Formulario de estadística no parameterica
Enviado por PELE9 • 2 de Octubre de 2019 • Tarea • 1.619 Palabras (7 Páginas) • 151 Visitas
BINOMIAL PROPORCIONES
Ho: P = p* Ha: P < p* 1.- R. Ho si T ≤ t, t es P[Y ≤ t] = α 2.- P – valor = P[Y ≤ T] 3.- Si n > 25 4.- Estimación [pic 2]
Ho: P = p* Ha: P > p* 1.- R. Ho si T > t, t es P[Y ≤ t] = 1 - α 2.- P – valor = Pidénticañ3.- Si n > 25 4.- Estimación [pic 4]
Ho: P = p* Ha: P ≠ p* 1.- R. Ho si T ≤ t1 o T ≥ t2, P[Y ≤ t1] = α/2, P[Y ≤ t2] = 1 - α/2 2.- P – valor = 2 min { P[Y ≤ T] o P[Y ≥ T]}, 3.- Si n > 25 [pic 5] [pic 6] 4.- Estimación [pic 7] [pic 8] IC n > 30 [pic 9] BINOMIAL SIGNOS
Ho: = mo[pic 10] Ha: < mo[pic 11] 1.- R. Ho si T ≤ t, t es P[Y ≤ t] = α 2.- P – valor = P[Y ≤ T] 3.- Si n > 25 4.- Estimación [pic 13]
Ho: = mo[pic 14] Ha: > mo[pic 15] 1.- Rechazamos Ho si T ≥ n – t, t es P[Y > t] = α 2.- P – valor = P[Y ≥ T] 3.- Si n > 25 4.- Estimación [pic 17]
Ho: = mo[pic 18] Ha: ≠ mo[pic 19] 1.- R. Ho si T ≤ t o T ≥ t, t es P[Y ≤ t] = α/2 2.- P – valor = 2 min {P[Y ≤ T] o P[Y > T]}, 3.- Si n > 25 [pic 20] [pic 21] 4.- Estimación [pic 22] BINOMIAL COX STUART
Ho: No hay tendencia entre los elementos de la población Ha: Tendencia decreciente 1.- R. Ho si T ≤ t, t es P[Y ≤ t] = α 2.- P – valor = P[Y ≤ T]
Ho: No hay tendencia entre los elementos de la población Ha: Tendencia creciente 1.- R. Ho si T ≥ n* - t, t es P[Y ≤ t] = α 2.- P – valor = P[Y ≥ T]
Ho: No hay tendencia entre los elementos de la población Ha: Los elementos de la población presentan una tendencia 1.- R. Ho si T ≤ t o T ≥ n* - t, t es P[Y ≤ t] = α/2 2.- P – valor = 2 min { P[Y ≤ T] o P[Y ≥ T] } Formación de pares: (Xi, Xi+c) = C = [pic 23][pic 24] RANGOS VARIANZAS (= 2 POBLACIONES)
Ho: = [pic 25][pic 26] Ha: < [pic 27][pic 28] 1.1- R. Ho si n ≤ 10 y m ≤ 10: (sin empates): [pic 29] (con empates): [pic 30] 1.2 – R. Ho si n > 10 y m > 10: (sin empates): [pic 31] (con empates): [pic 32] 2.- P – valor = P[Z ≤ T1] (usa T1)
Ho: = [pic 34][pic 35] Ha: > [pic 36][pic 37] 1.1 - R. Ho si n ≤ 10 y m ≤ 10: (sin empates): [pic 38] (con empates): [pic 39] 1.2 – R. Ho si n > 10 y m > 10: (sin empates): [pic 40] (con empates): [pic 41] 2.- P – valor = P[Z ≥ T1] (usa T1)
Ho: = [pic 43][pic 44] Ha: ≠ [pic 45][pic 46] 1.1 - R. Ho si n ≤ 10 y m ≤ 10: (Sin empates): o [pic 47][pic 48] (Con empates): o [pic 49][pic 50] 1.2 – R. Ho si n >10 y m > 10: (sin empates): [pic 51] [pic 52] (con empates): [pic 53] 2.- P – valor = 2 min {P[Z ≤ T1] o P[Z ≥ T1]}, (usar T1) [pic 54] [pic 55] Estadístico de Prueba (con y sin empates) [pic 56] [pic 57] RANGOS VARIANZAS MULRIPLES
Ho: Todas las k poblaciones son idénticas Ha: Alguna o algunas de las poblaciones de las poblaciones de varianza no son iguales unas con las otras 1.1 - R. Ho si k ≤ 3 y ni ≤ 5: (Sin empates): [pic 58] 1.2 – R. Ho si k > 3 y/o ni > 5 (Con empates): [pic 59] Estadístico de prueba (con y sin empates): [pic 60] [pic 61] [pic 62] [pic 63] [pic 64] Comparaciones múltiples (si Ho es rechazada) [pic 65] AJUSTE KOLMOROGOV
Ho: Los datos vienen de una distribución: _____ Ha: Los datos no vienen de una distribución: _____ 1.- R. Ho si: [pic 66] Estadístico de prueba [pic 67] TABLAS DE CONTINGENCIA PARA PROPORCIONES
Ho: Pij = Pi * Pj (Las variables son iguales a cierta proporción) Ha: Pij ≠ Pi * Pj (Las variables no son iguales a cierta proporción) 1.- R. Ho si: [pic 68] Estadístico de prueba [pic 69] [pic 70] | BINOMIAL CUANTILES
Ho: Xp = Xp* Ha: Xp > Xp* 1.- R. Ho si T1 ≤ t1, t1 es P[Y ≤ t1] = α 2.- P – valor = P[Y ≤ T1] 3.- n > 25 4.- Estimación [pic 72]
