Descarga la aplicación para disfrutar aún más
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.
Compartir