Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


tema 7 contrastos i intervals, Apuntes de Matemáticas

apuntes de la universidad de girona UdG 1º de DT biologia y ciencias ambientales estadistica aplicada - matematicas

Tipo: Apuntes

2024/2025

A la venta desde 23/01/2025

docsirene
docsirene 🇪🇸

5

(1)

677 documentos

1 / 51

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TEMA 7
Inferència: Contrastos
d’hipòtesis i Intervals de
confiança
Bibliografia recomanada
Quinn, G. P. & M. J. Keough. 2002. Experimental
Design and Data Analysis for Biologists. Cambridge
University Press, Cambrige
Tabachnick, B. G. & L. S. Fidell. 2001. Using
Multivariate Statistics. Allyn and Bacon, Boston.
Sokal, R. R. & F. J. Rohlf. 1995. Biometry : the principles
and practice of statistics in biological research. Freeman,
New York.
2
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28
pf29
pf2a
pf2b
pf2c
pf2d
pf2e
pf2f
pf30
pf31
pf32
pf33

Vista previa parcial del texto

¡Descarga tema 7 contrastos i intervals y más Apuntes en PDF de Matemáticas solo en Docsity!

TEMA 7

Inferència: Contrastos

d’hipòtesis i Intervals de

confiança

Bibliografia recomanada

Quinn, G. P. & M. J. Keough. 2002. Experimental Design and Data Analysis for Biologists. Cambridge University Press, Cambrige

Tabachnick, B. G. & L. S. Fidell. 2001. Using Multivariate Statistics. Allyn and Bacon, Boston.

Sokal, R. R. & F. J. Rohlf. 1995. Biometry : the principles and practice of statistics in biological research. Freeman, New York.

2

Índex

Inferència sobre un paràmetre

Inferència per comparar grups

Inferència sobre un paràmetre

Relació entre paràmetres i estimadors

Població Mostra 

7

Estimador de la mostra 𝑥̅

Problema:

el paràmetre és un valor fix

(i generalment desconegut)

els estimadors són valors

variables (coneguts quan

tenim la mostra)

Relació entre paràmetres i estimadors

Solució:

Suposem que els estimadors

segueixen una distribució coneguda

(per exemple una Normal)

8

Inferència sobre un paràmetre

Contrastos

d’hipòtesis

9

Intervals de confiança

Població: Tots els ocells rossinyol bord ( cettia cetti )

Exemple

Mostra mida n

Problema:

Donada una població, volem saber-ne coses a partir de la informació que obtenim en una mostra.

Concretament volem saber si podem afirmar que la mitjana de la mida de les ales del rossinyol bord  és de 8cm (suposem que  = 2.3cm).

10

No tenim massa arguments per dir que la mitjana de les ales del rossinyol bord és diferent a 8cm

Un 48.66% de les mostres de mida 25 tenen una mitjana amb una diferència igual o superior a 0.

Exemple

Volem Contrastar, a partir d’una sola mostra, si la mitjana de les ales del rossinyol bord és igual a 8cm (=2.3cm)

𝒛 ൌ 𝟕. 𝟔𝟖 െ 𝟖 𝟐. 𝟑 𝟐𝟓

ൌ െ𝟎. 𝟔𝟗𝟓𝟔

No tenim massa arguments per dir que la mitjana de les ales del rossinyol bord és diferent a 8cm

Un 48.66% de les mostres de mida 25 tenen una mitjana amb una diferència igual o superior a 0.

𝒛 ൌ 𝟖.^ 𝟑𝟐 െ 𝟖𝟐. 𝟑 𝟐𝟓

ൌ 𝟎. 𝟔𝟗𝟓𝟔

Exemple

Volem Contrastar, a partir d’una sola mostra, si la mitjana de les ales del rossinyol bord és igual a 8cm (=2.3cm)

Plantejament de HIPÒTESIS

La llargada de les ales del rossinyol bord és de =8 cm

La llargada de les ales del rossinyol bord és diferent de =8 cm

H (^) o Hipòtesi NUL∙LA

H 1 Hipòtesi ALTERNATIVA

Les dades la poden refutar

Les dades poden mostrar evidències al seu favor

No s’ha de refusar sense una bona raó

No s’ha d’acceptar sense una gran evidència al seu favor

Criteris per acceptar i rebutjar les hipòtesis

tipus d’error

Ho : és innocent

H 1 : és culpable

INNOCENT Molt bé! Error

CULPABLE Error MOLT GREU Molt bé!

INNOCENT CULPABLE

REALITAT

VEREDICTE

Població: Tots els ocells rossinyol bord ( cettia cetti )

Mostra mida n = 25

Volem contrastar, a partir d’una sola mostra, si la mitjana de la llargada de les ales del rossinyol bord és igual a 8cm (suposem que  = 2.3cm)

Exemple

19

Mostra 1

Mostra 2

Mostra 3

Relació valor paràmetre H 0 i estimador

𝒙 (^) 𝟐=3cm =8cm 𝒙 (^) 𝟑=10cm

La mitjana poblacional és 8cm?

El paràmetre de la població

Creïble! =8cm

Molt extrem! 8cm

Creïble? o extrem?

Necessitem un criteri!!

