ESTADÍSTICA INFERENCIAL

[pic 1]

UNIVERSIDAD ESTATAL DE MILAGRO

FACULTAD DE CIENCIAS SOCIALES, EDUCACIÓN COMERCIAL Y DERECHO

CARRERA:

LICENCIATURA EN ECONOMÍA

MATERIA:

ESTADÍSTICA INFERENCIAL

INTEGRANTES:

JULEXI CASTRO CONTRERAS

JOSELIN GONZALEZ TOMALA

JOSEPH CAIZA PONCE

DOCENTE:

JOSÉ TENORIO ALMACHE

NIVEL:

4TO SEMESTRE

TEMA:

FORO 1

GRUPO: B

[pic 2]

Factores para la determinación del tamaño de la muestra

Hipótesis.

Según el tipo de estudio, puede que: Se necesite realizar una o más hipótesis. Si un estudio es descriptivo, no es necesario sobre el. Se necesitan estudios comparativos para establecer esto. En cualquier caso, debe probar su hipótesis. Este decide si aprobar o rechazar. Para este contraste, la hipótesis nula () o alternativa . El tipo de contraste de hipótesis puede ser unilateral (una cola) o bilateral (dos colas). Una hipótesis unilateral especifica la dirección de la asociación (mayor o menor) de las variables; en la bilateral se puede afirmar la asociación entre las variables, pero no especifica la dirección. (GARCIA, J. A. (, 2013)[pic 3][pic 4]

Error tipo I o error α.

En la prueba de hipótesis, los valores de error tipo I se llaman ¨probabilidad de que sea  rechazada¨, (se acepta ) cuando  sea cierta=. El valor () se llama prueba de confiabilidad. Depende de la confianza que quieras tener. (GARCIA, J. A. (, 2013)[pic 5][pic 6][pic 7][pic 8][pic 9][pic 10]

Error tipo II o error β.

Cuando la hipótesis nula es falsa y usted no la rechaza, comete un error de tipo II. La probabilidad de cometer un error de tipo II es β, que depende de la potencia de la prueba. Puede reducir el riesgo de cometer un error de tipo II al asegurarse de que la prueba tenga suficiente potencia. (GARCIA, J. A. (, 2013)

Poder estadístico.

Básicamente es la probabilidad de encontrar un resultado estadísticamente significativo, dado un tamaño de muestra y un valor α (alfa, o nivel de significación estadístico).

1. Al tener un bajo poder estadístico, la probabilidad de Error Tipo II aumenta (alta tasa de falsos negativos). Es decir, muchas veces se rechaza la hipótesis alternativa erróneamente.
2. Al tener tamaños de muestra (n) pequeños, los modelos estadísticos tienden a ser inestables. En otras palabras, los hallazgos son poco replicables pues los resultados varían mucho (o incluso se contradicen) entre diferentes muestras. Este es uno de los factores de lo que en ciencia se conoce como Crisis de replicación (Juan David Leongómez, 2020)

Variabilidad.

Es la dispersión esperada de los datos. Se evalúa dependiendo de la variable de interés. Si éstas son numéricas continuas (grupo de valores infinitos que incluyen decimales), el tamaño de muestra estará determinado por la variable con el mayor coeficiente de variación (CV) [CV(Y¯) = (SY/Y¯)], donde SY es la desviación estándar y Y¯ es la media. (GARCIA, J. A. (, 2013)

Pérdidas en el seguimiento del estudio.

El tamaño mínimo de muestra necesario para obtener resultados estadísticamente significativos está pensado, de acuerdo con en el número de sujetos al final del estudio y no con el inicial. Es recomendable adicionar al cálculo inicial, un 10% a 20% de participantes. (GARCIA, J. A. (, 2013)

Relevancia del tamaño del efecto y significancia estadística.

El grado de diferencia en los efectos percibidos entre los grupos se evaluó como determinante. Este es el más importante para calcular el tamaño de la muestra. (GARCIA, J. A. (, 2013)

...