Ho: Xp = Xp* Ha: Xp < Xp* 1.- R. Ho si T2 > t2, t2 es P[Y > t2] = 1 – α 2.- P – valor = P[Y ≥ T2] 3.- n > 25 4.- Estimación [pic 74]
Ho: P = p* Ha: P ≠ p* 1.- R. Ho si T1 ≤ t1 o T2 ≥ t2, P[Y ≤ t1] = α/2, P[Y ≤ t2] = 1 – α/2 2.- P – valor = 2 min { P[Y ≤ T1] o P[Y ≥ T2]}, 3.- n > 25 [pic 75] [pic 76] 4.- Estimaciones [pic 77] [pic 78] IC -> X(r) < Xp < X(s) Caso 1: n ≤ 20 o n ≤ 25 r*: α1 = α/2 y r* P[ Y ≤ Xr*] = α1 s*: α2 = 1 – α/2 y s* P[ Y ≤ Xs*] = α2 Posición de extremos del intervalo Xp r = r* + 1 y s = s* + 1 Caso 2: n ≥ 20 o n ≥ 25 Teorema de Limite central: [pic 79] BINOMIAL MCNEMAR
Ho: Pa = Pd Ha: Pa < Pd 1.- R. Ho si T ≤ k, k P[Y ≤ k] = α 2.- P – valor = P[Y ≤ T] 3.- Estadístico de prueba [pic 80]
Ho: Pa = Pd Ha: Pa > Pd 1.- R. Ho si T ≥ b + c – k, k es P[Y ≤ k] = α 2.- P – valor = P[Y ≥ T] 3.- Estadístico de prueba [pic 81]
Ho: Pa = Pd Ha: Pa < Pd 1.- R. Ho si T1 ≤ [pic 82] 2.- P – valor = P[ < T1] (1° de libertad)[pic 83] 3.- Estadístico de Prueba [pic 84]
Ho: Pa = Pd Ha: Pa > Pd 1.- R. Ho si T1 ≥ [pic 85] 2.- P – valor = P[ ≥ T1] (1° de libertad)[pic 86] 3.- Estadístico de Prueba [pic 87]
Ho: Pa = Pd Ha: Pa ≠ Pd 1.- R. Ho si T ≤ k o T ≥ b + c – k, k es P[Y ≤ k] = α/2 2.- P – valor = 2 min { P[Y ≤ T], P[Y ≥ T]} 3.- Estadístico de prueba [pic 88]
Ho: Pa = Pd Ha: Pa ≠ Pd 1.- R. Ho si T1 ≥ , o T1 ≤ [pic 89][pic 90] 2.- P – valor = 2P[ ≥ T1] o (1° de libertad) [pic 91] 3.- Estadístico de Prueba [pic 92] RANGOS MANN WITNEY
Ho: distribución de población 1 = distribución de población 2 Ha: la distribución de la población 1 esta desplazada a la izquierda de la distribución de la población 2 1.- R. Ho si: (sin empates): [pic 93] (con empates): [pic 94] 2.- P – valor = P[Y ≤ T1] (Si se usa T1) Si n > 20 y m > 20
Ho: distribución de población 1 = distribución de población 2 Ha: la distribución de la población 1 esta desplazada a la derecha de la distribución de la población 2 1.- R. Ho si: (sin empates): [pic 96] (con empates): [pic 97] 2.- P – valor = P[Y ≥T1] (Si se usa T1) Si n > 20 y m > 20
Ho: la población 1 tiene distribución idéntica a la población 2 Ha: la distribución de la población 1 es diferente a la distribución de la población 2 1.- R. Ho si: (Sin empates): o [pic 99][pic 100] (Con empates): [pic 101] 2.- P – valor = 2 min {P[Z ≤ T1] o P[Z ≥ T1]}, (usar T1) Si n > 20 y m > 20 [pic 102] IC [pic 103] Estadístico de Prueba (con y sin empates): [pic 104] [pic 105] n ≤ 20 y m ≤ 20 [pic 106] n > 20 y m > 20 [pic 107] RANGOS KRUSKALL WALLS
Ho: Todas las k poblaciones tienen función de distribución idéntica Ha: Al menos una de las poblaciones tiende a poblaciones más grandes.[pic 108] 1.1- R. Ho si k ≤ 3 y ni ≤ 5: (Sin empates): 1-2 – R. Ho si k > 3 y/o ni > 5:[pic 109] (Con empates): [pic 110] Estadístico de prueba (sin y con empates) [pic 111] [pic 112] [pic 113] Comparaciones múltiples (Si Ho es rechazada) [pic 114] RANGOS MEDIANA
Ho: Todas las k poblaciones tienen la misma mediana Ha: Al menos una de las poblaciones difiere con el valor de la mediana poblacional 1.- (k = # poblaciones analizadas) R. Ho si: [pic 115] Estadístico de prueba y valor de la x [pic 116] [pic 117] AJUSTE CHI CUADRADA
Ho: La población sigue una distribución: ____ Ha: La población no se distribuye: ______ 1.- (k = # clases y c = # parámetros estimados) R. Ho si: [pic 118] Estadístico de prueba [pic 119] TABLAS DE CONTINGENCIA PARA INDEPENDENCIA
Ho: Pij = Pi * Pj (Las variables son independientes) Ha: Pij ≠ Pi * Pj (No hay independencia en las variables) 1.- R. Ho si: [pic 120] Estadístico de prueba [pic 121] [pic 122] |
...