estadistico 2

Vista previa del material en texto

Hary Nicol Trujillo.
estadísticos y sus descubrimientos.
Egon Pearson
● El lema de Neyman-Pearson: El lema de Neyman-Pearson es un
principio fundamental de la teoría de la decisión estadística. El lema
establece que, dado un conjunto de hipótesis y un conjunto de
resultados observados, la mejor prueba de hipótesis es aquella que
maximiza la probabilidad de rechazar la hipótesis nula cuando es falsa.
El lema de Neyman-Pearson se utiliza en una variedad de aplicaciones,
incluyendo la investigación médica, la ingeniería y la economía.
● La prueba de Kolmogorov-Smirnov: La prueba de
Kolmogorov-Smirnov es una prueba de hipótesis no paramétrica para
comparar dos distribuciones de probabilidad. La prueba se utiliza para
determinar si dos distribuciones son iguales o si son significativamente
diferentes.
La prueba de Kolmogorov-Smirnov es una alternativa a las pruebas
paramétricas, que requieren que los datos provengan de una población que
sigue una distribución específica.
● La prueba de Ji cuadrada: La prueba de Ji cuadrada es una prueba
de hipótesis para determinar si dos distribuciones de probabilidad son
iguales. La prueba se utiliza para determinar si dos conjuntos de datos
provienen de la misma población.
La prueba de Ji cuadrada es una prueba popular porque es fácil de calcular y
tiene una distribución de probabilidad bien conocida.
● El coeficiente de correlación de Pearson: El coeficiente de
correlación de Pearson es una medida de la relación lineal entre dos
variables. El coeficiente de correlación se utiliza para determinar si dos
variables están relacionadas entre sí.
El coeficiente de correlación de Pearson es una medida estandarizada que
tiene un valor entre -1 y 1. Un valor de 1 indica una correlación perfecta
positiva, un valor de -1 indica una correlación perfecta negativa y un valor de
0 indica que no hay correlación.
● La distribución de Student: La distribución de Student es una
distribución de probabilidad que se utiliza para estimar la varianza de
una población. La distribución de Student se utiliza en una variedad de
aplicaciones, incluyendo la inferencia estadística y la estimación de
parámetros.
La distribución de Student es una distribución t-student, que es una
distribución de probabilidad que se utiliza para estimar la varianza de una
población. La distribución t-student es una distribución simétrica con una
media de 0 y una varianza que depende del número de grados de libertad.
El trabajo de Egon Pearson ha tenido un impacto profundo en el desarrollo de
la estadística. Su trabajo ha ayudado a mejorar nuestra comprensión de la
teoría de la decisión, la inferencia estadística y la estadística aplicada.