Autor Tema: Se equivocó este profesor (Estadistica mal planteada)

0 Usuarios y 1 Visitante están viendo este tema.

12 Noviembre, 2008, 08:14 pm
Respuesta #10

Don Equis

  • Aprendiendo de a poco...
  • $$\Large \color{#5b61b3}\pi\,\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 1,056
  • Karma: +0/-0
  • Sexo: Masculino
  • e^{i\pi}+1=0
Hola

 Como te digo, leonardo09, depende un poco de como hayan explicado las cosas.

 En muchos casos cuando se explica la distribución de Poisson, se ponen una serie de ejemplos o situaciones, en los que, a falta de más información, suele aplicarse.

 Evidentemente desde el punto de vista científico lo ideal es hacer un estudio estadístico que nos permita elegir la distribución que mejor se adapte, pero a un nivel más de "andar por casa" para ciertas situaciones uno suele usar la distribución de Poisson. En muchos textos se suelen enumerar algunas de ellas.

 Fíjate por ejemplo en la diapositiva: "Ejemplos de la utilidad" de esta presentación:

La distribución de Poisson

Saludos.
Luego de haber llegado a comprender un poco sobre la distribución de Poisson queda algo que no termina de cerrar. Decimos que lo "correcto", al fin y al cabo, es realizar un estudio estadístico (ignoraremos qué significa) para poder realizar una aproximación más fiable que la que brinda la distribución de Poisson. En este sentido, estamos admitiendo que esta distribución conlleva algún tipo de error al aplicarse; me pregunto yo cuál es y si hay forma de calcularlo.

En el caso del estacionamiento dependerá de la hora y el día y quién sabe cuántos otros detalles, pero asumamos que todo esto llegara a ser superado ¿cómo podríamos discernir si la distribución de Poisson ajusta suficientemente bien o con qué error lo hace?
I believe a leaf of grass is no less than the journey-work of the stars.

 \( e^{i\pi}+1=0 \)

13 Noviembre, 2008, 12:06 am
Respuesta #11

byron

  • $$\Large \color{#5372a0}\pi\,\pi$$
  • Mensajes: 72
  • Karma: +0/-0
  • Sexo: Masculino
 Antes que nada, tienes razón el_manco.
Don Equis, es una muy buena pregunta la tuya. La única manera que yo conozco que se pueda hacer eso que preguntas es realizando lo que se llama prueba de bondad de ajuste.

Con este método, básicamente lo que haces es tomar muchas muestras de distintos intervalos de tiempo y medís (para este caso) la cantidad de automóviles que entran en el estacionamiento.

Empiezas con una hipótesis  \( H_0: \) "la distribución de frecuencias del fenómeno no se ajusta a la distribución poisson" (por decir algo) y la hipótesis alternativa (\( H_1 \)) sería lo contrario.

Para ello, necesitarías muchos datos sobre el fenómeno del estacionamiento. Deberías tomar distintos intervalos de tiempo y medir cuantos autos pasaron por el estacionamiento en esos intervalos de tiempo (hablo de muchos datos, cuantos más tengas menos le erras).
Suponiendo que los tengas, estos te van a generar una distribución y si esa distribución se ajusta a la distribución que tiene la poisson, pues puedes deducir de ahí que rechazas \( H_0 \).

¿Porque tomar \( H_0 \) como lo contrario a lo que quiero probar?
Eso es porque cuando mides los riesgos, el \( \alpha \) es uno solo y no una curva, en cambio al tomarlo de la otra manera tengo infinitos riesgos (los cuales se pueden visualizar a través de una curva de potencia), pero a lo que voy es que es más dificil.

Lo que puedes hacer también es ajustar estos riesgos, en este caso sería el \( \alpha \) o nivel de significación.

para los que no saben \( \alpha = P(rechazar H_0/_{H_0} es \  verdadero) \)

En donde la barra \( / \) no se traduce como "sabiendo que" sino que la traducción mas correcta sería "cuando en realidad".
Cuando hablo de rechazar \( H_0 \) me refiero a la variable de decisión que utilizo para "decir" o conjeturar (si es que esa es la palabra) que lo rechazo, y eso depende de un criterio. Ahora lo que está abajo es lo que tiene que ver con la realidad.

Así es como creo que se debería probar si se ajusta el modelo Poisson con el fenómeno del estacionamiento.

La realidad es que no me dedico a la matemática, mi carrera es ingeniería en informática y por ahí lo veo desde el punto de vista práctico. Me gustaría saber si existe otro método que sea más formal, pero no lo conozco.

Espero haber sido claro, cualquier cosa preguntame.

Saludos!


 

13 Noviembre, 2008, 10:18 pm
Respuesta #12

incógnita_j

  • $$\Large \color{#c88359}\pi\,\pi\,\pi\,\pi$$
  • Mensajes: 631
  • Karma: +0/-0
  • Sexo: Masculino
  • Uno más en la infinidad
Don equis, como dice byron, una nada despreciable rama de las matemáticas se dedica justamente a eso: a estudiar los fenómenos estadísticos mediante métodos probabilísticos (inferencia estadística). Si quieres informarte a grandes líneas sobre lo que son los contrastes de hipótesis, los tests de ajuste (ji cuadrado, principalmente) y el tratamiento de la certeza y la probabilidad (de que un fenómenos siga cierta ley por ejemplo, o de que una distribución esté centrada en un cierto parámetro, tenga a ese parámetro como mediana, media etc) entonces debes buscar cosas sobre inferencia estadística. Los resultados requieren artillería para ser demostrados, pero, el desarrollo, es bastante intuitivo.
Busca en particular sobre el test ji cuadrado de bondad de ajuste.
Siempre nos quedará hablar con los números y descubrir algún nuevo secreto.