Farmacia y estadística
  • Inicio
  • Metodología
  • Cursos y consultoría
    • Muestreo - Módulo I
    • Muestreo - Módulo II
    • Muestreo - Módulo III
    • Validación de metodologías analíticas
    • Diseño de Experimentos – Modulo I
    • Estadística básica enfocada en la industria farmacéutica
    • Diseño de Experimentos – Modulo II
    • Cartas de control y capacidad de proceso enfocado en procesos no normales
  • Cursos y consultoría
  • Tutoriales y ejercicios
    • Conceptos básicos
      • Definiciones
      • Distribuciones discretas
      • Distribuciones continuas
    • Análisis descriptivo
      • Medidas de forma
      • Medidas de tendencia central
      • Medidas de dispersión
      • Medidas de localización
    • Análisis gráfico
      • Gráficos estadísticos
      • Análisis de componentes principales
      • Datos relacionales
    • Inferencia
      • Conceptos básicos de inferencia
      • Muestreo Aleatorio Simple (MAS)
      • Muestreo Sistemático
      • Muestreo estratificado
      • Muestreo por conglomerado
      • Distribuciones muestrales
    • Muestreo de aceptación
      • ¿Qué es el muestreo de aceptación?
      • Curvas de operación
      • Muestreo de aceptación simple por atributos
      • Sistemas de muestreo
  • Contacto
  • Aula virtual
© 2022 Farmacia y estadística. Todos los derechos reservados

Aplicación de Jackknife en la determinación de intervalos de confianza para el coeficiente de variación

  • 26 de Julio de 2023
  • Conceptos teóricos
Inferencia Distribuciones muestrales

A continuación se muestra el código en R para la determinación de la varianza, sesgo e intervalos de confianza para el coeficiente de variación utilizando Jackknife:

### Paquetes ### 
library(nortest)

### Datos ###
datos <- c(13.0,10.8,12.7,14.2,10.5,11.3,15.7,19.8,16.2,20.3,9.9,21.4)

### Jackknife ###
n <- length(datos)
k <- 100

NOMBRES=NULL
i=1 
while(i<=k) 
{
  NOMBRES=c(NOMBRES,paste("M",i,sep=""))
  i=i+1
}
NOMBRES

TABLA=NULL
i=1
while(i<=k)
{
  muestra=sample(datos,(n-1),replace=TRUE)
  desvp=c((var(muestra)*(n-2)/(n-1))^(1/2))
  coefvar=c(muestra,desvp,(desvp/mean(muestra)))
  TABLA=rbind(TABLA, coefvar)
  i=i+1
}
colnames(TABLA)[ncol(TABLA)]="coefvar"
colnames(TABLA)[(ncol(TABLA)-1)]="desv_pob"
rownames(TABLA)=NOMBRES
TABLA
#View(TABLA)
coefvar <- TABLA[,ncol(TABLA)]
hist(coefvar, main="HISTOGRAMA DEL COEFICIENTE DE VARIACIÓN", freq=FALSE)
lines(density(coefvar), col="red", lwd=2)
180_20230523a
lillie.test(coefvar)
Lilliefors (Kolmogorov-Smirnov) normality test

data:  coefvar
D = 0.064203, p-value = 0.3949
coefvar_datos=((var(datos)*(n-1)/(n))^(1/2))/mean(datos)
coefvar_datos
[1] 0.2644189
sesgo= mean(coefvar)-coefvar_datos
sesgo
[1] -0.01371688
varianza=(var(coefvar)*(k-1)/(k))
varianza
[1] 0.001526572
# IC usando las cuantilas muestrales
ICinf=c(quantile(coefvar, probs=0.025))
ICinf
 2.5% 
0.1583728
ICsup=c(quantile(coefvar, probs=0.975))
ICsup
    97.5% 
0.3210539 
hist(coefvar, main="HISTOGRAMA DEL COEFICIENTE DE VARIACIÓN", freq=FALSE)
lines(density(coefvar), col="red", lwd=2)
abline(v=ICinf, col="green", lwd=2, lty = 2)
abline(v=ICsup, col="green", lwd=2, lty = 2)

180_20230523b.png

Referencias

(1) HOLLANDER M., WOLFE D. A. y otro. Nonparametric Statistical Methods. Tercera edición. Wiley Series in Probability and Statistics. Páginas 420 - 427

 

¿Tienes dudas o preguntas?
¿Necesitas un curso específico para tu empresa?

¡Contáctanos!

 

Metodología
© 2025 Farmacia y estadística.
Desarrollo: K diseño digital
Farmacia y estadística
Encuéntranos en