Estadística Inferencial: Pruebas de Hipótesis, ANOVA, Chi-cuadrado y Regresión Lineal con Ejemplos Resueltos
Fórmulas estadísticas básicas
FRMLS:
- MED (media): Σ xi·fi / n
- MEDNA (mediana): n/2, f+1
- CRTIL (cuartil): n·k/4, f+1
- VARI-σ² (varianza): Σ(x²·fi)/n − media²
- DESV.TIP (desviación típica): √[Σ(x²·fi)/n − media²] = √varianza
- CUASIDESV.TIP S (cuasidesviación típica): √[(Σ(x²·fi) − (Σxi²)/n) / (n − 1)] = √cuasivarianza
- RECOR (recorrido): xmáx − xmín
- COEF PERS (coeficiente de Pearson): (media − moda) / σ (desviación típica)
- COEF VAR (coeficiente de variación): (σ / media) · 100
13A. Intervalos de confianza y prueba Z
Z y N
Si la fórmula da 0,57 (lados), se busca el medio: 0,28… Se calcula p/z > 0,57, es decir, 0,56… Si la fórmula cumple 0,57 < x/2 (1,96), se compara si es mayor o menor que el valor de los lados para decidir si se acepta la hipótesis.
Si se tiene el valor de los lados y se busca la media, o si se tiene zα/2, se obtiene el valor de la media y se busca el de los lados. Generalmente se escribe arriba la parte superior y abajo la inferior.
Importante: si el enunciado dice cuasi, debe usarse la desviación típica muestral: S = √cuasivarianza.
Intervalo de confianza
zα/2 = 0,025 → 1,96 (se coloca 1,96 en el intervalo).
Si se dispone de la varianza, se calcula √varianza = desviación típica, para que el intervalo tenga sentido. Si faltan datos, la varianza se expresa como σ² = u.
13B. ANOVA de 2 grupos y prueba t
No se indica nada sobre independencia. Los ceros y los valores negativos cuentan para la media.
Diferencia significativa entre sus medias:
|x̄₁ − x̄₂| / (s·√(1/n₁ + 1/n₂))
Se debe calcular la cuasidesviación típica. Si t calculado > t tabla (α = 0,05), se rechaza la hipótesis nula.
Cuidado: no es lo mismo decir dos grupos que dos grupos independientes. Verificar la independencia antes de aplicar la prueba.
Test de ejercicio con σ desconocida
Se debe calcular la cuasidesviación típica, aplicar la fórmula del apartado 13B y verificar si tcalc > ttabla.
Ejemplo: t0,05 > fórmula (3,3) → p = 0,02. Si la fórmula > tn−1, x/2.
ANOVA (análisis de varianza)
Se utiliza una tabla para comparar 3 tipos o más de empresas, lámparas, vacunas, etc. Solo se analiza a la izquierda; si arriba a la izquierda no hay diferencia, no existen más diferencias.
- Calcular las medias de cada grupo: 6, 7, 6, 5…
- Calcular la media de los grupos: 6,5.
- Cada grupo tiene 4 valores → n = 4.
- Varianza entre grupos: (6 − 6,5)² + (7 − 6,5)² + … ; ejemplo: 6 · (6 − 6,5)² … ; grados de libertad G − 1 = 2 → 3.
- Varianza dentro de los grupos: (valor − media del grupo)²; por ejemplo (5,5 − 6)² + (6,5 − 6)² + …; suma total = 26; grados de libertad = 26 / (valores − grupos) = 26 / 9 = 2,88.
- F calculado = 3 / 2,88 = 1,03.
Con 9 grados de libertad a la izquierda y 2 arriba, en la tabla F0,05 = 4,2. Como F calculado < F tabla, se acepta la hipótesis nula: no hay diferencias significativas entre los laboratorios o empresas.
Chi-cuadrado (χ²)
Permite comparar si una variable depende de otra (por ejemplo, si el consumo de salud depende de la región).
- Valor observado: 15; suma de columna: 32; suma de fila: 30; total: 100.
- Frecuencia esperada: ft = (32 · 30) / 100 = 9,6.
- Fórmula: χ² = Σ (f − ft)² / ft → (15 − 9,6)² / 9,6 = 3,03…
- Suma total: χ² calculado = 17.
- Grados de libertad: (C − 1)·(F − 1) = 4.
- Con α = 0,05 y 4 grados de libertad, χ² tabla = 9,48.
Como χ² calculado > χ² tabla, sí hay diferencias significativas en salud según la región.
Regresión lineal simple
La ecuación de la recta es y = mx + b, donde:
m = (y₂ − y₁) / (x₂ − x₁)
Ejemplo: si x₁ = 0, x₂ = 2, y₁ = 4, y₂ = 8, entonces m = (8 − 4) / (2 − 0) = 2.
Para calcular b se usa un punto: 4 = 2 · 0 + b → b = 4. Por tanto, y = 2x + 4.
Cálculos para la inferencia
- Calcular Y − Ȳ y (Y − Ȳ)²; se obtiene SSE.
- Calcular x − x̄ y (x − x̄)²; se obtiene Sxx.
- Error estándar de la estimación: σ = √(SSE / (n − 2)).
- Error estándar del coeficiente: Se = σ / √Sxx.
- Estadístico t = bi / Se = 0,38 (ejemplo).
- Grados de libertad: n − 2 = 4. Con α = 0,05, t tabla = 2,1.
Como 0,38 < 2,1, se acepta la hipótesis nula: las variables no son significativas.