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


Teoría Estadística II, Apuntes de Estadística Aplicada

Asignatura: Estadística Aplicada a la Psicología II, Profesor: Diana Pérez, Carrera: Psicología, Universidad: UCM

Tipo: Apuntes

2013/2014

Subido el 24/10/2014

vincit_omnia_veritas
vincit_omnia_veritas 🇪🇸

3.8

(112)

10 documentos

1 / 8

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TEMA 1: DISTRIBUCIÓN MUESTRAL. COMPROBACIÓN DE HIPÓTESIS ESTADÍSTICAS.
ESTIMACIÓN DE PARÁMETROS.
Población: conjunto de elementos o sujetos.
Muestra: cualquier subconjunto de la población.
Estadístico: una función definida sobre las puntuaciones de la
muestra
.
Parámetro: una función definida sobre las puntuaciones de la
población
.
Una distribución muestral es una distribución que asigna a cada uno de los posibles valores que puede
tomar un estadístico, definido sobre todas las posibles muestras del mismo tamaño n, la probabilidad
correspondiente.
Para un mismo estadístico existen tantas distribuciones muestrales como tamaños de muestra.
Distribución muestral de la media: a medida que aumenta n, la varianza disminuye.
Si la varianza es conocida
N
Si la varianza es desconocida
t
Contraste de hipótesis:
o Hipótesis científica.
o Hipótesis estadística: una proposición acerca de la distribución de probabilidad de
una o varias variables a leatorias. Pueden referirse a los pa rámetros o a la forma de la
distribución.
o Hipótesis nula: es aquella que se propone provisionalmente como verdadera para ser
contrastada con los datos empíricos.
o Hipótesis alternativa: se propone compitiendo con la nula, y se acepta como verdadera
en caso de que la hipótesis nula sea rechazada porque los datos muestrales no permiten
mantenerla.
Procedimiento para comprobar la hipótesis:
1) Formular ambas hipótesis.
2) Alpha.
3) Cálculo del estadístico de contraste.
o Estadístico de contraste: es una función que se utiliza como instrumento para tomar
decisiones acerca de la hipótesis nula. Se conoce. Es un estadístico definido sobre otro
estadístico.
4) Criterio de decisión y región crítica.
o Región crítica: es un intervalo de valores extremos del estadístico de contraste. Puede
estar situada en uno o ambos lados de la distribución. Tiene asociada una
probabilidad pequeña llamada nivel de significación (alpha).
o Rechazar o mantener:
Si T<t se mantiene; si T>t se rechaza.
Si p<α derechaza, si p>α se mantiene. (p=0.05)
5) Intervalo de Confianza.
pf3
pf4
pf5
pf8

Vista previa parcial del texto

¡Descarga Teoría Estadística II y más Apuntes en PDF de Estadística Aplicada solo en Docsity!

TEMA 1: DISTRIBUCIÓN MUESTRAL. COMPROBACIÓN DE HIPÓTESIS ESTADÍSTICAS.

ESTIMACIÓN DE PARÁMETROS.

Población: conjunto de elementos o sujetos. Muestra: cualquier subconjunto de la población.

Estadístico: una función definida sobre las puntuaciones de la muestra.

Parámetro: una función definida sobre las puntuaciones de la población.

Una distribución muestral es una distribución que asigna a cada uno de los posibles valores que puede tomar un estadístico, definido sobre todas las posibles muestras del mismo tamaño n, la probabilidad correspondiente. Para un mismo estadístico existen tantas distribuciones muestrales como tamaños de muestra.

  • Distribución muestral de la media: a medida que aumenta n, la varianza disminuye.

