En esta sección se extendieron los conceptos de

Info icon This preview shows pages 9–12. Sign up to view the full content.

View Full Document Right Arrow Icon
En esta sección se extendieron los conceptos de pruebas de hipótesis a procedimientos que permiten comparar dos medias poblacionales, tanto desde el punto de vista de si éstas son independientes o bien relacionadas (pareadas). Aquí podemos observar que en la estadística de prueba se utilizó la distribución t-Student, ya que en ambos ejemplos las muestras son menores que 30. Si las muestras son mayores a 30, entonces se usa la distribución normal estandarizada (z).
Image of page 9

Info icon This preview has intentionally blurred sections. Sign up to view the full version.

View Full Document Right Arrow Icon
Tema 9. Análisis de varianza Introducción La técnica que se presenta en esta sección es para comparar dos o más poblaciones de datos cuantitativos. La técnica del análisis de varianza permite determinar si existen diferencias entre medias poblacionales; irónicamente el procedimiento trabaja por medio del análisis de la varianza muestral, de donde toma su nombre. En el presente tema aprenderás a comparar entre dos o más poblaciones con datos cuantitativos, y la técnica de análisis de varianza permite determinar si existen diferencias entre las medias poblacionales, lo cual es un procedimiento que se trabaja a través de la varianza muestral. El análisis de varianza en realidad es una prueba de hipótesis que permite hacer inferencias con respecto a un grupo de muestras que proceden de poblaciones que tienen como
Image of page 10
característica la misma media, o bien si al menos alguna de las poblaciones tiene un valor de la media significativamente diferente al de los demás. En temas anteriores ya has estudiado pruebas de hipótesis para la diferencia entre medias de dos poblaciones, pero el análisis de varianza permite extender esta prueba a más de dos poblaciones , esto la hace una prueba más poderosa para realizar la comparación de diversas poblaciones. Son muchas, las aplicaciones que podemos encontrar para el análisis de varianza, que van desde el control de estándares de rendimiento establecidos para las utilidades de diversas sucursales de una franquicia, hasta la comparación del aprovechamiento escolar de los alumnos, de diversos estados del país, en términos del promedio obtenido en una prueba estandarizada. Explicación 9.1 Un modelo lineal simple Para cualquier medición que se realice, es importante tomar en cuenta la idea de modelo. Supóngase que se quiere determinar el nivel de colesterol de 5 personas y se hacen 5 mediciones por persona. Si estas mediciones se hacen con un solo aparato, lo más seguro es que haya cierta variación entre las cinco lecturas realizadas; cada lectura puede denotarse por la variable aleatoria Y i (Y 1 , Y 2 , Y 3 , Y 4 y Y 5 ). Estas lecturas pueden utilizarse para inferir sobre el parámetro poblacional µ (mu = medias). Ahora bien, estas lecturas pueden coincidir con el valor del colesterol o pueden discrepar de él, en virtud de los errores de medición cometidos por las personas. Si se denotan por e 1 , e 2 , e 3 , e 4 y e 5 los errores de medición, entonces las variables aleatorias admiten la representación: Pero si se introducen repeticiones de las mediciones (con otros instrumentos), se propone el modelo:
Image of page 11

Info icon This preview has intentionally blurred sections. Sign up to view the full version.

View Full Document Right Arrow Icon
Image of page 12
This is the end of the preview. Sign up to access the rest of the document.
  • Spring '16
  • Andy Anderson
  • Experimento, Variable aleatoria, Observación, Distribución t de Student, Distribución F, Análisis de la varianza

{[ snackBarMessage ]}

What students are saying

  • Left Quote Icon

    As a current student on this bumpy collegiate pathway, I stumbled upon Course Hero, where I can find study resources for nearly all my courses, get online help from tutors 24/7, and even share my old projects, papers, and lecture notes with other students.

    Student Picture

    Kiran Temple University Fox School of Business ‘17, Course Hero Intern

  • Left Quote Icon

    I cannot even describe how much Course Hero helped me this summer. It’s truly become something I can always rely on and help me. In the end, I was not only able to survive summer classes, but I was able to thrive thanks to Course Hero.

    Student Picture

    Dana University of Pennsylvania ‘17, Course Hero Intern

  • Left Quote Icon

    The ability to access any university’s resources through Course Hero proved invaluable in my case. I was behind on Tulane coursework and actually used UCLA’s materials to help me move forward and get everything together on time.

    Student Picture

    Jill Tulane University ‘16, Course Hero Intern