El documento presenta diferentes pruebas estadísticas paramétricas y no paramétricas, incluyendo sus ventajas y desventajas. Describe la prueba t de Student, la prueba t de Student-Welch, el análisis de varianza (ANOVA) y la prueba chi cuadrado. También incluye ejemplos de cómo aplicar las pruebas binomial y chi cuadrado para datos en escala nominal u ordinal.
El documento presenta diferentes pruebas estadísticas paramétricas y no paramétricas, incluyendo sus ventajas y desventajas. Describe la prueba t de Student, la prueba t de Student-Welch, el análisis de varianza (ANOVA) y la prueba chi cuadrado. También incluye ejemplos de cómo aplicar las pruebas binomial y chi cuadrado para datos en escala nominal u ordinal.
El documento presenta diferentes pruebas estadísticas paramétricas y no paramétricas, incluyendo sus ventajas y desventajas. Describe la prueba t de Student, la prueba t de Student-Welch, el análisis de varianza (ANOVA) y la prueba chi cuadrado. También incluye ejemplos de cómo aplicar las pruebas binomial y chi cuadrado para datos en escala nominal u ordinal.
ESCUELA DE CONTABILIDAD CURSO : Tesis I TEMA : Pruebas Estadsticas Apropiadas PROFESORA : Luzmila Nizama CICLO : 9no - C INTEGRANTES : Burgos Huaracha Brbara Rodrguez Reyes Lucero PRUEBAS ESTADISTICAS El anlisis estadstico es el procedimiento objetivo por medio del cual se puede aceptar o rechazar un conjunto de datos como confirmatorios de una hiptesis, conocido el riesgo que se corre en funcin de la probabilidad al tomar tal decisin. TIPOS DE PRUEBAS PRUEBAS PARAMETRICAS VENTAJAS Tienen mas poder de contraste Mas poder de eficiencia Mas sensibles a los rasgos de los recolectados Menos posibilidad de errores Dan estimaciones probabilsticas bastante exactas DESVENTAJAS o Ms complicadas de calcular.
o Limitaciones en los tipos de datos que se pueden evaluar. Prueba T de Student para datos relacionados (muestras dependientes)
Con la prueba t se comparan las medias y las desviaciones estndar de grupo de datos y se determina si entre esos parmetros las diferencias son estadsticamente significativas o si slo son diferencias aleatorias.
DONDE : t valor estadstico del procedimiento. d = Valor promedio o media aritmtica de las diferencias entre los momentos antes y despus. sd = desviacin estndar de las diferencias entre los momentos antes y despus. N = tamao de la muestra. Prueba T de Student-Welch para dos muestras independientes con varianzas no homogneas
Esta prueba estadstica es de utilidad para contrastar hiptesis en funcin de la media aritmtica, pero dada la heterogeneidad de las varianzas, no es aplicable la prueba t de Student. . Por otra parte, existe una modificacin de la ecuacin original de la correspondiente t de Student, que es la siguiente: Donde: t = estadstico equivalente a t de Student.
1 = media aritmtica del grupo 1.
2 = media aritmtica del grupo 2. s 2 1 = varianza del grupo 1. s 2 2 = varianza del grupo 2. n 1 = tamao de la muestra del grupo 1. n 2 = tamao de la muestra del grupo 2. Prueba F (anlisis de varianza o ANOVA)
El anlisis de varianza (anova) es uno de los mtodos estadsticos ms utilizados y ms elaborados en la investigacin moderna. El anlisis de la varianza, no obstante su denominacin se utiliza para probar hiptesis preferentes a las medias de poblacin ms que a las varianzas de poblacin. Las tcnicas anovas se han desarrollado para el anlisis de datos en diseos estadsticos muy complicados.
Cuando se utiliza la tcnica ANOVA se deben cumplir los siguientes supuestos:
Las personas de los diversos subgrupos deben seleccionarse mediante el muestreo aleatorio, a partir de poblaciones normalmente distribuidas.
La varianza de los subgrupos debe ser homognea.
Las muestras que constituyen los grupos deben ser independientes. PRUEBAS NO PARAMTRICAS Las pruebas no paramtricas nos permiten analizar datos en escala nominal u ordinal a pesar de que no se conozcan los parmetros de una poblacin, utilizada para hacer un contraste de hiptesis Concepto Se denominan pruebas no paramtricas aquellas que no presuponen una distribucin de probabilidad para los datos, por ello se conocen tambin como de distribucin libre (distribution free). UTILIZACIN: Cuando los datos puntualizan a las escalas nominal u ordinal. Se utiliza solo la frecuencia. Poblaciones pequeas. Cuando se desconocen los parmetros media, moda, etc. Cuando los datos son independientes. Cuando se quiere contrastar o comparar hiptesis. Investigaciones de tipo social. (Muestras pequeas no representativas >5). Cuando la muestra es seleccionada no probabilsticamente VENTAJAS Los mtodos no paramtricos pueden ser aplicados a una amplia variedad de situaciones porque ellos no tienen los requisitos rgidos de los mtodos paramtricos correspondientes. Diferente a los mtodos paramtricos, los mtodos no paramtricos pueden frecuentemente ser aplicados a datos nonumricos, tal como el gnero de los que contestan una encuesta Los mtodos no paramtricos usualmente involucran simples computaciones que los correspondientes en los mtodos parametricos DESVENTAJAS Los mtodos no paramtricos tienden a perder informacin porque datos numricos exactos son frecuentemente reducidos a una forma cualitativa.
Las pruebas no paramtricas no son tan eficientes como las pruebas paramtricas, demanera que con una prueba no paramtrica generalmente se necesita evidencia ms fuerte (as como una muestra ms grande o mayores diferencias antes de rechazar una hiptesis
APLICACIN DE PRUEBAS NO PARAMETRICAS Para escala nominal:
Leyes de la probabilidad y prueba binomial En la naturaleza existen dos clases de fenmenos .