Si la varianza es conocida  N

Si la varianza es desconocida  t

  • Contraste de hipótesis: o Hipótesis científica. o Hipótesis estadística: una proposición acerca de la distribución de probabilidad de una o varias variables aleatorias. Pueden referirse a los parámetros o a la forma de la distribución. o Hipótesis nula: es aquella que se propone provisionalmente como verdadera para ser contrastada con los datos empíricos. o Hipótesis alternativa: se propone compitiendo con la nula, y se acepta como verdadera en caso de que la hipótesis nula sea rechazada porque los datos muestrales no permiten mantenerla. Procedimiento para comprobar la hipótesis:
  1. Formular ambas hipótesis.
  2. Alpha.
  3. Cálculo del estadístico de contraste. o Estadístico de contraste: es una función que se utiliza como instrumento para tomar decisiones acerca de la hipótesis nula. Se conoce. Es un estadístico definido sobre otro estadístico.
  4. Criterio de decisión y región crítica. o Región crítica: es un intervalo de valores extremos del estadístico de contraste. Puede estar situada en uno o ambos lados de la distribución. Tiene asociada una probabilidad pequeña llamada nivel de significación (alpha). o Rechazar o mantener: - Si T<t se mantiene; si T>t se rechaza. - Si p< α derechaza, si p> α se mantiene. (p=0.05)
  5. Intervalo de Confianza.

Tipos de errores: Valor de la Ho Verdadera Falsa

Mantenerla

Acierto Probabilidad 1- α (nivel de confianza)

Error tipo II

Decisión sobre Probabilidad β Ho Rechazarla

Error tipo I Probabilidad α (nivel de significación)

Acierto Probabilidad 1- β (potencia) 1- α: probabilidad de mantener correctamente Ho. Β: probabilidad de mantener incorrectamente Ho. α: probabilidad de rechazar incorrectamente Ho. 1- β: probabilidad de rechazar correctamente Ho.

  • Contrastes unilaterales y bilaterales: o Bilateral: Ho: μ=μo H1: μ μo o Unilateral:  Unilateral izquierdo Ho: μ=μo H1: μ < μo  Unilateral derecho Ho: μ=μo H1: μ>μo En caso de rechazar la Ho, es necesario proporcionar el intervalo de confianza y el tamaño del efecto.
  • Estimación de parámetros: o Estimación puntual: en este tipo de estimación se obtiene un único valor como estimador del valor del parámetro poblacional, depende del método de estimación. Propiedades de un buen estimador:
  1. Carencia de sesgo.
  2. Eficiencia.
  3. Consistencia.
  4. Suficiencia.
  5. Robusto. o Estimación por intervalos de confianza: se parte siempre de la estimación obtenida en la muestra a la que se le suma y se le resta el error máximo. Intervalo de confianza: rango de valores probables para el parámetro, con una probabilidad de (1- α). Cuanto mayor es la n, menor es el error máximo. Cuanto menor es la amplitud del intervalo, mayor precisión en estimación del intervalo.

o Cálculo de la potencia: Valor de la Ho μ 1 - μ 2 = Verdadera Falsa

Mantenerla

Acierto: no encontrar una diferencia que no existe en la población. Probabilidad 1- α

Error tipo II: no encontrar una diferencia que si existe en la población Probabilidad β

Decisión sobre Ho

Rechazarla

Error tipo I: encontrar una diferencia que no existe en la población Probabilidad α

Acierto: encontrar una diferencia que sí existe en la población Probabilidad 1- β Factores implicados en la potencia (1- β)

  1. Nivel de significación ( α): si aumenta alpha, la potencia aumenta.
  2. Tamaño del efecto (d): si aumenta d, aumenta la potencia.
  3. Tamaño de la muestra (n): si n aumento, E.T. disminuye pero la potencia aumenta.
  • Contraste de hipótesis sobre una proporción: Contraste bilateral. Contraste unilateral derecho Contraste unilateral izquierdo Ho: π=π 0 H 1 : π π 0

Ho: π= π 0 H 1 : π >π 0

Ho: π= π 0 H 1 : π <π 0 Determinar el tamaño de la muestra: Se parte del error máximo que queremos cometer. P: estimación de la proporción que esperamos obtener basándonos:

  • En la teoría o en investigaciones previas.
  • Si no tenemos este tipo de información, consideramos p=0.