𝒙 (^) 𝟏=8.32cm

Valor p

𝒙 (^) 𝟏=8.32cm

8cm

Valor p (p-value): Probabilitat de tenir estimadors més extrems que el que he obtingut amb la meva mostra, d’acord amb la hipòtesi alternativa H (^1) Suposem H 1 :  8cm

Més extrems Més extrems

P(més extrem) molt gran valor p molt gran

Valor p

Valor p

8cm

Valor p: Probabilitat de tenir estimadors més extrems que el que he obtingut amb la meva mostra, d’acord amb la hipòtesi alternativa H (^1)

Suposem H 1 :  8cm

Més extrems Més extrems

P(més extrem) molt petita valor p molt petit

Valor p

𝒙 (^) 𝟐=3cm

Valor p i H 1

Suposem H 1 :≠ 8cm

Més extrems

P(més extrem) força gran valor p força gran

Valor p: Probabilitat de tenir estimadors més

extrems que el que he obtingut amb la meva

mostra, d’acord amb la hipòtesi alternativa H (^1)

Valor p

8cm 𝒙 (^) 𝟏=8.32cm Més extrems

Valor p i H 1

Suposem H 1 :>8cm

Més extrems

P(més extrem) força gran valor p força gran

Valor p: Probabilitat de tenir estimadors més

extrems que el que he obtingut amb la meva

mostra, d’acord amb la hipòtesi alternativa H (^1)

Valor p

8cm 𝒙 (^) 𝟏=8.32cm

8cm

Suposem H 1 :<8cm

Més extrems

Valor p: Probabilitat de tenir estimadors més

extrems que el que he obtingut amb la meva

mostra, d’acord amb la hipòtesi alternativa H (^1)

Valor p

P(més extrem) gran valor p gran

Valor p i H 1

𝒙 (^) 𝟏=8.32cm

Valor p i H 1

Valor p: Probabilitat de tenir estimadors més

extrems que el que he obtingut amb la meva

mostra, d’acord amb la hipòtesi alternativa H (^1)

Suposem H 1 :>8cm

Més extrems P(més extrem) molt gran valor p molt gran

Valor p

8cm 𝒙 (^) 𝟐=3cm

Fases d’un contrast d’hipòtesis. Enfoc 1: valor p

  1. Establir quina és la hipòtesis nul∙la (H 0 ) i quina és la alternativa (H 1 )
  2. Establir un nivell de significació 
  3. Calcular l’estadístic de contrast i el valor p
  4. Si valor p  , No podem rebutjar H (^0) Si valor p  , Rebutgem H 0 i acceptem H 1

31

Distribucions dels estimadors amb una mostra de mida n :

Relació entre paràmetres i estimadors

Paràmetre de la població

Estimador de la mostra

Distribució

Mitjana (si X ~ Normal o n és prou gran)

Desviació estàndard ^ s

Proporció (si n**(1-) és prou gran) ^ p

2 2 1

2 (  1 ) ~ n

S

n 

  1  tn n

s

x

 0 , 1  ( 1 )

N

n

p (^)  

  

N ( 0 , 1 ) n

x   

32

D’entrada ens creurem que sí que és cert, per tant pensarem que  = 8cm

També sabem que si n és prou gran:

Així doncs, puc saber quins valors són més habituals en una N(8,2.3/ 𝟐𝟓=0.46) i si és entre aquests valors.

Si  = 0.05 considerem valors habituals els que estiguin entre els 1-  = 0.95 més probables. Aquests valors defi- niran la regió d’acceptació. Si és dins la regió d’acceptació llavors no tindrem motius per rebutjar H 0. En canvi si es troba fora rebutjarem H 0 i acceptarem H 1.

Exemple. Enfoc 2: Regió d’acceptació

Volem Contrastar, a partir d’una sola mostra, si la mitjana de les ales del rossinyol bord és igual a 8cm (=2.3cm)

33

Càlcul de la Regió d’acceptació

Exemple. Enfoc 2: Regió d’acceptació

En funció de la hipòtesis alternativa (H 1 ) la regió d’acceptació es calcula:

H 1 :   (^) 

H 1 : >  (^)  H 1 :^ <^ ^ 

Si =0.05, la regió d’acceptació vindrà definida per N8,0.46,0.975 i N8,0.46,0.025, A l’exemple (7.0984cm,8.9016cm)

Si =0.05, la regió d’acceptació vindrà definida per - i N8,0.46,0.05 , a l’exemple (-,8.7566cm)

Si =0.05, la regió d’acceptació vindrà definida per N (^) 8,0.46,0.95 i +, a l’exemple (7.2434cm,+ ) (^34)

Fases d’un contrast d’hipòtesis. Enfoc 2: Regió

d’acceptació

  1. Establir quina és la hipòtesis nul∙la (H 0 ) i quina és la alternativa (H 1 )
  2. Establir un nivell de significació 
  3. Calcular l’estadístic de contrast (EC) i la regió d’acceptació (RA)
  4. Si EC dins RA, No podem rebutjar H (^0)

Si EC fora RA, Rebutgem H 0 i acceptem H 1

37

Inferència sobre el valor d’un paràmetre

Si la variable que volem estudiar és contínua tant ens pot interessar inferir quina és la mitjana () d’aquesta variable en la població, com quina és la variància (^2 ) d’aquesta variable en la població.

Si la variable que volem estudiar és categòrica voldrem inferir el valor de la proporció  d’observacions de la població que agafen un valor concret de la variable estudiada.

38

Població: Tots els ocells rossinyol bord ( cettia cetti )

Exemple

Mostra mida n

Problema:

Donada una població, volem saber-ne coses a partir de la informació que obtenim en una mostra.

Concretament volem saber entre quins valors creiem que és més probable que hi hagi la mitjana de la mida de les ales del rossinyol bord  (suposem que  = 2.3cm).

39

Població: Tots els ocells rossinyol bord ( cettia cetti )

Mostra mida n = 25

Volem calcular, a partir d’una sola mostra, entre quins valors creiem que és més probable que hi hagi la mitjana de la mida de les ales del rossinyol

bord  (suposem que  = 2.3cm).

𝑥̅ ൌ 8.32𝑐𝑚

8

15

11

Exemple

40