Son aquellos fenmenos en los que se desconocen algunas variables, pero si se renen las conocidas, tendrn la posibilidad de presentarse (p) o de no manifestarse (q), por ejemplo: cuando un grupo de personas se pone en contacto con un paciente que padece alguna enfermedad infecciosa. Todos tienen la probabilidad de ser contagiados (p) o de no serlo (q); asimismo, tienen la probabilidad de manifestar o no la enfermedad Fenmenos probabilsticos . Son aquellos en los que se conocen y renen todas las variables o premisas, por ejemplo: la gravedad. Fenmenos determinsticos Distribucin Binomial.- Es cuando se quiere determinar la probabilidad de que x xitos sean observados en n ensayos, el orden en que ocurren los xitos no tiene importancia. Como es sabido, si consultamos libros estadsticos nos encontramos a veces, que las frmulas son estructuradas diferente, por ejemplo, encontramos otra:
Donde:
Pxi = probabilidad de acontecimientos de un evento. n C r = nmero de combinaciones. n = nmero total de eventos. r = valor del arreglo esperado. p = probabilidad de ocurrencia. q = Probabilidad de no ocurrencia Pxi = n C r p r - q (n-r)
Una pareja de recin casados acude con un mdico y le plantea el deseo de tener 4 hijos: dos nias y dos nios; sin embargo, piensan que esto es difcil, en razn de que de cuatro parientes del esposo, tres de ellos han tenido solamente nias. As, surgen las probabilidades siguientes:
Tener nias exclusivamente. Tener dos nias y dos nios. Tener slo nios.
La probabilidad de tener un hijo o una hija corresponde a 0.75 = , por tanto, p + q = 1; 0.75 + 0.25 = 1.
Las permutaciones que cabe esperar, con dos posibles eventos (nio y nia) y una muestra de cuatro nios son: 2 X 2 X 2 X 2 =16 probables arreglos diferentes.
En virtud de que se trata de una muestra de tres nias esperadas y de que se quiere conocer la probabilidad de que ocurran tres eventos, se decide consultar la figura siguiente.
Ejemplo Eleccin de la prueba estadstica. Se decide utilizar la prueba binomial, debido a que se puede medir en escala nominal y se ajusta a una distribucin binomial.
Planteamiento de hiptesis. Hiptesis alterna (Ha). Para concebir slo hijas o slo hijos, se determina de forma gentica. En tal sentido, poder tener slo hijos varones tiene una probabilidad muy alta. Hiptesis nula (Ho). Concebir hijos o hijas es una circunstancia dada por el azar.
Nivel de significancia. Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo. Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Aplicacin de la prueba de acuerdo con la frmula.
Pxi = n C r p r - q (n-r)
Decisin. En razn de que la probabilidad de tener slo hijos varones en comparacin con concebir exclusivamente hijas es muy notable y, a su vez, menor que el nivel de significancia, se acepta Ha.
Interpretacin. Los valores de probabilidad relativamente grandes de tener slo hijas, con el antecedente de que familiares cercanos al esposo han procreado solamente nias en tres de cuatro parejas, hace suponer la existencia de otro factor: la herencia, la cual interviene para aportar una baja probabilidad de concebir slo hijos varones. FRECUENCIA Se denomina frecuencia a la cantidad de veces que se repite un determinado valor de la variable.
MODA La moda es el valor que tiene mayor frecuencia absoluta. Se representa por M o , se puede hallar la moda para variables cualitativas y cuantitativas. 2, 3, 3, 4, 4, 4, 5, 5 M o = 4
Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la mxima, la distribucin es bimodal o multimodal, es decir, tiene varias modas. 1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9M o = 1, 5, 9
CHI CUADRADO EJEMPLO Un investigador quiere comparar si hay diferencias en la cantidad de cigarros fumados por causa del estrs en personas que trabajan.
Eleccin de la prueba. El modelo experimental tiene una muestra.
Planteamiento de la hiptesis. Hiptesis alterna (Ha). Habr diferencia significativa entre la cantidad de cigarros fumados por causa del estrs en personas que trabajan. Hiptesis nula (Ho). No Habr diferencia significativa entre la cantidad de cigarros fumados por causa del estrs en personas que trabajan Nivel de significacin. Para todo valor de probabilidad igual o menor que 0.05, se acepta Ha y se rechaza Ho.
Zona de rechazo. Para todo valor de probabilidad mayor que 0.05, se acepta Ho y se rechaza Ha.
Aplicacin de la prueba estadstica. El clculo de la frecuencia esperada se efecta en virtud de que para una hiptesis nula, a todas las casillas corresponde un valor igual, por lo tanto: fo = 18 fe = 6
gl = 3 + 1 = 2 a = 0.05
El valor calculado de X 2 se compara con los valores crticos de la tabla de valores crticos de X 2 . Se puede observar que para una probabilidad de 0.05 corresponde la cifra de 5.99; por lo tanto, el estadstico ji cuadrada de 4.3 tiene una probabilidad mayor que 0.05.
Decisin. En virtud de que la probabilidad obtenida al calcular el valor de X 2 est dentro de la regin de rechazo, se acepta Ho y se rechaza Ha. X 2 c X 2 t se rechaza Ho Entonces tenemos que: 4.3 < 5.99 se acepta Ho \ No hay diferencias significativas entre el consumo de cigarros por causa del estrs.
Interpretacin. El consumo de cigarros por causa del estrs se puede considerar como efecto del azar.
Tesis Sistema de Control de Calidad para Mejorar La Aplicacion de Los Procesos de Contabilidad y Auditoria en La Firma A.blanco y Asociados de La Ciudad de San Miguel