TEMA 3: ANOVA DE UN FACTOR MEDIDAS INDEPENDIENTES.

ANOVA: análisis de varianza. El objetivo es contrasta la Ho de igualdad de medias con k grupos. Si k<2, igualdad de medias. Si k>2, ANOVA. El análisis se basa en la variabilidad de datos. Si tenemos dos poblaciones con varianzas iguales y las juntamos:

- Si la varianza no cambia  Medias iguales.

- Si la varianza cambia  Medias diferentes.

  • Modelos del ANOVA: Un factor es una variable independiente (criterio de clasificación. El número de factores tiene que ser igual al número de variables.) Los niveles cada uno de los diferentes valores que puede tomar el factor. Criterios de clasificación: a) Número de factores. b) Tipo de aleatorización: forma de asignación de los sujetos a los niveles de los factores:
  • Completamente aleatorizado (medidas independientes): cada sujeto se asigna al azar a cada nivel de cada factor.
  • Aleatorizado por bloques (medidas relacionadas): asignación aleatoria de los sujetos de cada bloque a los diferentes niveles del factor. El mismo sujeto pasa por los diferentes niveles del factor, cada bloque formado por un sujeto (medidas repetidas). c) Tipo de muestreo sobre los niveles del factor: selección de los niveles:
  • Elección de los niveles que estamos interesados en estudiar; factor de efectos fijos o sistemáticos: las inferencias se limitarán a estos niveles.
  • Selección aleatoria entre el conjunto de posibles niveles; factor de efectos aleatorios: las inferencias se pueden generalizar a cualquiera de los posibles niveles.
  • ANOVA de un factor, efectos fijos, completamente aleatorizado. Modelo lineal general: describe las puntuaciones en Y, variable dependiente, a partir de los efectos debido a:

= + +

  • Contraste de hipótesis: Fuentes de variación

Sumas de cuadrados

Grados de libertad

Medias cuadráticas

E.C. Significación p

Intergrupos (factor)

SCINTER k-1 formulario MCINTER

P(F≤Fk-1,N-k)

Intragrupos (error)

SCINTRA N-K formulario MCINTRA

F = formulario

Total SCTOTAL N-

  • Tamaño del efecto: Interpretación:
  • SI hay manipulación experimental: proporción de la variabilidad de la VD que se debe al factor.
  • Si no hay manipulación experimental: proporción de la variabilidad de la VD asociada al factor.

Valor Observado En la VD

Efectos debidos a factores constantes.

Efectos debidos a factores tenidos en cuenta.

Efectos debidos a factores no controlados

TEMA 4: ANOVA DE DOS FACTORES MEDIDAS INDEPENDIENTES.

Objetivo: contrastar varias Ho de igualdad de medias en un diseño con dos VVII o factores (A-B) de efectos fijos.

  • Modelo: ANOVA de dos factores (A y B) de medidas independientes efectos fijos.

= + +

  • Contraste de hipótesis: Las tres hipótesis son independientes, pero si s e rechaza la hipótesis nula de la interacción es la que tiene mayor peso en la explicación. Tabla resumen del ANOVA: Fuentes de variación

S.C. g.l. M.C. E.C. Nivel crítico (sig.) Factor A SCA f-1 formulario MCA

formulario F 01

P(F 01 ≤Ff-1,N-fo)

Factor B SCB c-1 formulario MCB

formulario F 02

P(F 02 ≤Ff-1,N-fo)

Interacción AB

SCAB (f-1)(c-1) formulario MCAB

formulario F 03

P(F 03 ≤Ff-1,N-fo)

Error SCERROR N-fc formulario MCERROR Total SCTOTAL N- Región crítica y criterio de decisión:

