Académique Documents
Professionnel Documents
Culture Documents
Historia
9. Obtencin de conclusiones.
El estadstico auxilia.
Se origina por:
1. Variacin natural entre u.e.
2. Variabilidad en la medicin de la respuesta
3. Incapacidad de reproducir las condiciones de los
tratamientos exactamente de una u.e. a otra
4. Interaccin de tratamientos y u.e.
5. Cualquier otro factor externo que afecte las caractersticas
medidas
Pn n !
i=1 yi 1 X
E(
y) = E = E yi
n n i=1
n
1X
= E(yi )
n i=1
1
= n =
n
y es un estimador insesgado de .
n
" #
2
(yi y)2
X
E S = E
i=1
n1
" n #
1 X
2 1
= E (yi y) = E [SS]
n1 i=1
n 1
Pn
donde SS = i=1 (yi y)2 es la Suma de Cuadrados
corregida de las observaciones.
" n #
X
E (SS) = E (yi y)2
i=1
n
" #
X
= E y2
yi2 n
i=1
n
X
= E(yi2 ) nE(
y2 )
i=1
por lo tanto
E(y 2 ) = 2 + 2
Y por otro:
n
! n !
1 X 1 X
V (
y) = V yi = 2V yi
n i=1
n i=1
n
1 X
=iid 2
V (yi )
n i=1
2
1 2
= n = .
n2 n
Entonces,
2 2
V (
y) = E y [E(
y )]
2 2
E y = V (
y ) + [E(
y )]
= 2 /n + 2 .
Regresando,
n
X
E (SS) = E(yi2 ) nE(
y2 )
i=1
Xn
= (2 + 2 ) n(2 + 2 /n)
i=1
= n + n 2 n2 2
2
= (n 1) 2
Por lo tanto,
2 1 1
(n 1) 2 = 2
E S = E (SS) =
n1 n1
S 2 es un estimador insesgado de 2 .
Si y N (, 2 ) entonces:
1 212 (y)2
f (y) = e < y <
2
< <
2 > 0
0.4
NH10,1L
0.3
NH10,4L
0.2
NH10,9L
0.1
5 10 15 20
Si y N (, 2 ) entonces:
y
z= N (0, 1)
Muchas tcnicas estadsticas suponen que la variable
aleatoria en cuestin se distribuye normalmente. El Teorema
Central del Lmite es muchas veces una justificacin para
suponer normalidad.
Teorema Central del Lmite.
Sean x1 , x2 , . . . , xn v.a.i.i.d de una funcin de probabilidad
fX (x) con media y varianza 2 .
Sea x = x1 +x2 +...+x
n
n
, para un tamao de muestra grande n,
la distribucin de x es aproximadamente:
n(
x )
x (, 2 /n)
N N
(0, 1)
0.15
0.125 H5L
0.1
H10L
0.075
0.05 H15L
0.025
5 10 15 20 25 30
0.4
tH1L
0.3
tH2L
0.2
tH30L
0.1
-6 -4 -2 2 4 6
2u /u
F = 2 Fu,v
v /v
Sabemos que:
SS1 SS2
S12 = 2
y S2 =
n1 1 n2 1
y
SS1 (n1 1)S12 2
= n1 1
2 2
SS2 (n2 1)S22 2
= n2 1
2 2
Por lo tanto:
(n1 1)S12
(n1 1) 2
(n2 1)S22
Fn1 1,n2 1
(n2 1) 2
Para probar si las dos frmulas son iguales o no, se utiliza una
tcnica de estadstica inferencial llamada Prueba de Hiptesis,
la cual permite hacer la comparacin de las dos frmulas en
trminos objetivos, con el conocimiento del riesgo asociado a
llegar a una conclusin errnea.
0.2
0.15
trat 1
0.1
trat 2
0.05
5 10 15 20 25 30
H0 : 1 = 2 hiptesis nula
vs.
Ha : 1 6= 2 hiptesis alternativa dos colas
1 < 2 1 > 2
Regresando al ejemplo.
y1 = 16.764 y2 = 17.992
S1 = 0.3164 S2 = 0.2479
S12 = 0.100 S22 = 0.061
n1 = 10 n2 = 10
y1 N (1 , 2 /n1 ) y2 N (2 , 2 /n2 )
y1 y2 (1 2 )
z0 = q N (0, 1)
1 1
n1 + n2
1/2
Se compara t0 con tn1 +n2 2 porcentil (1 /2) de la
distribucin t con n1 + n2 2 g.l.
1/2
Si |t0 | > tn1 +n2 2 se rechaza H0 .
y1 y2 16.76 17.92
t0 = q = q = 9.13
1 1 2
S p n1 + n2 0.284 10
y1 y2 (1 2 )
q tn1 +n2 2
1 1
S p n1 + n2
(1/2) y1 y2 (1 2 ) (1/2)
P tn1 +n2 2 q tn1 +n2 2 = 1
Sp n11 + n12
r
(1/2) 1 1
P y1 y2 tn1 +n2 2 Sp + 1 2
n1 n2
r
(1/2) 1 1
y1 y2 + tn1 +n2 2 Sp + =1
n1 n2
Si estamos probando
H0 : 1 = 2 vs. Ha : 1 6= 2
y no podemos suponer que las varianzas 12 y 22 son iguales,
la prueba t se modifica. La estadstica de prueba es ahora:
y1 y2
t0 = q 2 2
.
S1 S2
n1 + n2
Punta 1 Punta 2
7,3,3,4,8, 6,3,5,3,8,
3,2,9,5,4 2,4,9,4,5
y1 = 4.80 y2 = 4.90
S12 = (2.39)2 S22 = (2.23)2
Si
dj = y1j y2j j = 1, . . . , 10
entonces
d = E(dj ) = E(y1j y2j ) = E(y1j ) E(y2j )
= 1 + j (2 + j )
= 1 2 (se cancela el efecto de j )
P 2
(dj d)
donde d = 1
Sd2
P
n j dj y = n1 .
t0.975
9 = 2.262 p-value = 0.798
No se rechaza H0 .
Sp = 2.31 Sd = 1.20