1 / 20

INFERENCIA ESTADÍSTICA

INFERENCIA ESTADÍSTICA. Giovanna Gatica, MS. INFERENCIA ESTADÍSTICA. Extracción de conclusiones sobre una muestra estudiada En general se estudia parte de una población Técnicas de muestreo (simples, estratificada, sistemática, por conglomerados). INTERVALO DE CONFIANZA.

bridie
Download Presentation

INFERENCIA ESTADÍSTICA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. INFERENCIA ESTADÍSTICA Giovanna Gatica, MS

  2. INFERENCIA ESTADÍSTICA Extracción de conclusiones sobre una muestra estudiada En general se estudia parte de una población Técnicas de muestreo (simples, estratificada, sistemática, por conglomerados)

  3. INTERVALO DE CONFIANZA Intervalo de valores en el cuál se pueda precisar, con una determinada probabilidad, que el verdadero valor de el parámetro se encuentra en esos límites. IC 95% = proporción± 1,96 * ES ES de laproporción= √ (p * (1-p)) / n

  4. ERROR ESTANDAR La variabilidad en las estadísticas de muestras proviene de un error de muestreo debido al azar Hay diferencias entre cada muestra y la población, y entre las diversas muestras

  5. DISTRIBUCIÓN DE LOS DATOS • Distribución normal • Gaussiana • Es simétrica • Forma de campana • Es una distribución continua • Describe muy bien la mayoría de los eventos biológicos

  6. DISTRIBUCIÓN NORMAL

  7. EJEMPLO • Grupo 1 • Peso al nascer promedio de niños: 3244 g • Grupo 2 • Peso al nascer promedio de niñas: 3093 g

  8. PRUEBA DE HIPÓTESIS • Comparar grupos 1 y 2 • H0: hipótesis nula (igualdad) • µ1 = µ2 • H1: hipótesis alternativa • µ1  µ2 (test bicaudal); • µ1 > µ2 (test unicaudal); ó • µ1 < µ2 (test unicaudal).

  9. TIPOS DE ERRORES

  10. PROBABILIDAD DE LOS ERRORES •  = P(errorI) = P(rechazaH0 | H0es V) •  = P(errorII) = P(no rechazaH0 | H0es F) • Poder do teste • 1 -  = (rechazarH0 | H0es F)

  11. LIMITAR ERROR I • Definir un test de forma a limitar  • por ejemplo,  < 5% • P(rechazar H0 | H0 es V) < 5% • Equivale a usar un valor p < 5% como punto de corte

  12. HIPÓTESIS NULA • Si p < 5% rechazo H0 • Caso contrario, no rechazo H0

  13. Valor p significativo si es < 5% ó 0.05 Las diferencias entre lascategorías SON diferentes Se rechazala Ho

  14. HIPÓTESIS NULA • H0 no es rechazada • No quiere decir que ella es confirmada • Siempre estamos evaluando la hipótesis NULA

  15. PODER DEL TEST • Para una determinada diferencia, aumentar N aumenta el poder • Por eso, se calcula un N de forma que para una dada diferencia (o efecto) •  < 5% • poder del estudio  80%

  16. DESVIACIÓN ESTANDAR La desviación estándar (σ) mide cuánto se separan los datos de la media. La fórmula es fácil: es la raíz cuadrada de la varianza. Así que, "¿qué es la varianza?"

  17. VARIANZA • Es el cuadrado de la desviación estándar • Ejemplo: • Calcular la varianza de la distribución: 9, 3, 8, 8, 9, 8, 9, 18

  18. UTILIDAD DE LA DESVIACIÓN ESTANDAR La desviación estándar es que es útil: ahora veremos qué los datos están a una distancia más/menos 3.87 de la media Así que, usando la desviación estándar tenemos una manera "estándar" de saber como están distribuidos los datos que estudiamos

  19. ¡MUCHAS GRACIAS! ¿COMENTARIOS Y/O PREGUNTAS? giovagatica@yahoo.com

More Related