Biometra y diseo experimental

Integrantes:
John Jairo Ortega Delgado cd. 97480719

Presentado a:
Angela Liliana Rivera
Director del Curso

Universidad Nacional Abierta y a Distancia

Escuela De Ciencias Agrcolas, Pecuarias y del Medio Ambiente
Ingenieria Ambiental

Julio de 2015

1. En un estudio estadstico, que se entiende por poblacin y por qu es necesario tomar

una muestra

En estadstica la Poblacin tambin es llamada universo, y ser refiere a todo el

conjunto de elementos de referencia sobre el que se realizan las observaciones, mediciones y
anlisis y para esto procederemos a tomar una muestra que es un subconjunto de casos o
individuos de una poblacin.

Es necesario tomar una muestra para lograr efectividad del estudio reduciendo tiempo y costos.
2.

Explique qu es una hiptesis de investigacin y una hiptesis estadstica

Una hiptesis de investigacin es una suposicin de algo posible o tambin imposible,

puede ser no verdadero, por esto las hiptesis deben ser sometidas a pruebas de significancia
que tiene como objeto principal evaluar suposiciones o afirmaciones.

Una hiptesis estadstica es supuesta acerca de un parmetro o de algn valor estadstico

de una poblacin. Para que la hiptesis sea estadstica se debe tomar parmetros de referencia
ya sea una media, proporcin, o varianza.
3. Qu son los errores tipo I y tipo II en las pruebas de hiptesis?
Para conocer los tipos de errores es necesario primero conocer los tipos de hiptesis.

La hiptesis nula, representada por Ho, es la afirmacin sobre una o ms caractersticas de

poblaciones que al inicio se supone cierta (es decir, la "creencia a priori"). La hiptesis
alternativa, representada por H1, es la afirmacin contradictoria a Ho, y sta es la hiptesis del
investigador.

La hiptesis nula se rechaza en favor de la hiptesis alternativa, slo si la evidencia

muestral sugiere que Ho es falsa. Si la muestra no contradice decididamente a Ho, se contina
creyendo en la validez de la hiptesis nula. Entonces, las dos conclusiones posibles de un anlisis
por prueba de hiptesis son rechazar Ho o no rechazar Ho.

El error tipo I se define como el rechazo de la hiptesis nula Ho cuando sta es

verdadera. Tambin es conocido como

nivel de significancia.

El error tipo II o error es la aceptacin de la hiptesis nula cuando sta es falsa. Por
tanto, al probar cualquier hiptesis estadstica, existen cuatro situaciones diferentes que
determinan si la decisin final es correcta o errnea.

Decisin

Ho es verdadera

Aceptar Ho

No hay error

Rechazar Ho

Error tipo I

Ho es falsa

Error tipo II

No hay error

4. Una caracterstica importante de la calidad de la leche de vaca es la concentracin de

grasa. En una industria en particular se fij como estndar mnimo que el producto que
recibe directamente de los establos lecheros es de 3.0%. Por medio de 40 muestreos y
evaluaciones en cierta poca del ao se obtuvo que el promedio fue de 3.2 y S= 0.3.
Estime con una confianza de 90% el contenido poblacional de grasa, el error mximo de
estimacin para la media, estime con una confianza del 95% cul es la desviacin
estndar poblacional y discuta que se puede decir sobre la cantidad mnima y mxima de
grasa en la leche. Se puede decir con suficiente confianza que la leche tiene ms de 3%
de grasa?
X = 3,2%
S = 0,3
Las hiptesis a plantear son:
Ho: = 0
HA: > 0
La frmula anterior es la prueba unilateral con la que se busca estimar el nuevo valor
promedio de grasa encontrado.
Para calcular el valor estadstico t, primero se debe obtener el valor de error estndar de
la media x s .
Sx=

tc

s2
n

X
sx

0,3
40

= 0.086

3,23
0,086

=2,325

Para este caso se a tomado un error de experimentacin al 5% (=0,05) o 10% (= 95 de

confiabilidad %) se tiene el valor en la tabla t con (n-1 grado de libertad) es de
t 0,05 (39gl) = 1,683
t 0,10 (39gl) = 1,303

Confiabilidad*

Una Cola Unilateral

% de error

P**
error

% de

P**

confiabilidad

confiabi
lidad

90

10

0,1

90

0,90

95

0,05

95

0,95

*Confiabilidad
**Probabilidad
En vista de que |tc| > t0.05(14), entonces se rechaza Ho con un nivel de significancia del 0.05 y se
puede afirmar que con un nivel de confiabilidad del 90 y 95%, que el nivel de grasa aumentado
en la leche que se produce en la finca.

5. Seale un ejemplo de datos o muestras pareadas

Se midi la cantidad de oxgeno consumido por seis novillas durante dos periodos de 10
minutos mientras permaneca en el establo. Durante un perodo fueron expuestas a msica.
Mientras que en otro solo se mantuvo el silencio (El orden de las condiciones era el opuesto
para una mitad de los elementos estudiados). Sobre la base de los resultados indicados es

menor el consumo de oxgeno cuando escuchan msica? Utilice un nivel de significacin del
5%.

Novilla

Sin Msica

Con Msica

1
2
3
4
5
6

6,1
7,3
5,7
6,4
5,8
6,2

5,4
6,7
5,4
6,2
6,0
6,1

Hiptesis de inters
Ho: h - Um = 0
HA: h - Um 0
0

Ho: d = 0
HA: d

Esta alternativa corresponde con la hiptesis del investigador de que es menor el consumo de
oxgeno cuando escuchan msica, es decir las diferencias sern mayores que cero.
Datos: n=6
Necesitamos calcular las diferencias

Participante

Sin
Msica

Msica

Diferencias

Promedio

6,25

5,967

0,283

El test estadstico apropiado para resolver la hiptesis es el test t para muestras pareadas

El valor p ser el rea que est a la derecha (por la hiptesis alternativa, unilateral de cola
superior) de 2,1 de una distribucin t con 5 grados de libertad. Miramos en la tabla t entre qu
percentiles est el 2,1 de una distribucin t con 5 grados de libertad:

gl
5

t 0.95 t 0,975
0.267

0.559 0.920

1.476

2.015

2.571

3.365

4.032

2,1 se encuentra entre el percentil 95 y el 97,5, por lo tanto el valor p se encuentra entre 0,025 y
0,05, ese valor es menor que alfa = 0,05 por lo que rechazamos Ho.

Conclusin:
Con un nivel del 5%, podemos decir que el consumo de oxgeno es significativamente menor
cuando los bovinos escuchan musica:

Bibliografa

MORENO, S.J.A (2008). Estadstica descriptiva. Tomado de: MORENO, S.J.A (2008). Biometra y diseo de
experimentos, UNAD.

MORENO, S.J.A (2008). Inferencia estadstica. Adaptado de: MORENO, S.J.A (2008). Biometra y diseo de
experimentos, UNAD.

Box, G.E.P., Hunter, W.G.S., y Hunter, J.S. 1993. Estadistica para investigadores:
Introduccion al diseno de experimentos, analisis de datos y construccion de
modelos., Espana

Bunge, M. La ciencia, su metodo, y su filosofia. Ediciones Siglo XX. Buenos Aires.

1972.
Cabria, S. (1994). Filosofia de la estadistica. Servicio de Publicaciones de la
Universidad de Valencia