos muestras independientes. Se basa en la comparación de las medias y las variabilidades de las dos muestras.
Por ejemplo: supongamos que se quiere determinar si hay una diferencia significativa en la altura promedio entre hombres y mujeres. Se selecciona una muestra de hombres y una muestra de mujeres, se registra su altura y se realiza una prueba de t-student para comparar las medias de las dos muestras.
¿Qué es un test de Wilconxon?
Un test de Wilcoxon: es una prueba estadística no paramétrica que se utiliza para determinar si hay una diferencia significativa entre las medianas de dos muestras dependientes. Se basa en la comparación de los rangos de las diferencias entre las observaciones emparejadas.
Por ejemplo: supongamos que se quiere determinar si un tratamiento tiene un efecto significativo en el nivel de dolor de los pacientes. Se evalúa a un grupo de pacientes antes y después del tratamiento, se registra su nivel de dolor y se realiza un test de Wilcoxon para comparar las medianas de las diferencias entre los niveles de dolor antes y después del tratamiento.
¿Qué es una prueba de F de Fisher?
Una prueba de F de Fisher: es una prueba estadística que se utiliza para determinar si hay una diferencia significativa entre las varianzas de dos o más muestras independientes. Se basa en la comparación de las varianzas y los tamaños de las muestras.
Por ejemplo: supongamos que se quiere determinar si hay una diferencia significativa en la variabilidad del rendimiento académico entre diferentes escuelas. Se selecciona una muestra de estudiantes de cada escuela, se registra su rendimiento académico y se realiza una prueba de F de Fisher para comparar las varianzas entre las muestras de diferentes escuelas.