 Hipótesis 1:

  • Mantenemos H01 si el valor obtenido en la muestra para el E.C. F01 cae en la región de aceptación.
  • Rechazamos H01 si el valor obtenido en la muestra para el E.C. F01 cae en la región crítica, conclusión:
    • No todas las medias son iguales pero no sabemos qué medias difieren entre sí.
    • Si hay manipulación por parte del investigador: las diferencias encontradas en la VD son debidas al efecto del factor A.
    • Si no hay manipulación sólo podemos afirmar que las diferencias encontradas en la VD están asociadas a los distintos niveles del factor A.

 Hipótesis 2:

  • Mantenemos H02 si el valor obtenido en la muestra para el E.C. F02 cae en la región de aceptación.
  • Rechazamos H02 si el valor obtenido en la muestra para el E.C. F02 cae en la región crítica, conclusión:
    • No todas las medias son iguales pero no sabemos qué medias difieren entre sí.
    • Si hay manipulación por parte del investigador: las diferencias encontradas en la VD son debidas al efecto del factor B.
    • Si no hay manipulación sólo podemos afirmar que las diferencias encontradas en la VD están asociadas a los distintos niveles del factor B.

Valor Observado En la VD

Efectos debidos a factores constantes.

Efectos debidos a factores tenidos en cuenta.

Efectos debidos a factores no controlados

 Hipótesis 3:

  • Mantenemos H03 si el valor obtenido en la muestra para el E.C. F03 cae en la región de aceptación.
  • Rechazamos H03 si el valor obtenido en la muestra para el E.C. F03 cae en la región crítica, conclusión:
    • No todas las medias son iguales pero no sabemos qué medias difieren entre sí.
    • Si hay manipulación por parte del investigador: las diferencias encontradas en la VD son debidas al efecto de interacción del factor A y B.
    • Si no hay manipulación sólo podemos afirmar que las diferencias encontradas en la VD están asociadas a la interacción del factor A y B.
      • Tamaño del efecto: Factor A:
  • Interpretación de eta cuadrado: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe al factor A. SI no hay manipulación experimental; proporción de la variabilidad de la VD asociada al factor A.
  • Interpretación de eta cuadrado parcial: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe al factor A, una vez que se elimine lo que se debe al factor B y a la interacción. Si no hay manipulación experimental: proporción de la variabilidad de la VD asociada al factor A, una vez que se elimina lo que está asociado al factor B y a al interacción. Factos B:
  • Interpretación de eta cuadrado: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe al factor B. SI no hay manipulación experimental; proporción de la variabilidad de la VD asociada al factor B.
  • Interpretación de eta cuadrado parcial: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe al factor B, una vez que se elimine lo que se debe al factor A y a la interacción. Si no hay manipulación experimental: proporción de la variabilidad de la VD asociada al factor B, una vez que se elimina lo que está asociado al factor A y a al interacción. Interacción A x B:
  • Interpretación de eta cuadrado: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe a la interacción de los factores A y B. SI no hay manipulación experimental; proporción de la variabilidad de la VD asociada a la interacción de los factores A y B.
  • Interpretación de eta cuadrado parcial: Si hay manipulación experimental: proporción de la variabilidad de la VD que se debe a la interacción de los factores A y B, una vez que se elimine lo que se debe al factor A y B. Si no hay manipulación experimental: proporción de la variabilidad de la VD asociada a la interacción de los factores A y B, una vez que se elimina lo que está asociado al factor A y B.
    • Comparaciones múltiples: Factor A: Si se cumple, la diferencia entre las medias de r y r’ es estadísticamente significativa a un nivel de significación α. Factor B: Si se cumple, la diferencia entre las medias de s y s’ es estadísticamente significativa a un nivel de significación α. Interacción A x B: Si se cumple, la diferencia entre las medias de rs y rs’ es estadísticamente significativa a un nivel de significación α.