Please enable JavaScript.
Coggle requires JavaScript to display documents.
ESTADÍSTICA INFERENCIAL, Pruebas No Paramétricas, Prueba de Hipótesis -…
-
Pruebas No Paramétricas
-
Prueba de Rangos Wilcoxon: es una prueba no paramétrica que se utiliza para comparar dos muestras independientes y determinar si hay una diferencia significativa entre ellas.
-
Prueba de aleatoriedad o Rachas: es una prueba no paramétrica que se utiliza para determinar si una serie de datos es aleatoria o no. Se basa en la identificación de patrones o rachas en los datos..
-
Pruebas Chi Cuadrado: son pruebas no paramétricas que se utilizan para determinar si hay una relación entre dos variables categóricas o para determinar si los datos siguen una distribución específica.
-
Pruebas de Normalidad de datos: son pruebas que se utilizan para determinar si los datos siguen una distribución normal. Se utilizan para decidir si se deben utilizar pruebas paramétricas o no paramétricas.
-
Pruebas no paramétricas: son pruebas estadísticas que no requieren que los datos sigan una distribución normal. Se utilizan cuando las asunciones de las pruebas paramétricas no se cumplen o cuando los datos son categóricos u ordinales.
-
Prueba Friedman: es una prueba no paramétrica que se utiliza para comparar tres o más muestras pareadas y determinar si hay una diferencia significativa entre ellas.
-
-
Prueba U Mann Witney: es una prueba no paramétrica que se utiliza para comparar dos muestras independientes y determinar si hay una diferencia significativa entre ellas..
-
Prueba H de Kruskal Wallis: es una prueba no paramétrica que se utiliza para comparar tres o más muestras independientes y determinar si hay una diferencia significativa entre ellas.
-
Prueba de independencia: es una prueba Chi Cuadrado que se utiliza para determinar si hay una relación entre dos variables categóricas.
-
Prueba de homogeneidad y prueba de proporciones: son pruebas Chi Cuadrado que se utilizan para determinar si hay una diferencia significativa entre las proporciones de dos o más poblaciones o si las muestras provienen de poblaciones homogéneas
-
-
Prueba de Signos: es una prueba no paramétrica que se utiliza para comparar dos muestras pareadas y determinar si hay una diferencia significativa entre ellas.
-
-
Distribución muestral
Concepto: La distribución muestral es un concepto estadístico que se refiere a la distribución de todos los posibles valores de una estadística en todas las muestras posibles tomadas de una población. Es decir, es una distribución teórica que muestra todas las posibles estimaciones o valores de una estadística en diferentes muestras de una población.
En otras palabras, la distribución muestral nos permite analizar y comprender cómo se comporta una estadística en múltiples muestras tomadas de la misma población. Esto es importante porque nos permite hacer inferencias sobre la población en base a la información obtenida de las muestras.
- Teorema del límite central: Este teorema establece que, bajo ciertas condiciones, la distribución muestral de la media de una variable aleatoria se aproxima a una distribución normal, sin importar cómo se distribuya la población original.
- La distribución muestral se ve afectada por el tamaño de la muestra. A medida que el tamaño de la muestra aumenta, la distribución muestral se acerca más a una distribución normal y la variabilidad disminuye.
- Intervalo de confianza: La distribución muestral nos permite construir intervalos de confianza alrededor de una estimación puntual. Estos intervalos proporcionan una medida de incertidumbre sobre la estimación puntual y nos brindan información sobre la precisión de nuestras estimaciones.
- Error estándar: La distribución muestral nos permite calcular el error estándar, que es una medida de la variabilidad de una estadística de muestra. A través del error estándar, podemos evaluar cuán precisas son nuestras estimaciones en relación con la verdadera media poblacional.
Total muestral
Distribucion normal 
Varianza muestral
Independientes e identicamente distribuidas
Media muestral
Distribucion normal de parametros
-
-
-
Intervalo de Confianza
Concepto: El intervalo de confianza es una estimación estadística que proporciona un rango de valores dentro del cual se espera que esté el parámetro de interés, con un nivel de confianza determinado. En otras palabras, es un intervalo en el que se estima que se encuentre el valor real de una población, basado en una muestra de datos.
El concepto de intervalo de confianza se basa en el supuesto de que si se obtuviera una muestra grande de la misma población y se calculara un intervalo de confianza para cada una de estas muestras, un porcentaje definido de estos intervalos contendría el valor real del parámetro en estudio.
- El cálculo de un intervalo de confianza depende del tipo de población y del tipo de parámetro que se desea estimar. Algunos de los intervalos de confianza más comunes son para la media poblacional, la proporción poblacional y la diferencia entre dos medias o dos proporciones poblacionales.
- Es importante destacar que el intervalo de confianza no proporciona información sobre la precisión o exactitud de la estimación puntual, sino sobre la variabilidad de esta estimación.
- El nivel de confianza representa la probabilidad de que el intervalo de confianza contenga el valor real del parámetro. Por ejemplo, si se tiene un nivel de confianza del 95%, esto significa que si se obtuvieran muchas muestras y se calcularan los intervalos de confianza, aproximadamente el 95% de estos intervalos contendrían el valor real del parámetro.
ESTIMACIÓN
PUNTUAL
Base en los datos muestrales, un único valor estimado para el parámetro
INTERVALOS
Determinación de un intervalo dentro del valor del parámetro, teniendo una probabilidad determinada
-
-
-
-
Estadística descriptiva
-
Se usan números, gráficas y tablas
-
Definición General: Técnicas y procedimientos con el objetivo de extender o generar información de una muestra o población.
-
-
-
-
-
-