Trabajo Final De Estadisticas

Hipótesis Estadísticas

Una hipótesis estadística expresa en términos o símbolos estadísticos los anteriores tipos de hipótesis. Se pueden expresar en términos de:

c1) Estadísticas de Estimación. Diseñadas para evaluar la suposición respecto al valor de alguna característica de una muestra de individuos o unidades de análisis.

c2) Estadísticas de Correlación. Traduce o transforma una situación de correlación entre dos o más variables a la simbología estadística

propia de las pruebas estadísticas de correlación.

c3) Estadísticas de la Diferencia de Medias u otros Valores. En este tipo de hipótesis se compara una estadística entre dos o más grupos.

Como por Ejemplo:

La hipótesis “No hay relación entre el aprendizaje (mayor cantidad de impresiones por hora) y el costo por unidad impresa en la compañía Ediciones Tarahumara”, se expresa como una hipótesis estadística de la siguiente manera:

Hipótesis nula: Ho: rxy = 0 (no hay relación entre...)

Hipótesis alternativa: H1: rxy  0 (existe relación entre...)

Hipótesis Nula

La hipótesis nula consiste en una afirmación acerca de la población de origen de la muestra. Usualmente, es más simple (menor número de parámetros, por ejemplo) que su antagonista. Se designa a la hipótesis nula con el símbolo H0.

Hipótesis Alternativa

Son posibilidades alternativas - ante las hipótesis de investigación y nula. Ofrecen otra descripción o explicación distintas a las que proporcionan estos tipos de hipótesis. Por ejemplo, si la hipótesis de investigación establece: “Esta silla es roja”, la nula afirmará: “Esta silla no es roja”, y podrían formularse una o más hipótesis alternativas: “Esta silla es azul”, “Esta silla es verde”, “Esta silla es amarilla”, etc. Cada una constituye una descripción distinta a las que proporcionan las hipótesis de investigación y nula.

Las hipótesis alternativas se simbolizan como Ha y sólo pueden formularse cuando efectivamente hay otras posibilidades adicionales a las hipótesis de investiga¬ción y nula. De ser así, no

Prueba Paramétrica:

Las pruebas paramétricas tienen mayor capacidad para detectar una relación real o verdadera entre dos variables, si es que la misma existe. Por ello, exigen que los datos a los que se aplican, cumplan tres requisitos:

1. Variable numérica: Que las variable de estudio (dependiente) esté medida en una escala que sea por lo menos de intervalo.

2. Normalidad: Que los valores de la variable dependiente sigan una distribución normal; por lo menos, en la población a la que pertenece la muestra.

Prueba estadística: Kolmogorov Smirnov |

3. Homocedasticidad, Que las varianzas de la variable dependiente en los grupos que se comparan sean aproximadamente iguales (homogeneidad de las varianzas).

Prueba no Paramétrica:

Se denominan pruebas no paramétricas aquellas que no presuponen una distribución de probabilidad para los datos, por ello se conocen también como de distribución libre (distribución free). En la mayor parte de ellas los resultados estadísticos se derivan únicamente a partir de procedimientos de ordenación y recuento, por lo que su base lógica es de fácil comprensión. Cuando trabajamos con muestras pequeñas (n < 10) en las que se desconoce si es válido suponer la normalidad de los datos, conviene utilizar pruebas no paramétricas, al menos para corroborar los resultados obtenidos a partir de la utilización de la teoría basada en la normal.

En estos casos se emplea como parámetro de centralización la mediana, que es aquel punto para el que el valor de X está el 50% de las veces por debajo

...