Escolar Documentos
Profissional Documentos
Cultura Documentos
SEXTO NIVEL
RESUMENES
RESPONSABLES GRUPO 1:
ARMAS SIMBAÑA ALISSON MICHELLE
FERNÁNDEZ PICHUCHO GRACIELA LIZBETH
HINOJOZA ORBEA MIKELE ALEJANDRO
LINCANGO TUQUERRES JONATHAN RAFAEL
TUSO ANALUISA WILLIAM STALIN
PRUEBAS DE NORMALIDAD
Es una prueba de hipótesis, no requiere que la distribución de la población sea caracterizada por
ciertos parámetros. Por ejemplo, muchas pruebas de hipótesis parten del supuesto de que la
población sigue una distribución normal con los parámetros μ y σ. Las pruebas no paramétricas
no parten de este supuesto, de modo que son útiles cuando los datos son considerablemente
no normales y resistentes a transformaciones.
MÁXIMA VEROSIMILITUD
La evaluación por el método de máxima verosimilitud procura encontrar los valores más
probables de los parámetros de la distribución para un conjunto de datos. Maximizando el valor
de lo que se conoce como la “función de verosimilitud” La función de verosimilitud se basa en
la función de la densidad de la probabilidad fdp para una distribución dada.
LA PRUEBA DE KOLMOGOROV-SMIRNOV
La prueba de Kolmogorov es una prueba de bondad de ajuste, es decir, del grado en que la
distribución observada difiere de otra distribución. Es una alternativa a la prueba Ji Cuadrado de
bondad de ajuste cuanto el número de datos es pequeño. La prueba no debe ser aplicada si hay
muchos empates.
Es igual a
Importante saber que una vez dada una muestra aleatoria simple de tamaño n, (x1,x2,…,xn), se
quiere saber si procede de una población con distribución normal. Este problema es muy
frecuente, ya que son muchas las pruebas de inferencia estadística que exigen como condición
imprescindible que la población de procedencia de la muestra sea normal.
Los coeficientes (ain) suelen aparecer tabulados en los manuales. Obtenido el valor de W, su
distribución permite calcular el valor crítico del test que permite tomar una decisión sobre la
normalidad de la muestra.
El programa devuelve el valor del estadístico W, así como su probabilidad crítica, pc, la cual da
la clave para aceptar o rechazar la hipótesis nula de normalidad, que representamos por H0. Si
pc<0.05, se rechazará la hipótesis con un nivel de significación del 5%; si pc<0.01, se rechazará
con un nivel del 1%.
PRUEBA DE ANDERSON-DARLING
La prueba AD es una forma de estimación de mínima distancia, y uno de los estadísticos más
potentes para detectar discrepancia con respecto a normalidad. Se puede utilizar con un tamaño
muestral bajo (n ≤ 25). Tamaños muestrales muy grandes pueden rechazar el supuesto de
normalidad con tan solo pequeñas imperfecciones.
La prueba de Anderson-Darling es usada para probar si una muestra viene de una distribución
especifica. Esta prueba es una modificación de la prueba de Kolmogorov- Smirnov donde se le
da más peso a las colas de la distribución que la prueba de Kolmogorov-Smirnov.
A2=−n−S
PROCEDIMIENTOS:
Esta explicación está basada en una prueba para una distribución normal.
BIBLIOGRAFÍA
Marqués dos Santos, María José; Estadística Básica: un enfoque no paramétrico, Universidad
Nacional Autónoma de México, Facultad de Estudios Superiores Zaragoza.
INTEGRANTES GRUPO 2:
JÁTIVA PAUL
LUZURIAGA ESTEFANÍA
PAZMIÑO SOLANGE
TALAVERA BRYAN
VEINTIMILLA EDISON
CADENAS DE MARKOV
La cadena de Markov es un proceso estocástico.
Proceso estocástico
Definición formal
Proceso estocástico: es una familia de variables aleatorias {𝑋(𝑡), 𝑡 ∈ 𝑇} en donde t toma valores
del conjunto T.
Una sucesión de observaciones X1, X2, X3, . . . se denomina proceso estocástico sí:
Los valores de estas observaciones no se pueden predecir exactamente.
Pero se pueden especificar las probabilidades para los distintos valores posibles en
cualquier instante de tiempo.
𝑋𝑛 : variable aleatoria que define el estado inicial del proceso.
Xn : variable aleatoria que define el estado del proceso en el instante de tiempo n.
Una cadena de Markov es un proceso estocástico que cumple con la propiedad de pérdida de
memoria.
Propiedad de perdida de la memoria consiste en que los estados futuros del proceso dependen
únicamente del presente, por lo mismo son independientes del pasado.
Definición formal
Cadenas de Markov
Matriz de transición de una etapa: matriz cuadrada formada por las probabilidades de
transición.
𝑃00 𝑃01 𝑃02 … 𝑃0𝑀
𝑃10 𝑃11 𝑃12 … 𝑃1𝑀
𝑃= 𝑃20 𝑃21 𝑃22 … 𝑃2𝑀
⋮ ⋮ ⋮ ⋱ ⋮
𝑃𝑀0 𝑃𝑀1 𝑃𝑀2 … 𝑃𝑀𝑀
∑ 𝑃𝑖𝑗 = 1
𝑗=0
Cadenas de Markov
Un estudiante de la carrera de Automotriz debe prepararse para rendir los exámenes finales,
para lo cual debe estudiar las materias de Física, Calculo y Algebra, donde la probabilidad es de
0.5, 0.5 y 0.4 respectivamente. Si el estudiante estudia Calculo el día lunes ¿Cuál es la
probabilidad de que el día jueves vuelva a estudiar Calculo?, además determine la matriz de
transición y represente la gráfica de Markov.
Matriz de transición.
Gráfica:
0.3
0.5 0.5
F 0.2 C
0.4
Resolución
Método 1.
INTEGRANTES GRUPO 9:
FERNÁNDEZ MAURICIO
GIL KEVIN
LUDEÑA ERIKA
QUINTUÑA HENRY
TIGSE ANDRÉS